Metode Pengolahan dan Analisis Data

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