LAPANGAN USAHA
I. Data Kuantitatif
3.5. Metode Pengolahan dan Analisis Data
3.5.1. Analisis Statistik
Analisis data kuantitatif dilakukan dengan menggunakan analisis Regresi Berganda. Rancangan model yang digunakan dalam penelitian ini adalah sebagai berikut:
a. Faktor-faktor yang mempengaruhi permintaan pembiayaan:
Ln DCi = a0 + b1 LnBCi + b2 LnSBi + b3 LnCRi + b4 LnAi + c1DP1i + c2DP2i + d1DU1i+ d2DU2i+ e1DAi + ei (3.1) di mana:
DCi = total pengambilan pembiayaan nasabah ke-i (Rupiah), BCi = biaya peminjaman nasabah ke-i (Rupiah),
SBi = skala usaha berdasarkan besar pendapatan per hari nasabah ke-i (Rupiah),
Ai = lama menjadi nasabah/debitur nasabah ke-i (bulan), CRi = jangka waktu angsuran nasabah ke-i (hari),
DP1-2i = dummy tingkat pendidikan nasabah ke-i,
DP1 bernilai 1 jika tingkat pendidikan “SMP” dan 0 untuk yang lain,
b. Pengaruh pembiayaan terhadap kondisi usaha nasabah
Ln SAi = a0 + b1 LnDCi + b2 LnPROFITi + c1DP1i + c2DP2i + d1DU1i+ PROFITi = keuntungan usaha per hari nasabah ke-i (Rupiah),
DP1-2i = dummy tingkat pendidikan nasabah ke-i,
DP1 bernilai 1 jika tingkat pendidikan “SMP” dan 0 untuk yang lain, DP2 bernilai 1 jika tingkat pendidikan “SMA” dan 0 untuk yang lain,
DU1-2i = dummy jenis usaha nasabah ke-i,
DU1 bernilai 1 jika jenis usaha retail dan 0 untuk yang lain,
DU2 bernilai 1 jika jenis usaha produk siap pakai dan 0 untuk lainnya, a0 = konstanta,
b1-b2 = koefisien, ei = error
c. Pengaruh pembiayaan terhadap keuntungan usaha
LnPROFITi = a0 + b1 LnDCi + b2 LnSAi + c1DP1i + c2DP2i + d1DU1i+ d2DU2i+ ei (3.3) di mana:
PROFITi= keuntungan usaha per hari nasabah ke-i (Rupiah), DCi = total pengambilan pembiayaan nasabah ke-i (Rupiah),
Suatu model dikatakan baik dan sesuai dengan kaidah statistik maupun ekonometrika, apabila dilakukan pengujian terhadap hasil regresi berganda tersebut. Pengujian-pengujian yang akan dilakukan yaitu uji statistik terhadap model penduga melalui uji F dan pengujian untuk parameter-parameter regresi melalui uji t serta melihat berapa persen variabel dependen dapat dijelaskan oleh variabel-variabel independen melalui koefisien determinasi (R2). Uji ekonometrika yang dilakukan antara lain uji multikolinear dan uji heteroskedastisitas.
3.5.5.1.Uji F untuk model sacara keseluruhan
Uji F digunakan untuk membuktikan secara statistik bahwa seluruh koefisien regresi juga signifikan dalam menentukan nilai dari variabel dependen.
Untuk uji F-Statistik hipotesis yang diuji adalah:
H0: b1 = b2 = b3 = ….. = bk = 0 H1: minimal ada salah satu bi ≠ 0.
Jika seluruh nilai sebenarnya dari parameter regresi sama dengan nol, maka dapat disimpulkan bahwa tidak terdapat hubungan yang linear antara variabel dependen dengan variabel-variabel independen. Untuk mengujinya dapat digunakan F statistik dengan formula sebagai berikut:
R2/ (k-1) (1-R2)/ (N-k) di mana :
R2 : koefisien determinasi, N : jumlah data,
k : jumlah koefisien regresi dugaan.
Jika nilai F statistik lebih kecil dari nilai F tabel maka hipotesis H1
diterima, berarti minimal ada satu variabel independen yang berpengaruh nyata terhadap variabel dependen. Namun, jika nilai F statistik lebih besar dari nilai F tabel berdasarkan suatu level of significance tertentu maka hipotesis H0 diterima, berarti tidak ada satupun variabel bebas yang berpengaruh nyata terhadap variabel dependen.
F = (3.4)
3.5.1.2.Uji t untuk koefisien model regresi
Uji t digunakan untuk membuktikan bahwa koefisien regresi dalam model secara statistik bersifat signifikan atau tidak. Dengan uji t-statistik akan dilihat apakah secara statistik koefisien regresi dari masing-masing variabel independen yang digunakan dalam model yaitu biaya peminjaman, skala usaha/omzet, lama menjadi nasabah, tingkat pendidikan, jenis usaha, agunan secara terpisah memiliki pengaruh yang nyata atau tidak terhadap variabel dependen yaitu total pembiayaan yang diambil. Melalui uji ini akan diuji apakah koefisien regresi satu persatu secara statistik signifikan atau tidak.
H0: variabel independen tidak signifikan, H1: variabel independen signifikan.
Jika nilai t-statistik lebih kecil dari nilai t tabel maka hipotesis null bahwa bj = 0 diterima, variabel independen tidak signifikan. Namun jika nilai tj (t hitung) lebih besar dari nilai t tabel berdasarkan suatu level of significance tertentu maka hipotesis H0 ditolak dan hipotesis H1 diterima, variabel independen signifikan.
3.5.1.3.Uji t untuk peningkatan pendapatan dan keuntungan
Pengujian statistika t-hitung untuk data berpasangan (Walpole, 1995) dilakukan untuk mengkaji apakah ada perbedaan antara tingkat pendapatan dan keuntungan usaha sebelum dan sesudah menerima pembiayaan dari KBMT Khidmatul Ummah, dengan menggunakan rumus:
t-hitung = đ – d0 ; db = n-1
Sd /√ n (3.5)
di mana:
đ–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 dengan 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 nasabah.
3.5.1.4.Uji Multikolinearitas
Uji Multikolinearitas adalah pengujian yang dilakukan untuk melihat apakah terdapat hubungan linear di antara beberapa atau semua variabel bebas dari model regresi. Gejala multikolinearitas dalam suatu model akan menimbulkan beberapa konsekuensi di antaranya adalah:
1. Meskipun penaksir OLS mungkin bisa diperoleh namun kesalahan standarnya mungkin akan cenderung semakin besar dengan meningkatnya tingkat korelasi antara peningkatan variabel.
2. Standart error dari parameter diduga sangat besar sehingga selang keyakinan untuk parameter yang relevan cenderung lebih besar.
3. Jika multikolinearitasnya tinggi kemungkinan probabilitas untuk menerima hipotesis yang salah menjadi besar.
4. Kesalahan standar akan semakin besar dan sensitif bila ada perubahan data.
5. Tidak mungkinnya mengisolasi pengaruh individual dari variabel yang menjelaskan (Gujarati, 1995).
Ada beberapa cara untuk mendeteksi ada tidaknya multikolinear, salah satunya adalah melalui correlation matrix, di mana batas terjadinya korelasi antara sesama variabel bebas adalah tidak lebih dari │0.80│. Selain melalui correlation matrix, dapat pula digunakan Uji Klein dalam mendeteksi multikolinearitas (Gujarati, 1995). Apabila terjadi nilai korelasi yang lebih dari
│0.80│, maka menurut Uji Klein multikolinearitas dapat diabaikan selama nilai korelasi tidak lebih dari nilai R-squared.
3.5.1.5.Uji Heteroskedastisitas
Arief (1993) mengatakan bahwa heteroskedastisitas merupakan suatu kondisi di mana nilai varians dari variabel independen tidak memiliki nilai yang sama. Hal ini melanggar asumsi dasar dari regresi linear klasik yatu varians setiap variabel independen mempunyai nilai yang konstan atau memiliki varian yang
sama. Kondisi heteroskedastisitas sering terjadi dalam data cross-section karena data ini menghimpun data yang mewakili berbagai ukuran. Heteroskedastisitas dapat dilihat dengan menggunakan uji White Heteroscedastisity pada software E-views.
H0 = ρ0 = 0, homoskedastisitas, H1 = ρ0 ≠ 0, heteroskedastisitas.
Jika nilai probabilitas pada Obs*R-squared lebih besar dari taraf nyata (α) yang digunakan maka hipotesis H0 diterima sehingga hasil regresi bersifat homoskedastisitas. Jika nilai probabilitas pada Obs*R-squared lebih kecil dari taraf nyata (α) yang digunakan maka hipotesis H0 ditolak, sehingga hasil regresi bersifat heteroskedastisitas.
3.5.1.6.Uji Koefisien Determinasi (R2)
Uji keragaman digunakan untuk melihat sejauh mana besar keragaman yang dapat diterangkan oleh variabel independen terhadap variabel dependen. Uji ini juga digunakan untuk melihat seberapa kuat variabel yang dimasukkan ke dalam model dapat menerangkan model. Secara verbal, R2 merupakan besaran yang paling sering digunakan untuk mengukur goodness of fit garis regresi.
Koefisien determinasi mengukur persentase atau proporsi total varians dalam variabel dependen yang dijelaskan model regresi. Sifat dasar dari R2 adalah besarannya yang selalu bernilai positf namun lebih kecil dari satu. Formula untuk menghitung R2 adalah :
JKR JKT
R2 = (3.6)
di mana:
JKT : jumlah kuadrat total JKR : jumlah kuadrat regresi