Metode Analisis Data

F. Metode Analisis Data

1. Analisis Dekkriptif

Analisis deskriptif bertujuan untuk memberikan deskriptif untuk menganalsis subyek penelitian berdasarkan data dari variabel yang diperoleh dari kelompok subyek yang diteliti dan tidak dimaksudkan pengujian hipotesis.

2. Analisis Data

a. Uji Validitas Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Jadi validitas untuk mengukur apakah pertanyaan dalam kuesioner yang sudah kita ukur (Ghozali:2006). Dalam penelitin ini digunakan

commit to user

product moment yang dihitung dengan angka kasar atau observasi yaitu :

Keterangan :

= Koefisien korelasi antara item X dengan total Y

= skor tiap-tiap item

= total skor sub tes tiap-tiap item

= jumlah subyek.

Jika

hitung >

table atau t signifiknat <

= 0,005 : maka insrumen tersebut dikatakan valid. Namun jika

hitung <

tabel atau signifiknt > = 0,005 maka instrument tersebut dikatakan tidak valid. Perhitungan uji

validitas ini digunakan bantuan software computer program SPSS 17 for windows.

b. Uji Reliabilitas Uji reliabilitas adalah suatu alat ukur mengukur suatu kuesioner yang merupakan indicator dari variabel atau konstruk. Suatu kuesioner dikatakan realibel dikatakan atau handal jika jawaban sesorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2006) dalam

commit to user

teknik Alpha :

Keterangan :

= banyaknya belahan = varian skor belahan

= varian skor total = koefisien reliabilitas alpha.

Perhitungan uji validitas ini digunakan bantuan software computer program SPSS 17 for windows.

c. Uji Pemilihan model Pemilihan bentuk fungsi model merupakan pertanyaan atau masalah empirik (empirical question) yang sangat penting, hal ini karena teori ekonomi tidak secara spesifik menunjukkan ataupuan mengatakan apakah sebaikmya bentuk fungsi model empiric dinyatakan dalam benruk lonear ataukah log linear atau bentuk lainnya. Dalam kenyataan menetapkan bahwa seseorang peneliti bisa menggunakan feeling langsung menetapkan model regresi yang digunakan dinyatakan dalam bentuk log-linear, karena log linear diyakini dapat mengurangi tingkat variasi data yang akan digunakan.

Namun sebenarnya keyakinan tersebut tidak sepenuhnya benar, karena tidak menutup kemungkinan dalam kasus tertentu, suatu model regresi

commit to user

log). Oleh karena itu, dalam melakukan suatu studi empiris, sebaiknya model yang akan digunakan diuji dulu, apakah sebaiknya menggunakan bentuk linear ataukah log-linear (Insukindro et al., 2003: 14).

Berangkat dari permasalahan di atas, dalam studi empirik biasanya digunakan metode-metode lain seperti model transformasi Box-Cox, metode yang dikembangkan MacKinnon, White dan Davidson tahun 1983, atau lebih dikenal dengan MWD test, metode Bara dan mcAleer tahun 1988 atau disebut pula dengan B-M test dan metode yang dikembangkan Zarembaka tahun 1968.

Dalam penelitian ini untuk menentukan model regresi, linear ataukah log-linear, maka akan digunakan metode MacKinnon, White dan Davidson atau lebih dikenal dengan MWD test. Untuk menerangkan uji MWD, maka langkah pertama adalah membuat dua model regresi dengan asumsi :

Model regresi 1 = linier

Sav = β0 + β 1 Inc +β 2 Cost+ β 3 D1+µi...................................(1)

Model regresi 2 = log linier

LSav = β 0 + β1 LInc + β2LCost + β3 D1+µi....................(2)

commit to user

dimana untuk menerapkan uji tersebut, ada 6 langkah yang perlu dilakukan:

a. Lakukan estimasi/regresi terhadap model 1, kemudian dapatkan nilai fitted dari Sav, yang kita namai dengan SavF.

Nilai fitted Sav = nilai aktual Sav – residualnya

b. Lakukan estimasi/regresi terhadap model 2, kemudian dapatkan nilai fitted dari Log Sav, yang kita namai dengan LSavF. Nilai fitted Log Sav = nilai aktual Log Sav – Residualnya

c. Dapatkan nilai Z1 dengan cara mengurangkan nilai log dari SavF dengan nilai fiited dari Log sav. Z1 = Log(SavF)-LSavF)

d. Dapatkan nilai Z2 dengan cara mengurangkan nilai antilog dari LSavF dengan SavF. Z2 = antilog(LSavF)-SavF)

e. Lakukan regresi dengan menggunakan model 1 ditambahkan Z1 sebagai variabel penjelas atau, Sav = β 0 +β 1 Inc + β 2 Cost+ β 3 D1+

β 4 Z1 + µ i …(3)

f. Bila Z1 signifikan secara statistik maka kita menolak model yang benar adalah linear atau dengan kata lain, bila Z1 signifikan maka model yang benar adalah model log-linear.

g. Lakukan regresi dengan menggunakan model 2 ditambahkan Z2 sebagai variabel penjelas atau,

LSav =β 0 +β 1 LInc +β 2 LCost +β 3 D1 + β4Z2+ µ i ...(4)

commit to user

statistik, maka kita menolak model yang benar adalah linier atau dengan kata lain bila Z1 signifikan secara statistik maka model yang benar adalah log-linier. Sebaliknya bila Z2 signifikan secara statistik maka kita menolak model yang benar adalah log-linier atau dengan kata lain bila Z2 signifikan secara statistik maka model yang benar adalah linier.

Analisis Regresi Berganda

Analisis dalam penelitian ini akan dilakukan dalam bentuk analisis deskriptif dan analisis kuantitatif. Analisis deskriptif diperlukan untuk membentukan gambaran masyarakat. Pengambaran ini dapat bermanfaat dalam merumuskan suatu kebijakan yang berkaitan dengan upaya pengembangan perbankan syariah. Analisis kuantitatif dalam penelitian ini menggunakan teknis OLS. Metode pengkat terkecil biasa (OLS) diperkenankan pertama kali oleh Carld Friedrich Gauss, seorang ahli matematika dari jerman. Inti OLS adalah mengestimasikan suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut (kuncoro,2004:79)

Model Regresi MWD

Alat analisis yang digunakan untuk menguji pengaruh variabel independen terhadap variabel dependen adalah model regresi berganda yakni dengan model dummy pada variabel religuisitas. Oleh karena variabel dummy atau kualitatif menunjukkan keberadaan (presence) atau

commit to user

mengkuantitatifkan variabel kualitatif adalah dengan membrntuk variabel artificial dengan nilai 1 dan 0. Adapun rumus sebagai

= nilai konstanta

= koefisien regresi variable Inc,C,D1

= Religuisitas, ( variabel dummy )

= kesalahan gangguan.

Menurut Teorema Gaus-markov, setiap estimator dalam OLS harus memenuhi criteria BLUE, yaitu :

a. Best

: yang terbaik

b. Linier

: merupakan kombinasi linier dari data sampel

c. Unbised : rata-rata atau nilai harapan harus sama dengan

nilai yang sebenarnya.

commit to user

pemeriksaan lain yang tidak bias. Setelah hasil estimator diatas diolah, tahap selanjutnya adalah pengujian terhadap hasil estimasi, dimana uji tersebut meliputi dua bagian, uji statistik dan uji ekonometrika ( uji asumsi klasik ). Ketepatan fungsi regresi sampel dalam menaksir nilai actual dari goodness of fit nya. Secara statistik setidaknya hal ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t.

d. Uji Statistik

1) Uji t Perhitungan statistik tersebut signifikan secara statistik apabila nilai uji statistik berada di daerah kritis (daerah dimana Ho di tolak). Sebaliknya perhitungan statistik disebut tidak signifikan bila nilai uji statistik berada dalam daerah dimana Ho diteriima ( Ghozali,2005:83). uji t adalah pengujian koefisien regresi secara individual. Pada dasarnya uji ini mengetahui seberapa jauh pengaruh masing-masing variabel independen dengan beranggapan variabel independen lain tetap atau konstan. Langkah pengujian adalah :

1) Menentukan Hipotesisnya

a.

commit to user

independen tersebut bukan merupakan penjelas signifikan terhadap variabel dependen.

b.

artinya suatu parameter

) tidak sama dengan nol variabel independen tersebut merupakan penjelas yang signifikan terhadap

variabel dependen.

2)

Melakukan perhitungan nilai t sebagai berikut Nilai t table =

Keterangan :

= derajat signifikan

= jumlah sampel

= banyak parameter

Nilai t hitung =

Keterangan :

= koefisien regresi

= standrt error koefisien regresi

3)

Criteria Pengujian

commit to user

Daerah terima

Daerah Tolak

Gambar 3. 1 Kriterian Pengujian Dari Uji t sumber :(djarwanto,1974:143)

Kesimpulan

a. apabila nilai t hitung < t tabel, maka Ho diterima. Artinya variable independen tidak berpengaruh terhadap variable dependen secara signifikan.

b. apabila nilai t hitung > t table maka Ho ditolak. Artinya variable independen mampu mempengaruhi variable dependen secara signifikan.

2) Uji F Uji F ( overall test ) dilakukan untuk menunjukkan apakah semua variable independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variable dependen. Dengan derajat keyakinan 95% ( 5%) derajat kebebasan pembilang (numerator) adalaj k-1 dan penyebut (denumerator) adalaj K-N.

commit to user

a.

artinya semua parameter sama dengan nol atau sama variable independen tersebut bukan merupakan penjelas yang signifikan terhadap variable dependen.

b.

artinya semua parameter tidak sama dengan nol atau semua variable independen tersebut merupakan penjelas yang signifikan terhadap variable dependen.

b) Melakukan perhitungan nilai F sebagai berikut

Nilai

Keterangan :

N = jumlah sampel

K = banyaknya parameter

Nilai F hitung

= koefisien regresi

N = jumlah sampel

k = banyaknya parameter

commit to user

Ho Daerah terima

Daerah Tolak

Uji F sumber

:(djarwanto,1974:206)

d) Kesimpulan

a. apabila nilai F hitung < F table, maka Ho diterima. Artinya variable independen secara bersama-sama tidak berpengaruh terhadap variable dependen secara signifikan.

b. apabila nilai F hitung > F table, maka Ho ditolak. Artinya variable

independen

secara

bersama-sama mampu mempengaruhi variable dependen secara signifikan

3) Koefisien determinasi ( uji ini digunakan untuk menghitung seberapa besar variasi dari

variable dependen dapat dijelaskan oleh variasi variable independen. Nilai koefisien determinasi adalah nol dan satu. Insukindo

commit to user

bukan satunya criteria memilih model yang baik. Dengan demikian bila suatu estimasi regresi linier menghasilkan

yang tinggi tetapi tidak konsisten dengan teori ekonomika yang dipilih oleh peneliti.

Koefisien regresi yang digunakan adalah

yang telah memperhitungkan jumlah variable bebas dalam suatu model regresi

atau

yang telah disesuaikan ( adjusted )

= jumlah sampel

= banyak Variabel

= R-square

= adjusted R-square

e. Uji Asumsi Klasik Dalam pengujian empirik dengan menggunakan data primer kepastian tidak adanya masalah Autokorelasi, adanya homokedastisitas, dan liniernya bentuk fungsi yang digunakan merupakan prasyarat yang harus dipenuhi. Pengujian asumsi klasik ini merupakan salah satu langkah penting dalam rangka menghindari munculnya regresi linear lancing yang mengakibatkan tidak sahihnya sahil estimasi.

1. Uji Multikoliniaritas

commit to user

variabel yang menjelaskan dalam model regresi. Jika dalam model terdapat multikolinearitas maka model tersebut memiliki kesalahan standar yang besar sehingga koefisien tidak dapat ditaksit dengan ketepatan tinggi. salah satu cara mendeteksi ada tidaknya multikoliaritas adalah dengan menggunkan korelasi parsial. Motode ini dilakukan dengan cara meregres antara variabel bebas. Jika nilai

pada regresi awal lebih tinggi dari nilai

pada regresi antar variabel bebas, maka dalam model emirik tidak terdapat adanya

multikolinesritas. Sebaliknyanjika pada regresi awal lebih kecil dari nilai

pada regresi antar variable bebas maka dalam model empiric terdapat adanya multoliaritas.

2. Autokorelasi

Autokorelasi adalah adanya korelasi antara variabel gangguan sehingga penaksir tidak lagi efisien baik dalam sampel kecil maupun dalam sampel besar. Salah satu motode yang dapat menguji adanya tidak autokorelasi adalah dengan Durbin-Warson d test. Hipotesis untuk menguji ada tidaknya autokorelasi adalah sebagai berikut :

Ho : tidak ada serial autokorelasi baik positif maupun negatif.

Kriterian hasil uji perhitungan DW statistic dibandingkan dengan table DW, sebagai berikut :

Jika d < dl, maka Ho ditolak

commit to user

Jika dl ≤ d ≤ du atau 4-du ≤ d ≤ 4 – dl, maka pengujian dinyatakan tidak meyakinkan ( inconclusive).

3. Heteroskedastitas Heteroskedastisitas terjadi karena varian yang ditimbulkan oleh variabel penggangu tidak konstan untuk variabel penjelas. Akibatnya dari adanya heteroskedastisitas ini antara lain uji signifikan ( uji t dan uji F ) menjadi tidak tepat dan koefisien regresi menjadi tidak mempeunyai varians yang minimum walaupun penaksir tersebut tidak bias dan kostan. Hipotesis pengujian sebagai berikut : Ho = tidak terdapat heteroskedastisitas Ha = terdapat heteroskedastisitas

Bila nilai t hitung < t table pada taraf significant tertentu dan df = N- K, maka Ho diterima, yang berarti tidak terdapat hubungan yang signifikan antara residual dengan variabel penjelas atau dengan kata laian tidak terdapat masalah heteroskedastisitas dalam model. Ada beberapa motode untuk dapat mendeteksi ada tidaknya masalah heteroskedastisitas dalam model empiris, seperti mengunakan Uji Park (1969), uji White (1980), uji Glesjer (1969). Dalam penelitian ini mengunakan uji Glesjer (1969).

commit to user