Metode Pengolahan dan Analisis Data

4.4. Metode Pengolahan dan Analisis Data

Pengolahan data dilakukan secara manual dan komputerisasi. Pengolahan data dilakukan dengan melalui tiga tahap yaitu penyuntingan ( editing ), pengkodean ( coding ), dan tabulasi ( tabulating ).

Editing dilakukan dengan memeriksa kembali setiap lembar kuisioner untuk memastikan bahwa setiap pertanyaan di dalam kuisioner telah diisi dengan baik oleh setiap responden. Setelah itu, coding dilakukan dengan memberi kode pada setiap jawaban responden dalam kuisioner. Data-data yang telah di- coding kemudian dimasukkan ke dalam bentuk tabel-tabel ( tabulating ) untuk diolah dengan Microsoft Excel dan Minitab 14 .

Pengolahan data dilakukan untuk menjawab setiap pertanyaan yang tercantum dalam tujuan penelitian. Di dalam penelitian ini digunakan analisis kualitatif dan analisis kuantitatif.

4.4.1. Analisis Kualitatif

Analisis kualitatif dilakukan dengan menggunakan analisis deskriptif. Statistika deskriptif merupakan suatu metode yang berkaitan dengan pengumpulan dan pengujian suatu gugus data sehingga memberikan informasi yang berguna.

Analisis deskriptif yakni analisis yang merangkum atau “meringkas” hasil pengamatan yang telah dilakukan (Faisal 2005). Analisis ini memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun dari gugus data induknya yang lebih besar. Penyusunan tabel, diagram, grafik, dan besaran-besaran lain di suatu media, termasuk ke dalam statistika deskriptif (Walpole 1995).

Data mengenai faktor-faktor yang berpengaruh terhadap tingkat pengembalian KUR oleh debitur BRI Unit Cimanggis yang diolah melalui analisis deskriptif dikelompokkan berdasarkan kesamaan jawaban. Informasi yang diperoleh dipresentasekan berdasarkan jumlah responden untuk kemudian disajikan baik dalam bentuk tabel sederhana ataupun dalam tabel distribusi frekuensi bagi data yang disajikan dalam beberapa kelompok . Melalui analisis deskriptif, informasi dikelompokkan berdasarkan kesamaan jawaban. Informasi yang diperoleh dipresentasekan berdasarkan jumlah responden untuk kemudian disajikan dalam bentuk tabel. Adapun langkah-langkah membuat Tabel Distribusi Frekuensi menurut Husaini dan Purnomo (2006) yaitu:

1) Mengurutkan data dari yang terkecil ke data terbesar

2) Hitung rentang yaitu data tertinggi dikurangi data terendah dengan rumus:

R = Data Tertinggi – Data Terendah

3) Hitung banyak kelas dengan aturan Sturges:

Banyak kelas = 1+ 3,3 log n

n=banyaknya data, hasil akhirnya dibulatkan. Banyak kelas paling sedikit lima kelas dan paling banyak lima belas kelas, dipilih menurut keperluan.

4) Hitung panjang kelas interval dengan rumus:

5) Tentukan ujung bawah kelas interval pertama.Biasanya diambil dari data terkecil atau data yang lebih kecil dari data terkecil tetapi selisihnya harus kurang dari panjang kelas interval yang didapat.

6) Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan nilai P setelah dikurangi satu. Demikian seterusnya.

4.4.2. Analisis Kuantitatif

Untuk mengetahui faktor-faktor yang berpengaruh nyata terhadap tingkat kelancaran pengembalian KUR oleh nasabah BRI Unit Cimanggis digunakan analisis kuantitatif. Analisis kuantitatif dilakukan dengan menggunakan model Analisis Regresi Logistik sehingga dapat diketahui variabel-variabel penduga yang secara nyata berpengaruh terhadap tingkat kelancaran pengembalian KUR.

Regresi logistik atau yang dikenal dengan LOGIT merupakan bagian dari analisis regresi. Analisis regresi mengkaji hubungan pengaruh variabel-variabel penjelas terhadap variabel respon melalui model persamaan matematis tertentu (Firdaus dan Farid 2008).

Variabel penjelas atau variabel bebas atau variabel prediktor adalah variabel yang menjadi dasar dari perkiraan atau estimasi. Di dalam diagram pencar analisis regresi, variabel penjelas diskalakan ke dalam sumbu-X. Variabel respon atau variabel terikat adalah variabel yang sedang diprediksi atau diperkirakan. Di dalam diagram pencar analisis regresi, variabel respon diskalakan ke dalam sumbu-Y (Lind et.al 2007).

Apabila variabel respon (Y) dalam analisis regresi berupa variabel ketegorik, maka analisis regresi yang dapat digunakan antara lain yaitu regresi logistik. Berdasarkan tipe kategorik pada variabel responnya, analisis regresi logistik dapat dibagi menjadi tiga yaitu (1) biner, dengan regresi logistik biner; (2) Apabila variabel respon (Y) dalam analisis regresi berupa variabel ketegorik, maka analisis regresi yang dapat digunakan antara lain yaitu regresi logistik. Berdasarkan tipe kategorik pada variabel responnya, analisis regresi logistik dapat dibagi menjadi tiga yaitu (1) biner, dengan regresi logistik biner; (2)

Secara umum, analisis regresi logistik menggunakan variabel penjelasnya (X) untuk menduga besarnya peluang kejadian tertentu dari kategori variabel respon (Y). Dalam analisis regresi logistik, pemodelan peluang kejadian tertentu dari kategori variabel respon dilakukan melalui transformasi dari regresi linier ke logit (Gambar 7). Transformasi tersebut dapat dirumuskan dalam formula :

pi Logit pi log e

1 pi

dimana pi adalah peluang munculnya kejadian kategori sukses dari variabel respon untuk orang ke-i dan log e adalah logaritma dengan basis bilangan e.

pi

pi

LOGIT transform

predictor

predictor

Gambar 7. Transformasi Logit

Sumber : Firdaus dan Farid (2008)

Kategori sukses secara umum merupakan kategori yang menjadi perhatian dalam penelitian. Dalam penelitian ini, variabel respon (Y) bersifat biner yaitu jika pengembalian kredit lancar atau jika pengembalian kredit tidak lancar (menunggak); maka kejadian sukses adalah kejadian saat pengembalian kredit oleh responden lancar dengan pengaruh variabel tertentu.

Dengan demikian, maka model yang digunakan dalam analisis regresi logistik adalah Logit(pi) = β 0 +β 1 *X dengan logit (pi) adalah nilai transformasi logit untuk peluang kejadian sukses; β 0 adalah intersep model garis regresi; β 1

adalah slope model garis regresi; dan X adalah variabel penjelas. Dalam penelitian ini analisis regresi logistik dilakukan dengan Microsoft Excel dan Minitab 14. Hasil analisis regresi menjawab tujuan penelitian yaitu menganalisis faktor-faktor yang berpengaruh nyata terhadap tingkat kelancaran pengembalian KUR oleh nasabah BRI Unit Cimanggis.

1) Penentuan Variabel

Variabel respon Y= 1; jika pengembalian kredit lancar

Y= 0; jika pengembalian kredit menunggak Variabel penduga

X 1 = jenis kelamin, sebagai variabel dummy (1=wanita dan 0=pria)

X 2 = tingkat pendidikan (tahun)

X 3 = jumlah tanggungan dalam keluarga (orang)

X 4 = pinjaman dengan pihak lain (1=ada dan 0=tidak)

X 5 = pendapatan/omzet usaha (juta rupiah)

X 6 = lama usaha (tahun)

X 7 = besarnya pinjaman (juta rupiah)

X 8 = jangka waktu pengembalian (bulan) Variabel-variabel tersebut dipilih karena diduga mampu mewakili karakteristik dari calon responden yang dapat mempengaruhi tingkat pengembalian kredit (KUR).

2) Estimasi Fungsi Regresi Logistik

Regresi Logistik merupakan merupakan suatu model analisis untuk mengetahui pengaruh variabel-variabel penduga berskala metrik (kontinu) atau kategorik (nominal) terhadap variabel respon yang berskala kategorik. Estimasi model tersebut yaitu (Gujarati 1997):

Li = ln = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 +…+ β k X k Keterangan:

Li = Variabel respon β 0 = Konstanta β 1 = Koefisien variabel penduga ke-1

β k = Koefisien variabel penduga ke-k

X 1 = Variabel penduga ke-1

X k = Variabel penduga ke-k

Dengan demikian, maka estimasi model yang digunakan dalam analisis regresi logistik pada penelitian ini yaitu:

Li = ln = β 0 + β 1 X 1 + β 2 X 2 + …+ β 8 X 8 Keterangan:

Li = Variabel respon Li = 1;jika pengembalian kredit lancar Li = 0;jika pengembalian kredit tidak lancar (menunggak)

Β 0 = Konstanta Β 1 = Koefisien variabel penduga ke-1

Β i = Koefisien variabel penduga ke-i

X 1 = Jenis kelamin, sebagai variabel dummy (1=wanita dan 0=pria)

X 2 = Tingkat pendidikan (tahun)

X 3 = Jumlah tanggungan dalam keluarga (orang)

X 4 = Pinjaman dengan pihak lain (1=ada dan 0=tidak)

X 5 = Pendapatan/omzet usaha (juta rupiah)

X 6 = Lama usaha (tahun)

X 7 = Besarnya pinjaman (juta rupiah)

X 8 = Jangka waktu pengembalian (bulan)

3) Uji Kelayakan Model

Pengujian terhadap kelayakan model menggunakan statistik G yang merupakan nisbah kemungkinan maksimum untuk mengetahui peran variabel- variabel penduga dalam model secar simultan. Rumus uji G adalah sebagai berikut:

G= -2 ln

Keterangan: lo = likelihood tanpa variabel penduga li = likelihood dengan variabel penduga Hipotesis:

H 0 = β 1 = β 2 =… = β k =0

H 1 = minimal ada satu nilai β ≠0

Jika nilai G > x 2 p(α) atau p-value dari statistik G lebih kecil dari taraf nyata (α=0.05) maka keputusannya adalah tolak H 0 , atau setidaknya ada satu variabel

penduga yang berpengaruh nyata terhadap variabel respon.

4) Uji Kebaiksuaian Model

Uji kebaiksuaian model dilakukan dengan memperhatikan nilai sebaran chi-square dari metode Pearson, Deviance, dan Hosmes & Lemeshow . Hipotesis: H 0 = tidak terdapat perbedaan yang signifikan antara nilai observasi dengan prediksi model

H 1 = terdapat perbedaan yang signifikan antara nilai observasi dengan dengan prediksi model Jika p-value dari ketiga statistik tersebut lebih besar dari taraf nyata (α=0.05) maka keputusannya adalah menerima H 0 , yang artinya model tersebut

cukup layak untuk digunakan dalam prediksi.

5) Uji Signifikansi Variabel Prediktor secara Individu

Pengujian terhadap signifikansi masing-masing variabel penduga secara individu dilakukan dengan uji Wald (W j ), dengan rumus:

Keterangan: = Penduga β = Penduga standard error dari β β k = Koefisien variabel penduga ke-k

Hipotesis:

H 0 = β 1 = β 2 =… = β k =0

H 1 = β k ≠ 0, k=1,2..,k

Statistik W j mengikuti sebaran normal (Z), jika nilai Jika nilai W j >Z α/2 atau two tailed p-value dari statistik W j lebih kecil dari taraf nyata (α=0.05) maka keputusannya adalah tolak H 0, artinya variabel penduga ke-k tersebut berpengaruh

nyata terhadap variabel respon.