56 Empat hal yaitu Halal, Prospektif, Adil dan Menguntungkan
yang menjadikan Perbankan Syariah bukan saja menjadi alternatif melainkan solusi. Solusi dalam menyeimbangkan nilai-nilai duniawi
dengan ukhrawi akhirat dalam setiap transaksi keuangan kita
B. Penemuan Dan Pembahasan
Dalam penemuan dan pembahasan ini akan di verifikasi model ekonometrika yang digunakan untuk mengistimasikan hubungan antara kebijakan
moneter pada perbankan syariah. Model Confirmatory Factor Analisis CFA masing-masing dengan variabel kebijakan moneter SWBI, Inflasi dan GDP Riil
terhadap dana pihak ketiga Giro Wadiah, Tabungan Mudharabah, Deposito Mudharabah
perbankan syariah dan model ini dihasilkan oleh program AMOS. Berdasakan model ini diestimasikan perubahan dana pihak ketiga Giro
Wadiah, Tabungan Mudharabah, Deposito Mudharabah perbankan syariah
terhadap perubahan indikator kebijakan moneter SWBI, Inflasi dan GDP Riil . Analisis besar perubahan, perbandingan dengan hasil perbankan syariah, serta
analisis terhadap hal-hal yang dapat menjadi penyebabnya, akan di bahas dengan menghubungkan dan memperhatikan data kondisi perbankan syariah periode
triwulan 2004 sampai dengan 2008. Analisis gabungan sebagai representasi hubungan antara kebijakan moneter terhadap dana pihka ketiga pada perbankan
syariah diuraikan dalam bab ini
57 1.
Analisis Faktor Konfirmatori Confirmatori Factor Anlisysis Cfa a.
Menguji Model Pengukuran Model pengukuran yang digunakan respesifikasi model karena
Heywood case, dimana variabel laten yang diteliti, diukur hanya berdasarkan pada indikator-indikator yang dikandung oleh variabel laten
tersebut. Analisis konfirmatori ingin menguji apakah indikator-indikator tersebut merupakan ukuran unidemensionalitas, secara emperis ovaral
measurement meliputi, cocok atau fit dengan data pengujian unidemensional meliputi uji kesesuaian model overall medel fit test uji
kebermaknaan tes of significance masing-masing kooefien bobot faktor dan evaluasi reabilitas konstruk.
Jadi model yang di hipotesiskan terdiri dari kebijakan moneter dan dana pihak ketiga. Dimana setiap set variabel berfungsi sebagai indikator
dari konstruk yang berbeda dan kedua varibel tersebut berkorelasi satu sama lain.
Adapun dalam penelitian ini terdiri dari 6 indikator yaitu SWBI, Inflasi, GDP Rill, Giro wadiah, tabungan mudharabah, dan deposito
mudharabah. Adapaun tahapan-tahapan dalam melakukan CFA melalui beberapa tahap.
58 1
Uji Kesesuaian Model : Uji Unidemensionalitas dan Uji Validitas Reabilitas indicator
Uji unidemensionalitas dimaksudkan untuk mengetahui kesesuaian model pengukuran diterjemahkan berdasarkan ukuran
Goodness-Of-Fit-TesGFT utama, hal tersebut ditunjukan oleh nilai P-hitung statistic Chi-Square yang dihasilkan oleh model
lebih besar atau = 0,05, nilai RAMSEA 0.08, dan atau nilai GFI dan AGFI 0.90 menilai goodness-of-fit merupakan tujuan utama
dalam persamaan struktural yaitu ingin mengetahui sampai seberapa jauh model yang di hipotesiskan “fit” atau cocok dengan
sampel data, jika terdapat goodness-of-fit yang jelek, langkah selanjutnya adalah mendeteksi sumber penyebab “misfit” dalam
model hal ini dapat dilihat dari parameter estimate, kesesuaian nilai standar error dan signifikan statistic dari parameter estimate.
Imam Ghozali, “Model – Model Persamaan Struktural Konsep Aplikasi”,
2008
59 a
Hasil tampilan output dengan diagram jalur tahap 1
DIAGRAM 4.1 Output 1 Dengan Diagram jalur
.01
kebijakan Moneter
.25
DPK
.02
X3
.00
e3
1.00 1
X2
.00
e2
.04 1
X1
.00
e1
.09 1
X6
.02
e6
1.00 1
X5
.01
e5
1.21 1
X4
.03
e4
1.60 1
Chi-squares=3.699 Prob=.883
GFI=.940 AGFI=.842
TLI=1.070 RMSEA=.000
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Informasi yang diperoleh dari hasil CFA menunjukan bahwa, hasil pada uji kesesuaian model tahap pertama diperoleh
informasi hasil CFA menujukan hasil Chi-Squre sebesar 3. 699dengan probabilitas = 0.883 model lebih besar dari 0.05
bahwa di simpulkan bahwa model fit dengan data, tetapi apabila dilihat dari kriteria fit lainnya yang dapat dilihat pada tabel
dibawah ini adalah sebagai berikut:
60
TABEL 4.1 Kriteria Fit
Model GFI 0.90
AGFI0.90 RMSEA0.08 Default model
0.940 0.842
0.000
Pada tabel dapat kita lihat nilai GFI = 0.940, AGFI = 0.842, GFI sudah memenuhi kriteria nilai fit sedangkan AGFI
mempunyai nilai dibawah 90 kriteria nilai fit 0.90 dan nilai RMSEA = 0.000 mempunyai nilai yang disyaratkan yaitu
sesuai yang disyaratkan 0.08, maka model dinyatakan fit. Untuk memperbaiki model pengukuran maka bobot faktor
yang memiliki kurang dari nilai yang distandarkan yaitu 0.50 yang berarti indikator tersebut tidak valid dan tidak reliabel dalam
mengukur model variabel yang diteliti sehingga pada analisis perbaikan model. Selanjutnya indikator-indikator tersebut harus
dikeluarkan. Dari tabel dibawah ini kita dapat mengukur kedua veribel untuk menentukan indikator-indikator mana yang harus dikeluarkan.
Imam Ghozali, “Model – Model Persamaan Struktural Konsep Aplikasi”,
2008
TABEL 4.2 Regression Weights
61
Estimate S.E C.R.
P Label
X3
--- kebijakan
Moneter 1.000
X2
--- kebijakan
Moneter .040 .060 .674 .500
par_2
X1
--- kebijakan
Moneter .089 .097 .914 .361
par_3
X6
--- DPK 1.000
X5
--- DPK 1.208 .087
13.81 5
par_4
X4
--- DPK 1.596 .129
12.32 5
par_5
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Bila dilihat dari hasil Regression Weights terhadap
masing-masing setiap konstruk menunjukan 2 indikator yang tidak signifikan atau kurang dari 0.50 yaitu X
2
0.40. Hal tersebut mangandung arti bahwa indikator tersebut tidak
memiliki validitas dan reabilitas yang memadai dalam mengukur varibel laten kebijakan moneter terhadap dana pihak
ketiga perbankan syariah. Oleh kerena itu modelnya harus diperbaiki
TABEL 4.3 Standardized Regression Weights
62
Estimate X3
--- kebijakan Moneter 1.597
X2 --- kebijakan Moneter
.152 X1
--- kebijakan Moneter .373
X6 --- DPK .966
X5 --- DPK .988
X4 --- DPK .975
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Sedangkan pada hasil uji kebermaknaan dilihat dari Standardized Regression Weights terhadap masing-masing
setiap konstruk menunjukan 2 indikator yang tidak signifikan atau kurang dari 0.50 yaitu X
1
0.373 dan X
2
0.152. Hal tersebut mangandung arti bahwa 2 indikator tidak memiliki
validitas dan reabilitas yang memadai dalam mengukur varibel laten kebijakan moneter terhadap dana pihak ketiga perbankan
syariah. Oleh kerena itu modelnya harus diperbaiki. Pada analisis perbaikan model kedua, penulis tidak
langsung mengeluarkan 2 indikator tersebut sekaligus, tapi dengan cara bertahap satu persatu sampai mendapatkan model
pengukuran yang baik fit.
63 b
Hasil Output 2 Berikut ini analisis perbaikan model dengan diagram
jalur tahap ke 2 setelah indikator yang tidak valid indikator X
1
didrop dari model, maka terbentuklah model baru seperti pada diagram 4.2 sebagai berikut:
DIAGRAM 4.2 Output 2 Dengan Diagram Jalur
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Hasil analisis perbaikan model tahap ke 2 yang menghasilkan model fit. Untuk itu analisis selanjutnya yaitu
64 Evaluasi Reability Construk dan Varience Extrated
menggunakan perbaikan model ke 2 Untuk mengetahui lebih jelas mengenai nilai-nilai yang
dihasilkan atas perbaikan model yang dilakukan tabel dibawah ini dapat menjelaskan perbaikan model yang dilakukan, tabel
dibawah ini dapat menjelaskan perubahan-perubahan nilai-nilai yang dihasilkan dari uji kesesuaian model atau uji
unidemensionalis dari tahap 1 sampai 2 guna untuk mendapatkan model yang baik atau fit. Adapun hasil dan kesesuaian tahap
pertama sampai tahap ke 2 sebagai berikut:
TABEL 4.4 Analisis Model Tahap 1dan 2
Tahap 1
2
Chi-Squares 3.699 1.012
Prob 0.883 0.908
GFI = 0.90 0.940
0.980 AGFI = 0.90
0.842 0.924
TLI = 0.90 1.070
1.108 RAMsea= 0.80
0.000 0.000
Berdasarkan tebel ditas, terlihat uji kesesuaian model atau uji unidimensionalitas kriteria model fit dari tahap 1 sampai
tahap ke 2 perubahan-perubahan tersebut terjadi karena adanya
65 Heywood Case atau perhitungan indikator-indikator yang tidak
valid, kemudian model pengukuran diestimasi ulang selanjutnya hasil setiap konstruk tahap kedua dapat dilihat pada tabel
dibawah ini
TABEL 4.5 Regression Weights
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Bila dilihat dari hasil Regression Weights, berdasarkan tabel diatas dapat kita lihat bahwa hasil uji setiap konstruk
tahap ke 2 menghasilkan hampir semuanya signifikan dengan istimasi setiap konstruk yang distandarkan hampir semuanya
lebih besar dari nilai yang disyaratkan sebesar 0.50. hanya masih ada satu indikator yang memiliki nilai loading dibawah
0.50 yaitu X
1
0.3. untuk analisis selanjutnya indikator X
1
66 harus dibuang dari analisis. Akan tetapi dalam analisis ini
penulis hanya melakukan perbaikan model sampai tahap ke 2, karena pada tahap ini penulis sudah mendapatkan nilai model
yang memenuhi kriteria Model Fit.
TABEL 4.6 Standardized Regression Weights
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Sedangkan pada hasil uji kebermaknaan dilihat dari Standardized Regression Weights berdasarkan tabel diatas dapat
kita lihat bahwa hasil uji koefisien bobot faktor tahap ke 2 menghasilkan hampir semuanya signifikan.
Dengan istimasi koefisien bobot faktor yang distandarkan hampir semuanya lebih besar dari nilai yang
disyaratkan sebesar 0.50. Jadi pada perubahan indikator tahap yang kedua sudah dikatakan fit
67 b.
Validitas konstruk 1
Convergent Validity Dikatakan convergent validity jika indikator atau item-item
suatu konstruk laten atau share berbagi memeliki proposi varian yang tinggi. Untuk mengukur validitas konstruk dapat dilihat dari nilai
faktor loadingnya. Pada kasus dimana terjadi validitas konstruk yang tinggi, maka nilai loading yang tinggi pada suatu faktor konstruk
laten menunjukan bahwa mereka converge pada suatu titik. Syarat yang harus dipenuhi, pertama faktor loading faktor harus disignifikan.
Oleh karena itu loading faktor yang signifikan bisa jadi masih rendah nilainya, maka standardized loading estimete harus sama
dengan 0,50 atau lebih dan idealnya 0.70. Berdasarkan hasil output standardized loading estimate diatas, secara umum semua loading
sudah diatas 0.50. Imam Ghozali, “Model – Model Persamaan Struktural Konsep Aplikasi”,
2008 2
Variance Extracted AVE dihitung sebagai total kuadrat standardized loading
ditambah total varians dari error. Nilai AVE sama dengan atau ditas 0,50 menunjukan adanya convergent yang baik.
68
AVE = total kuadrat standardized factor loading = Menunjukan Standardized Factor Loading
i = Jumlah item dan indikator validitas TABEL 4.7
Standardized Regression Weights
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Jumlah kuadrat standar loading ∑λi
2
kebijakan moneter: X
I
SWBI dan X
3
GDP Riil = 0.5
2
+ 1.0
2
= 0.25 + 1 = 1.25
Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah
69 = 0.9
2
+ 1.0
2
+ 1.0
2
= 0.81 + 1 + 1 = 2.81
Jumlah kesalahan pengukuran measurement error Kesalahan pengukuran = 1-
λi
2
kuadrat standard loading kebijakan moneter: X
I
SWBI dan X
3
GDP Riil = 1- 0.25 + 1- 1 = 0.75 + 0
= 0.75 Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah = 1- 0.81+ 1-1 + 1-1 = 0.19 + 0 +0
= 0.19 Jadi AVE untuk konstruk laten :
kebijakan moneter: X
I
SWBI dan X
3
GDP Riil = 1.25: 1.25 + 0.75 = 1.25: 2
= 0.625 Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah = 2.81 : 2.81 + 0.19 = 2.81 : 3
= 0.94 Jadi dapat disimpulkan bahwa konstruk laten kebijakan moneter: X
I
SWBI dan X
3
GDP Riil dan kontruk laten Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah memenuhi kriteria AVE 0.50.
3 Construct ReLiability CR
Reliability juga merupakan salah satu indikator validitas convergent construk reability 0.70 atau lebih lebih menunjukan
70 realibilitas yang baik. Sedangkan reabilitas 0.60- 0.70 masih dapat
diterima dengan syarat validitas indikator dalam model baik Imam Ghozali, “Model – Model Persamaan Struktural Konsep aplikasi”,
2008
Rumus:
Jumlah standar loading ∑λi
kebijakan moneter: X
I
SWBI dan X
3
GDP Riil 0.5
+ 1.0
= 1.5
Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah 0.9 + 1 + 1
= 2,9 Jumlah kesalahan pengukuran measurement error
Kesalahan pengukuran = 1 - λi
2
kuadrat standar loading kebijakan moneter: X
I
SWBI dan X
3
GDP Riil 1 – 0.5 + 1 – 1.0
= 0.5 + 0 = 0.5
Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah 1 – 0.9 + 1 – 1.0 + 1 – 0.1 = 0.1 + 0 + 0 = 0.1
Jadi construct reliability CR untuk konstruk laten CR =
71 kebijakan moneter: X
I
SWBI dan X
3
GDP Riil = 1.5
2
: 1.5 +0.5 = 2.25 : 2 = 1.125
Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah 2.9
2
: 2.9 + 0.1 = 8.41 : 3 = 2.8
Berdasarkan hasil uji construk reability CR untuk konstruk laten, didapatkan bahwa semua konstruk laten mempunyai reliabilitas
yang tinggi lebih besar dari 0.70. yang di syararatkan baik , yaitu dengan nilai konstruk laten, kebijakan moneter: X
I
SWBI dan X
3
GDP Riil , dan Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah masing- masing memiliki nilai: 1.125 dan 2,8, dalam hal ini kebijakan moneter terhadap dana pihak ketiga pada
perbankan syariah di Indonesia secara unidemensional, tepat dan konsisten dapat diukur oleh kelima variabel tersebut
4 Discriminan Validity
Discriminant validity untuk mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dengan konstruk lainnya. Nilai
discriminant validity yang tinggi memberikan bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena yang diukur.
72 Cara mengujinya adalah dengan membandingkan nilai keadrat dari
= dengan nilai korelasi antar konstruk. Berikut nilai kuadrat dari konstruk laten:
kebijakan moneter: X
I
SWBI dan X
3
GDP Riil =
√0.625 = 0.79 Dana pihak ketiga X
4
giro wadiah X
5
tab.mudharabah X
6
dep.mudharabah =
√ 0.94 = 0.96 Lalu bandingkan dengan dengan nilai korelasi antar konstruk dibawah
ini:
Tabel 4.8 Correlations
Sumber : Hasil output CFA dengan menggunakan AMOS 16
Jadi dapat di simpulkan bahwa kedua kontruk memiliki nilai diskriminant valididy yang tinggi karena nilai akar kuadrat AVE
kebijakan moneter dan dana pihak ketiga nilainya diatas nilai korelasi antar konstruk tersebut yaitu: 0.3
73
C. Interprestasi Hasil