3.4. Metode Pengolahan dan Analisis Data
Penelitian ini merupakan penelitian eksplanatori, yaitu penelitian yang menjelaskan hubungan antara variabel-variabel penelitian melalui
pengujian hipotesa. Dalam penelitian ini variabel yang diteliti dibagi menjadi dua kelompok, yaitu variabel bebas independent dan variabel
terikat dependent. 1. Variabel bebas independent :
Sikap nasabah
dalam penerapan program CSR di BNI X
2. Variabel terikat dependent : Loyalitas nasabah tabungan BNI Taplus Y
Definisi operasional variabel-variabel penelitian adalah sebagai berikut:
1. Sikap dalam penerapan program CSR di BNI. Adalah suatu penilaian nasabah, suka atau tidak suka, terhadap berbagai
program CSR yang diterapkan oleh BNI sebagai wujud tanggung jawab perusahaan terhadap masyarakat dan
lingkungan sekitarnya. Sebagai perusahaan publik, BNI harus memberikan yang terbaik pada lingkungan karena
kini masyarakat kerap bereaksi terhadap perusahaan yang dianggap tidak memperhatikan lingkungan.
Indikator yang digunakan untuk mengetahui sikap dalam penerapan program CSR di BNI adalah:
a. Sikap dalam program pendidikan b. Sikap dalam program kesehatan
c. Sikap dalam program kemitraan d. Sikap dalam program pengembangan sarana umum
e. Sikap dalam program bantuan korban bencana alam 2. Loyalitas nasabah tabungan BNI Taplus. Adalah komitmen
yang kuat dari nasabah sehingga bersedia melakukan pembelian ulang terhadap jasa secara konsisten dan dalam
jangka panjang, tanpa terpengaruh oleh situasi dan usaha-
usaha marketing dari produk lain yang berusaha membuat beralih untuk membeli produk lain tersebut.
Indikator yang digunakan untuk mengetahui loyalitas nasabah tabungan BNI Taplus adalah:
a. Kesetiaan untuk tetap menggunakan BNI Taplus b. Pembelian produk atau jasa lain BNI
c. Rekomendasi d. Menambah jumlah tabungan
e. Menceritakan hal positif f. Kesediaan menerima bunga yang rendah atau biaya
yang tinggi Selanjutnya dari indikator-indikator variabel bebas tersebut disusun
pertanyaan yang masing-masing item diberi range skor dalam skala likert dengan skor sebagai berikut:
1. Pernyataan dalam item favorabel, yang mengandung nilai-nilai yang positif, maka nilai-nilai yang diberikan adalah:
Sangat setuju= 5 Setuju = 4
Netral = 3 Tidak setuju = 2
Sangat tidak setuju = 1 2. Item-item unfavorabel, yang mengandung nilai-nilai negatif, maka
nilai-nilai yang diberikan adalah: Sangat tidak setuju = 5
Tidak setuju = 4 Netral = 3
Setuju = 2 Sangat setuju = 1
Loyalitas nasabah yang diukur dalam penelitian ini diwakili oleh enam pertanyaan, sedangkan pengujian sikap nasabah dalam program CSR
BNI dilakukan dengan memberikan sepuluh pertanyaan. Karakteristik nasabah dijelaskan melalui tabulasi sederhana. Kemudian dilakukan
perbandingan antara beberapa karakter dan aspek pengetahuan nasabah tentang CSR melalui tabulasi silang. Sikap nasabah digambarkan melalui
analisa deskriptif. Selanjutnya, dilakukan analisis pengaruh sikap nasabah dalam program CSR terhadap loyalitas dengan metode persamaan
struktural Structural Equation Modelling SEM
3.4.1. Tabulasi Sederhana
Fungsi tabulasi sederhana atau tabel satu variabel adalah untuk mendeskripsikan ciri-ciri atau karakteristik dari suatu variabel. Selain itu,
untuk melihat persentase responden dalam memilih kategori tertentu. Dalam analisis tabulasi sederhana ini, data yang diperoleh diolah ke dalam
bentuk persentase menggunakan rumus sebagai berikut: p =
x 100 .................................4 dimana :
p = presentase responden yang memilih kategori tertentu fi = jumlah responden yang memilih kategori tertentu
∑fi = banyaknya jumlah responden Untuk lebih jelasnya, daftar karakteristik nasabah dapat dilihat
pada Lampiran 4.
3.4.2. Tabulasi Silang
Tabulasi silang adalah teknik untuk membandingkan atau melihat hubungan antara dua variabel atau lebih. Dalam tabulasi silang, dihitung
presentase responden untuk setiap kelompok agar mudah dilihat hubungan antara dua variabel Rangkuti, 1997.
3.4.3. Hipotesis
Dalam penelitian ini disusun beberapa hipotesis yang akan diuji.
Hipotesisnya adalah sebagai berikut: H
1
=
Tidak terdapat pengaruh yang positif antara sikap nasabah dalam penerapan CSR di BNI dan loyalitas
H
2
= Terdapat pengaruh yang positif antara sikap nasabah dalam
penerapan CSR di BNI dan loyalitas
H
3
= Tidak terdapat pengaruh yang signifikan antara sikap nasabah dalam penerapan CSR di BNI dan loyalitas
H
4
= Terdapat pengaruh yang signifikan antara sikap nasabah dalam penerapan CSR di BNI dan loyalitas
3.4.4. Model Persamaan Struktural
Model persamaan struktural Structural Equation Modeling adalah teknik analisis multivariat yang memungkinkan peneliti untuk menguji
hubungan antara variabel yang kompleks baik recursive maupun non- recursive untuk memperoleh gambaran menyeluruh mengenai keseluruhan
model Ghozali dan Fuad, 2005. SEM dapat menguji secara bersama: 1. Model struktural: hubungan antara konstruk independen dan
dependen 2. Model measurement: hubungan nilai loading antara indikator
dengan konstruk variabel laten Digabungkannya pengujian model struktural dan pengukuran
tersebut memungkinkan peneliti untuk: 1. Menguji kesalahan pengukuran measurement error sebagai
bagian yang tidak terpisahkan dari Structural Equation Modeling 2. Melakukan analisis faktor bersamaan dengan pengujian hipotesis
LISREL Linear Structural Relationships adalah satu-satunya program SEM yang paling banyak digunakan dan dipublikasikan pada
berbagai jurnal ilmiah pada berbagai disiplin ilmu. Hal ini dikarenakan LISREL merupakan program yang paling informatif dalam menyajikan
hasil-hasil statistik sehingga modifikasi model dan penyebab tidak fit atau buruknya suatu model dapat dengan mudah diketahui.
Langkah-langkah dalam proses Structural Equation Modeling SEM sebagai berikut:
1. Konseptualisasi Model Tahap
ini berhubungan
dengan pengembangan
hipotesis berdaarkan teori sebagai dasar dalam menghubungkan variabel
laten dengan variabel laten lainnya, dan juga dengan indikator- indikator lainnya. Konseptualisasi model juga merefleksikan
pengukuran variabel laten melalui berbagai indikator yang dapat diukur.
2. Penyusunan Diagram Alur Diagram ini akan mempermudah visualisasi hipotesis yang telah
dibuat pada tahap sebelumnya. Pada tahap ini, variabel laten dan variabel indikator dibentuk dalam diagram path agar lebih
memahami bentuk hubungannya. 3. Spesifikasi Model
Sifat dan jumlah parameter yang diestimasi digambarkan dalam tahapan ini. Analisis data tidak dapat dilakukan sampai tahap ini
selesai. 4. Identifikasi Model
Informasi yang diperoleh dari data diuji untuk menentukan apakah cukup untuk mengestimasi parameter dalam model.
5. Estimasi Parameter Pada tahap ini, estimasi parameter untuk suatu model diperoleh
dari data karena program LISREL akan menghasilkan matriks kovarians berdasarkan model model based covariance matrix. Uji
signifikansi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol.
6. Penilaian Model Fit Suatu model dikatakan fit apabila kovarians matriks suatu model
model-based kovarians matrix adalah sama dengan kovarians matriks data observed. Model fit dapat dinilai berdasarkan
pengujian terhadap berbagai indeks fit yang diperoleh dari LISREL, seperti RMSEA, RMR, GFI, CFI, TLI, dan NFI
7. Modifikasi Model Setelah melakukan penilaian model fit, maka model penelitian
diuji untuk menentukan apakah modifikasi model diperlukan karena tidak fitnya hasil yang diperoleh pada tahap keenam. Segala
modifikasi akan dilakukan berdasarkan teori yang mendukung. 8. Validasi Silang Model
Tahapan ini berperan untuk menguji fit atau tidaknya model terhadap suatu data baru atau validasi sub-sampel yang diperoleh
melalui prosedur pemecahan sampel. Dalam SEM persamaan simultan dipresentasikan melalui diagram
jalur. Penggunaan diagram lintas akan memberikan keuntungan dalam menggambarkan hubungan antar peubah. Hubungan antar peubah tersebut
dapat digambarkan melalui diagram lintas berikut ini :
Gambar 6. Model Teoritis Diagram Lintas SEM Keterangan :
η : Peubah dependen laten tak bebas ξ : Peubah independen laten bebas
γ
ij
: Besar muatan faktor ξ dalam membentuk η
j
ς : Tingkat kesalahan yang terjadi pada perhitungan peubah η λ : Loading faktor koefisien jalur
Secara umum analisis Structural Equation Modelling SEM dengan menggunakan LISREL terbagi menjadi dua bagian yaitu model
persamaan struktural structural equation model dan model pengukuran measurement model. Model persamaan struktural
menjelaskan keterkaitan hubungan antar peubah laten, sedangkan model pengukuran menjelaskan keterkaitan hubungan peubah laten
dengan peubah indikatornya Sitinjak, 2006. Model persamaan struktural dirumuskan sebagai berikut :
ξ η
X
1
X
2
Y
1
Y
2
δ
1
δ
2
ε
1
ε
2
λ
1
λ
2
λ
2
λ
1
γ
ij
ς
η = B η + Г ξ + ς ………………………….……3 Keterangan :
η : Vektor peubah laten tak bebas endogen berukuran
m x 1 B
: Matriks koefisien peubah laten tak bebas endogen terhadap endogen berukuran m x m
ξ : Vektor peubah laten bebas eksogen berukuran
n x 1 Г
: Matriks koefisien peubah laten bebas eksogen terhadap endogen berukuran m x n
ς : Vektor sisaan acak hubungan antara endogen dan
eksogen berukuran m x 1 dengan,
m : banyaknya peubah laten tak bebas endogen n : banyaknya peubah laten bebas eksogen
Model persamaan pengukuran secara umum adalah sebagai berikut : y = Λ
y
η + ε ……………………………………..4 x = Λ
x
ξ + δ … ………………………………..5 Keterangan :
y : Vektor peubah indikator bagi peubah laten tak bebas
endogen berukuran p x 1 x
: Vektor peubah indikator bagi peubah laten bebas eksogen berukuran q x 1
Λ
y
: Matriks koefisien y terhadap endogen berukuran p x m Λ
x
: Matriks koefisien x terhadap eksogen berukuran q x n ε
: Vektor sisaan pengukuran dari y berukuran p x 1 δ
: Vektor sisaan pengukuran dari x berukuran q x 1 dimana,
p : Banyaknya peubah indikator bagi peubah laten tak bebas endogen
q : Banyaknya peubah indikator bagi peubah laten bebas eksogen Evaluasi model struktural berfokus pada hubungan-hubungan
antara variabel laten eksogen ξ dan endogen η serta hubungan antara variabel endogen η. Menurut Ghozali 2005, terdapat tiga hal
yang harus diperhatikan dalam mengevaluasi model struktural, yaitu : 1 Tanda arah hubungan antara variabel-variabel laten, 2
Signifikansi parameter yang diestimasi, dan 3 Koefisien determinasi R
2
. 1 Tanda
arah hubungan
antara variabel-variabel
laten mengindikasikan apakah hasil hubungan antara variabel-variabel
tersebut memiliki pengaruh yang sesuai dengan yang dihipotesiskan
2 Signifikansi parameter yang diestimasi memberikan informasi yang sangat berguna mengenai hubungan-hubungan antar variable
laten. Batas untuk menolak atau menerima suatu hubungan dengan tingkat signifikansi 5 adalah 1,96 mutlak, dimana
apabila nilai t terletak diantara -1,96 dan 1,96 maka hipotesis yang menyatakan adanya pengaruh harus ditolak, sedangkan
apabila nilai t lebih besar daripada 1.96 atau lebih kecil daripada - 1,96 harus diterima dengan taraf signifikansi sebesar 5.
3 Koefisien determinasi
R
2
pada persamaan
struktural mengindikasikan jumlah varian pada variabel laten endogen yang
dapat dijelaskan secara simultan oleh variabel-variabel laten independen. Semakin tinggi nilai R
2
, maka semakin besar variabel-variabel independen tersebut dapat menjelaskan variabel
endogen sehingga semakin baik persamaan struktural. Tahapan
evaluasi kesesuaian
model ditujukan
untuk mengevaluasi derajat kesesuaian atau Goodness Of Fit GOF antara data
dan model. Menurut Hair et. al. dalam Sitinjak 2006, evaluasi terhadap GOF model dilakukan melalui uji kecocokan keseluruhan model overall
model fit. Penilaian derajat kecocokan suatu SEM secara menyeluruh tidak dapat dijalankan secara langsung sebagaimana pada teknik
multivariat yang lain. SEM tidak mempunyai uji statistik terbaik yang dapat menjelaskan kekuatan prediksi model. Untuk itu telah
dikembangkan beberapa ukuran derajat kecocokan yang dapat digunakan secara saling mendukung. Dalam penelitian ini, ukuran derajat kesesuaian
model yang digunakan adalah : 1 Statistic Chi-Square χ
2
Nilai chi-square menunjukkan adanya penyimpangan antara sample covariance matrix dan model fitted covariance matrix.
Nilai chi-square yang diperoleh relatif besar terhadap derajat bebas, mengindikasikan bahwa matriks hasil dugaan model tidak
sesuai dengan matriks data. Sebaliknya nilai chi-square yang relatif kecil terhadap derajat bebas, mengindikasikan bahwa
matriks hasil dugaan model sesuai dengan matriks data. Dengan kata lain nilai chi-square semakin kecil maka model akan semakin
baik. Nilai chi-square sebesar nol menunjukkan bahwa model memiliki fit yang sempurna Ghozali, 2005.
2 Probabilitas Chi-Square p-value P-value adalah probabilitas untuk memperoleh penyimpangan
deviasi besar sebagaimana ditunjukkan oleh nilai chi-square sehingga nilai chi-square yang signifikan 0,05 menunjukkan
bahwa data empiris yang diperoleh memiliki perbedaan dengan teori yang telah dibangun berdasarkan structural equation
modelling. Sedangkan p-value yang tidak signifikan 0,05 adalah yang diharapkan, yang menunjukkan bahwa data empiris
sesuai dengan model Ghozali, 2005. Hipotesisnya adalah: H
: Data empiris identik dengan teorimodel H
1
: Data empiris berbeda dengan teorimodel 3 CMINdf The Minimum Sample Discrepancy Function
Merupakan salah satu indikator mengukur tingkat fitnya sebuah model. CMINdf tidak lain adalah nilai chi-square dibagi dengan
df sehingga disebut chi-square relatif. Nilai chi-square relatif ≤ 2 adalah indikasi dari model yang fit dengan data Ghozali, 2005.
4 Root Mean Square Error of Approximation RMSEA Nilai RMSEA merupakan ukuran ketidakcocokan model
berdasarkan derajat bebas model. Rata-rata perbedaan per derajat bebas yang diharapkan terjadi dalam populasi dan bukan dalam
sampel. Model dengan nilai RMSEA lebih kecil atau sama dengan 0,08 RMSEA ≤ 0,08 mengindikasikan bahwa model tersebut baik
dalam hal kecocokan antara matriks hasil dugaan model struktural dengan matriks data asal.
5 Goodness of Fit Index GFI Nilai GFI mempresentasikan persen keragaman data yang dapat
diterangkan oleh model. Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. Model dengan nilai GFI lebih besar
atau sama dengan 0,90 GFI ≥ 0,90 mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara matriks hasil
dugaan model struktural dengan matriks data asal. 6 Adjusted Goodness of Fit Index AGFI
Nilai AGFI
merupakan modifikasi
dari GFI
dengan mengakomodasi derajat bebas model dengan model lain yang
dibandingkan. Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. Model dengan nilai AGFI lebih besar atau sama
dengan 0,90 AGFI ≥ 0,90 mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara matriks hasil dugaan model
struktural dengan matriks data asal.
IV. HASIL DAN PEMBAHASAN 4.1. Sejarah Perusahaan