III. METODE PENELITIAN
3.5. Metode Pengolahan dan Analisis Data
3.5.2. Analisis Kuantitatif
3.5.2.1. Uji Analisis Jalur (Path Analysis)
Uji Path Analysis digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Dengan uji path analysis akan dilihat apakah variabel eksogen (X1,X2,X3,….,Xk) berpengaruh terhadap variabel endogen Y dan berapa besar pengaruh kausal langsung, kausal tidak langsung, kausal total maupun simultan seperangkat variabel eksogen (X1,X2,X3,….,Xk) terhadap variabel endogen Y. Manfaat lain model path analysis adalah untuk : (1) Penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti; (2) Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y); (3) Pengujian model, menggunakan theory
trimming, baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.
Asumsi yang mendasari path analysis sebagai berikut: (1) Hubungan antar variabel adalah bersifat linier, adaptif, dan bersifat normal; (2) Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik; (3) Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio (4) Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung; (5) Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar berdasarkan teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antara variabel yang diteliti.
Model umum Path Analysis
ρ31 ɛ1 ρ31 ρ31 ɛ1
r12` ρ21 ɛ1 ρ11 ρ21 ρ21
a.Correlated Path Model b.Mediated Path Model c.Eksogen Path Model
Model persamaan struktural yaitu apabila setiap variabel endogen (Y) secara unik keadaanya ditentukan oleh seperangkat variabel eksogen. Selanjutnya gambar yang meragakan struktur hubungan kausal antar variabel disebut diagram jalur (path diagram). Rancangan model persamaan struktural untuk diagram jalur yang digunakan dalam penelitian ini adalah:
a. Faktor-Faktor yang Memengaruhi Pengambilan Pembiayaan PM = ρy1 BA + ρy2LN + ρy3 JA + ρy4 PS+ ρy5TP + ρy6AP+ ρy7 JU+
+ɛ1...(3.3) Dimana :
PM = besar pengambilan pembiayaan anggota yang diajukan (rupiah) BA = biaya peminjaman anggota (rupiah)
LN = lama menjadi anggota (bulan) 1 3 2 1 3 2 1 3 2
JA = jangka waktu angsuran (hari)
PS = besar pendapatan sebelum pembiayaan (rupiah) TP = dummy tingkat pendidikan anggota
DPi 1 jika tingkat pendidikan terُolonُ tinُُi ( ≥ SMA) dan 0 jika tingkat pendidikan tergolong rendah (< SMA)
AP = dummy alokasi usaha anggota
AP bernilai 1 jika alokasi untuk modal kerja dan 0 jika alokasi untuk investasi
JU = dummy jenis usaha anggota
JU bernilai 1 jika jenis usaha untuk non jasa dan 0 jika jenis usaha untuk jasa
ρik = koefisien jalur (path coefficient) untuk setiap variabel eksogen k
ɛ i = eror ke-i
b. Pengaruh Pembiayaan terhadap Tingkat Pendapatan Anggota
PP = ρy1PM + ρy2 KU + ρy3 JA + ρy4 AP + ρy5 JU+ ρy6 PB ……….(3.4) Dimana :
PP = besar pendapatan usaha anggota per hari setelah pembiayaan (rupiah)
PM = besar pengambilan pembiayaan anggota (rupiah) KU = profit (keuntungan) usaha per hari anggota (rupiah) JA = jangka waktu angsuran (hari)
PB = pengeluaran (konsumsi) per bulan anggota (rupiah) AP = dummy alokasi usaha anggota
AP bernilai 1 jika alokasi untuk modal kerja dan 0 jika alokasi untuk investasi
JU = dummy jenis usaha anggota
JU bernilai 1 jika jenis usaha untuk non jasa dan 0 jika jenis usaha untuk jasa
ρik = koefisien jalur (path coefficient) untuk setiap variabel eksogen k
ɛ i = eror ke-i
Pengujian model diatas dilakukan dengan menggunakan model persamaan struktural untuk diagram jalur. Model dekomposisi adalah model yang menekankan pada pengaruh yang bersifat kausalitas antarvariabel, baik pengaruh langsung maupun tidak langsung dalam kerangka path analysis sedangkan hubungan yang sifatnya nonkausalitas atau hubungan korelasional yang terjadi antarvariabel eksogen tidak termasuk dalam perhitungan ini. Perhitungan menggunakan analisis jalur dengan model dekomposisi pengaruh kausal anatarvariabel dapat dibedakkan menjadi tiga sebagai berikut.
1. Direct causal effect (Pengaruh Kausal Langsung) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui variabel endogen lain.
2. Indirect causal effect (Pengaruh Kausal Tidak Langsung) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi melalui variabel endogen lain yang terdapat dalam satu model kausalitas yang sedang dianalisis.
3. Total causal effect (Pengaruh Kausal Total) adalah jumlah dari pengaruh kausal langsung dan pengaruh kausal tidak langsung.
3.5.2.2. Uji koefisien determinasi
Uji keragaman digunakan untuk melihat besarnya pengaruh bersama variabel penyebab terhadap suatu variabel akibat yang terdapat dalam model struktural yang dianalisisis. Selain itu, juga dapat digunakan untuk ukuran efektivitas model. Koefisien determinasi mengukur presentase atau proporsi total varian dalam variabel endogen yang dijelaskan model. Formula untuk menghitung R2 adalah :
Berdasarkan koefisien determinasi selanjurnya dapat diidentifikasi besaran
koeَisien jalur ( ρei ) sebaُaimana rumus :
……….(3.7)
Dimana :
R2yx : koefisien determinasi multipel
ρyx : koefisien jalur
ρei : koefisien residu (error)
Model dikatakan efektif ketika R2 tinggi dan error variable rendah.
Uji F kebermaknaan koefisien determinasi dengan statistik uji- F. Uji ini digunakan untuk menguji pengaruh seluruh variabel eksogen terhadap variabel endogennya secara parsial dengan hipotesis sebagai berikut :
………..(3.8)
Dimana :
n = ukuran sampel
k = banyaknya variabel penyebab
H0 : b1 = b2 = b3 =…= bk = 0 (tidak ada variabel eksogen yang memengaruhi variabel endogen)
H1 : minimal ada salaِ satu bi ≠ 0 (ada variabel eksogen yang memengaruhi variabel endogen)
Kriteria uji yang digunakan, yaitu:
a. Jika probability F-statistic < taraَ nyata (α), maka tolak H0 dan dapat disimpulkan bahwa minimal ada variabel eksogen yang memengaruhi variabel endogennya.
b. Jika probability F-statistic > taraf nyata (α), maka terima H0 dan dapat disimpulkan bahwa tidak ada variabel eksogen yang memengaruhi variabel endogen.
3.5.2.3. Pengujian Individual
Pengujian individual terhadap setiap koefisien jalur yang diperoleh dengan statistik uji- T. Berikut rumus yang digunakan :
………(3.9)
Dimana :
ρyixk = koefisien jalur antar variabel eksogen terhadap variabel endogen SE = standar error koefisien jalur
n = ukuran sampel
Ckk = elemen matriks invers korelasi variabel eksogen Kriteria uji :
H0 ditolak apabila t-hitung > t-tabel, db = n-1 denُan α = 0,05 H0 diterima apabila t-hitung < t-tabel, db = n-1 denُan α = 0,05
Jika dari hasil pengujian individual diperoleh informasi terdapat koefisien jalur yang tidak signikan, maka model perlu diperbaiki dengan cara trimming yaitu estimasi atau perhitungan diulang dari langkah awal.
3.5.2.4. Uji Kesesuaian Model ( Overall Model Fit )
Kesesuaian model adalah kesesuaian antara matriks korelasi data sampel
( S ) denُan matriks korelasi populasi ( ∑ ) yang diestimasi.
H0 = S = ∑ : Matriks korelasi data sampel tidak berbeda denُan matriks korelasi
populasi yang di estimasi.
H0 = S ≠ ∑ : Matriks korelasi data sampel berbeda denُan matriks korelasi
populasi yang di estimasi. Rumusnya sebagai berikut :
………..(3.11) Jika Q = 1, model yang diuji Fit dengan data, dan jika Q < 1 perlu diuji lagi dengan rumus sebagai berikut :
………...(3.12)
Dimana :
n = ukuran sampel d = derajat kebebasan
3.5.2.5. Uji Multikolinieritas
Terdapat satu asumsi statistik yang tidak dapat dilanggar dalam mengaplikasikan analisis jalur, yaitu asumsi multikolinieritas. Hal tersebut ditunjukkan oleh estimasi koefisien R2 yang tinggi tetapi estimasi koefisien jalur secara statistik tidak ada yang signifikan. Untuk menguji asumsi multikolinieritas dapat dilakukan melalui pengamatan terhadap matriks korelasi data sampel . Kriteria Uji :
1. Jika matriks korelasi sangat kecil mendekati nol, terdapat masalah multikolinieritas.
2. Jika matriks korelasi sama dengan nol, terdapat masalah multikolinieritas yang serius.
3. Jika matriks korelasi lebih besar dari nol, tidak terdapat masalah multikolinieritas.
3.5.2.6. Uji t untuk peningkatan pendapatan dan keuntungan
Pengujian statistika t-hitung untuk data berpasangan (Walpole,1995) dilakukan untuk mengaji apakah ada pebedaan antara tingkat pendapatan dan keuntungan usaha sebelum dan sesudah menerima pembiayaan dari Kospin Jasa Syariah Pekalongan, dengan menggunakan rumus :
Dimana :
d-d0 = rata-rata tingkat pendapatan atau keuntungan sesudah pembiayaan dikurangi sebelum pembiayaan,
Sd = Standar deviasi dari perbedaan pendapatan dan keuntungan sesudah dengan sebelum pembiayaan,
n = jumlah observasi (pengamatan), db = derajat bebas.
H0: Tidak ada perbedaan tingkat pendapatan sebelum dan sesudah menerima Pembiayaan
H1: Terdapat perbedaan tingkat pendapatan sebelum dan sesudah menerima Pembiayaan,
Kriteria uji :
H0 ditolak apabila t-hitung > t-tabel, db = n-1 dengan α = 0,05 H0 diterima apabila t-hitung < t-tabel, db = n-1 denُan α = 0,05
Pengujian statistika dengan menggunakan t-hitung dapat membuktikan secara ilmiah apakah terjadinya peningkatan secara data dari pembiayaan yang diberikan berpengaruh nyata terhadap peningkatan pendapatan dan keuntungan usaha anggota.