BAB III METODOLOGI PENELITIAN
H. Model Penelitian
2. Analisis Data
1) Uji Reliabilitas
Uji reliabilitas digunakan untuk mengukur kehandalan suatu kuesioner yang merupakan indikator dari variabel penelitian. Untuk mengukur reliabilitas dengan menggunakan uji statistik adalah dengan melihat nilai Cronbach Alpha (α), suatu variabel
dikatakan reliable jika nilai Cronbach Alpha (α) > 0,60 (Bawono,
2006: 68). Adapun hasil uji reliabilitas yang dilakukan terhadap instrumen penelitian ini dapat dijelaskan pada tabel berikut ini:
Tabel 4.5 Hasil uji Reliabilitas
Variabel Cronbach Alpha (α) Keterangan
Norma Subyektif (X1) 0,811 Reliable
Sikap (X2) 0,822 Reliable
PBC (X3) 0,721 Reliable
Minat Menabung (Y) 0,729 Reliable
Sumber: Data primer yang diolah, 2015 2) Uji Validitas
Sebuah data yang didapat dari kuesioner, sebaiknya diuji validitas (Bawono, 2006: 68). Uji validitas digunakan untuk mengatahui valid atau tidaknya suatu kuesioner. Berikut ini hasil uji validitas pada setiap pertanyaan masing-masing variabel:
Tabel 4.6 Hasil Uji Validitas Variabel Item Pertanyaan Pearson Correlation Significant 2 Tailed Keterangan Norma Subyektif (X1) Pertanyaan 1 0,712** 0,000 Valid Pertanyaan 2 0,765** 0,000 Valid Pertanyaan 3 0,761** 0,000 Valid Pertanyaan 4 0,596** 0,000 Valid Pertanyaan 5 0,730** 0,000 Valid Pertanyaan 6 0,743** 0,000 Valid Sikap (X2) Pertanyaan 7 0,774** 0,000 Valid Pertanyaan 8 0,747** 0,000 Valid Pertanyaan 9 0,516** 0,000 Valid Pertanyaan 10 0,780** 0,000 Valid Dilanjutkan…
Lanjutan Tabel 4.6… Pertanyaan 11 0,781** 0,000 Valid Pertanyaan 12 0,747** 0,000 Valid PBC (X3) Pertanyaan 13 0,665** 0,000 Valid Pertanyaan 14 0,556** 0,000 Valid Pertanyaan 15 0,332** 0,003 Valid Pertanyaan 16 0,829** 0,000 Valid Pertanyaan 17 0,812** 0,000 Valid Pertanyaan 18 0,679** 0,000 Valid Minat Menabung (Y) Pertanyaan 19 0,742** 0,000 Valid Pertanyaan 20 0,707** 0,000 Valid Pertanyaan 21 0,730** 0,000 Valid Pertanyaan 22 0,651** 0,000 Valid Pertanyaan 23 0,654** 0,000 Valid
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel di atas, diketahui bahwa korelasi butir pertanyaan 1 (satu) sampai 6 (enam) terhadap total skor butir pertanyaan norma subyektif (X1) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 7 (tujuh) sampai 12 (dua belas) terhadap total skor butir pertanyaan sikap (X2) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 13 (tiga belas) sampai 18 (delapan belas) terhadap total skor butir pertanyaan PBC (X3)
menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 19 (sembilan belas) sampai 23 (dua puluh dua) terhadap total skor butir pertanyaan minat menabung (Y) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Semua butir pertanyaan dinyatakan valid dan layak untuk penelitian berikutnya.
b. Uji Asumsi Klasik 1) Uji Multikolinearitas
Multicollinearity adalah situasi dimana terdapat korelasi variabel-variabel bebas di antara satu dengan yang lainnya (Bawono, 2006: 115). Dalam penelitian ini, teknik uji multikolinearitas yang digunakan adalah metode VIF (Varian Inflation Factor) dan nilai Tolerance. Kedua nilai VIF dan Tolerance ini, nilainya berlawanan, kalau tolerancenya besar maka VIF nya kecil dan sebaliknya. Nilai VIF tidak boleh lebih besar dari 5 (lima), jika lebih maka bisa dikatakan ada gejala Multicollinearity, dan sebaliknya jika nilai VIF lebih kecil dari 5 maka tidak ada gejala Multicollinearity. Demikian juga dengan nilai Tolerance nya berarti sebaliknya.
Tabel 4.7
Hasil Uji Multikolinieritas Metode VIF Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 6.500 1.635 3.975 .000 Norma Subyektif .095 .057 .127 1.668 .097 .915 1.093 Sikap .134 .086 .164 1.559 .121 .482 2.073 PBC .281 .103 .286 2.733 .007 .485 2.063 a. Dependent Variable: Minat Menabung
Sumber: Data primer yang diolah, 2015
Dari tabel Coefficient pada kolom Collinearity Statistics, dapat terlihat nilai tolerance dan VIF, di situ tampak bahwa semua variabel lolos dari gejala multikolinieritas karena nilai VIF nya lebih kecil dari 5.
2) Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan nilai varian residual dengan varian setiap variabel independen (Bawono, 2006: 136). Dalam penelitian ini, metode yang digunakan untuk uji heteroskedastisitas adalah metode white test. Uji ini dilakukan dengan meregresi residual kuadrat (Ui2) dengan variabel bebas dan perkalian variabel bebas. Apabila χ2 hitung < χ2
tabel, maka hipotesis adanya heteroskedastisitas dalam model ditolak (Bawono, 2006: 145).
Tabel 4.8 Uji Heteroskedastisitas Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .378a .143 .081 12.12334 a. Predictors: (Constant), X123, Sikap, JML_X32, Norma Subyektif, JML_X12, JML_X22, PBC, X1X3, X2X3, X1X2
Sumber: Data primer yang diolah, 2015
Nilai R2 sebesar 0,151, maka dapat diketahui besarnya χ2
hitung yaitu 0,143 * 150 = 21,45. Dengan tingkat signifikan 5% dan df:
147 maka χ2 tabel = 182,6801. Karena χ2 hitung < χ2
tabel, maka gejala penyakit heteroskendastisitas dalam model persamaan tidak ada.
3) Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah variabel independen dan variabel dependen dalam model regresi memiliki distribusi normal atau tidak (Bawono, 2006: 174). Dalam penelitian ini, penulis menggunakan analisa grafik yaitu dengan cara melihat histogram yang membandingkan data observasi dengan distribusi yang mendekati normal dan normal probability plot yang membandingkan distribusi kumulatif dari data yang sesungguhnya dengan distribusi kumulatif dari data distribusi normal. Jika distribusi normal maka garis yang menggambarkan data sesungguhnya akan mendekati garis normal. Berikut gambar grafik histogram dan normal probability plot:
Gambar 4.1: Output Viewer Regression Standarized Residual Sumber: Data primer yang diolah, 2015
Dalam grafik histogram di atas, di gambarkan perbandingan antara data observasi dengan distribusi yang mendekati distribusi normal, sehingga disimpulkan model regresi memenuhi asumsi normalitas.
Gambar 4.2: Grafik Normal Plot Sumber: Data primer yang diolah, 2015
Grafik normal plot di atas menggambarkan perbandingan antara distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari data distribusi normal. Titik-titik yang tersebar pada grafik normal di atas menyebar disekitar garis diagonal mengikuti arah garis diagonal tersebut, sehingga bisa disimpulkan bahwa model regresi yang digunakan memenuhi asumsi normalitas.
Hasil uji normalitas diatas di dukung oleh uji normalitas Kolmogrov-Smirnov Test. Uji Kolmogrov-Smirnov Test bertujuan untuk menguji apakah dalam model regresi, variabel residu memiliki distribusi normal atau tidak. Data distribusi normal, jika nilai sig (signifikansi) > 0,05. Data distribusi tidak normal, jika nilai sig. (signifikansi) < 0,05 (Adran, 2015). Hasil uji Kolmogrov-Smirnov Test sebagai berikut:
Tabel 4.9
Hasil Uji Kolmogrov-Smirnov Test One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 150
Normal Parametersa,b Mean .0000000 Std. Deviation 3.00914404 Most Extreme Differences Absolute .070 Positive .041 Negative -.070 Kolmogorov-Smirnov Z .860 Asymp. Sig. (2-tailed) .451 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan uji normalitas dengan Kolmogrov-Smirnov Test diperoleh nilai KSZ sebesar 0,860 dan Asymp.sig. sebesar 0,451 lebih besar dari 0,05 maka dapat disimpulkan data berdistribusi normal.
4) Uji Linearitas
Uji linearitas digunakan untuk menguji apakah spesifikasi model yang digunakan sudah tepat atau lebih baik dalam spesifikasi model bentuk lain (Bawono, 2006: 179). Dalam pengujian ini, peneliti menggunakan uji lagrange multiplier untuk mendapatkan nilai X2 hitung, kemudian membandingkannya dengan nilai X2 tabel. Berikut merupakan tabel hasil perkalian jumlah data dengan R2:
Tabel 4.10 Hasil Uji Linearitas
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .013a .000 -.020 3.03963688 a. Predictors: (Constant), JML_X32, JML_X12, JML_X22
Sumber: Data primer yang diolah, 2015
Pengujian linearitas menggunakan uji langrange multiplier ditujukan untuk mencari perbandingan χ2 hitung dan χ2
tabel, yang mana:
χ2
hitung = n * R2 = 150 * 0,000 = 0
Dengan tingkat signifikan 5% dan df: 147 maka χ2
tabel = 182,6801.
Dengan demikian dapat diketahui bahwa nilai χ2hitung < χ2
tabel, sehingga dapat disimpulkan bahwa spesifikasi model persamaan regresi linier adalah benar.
c. Analisa Regresi Linear Berganda
Regresi linear berganda digunakan untuk menjelaskan hubungan antara variabel dependen dengan variabel independen yang lebih dari satu. Dalam penelitian ini model persamaan regresi linear berganda yang disusun untuk mengetahui pengaruh norma subyektif, sikap dan PBC (perceived behavior control) adalah sebagai berikut:
Minat Menabung (Y) = a0 + b1NS + b2S + b3PBC + e
Dengan menggunakan program SPSS (Statistical Product and Service Solution) versi 19 diperoleh hasil perhitungan sebagai berikut:
Tabel 4.11
Hasil Uji Linear Berganda Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 6.500 1.635 3.975 .000 Norma Subyektif .095 .057 .127 1.668 .097 Sikap .134 .086 .164 1.559 .121 PBC .281 .103 .286 2.733 .007 a. Dependent Variable: Minat Menabung
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel diatas, dapat dibuat model regresi linear berganda sebagai berikut:
Minat Menabung (Y) = 6.500 + 0,095 NS + 0,134 S + 0,281 PBC + e Arti model persamaan regresi linear berganda di atas adalah:
1) Nilai konstan (a0) = 6.500 diartikan bahwa ketika variabel NS, PBC dan US konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 6.500, dengan asumsi ceteris paribus.
2) Nilai koefisien variabel NS = 0,095, artinya jika variabel NS mengalami peningkatan 1 satuan sedangkan S, PBC dan US konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,095, dengan asumsi ceteris paribus.
3) Nilai koefisien variabel S = 0,134, artinya jika variabel S mengalami peningkatan 1 satuan sedangkan NS, PBC dan US konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,134, dengan asumsi ceteris paribus.
4) Nilai koefisien variabel PBC = 0,281, artinya jika variabel PBC mengalami peningkatan 1 satuan sedangkan S, NS dan US konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,281, dengan asumsi ceteris paribus.
Model persamaan linier berganda dengan variabel independen sikap, norma subyektif, perceived behavior control, dan secara bersama-sama dikontrol dengan variabel kontrol uang saku atau pendapatan adalah sebagai berikut:
Minat Menabung (Y) = a0 + b1Sikap + b2NS + b3PBC + b4US + e Dengan menggunakan program SPSS (Statistical Product and Service Solution) versi 19 diperoleh hasil perhitungan sebagai berikut:
Tabel 4.12
Hasil Uji Linier Berganda dengan Variabel Kontrol Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -10.219 6.691 -1.527 .129 Norma Subyektif .099 .056 .132 1.760 .081 Sikap .113 .085 .138 1.334 .184 PBC .305 .101 .311 3.012 .003 lnus 1.273 .495 .185 2.574 .011 a. Dependent Variable: Minat Menabung
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel diatas, dapat dibuat model regresi linear berganda sebagai berikut:
Minat Menabung (Y) = -10,219 + 0,099 NS + 0,113 S + 0,305 PBC + 1,273 US + e
Arti model persamaan regresi linear berganda di atas adalah:
1) Nilai konstan (a0) = -10,219 diartikan bahwa ketika variabel NS, PBC dan US konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar -10,219, dengan asumsi ceteris paribus.
2) Nilai koefisien variabel NS = 0,099, artinya jika variabel NS mengalami peningkatan 1 satuan sedangkan S, PBC dan US konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,099, dengan asumsi ceteris paribus.
3) Nilai koefisien variabel S = 0,113, artinya jika variabel S mengalami peningkatan 1 satuan sedangkan NS, PBC dan US
konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,113, dengan asumsi ceteris paribus.
4) Nilai koefisien variabel PBC = 0,305, artinya jika variabel PBC mengalami peningkatan 1 satuan sedangkan S, NS dan US konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,305, dengan asumsi ceteris paribus.
5) Nilai koefisien variabel US = 1,273, artinya jika variabel US mengalami peningkatan 1 satuan S, NS dan PBC konstan atau tidak ada atau sebesar 0, maka Y akan mengalami akan mengalami peningkatan sebesar 1,273, dengan asumsi ceteris paribus.
Dari persamaan regresi tersebut dapat diketahui nilai koefisien regresi masing-masing variabel independen bertanda positif. Hal ini menunjukkan bahwa variabel independen berbanding lurus atau searah dengan variabel dependen, jika antara variabel independen mengalami perubahan (baik naik atau turun) maka variabel dependen akan berubah kearah yang sama (naik atau turun).
d. Uji Statistika
1) Uji Ttest (Uji Parsial)
Uji ttest digunakan untuk melihat tingkat signifikansi variabel independen mempengaruhi variabel dependen secara parsial atau individu (Bawono,2006: 89). Tingkat signifikansi antara variabel norma subyektif, sikap dan perceived behavior
control (PBC) terhadap minat menabung mahasiswa di bank syariah berdasarkan pada tabel 4.11 dapat diketahui bahwa:
a) Nilai signifikansi variabel norma subyektif (X1) adalah sebesar 0,097 lebih kecil dari 0,10, artinya ada pengaruh yang signifikan antara norma subyektif (X1) terhadap minat menabung (Y).
b) Nilai signifikansi variabel sikap (X2) adalah sebesar 0,121 lebih besar dari 0,05, artinya tidak ada pengaruh yang signifikan antara sikap (X2) terhadap minat menabung (Y). c) Nilai signifikansi variabel PBC (X3) adalah sebesar 0,007 lebih
kecil dari 0,05, artinya ada pengaruh yang signifikan antara norma subyektif (X3) terhadap minat menabung (Y).
Tingkat signifikansi antara variabel norma subyektif, sikap dan perceived behavior control (PBC) secara bersama-sama dikontrol oleh variabel uang saku atau pendapatan (Z), berdasarkan pada tabel 4.12 dapat diketahui bahwa:
a) Nilai signifikansi variabel norma subyektif (X1) adalah sebesar 0,081 lebih kecil dari 0,10, artinya ada pengaruh yang signifikan antara norma subyektif (X1) terhadap minat menabung (Y).
b) Nilai signifikansi variabel sikap (X2) adalah sebesar 0,184 lebih besar dari 0,05, artinya tidak ada pengaruh yang signifikan antara sikap (X2) terhadap minat menabung (Y).
c) Nilai signifikansi variabel PBC (X3) adalah sebesar 0,003 lebih kecil dari 0,05, artinya ada pengaruh yang signifikan antara norma subyektif (X3) terhadap minat menabung (Y).
d) Nilai signifikansi variabel US (Z) adalah sebesar 0,011 lebih kecil dari 0,05, artinya ada pengaruh yang signifikan antara Uang saku terhadap minat menabung (Y).
2) Uji Ftest (Uji Silmultan)
Uji F dilakukan untuk mengetahui seberapa jauh variabel independen secara bersama-sama dapat mempengaruhi variabel dependen (Bawono, 2006: 91). Hasil uji Ftest variabel norma subyektif, sikap, PBC terhadap minat menabung di bank syariah dalam penelitian ini dapat dilihat pada tabel berikut:
Tabel 4.13 Uji Ftest
ANOVAb
Model Sum of Squares Df Mean Square F Sig. 1 Regression 386.973 3 128.991 13.959 .000a
Residual 1349.187 146 9.241 Total 1736.160 149
a. Predictors: (Constant), PBC, Norma Subyektif, Sikap b. Dependent Variable: Minat Menabung
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel diatas, dapat diketahui bahwa nilai signifikansi 0,000 lebih kecil dari 0,05 artinya variabel independen (X) secara bersama-sama (simultan) mempengaruhi variabel dependen (Y) secara signifikan.
Hasil uji Ftest variabel norma subyektif, sikap, PBC secara bersama-sama dikontrol oleh variabel uang saku atau pendapatan (Z) dalam penelitian ini dapat dilihat pada tabel berikut:
Tabel 4.14
Uji Ftest dengan Variabel Kontrol ANOVAb
Model Sum of Squares Df Mean Square F Sig. 1 Regression 445.921 4 111.480 12.528 .000a
Residual 1290.239 145 8.898 Total 1736.160 149
a. Predictors: (Constant), lnus, Norma Subyektif, PBC, Sikap b. Dependent Variable: Minat Menabung
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel diatas, dapat diketahui bahwa nilai signifikansi 0,000 lebih kecil dari 0,05 artinya variabel independen (X) secara bersama-sama (simultan) mempengaruhi variabel dependen (Y) secara signifikan setelah dikontrol variabel kontrol (Z).
3) Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) menunjukkaan sejauh mana tingkat hubungan antara variabel dependen dengan variabel independen (Bawono, 2006: 92). Hasil uji koefisien determinasi (R2) variabel norma subyektif, sikap, PBC terhadap minat menabung di bank syariah dalam penelitian ini dapat dilihat pada tabel berikut:
Tabel 4.15
Uji Koefisien Determinasi (R2) Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .472a .223 .207 3.03990 a. Predictors: (Constant), PBC, Norma Subyektif, Sikap
Sumber: Data primer yang diolah, 2015
a) Koefisien korelasi (R) sebesar 0,472, artinya bahwa ada hubungan cukup kuat antara variabel independen (X) dengan variabel dependen (Y) (karena mendekati angka 1).
b) Koefisien determinasi (R2) sebesar 0,223, artinya bahwa kontribusi variabel independen (X) mempengaruhi variabel dependen (Y) sebesar 22,3% sedangkan sisanya sebesar 77,7% dipengaruhi oleh variabel lain di luar model.
Tabel 4.16
Uji Koefisien Determinasi (R2) dengan Variabel Kontrol Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .507a .257 .236 2.98299 a. Predictors: (Constant), lnus, Norma Subyektif, PBC, Sikap
Sumber: Data primer yang diolah, 2015 Berdasarkan tabel di atas, dapat diketahui bahwa:
c) Koefisien korelasi (R) sebesar 0,507, artinya bahwa ada hubungan cukup kuat antara variabel independen (X) dengan variabel dependen (Y) (karena mendekati angka 1).
d) Koefisien determinasi (R2) sebesar 0,257, artinya bahwa kontribusi variabel independen (X) mempengaruhi variabel
dependen (Y) sebesar 25,7% sedangkan sisanya sebesar 74,3% dipengaruhi oleh variabel lain di luar model setelah dikontrol variabel kontrol (Z).