54
D. JENIS DATA DAN SUMBER DATA
Penelitian ini menggunakan data sekunder yang bersifat time series. Data sekunder merupakan data atau informasi yang diperoleh dari pihak kedua atau data
yang dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna data. Data yang digunakan berupa Pembiayaan Bermasalah
Perbankan Syariah, Nilai Tukar, Inflasi, BI Rate yang diambil dari Laporan Statistik Perbankan Syariah tahunan Bank Indonesia dan data Pertumbuhan Ekspor yang
diambil dari Badan Pusat Statistik serta data lainnya yang berkaitan dengan penelitian ini dari tahun 2009 hingga 2013 dengan data bulanan sebanyak 60 data
tiap variabel.
E. METODE PENGUMPULAN DATA
Metode pengumpulan data dalam penlitian ini melalui dua cara, yaitu studi pustaka dan publikasi online. Metode studi pustaka yaitu dengan melakukan telaah
pustaka, eksplorasi, dan mengkaji berbagai literatur pustaka seperti berbagai majalah, jurnal, dan sumber-sumber yang berkaitan dengan penelitian. Publikasi online yaitu
mengumpulkan data dengan cara mengakes laman atau situs-situs dari lembaga resmi pemerintahan yang berhubungan dengan penelitian ini.
55
F. METODE ANALISIS
Metode yang digunakan dalam penelitian ini menggunakan analisis regresi linear berganda digunakan untuk menelaah bentuk hubungan antara dua variable atau
lebih terutama untuk menelusuri pola hubungan yang modelnya belum diketahui atau untuk mengetahui bagaimana variasi dari beberapa variable independen
mempengaruhi variable dependen dalam suatu fenomena yang kompleks.
44
Proses dalam metode analisis dalam penelitian ini dilakukan dengan beberapa tahap yakni uji asumsi klasik yaitu uji multikolinearitas, uji autokorelasi dan
ujiheteroskedastisitas. Selanjutnya pelaksanaan uji t yang digunakan untuk mengetahui ada atau tidaknya pengaruh antara variabel independen terhadap variabel
dependen secara parsial, uji F digunakan untuk mengetahui ada atau tidaknya pengaruh antara variabel independen terhadap dependen secara simultan, dan
determinasi adjusted R
2
untuk mengetahui seberapa besar pengaruhnya. 1.
Uji Asumsi Klasik 1.1.
Uji Normalitas Data Uji Normalitas yang lebih kompleks dan lengkap juga disebut
dengan uji kesesuaian model Goodness of Fit GOF dimaksudkan untuk menguji apakah model yang diusulkan memiliki kesesuaian fit dengan
data atau tidak. Suatu model dikatakan fit apabila matrik korelasi sampel
44
Ibid, hlm. 187.
56 tidak jauh beda dengan matrik korelasi estimasi.
45
Salah satu cara untuk melihat data yang telah memenuhi uji normalitas adalah dengan
menggunakan normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
1.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Uji Multikolinearitas dilakukan dengan melihat nilai tolerance
dan variance inflation factor VIF dari hasil analisis dengan menggunakan SPSS. Apabila nilai tolerance value lebih tinggi dari 0, 10 atau VIF lebih
kecil dari 10 maka dapat disimpulkan tidak terjadi multikolinearitas.
46
1.3. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakan dalam sebuah model regresi linier ada korelasi antara kesalahan penganggu pada periode t
dengan kesalahan pada periode t- 1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu satu sama lainnya. Salah
satu asumsi model regresi linier adalah tidak terdapatnya autokorelasi. Autokorelasi adalah korelasi antara sesama urutan pengamatan dari waktu
45
Edi Riadi, Metode Statistika Parametrik Non Parametrik, Tangerang: PT. Pustaka Mandiri, 2014 cet- 2, hlm.93.
46
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Semarang:Badan Penerbit UNDIP, 2009, hlm. 95.
57 ke waktu. Untuk memeriksa adanya autokorelasi, biasanya dilakukan uji
statistik Durbin- Watson. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji Autokorelasi dilakukan dengan menggunakan uji
Durbin- Watson D-W, dengan tingkat kepercayaan α = 5. Apabila D-W
terletak antara - 2 sampai + 2 maka tidak ada autokorelasi.
47
1.4. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu melihat hasil output SPSS melalui grafik
scatterplot antara nilai prediksi variabel terikat dependen yaitu ZPRED
dengan residualnya SRESID.
48
Dasar analisis dari uji heteroskedastisitas adalah sebagai berikut:
a. Jika ada pola tertentu, seperti titik- titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik- titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
47
Ibid, hlm. 95.
48
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Semarang: Badan Penerbit UNDIP, 2009, h. 125- 126.
58 Setelah melakukan serangkaian uji asumsik klasik diatas, maka data yang
sudah dikumpulkan tersebut dianalisis dengan menggunakan Persamaan Regresi Linier Berganda sebagai berikut berikut:
NPF_ Ind = α + β
1
NT + β
2
Inf + β
3
BI_R + β
4
Eks + ε
Keterangan: NPF_Ind = Non Performing Finance Sektor Industri Manufaktur; NT = Nilai
Tukar Rupiah terhadap Dollar; Inf = Inflasi; BI_R = Suku Bunga BI; Eks = Ekspor;
α = Konstanta Regresi; β
1
, β
2
, β
3
, β
4
= Koefisien Regresi; ε = Variabel
penggangu diluar variabel yang tidak dimasukkan sebagaivariabel dalam penelitian.
2. Uji Goodness of Fit
Untuk memperoleh regresi yang baik, dalam arti secara statistic adalah BLUE Best Linear Unbiased Estimator, maka model regresi yang diajukan harus
memenuhi kriteria berikut: 2.1.
Uji Signifikan Simultan Uji F Pengujian ini bertujuan untuk membuktikan apakah variabel - variabel
independen X secara simultan bersama - sama mempunyai pengaruh terhadap variabel dependen Y.Uji simultan dengan uji F ini bertujuan untuk mengetahui
pengaruh bersama-sama variabel independen terhadap variabel dependen. Apabila F
hitung
F
tabel,
maka Ho ditolak dan Ha diterima, yang berarti variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependen
59 dengan menggunakan tingkat signifikan sebesar 5, jika nilai F
hitung
F
tabel
maka secara bersama - sama seluruh variabel independen mempengaruhi variabel
dependen. Selain itu, dapat juga dengan melihat nilai probabilitas. Jika nilai
probabilitas lebih kecil daripada 0,05 untuk tingkat signifikansi= 5, maka variabel independen secara bersama - sama berpengaruh terhadap variabel
dependen. Sedangkan jika nilai probabilitas lebih besar daripada 0,05 maka variabel independen secara serentak tidak berpengaruh terhadap variabel
dependen.
49
2.2. Uji Signifikan Parsial Uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel individu independen secara individu dalam menerangkan variabel
dependen. Apabaila t
hitung
t
tabel,
maka Ho ditolak dan Ha diterima,yang berarti variabel independen mempunyai pengaruh yang signifikan terhadap variabel
dependen dengan menggunakan tingkat signifikan sebesar 5. Jika nilai probabilitas lebih kecil daripada 0,05 untuk tingkat signifikansi = 5 , maka
variabel independen secara satu persatu berpengaruh terhadap variabel dependen. Sedangkan jika nilai probabilitas lebih besar daripada 0,05 maka
variabel independen secara satu persatu tidak berpengaruh terhadap variabel dependen.
49
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Semarang: Badan Penerbit UNDIP, 2009, h. 88.
60 2.3.
Koefisin Determinasi R
2
Uji Koefisien determinasi bertujuan untuk melihat seberapa besar kemampuan variabel bebas menjelaskan variabel terikat yang dilihat melalui
adjusted R
2
. Adjusted R
2
ini digunakan karena variabel bebas dalam penelitian ini lebih dari dua. Nilainya terletak antara 0 dan 1. Jika hasil yang diperoleh 0,
5, maka model yang digunakan dianggap cukup handal dalam membuat estimasi.
G. DEFINISI OPERASIONAL VARIABEL