BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3 Hasil Uji Korelasi Data Penelitian
Uji korelasi adalah prosedur statistik yang bertujuan untuk menguji apakah ada hubungan atau asosiasi antara dua variabel (Santoso, 2014). Pada penelitian
ini dalam mengolah data penelitian menggunakan uji korelasi Spearman. Tabel 4.5 menunjukkan hasil uji korelasi Spearman untuk variabel data penelitian.
Tabel 4.5
Hasil Uji Korelasi Spearman Periode 2016, 2017, 2018, dan 2019
No Nama Indikator
Variabel
Hasil Uji Korelasi Spearman
2016 2017 2018 2019
42 Sumber: Hasil Analisis Data yang Diolah (2021)
Pada tabel 4.5 dapat dilihat terdapat tiga hasil analisis, yang pertama hasil uji korelasi Spearman dianalisis berdasarkan signifikansi hubungan yang dapat ditentukan dari nilai signifikansi atau Sig. (2-tailed). Pada penelitian ini nilai signifikansi semua variabel menunjukkan ada hubungan yang signifikan antara variabel penyaluran pembiayaan mikro dan indeks pembangunan manusia serta pada variabel penyaluran pembiayaan mikro dan pengeluaran per-kapita. Hal ini berarti bahwa ada korelasi signifikan antara pembiayaan mikro dan tingkat kesejahteraan.
Hasil analisis berikutnya adalah menentukan arah koefisien korelasi dari nilai Correlation Coefficient. Pada hasil penelitian di atas menunjukkan arah koefisien korelasi untuk variabel penyaluran pembiayaan mikro dan indeks pembangunan manusia bernilai positif (+). Hal tersebut juga sama pada variabel penyaluran pembiayaan mikro dan pengeluaran per-kapita memiliki nilai positif (+) maka dapat diartikan ada hubungan searah antara kedua variabel. Korelasi
43 maka tingkat kesejahteraan juga meningkat.
Analisis korelasi ketiga yaitu mencari besarnya nilai koefisien korelasi yang dapat diketahui dari nilai Correlation Coefficient. Tingkat kekuatan hubungan antara variabel penyaluran pembiayaan mikro dan indeks pembangunan manusia dari tahun 2016-2019 memiliki korelasi yang kuat. Begitupula dengan variabel penyaluran pembiayaan mikro dan pengeluaran per-kapita menunjukkan korelasi kuat antara kedua variabel.
44
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil penelitian data sekunder yang diolah menggunakan IBM SPSS Statistics 24, sesuai dengan tujuan penelitian untuk menganalisis perkembangan pembiayaan mikro di Indonesia maka dapat disimpulkan bahwa perkembangan pembiayaan mikro mengalami perkembangan setiap tahunnya, hal tersebut dibuktikan dengan indikator penyaluran pembiayaan mikro di Indonesia yang mengalami kenaikan rata-rata. Sementara itu, perkembangan kesejahteraan di Indonesia nampaknya perlu upaya yang maksimal agar mengalami kenaikan yang signifikan, hal tersebut dibuktikan dengan indikator indeks pembangunan manusia dan pengeluaran per kapita dengan nilai rata-rata yang masih mengalami fluktuasi. Selanjutnya untuk mengetahui apakah ada korelasi antara pembiayaan mikro dan kesejahteraan keluarga di Indonesia. Peneliti telah menemukan hasil dan dapat disimpulkan sebagai berikut:
1. Variabel Pembiayaan Mikro dan Kesejahteraan Keluarga berkorelasi signifikan. Korelasi antara Penyaluran Pembiayaan Mikro dengan Indeks Pembangunan Manusia dan Pengeluaran per Kapita dari semua tahun yang diuji termasuk dalam kategori signifikan. Hasil ini mengindikasikan bahwa korelasi antar-kedua variabel secara statistik dapat dijelaskan dengan data yang digunakan dalam penelitian.
2. Variabel Pembiayaan Mikro dan Kesejahteraan Keluarga mengarah ke hubungan positif. Berdasarkan arah hubungannya, korelasi antara Penyaluran Pembiayaan Mikro dengan Indeks Pembangunan Manusia
45 arah hubungannya positif.
3. Variabel Pembiayaan Mikro dan Kesejahteraan Keluarga berkorelasi kuat. Berdasarkan kuat tidaknya hubungan, korelasi antara Penyaluran Pembiayaan Mikro dengan Indeks Pembangunan Manusia dan Pengeluaran per Kapita dari semua tahun yang di uji korelasinya sama, yakni korelasi kuat karena angka yang diperoleh masuk dalam rentang angka 0,51 - 0,75.
5.2 Saran
Berdasarkan hasil penelitian mengenai korelasi antara pembiayaan mikro dan kesejahteraan keluarga, pada bab ini peneliti memberikan beberapa saran yang dapat dijadikan masukkan untuk bahan pertimbangan bagi penelitian selanjutnya:
1. Bagi Akademisi
Perlu dilakukan penelitian lebih lanjut terkait korelasi antara pembiayaan mikro dan tingkat kesejahteraan khususnya di Indonesia karena hasil penelitian topik ini masih sulit ditemui. Diharapkan peneliti selanjutnya menggunakan data periode yang panjang dan terbaru sesuai dengan waktu penelitian sehingga dapat menjelaskan situasi dari tahun ke tahun. Selain itu, dapat menambahkan indikator lain yang sekiranya saling berkaitan.
2. Bagi Pemerintah
Pemerintah perlu memperkuat keberadaan pembiayaan mikro di Indonesia supaya lebih berkembang dan luas guna menjembatani dalam upaya meningkatkan kesejahteraan masyarakat yang sulit tersentuh literasi keuangan
46 bagain paling kecil yakni keluarga/rumah tangga.
3. Bagi Masyarakat
Masyarakat khususnya yang kesulitan untuk mendapatkan akses keuangan perlu memberikan perhatian khusus pada pembiayaan mikro sebagai sarana meningkatkan kualitas hidup. Selain itu, perlu adanya peran aktif masyarakat pada pengelolaan kegiatan yang bermanfaat agar menambah keterampilan dan pengetahuan mengenai keuangan agar terciptanya kesejahteraan keluarga.
47 Aprilia, A., & Restu, R. (2019). Analisis Partisipasi Pinjaman Rumah Tangga
pada Lembaga Keuangan Mikro terhadap Tingkat Kesejahteraan.
Diakses dari
https://www.jepi.fe.ui.ac.id/index.php/JEPI/article/view/1092/327
Arumastuti, A. (2016). Peran Produk Pembiayaan Terhadap Kesejahteraan Masyarakat pada BMT “AKBAR” Polokarto, Sukoharjo. Universitas Muhammadiyah Surakarta.
Badan Pusat Statistik. (2015). Indeks Pembangunan Manusia menurut Provinsi 2015-2017. Badan Pusat Statistika. Diakses dari https://www.bps.go.id/indicator/26/494/2/-metode-baru-indeks
pembangunan- manusia-menurut-provinsi.html
Badan Pusat Statistik. (2018). Indeks Pembangunan Manusia menurut Provinsi 2018-2020. Badan Pusat Statistika. Diakses dari
https://www.bps.go.id/indicator/26/494/1/-metode-baru-indeks-pembangunan- manusia-menurut-provinsi.html
Badan Pusat Statistik. (2015). Pengeluaran per Kapita Disesuaikan (Ribu Rupiah/Orang/Tahun), 2015-2016. Badan Pusat Statistika. Diakses dari anhttps://www.bps.go.id/indicator/26/416/3/-metode-baru- pengeluaran-per-kapita-disesuaik.html
Badan Pusat Statistik. (2017). Pengeluaran per Kapita Disesuaikan (Ribu Rupiah/Orang/Tahun), 2017-2018. Badan Pusat Statistika. Diakses
dari https://www.bps.go.id/indicator/26/416/2/-metode-baru-pengeluaran-per-kapita-disesuaikan.html
Badan Pusat Statistik. (2019). [Metode Baru] Pengeluaran per Kapita Disesuaikan (Ribu Rupiah/Orang/Tahun), 2019-2020. Badan Pusat Statistika. Diakses dari https://www.bps.go.id/indicator/26/416/1/-metode-baru-pengeluaran-per-kapita-disesuaikan.html
48 Ekonomi, dan Kebijakan Pulik, Serta Ilmu-ilmu Sosial Lainnya (Edisis Kedua).Jakarta: Kencana, Prenadamedia Group.
Darmawan, D. (2013). Metode Penelitian Kuantitatif. Bandung: Remaja Rosdakarya Offset.
F. Okurut, N., Kagiso, M., Ama, N. O., & M. Okurut, L. (2014). The Impact of Microfinance on Household Welfare in Botswana. BOJE: Botswana Journal of Economics. Diakses dari
https://www.ajol.info/index.php/boje/article/view/109940
Imai, K. S., Arun, T., & Annim, S. K. (2010). Microfinance and Household Poverty Reduction: New Evidence from India. World Development, Vol. 38, No. 12, pp. 1760–1774, 2010. Diakses dari https://doi.org/10.1016/j.worlddev.2010.04.006
Loke, K. H., Adebola, S. S., Ramasamy, S., & Dahalan, J. (2020). The Effects of Services by Microfinance Institutions on the Welfare of Urban Households in Malaysia. Jurnal Pengurusan 58(2020) 105 – 118. Diakses dari https://doi.org/10.17576/pengurusan-2020-58-09
Mahmood, Hafiz, Z., Abbas, Kausar, & Fatima, Mehreen. (2017). Islamic Microfinance and Household Welfare Nexus: Empirical Investigation from Pakistan. Journal of Global Entrepreneurship Research 2017, 7:8.
Diakses dari
https://www.researchgate.net/publication/319528549_Islamic_microfinan and_household_welfare_nexus_empirical_investigation_from_Pakistan Matimbwa, Hadija, & Kipilimba, Theobald. (2018). The Contribution of Micro
Finance Institutions to Households Welfare: A Case of Finca And Pride in Iringa Tanzania. Journal of Business Management and Economic Research, Vol.2, Issue.6, 2018 pp.1-10. Diakses dari
https://www.jobmer.org/2018/Vol2_Issue6_article1_fulltext.pdf
49 Data Sekunder. Jakarta: Rajawali Pers.
Nasrum, A. (2018). Uji Normalitas Data untuk Penelitian. Bali: Jayapangus Press.
Otoritas Jasa Keuangan. (2019). Statistik Pembiayaan Mikro 2019. Otoritas Jasa Keuangan, Direktorat Statistik & Informasi IKBN. Diakses dari
https://www.ojk.go.id/id/kanal/iknb/data-dan-statistik/lembaga-pembiayaan/Pages/Buku-Statistik-Lembaga-Pembiayaan-2019.aspx
Pamungkas, A. H., Sunarti, V., & Wahyudi, W. A. (2018). PKBM DALAM
PENINGKATAN PERTUMBUHAN EKONOMI DAN
KESEJAHTERAAN HIDUP MASYARAKAT SESUAI TARGET SDG’S. Jurnal Pendidikan Luar Sekolah (PLS), Volume 6 Nomor 3, September 2018. Diakses dari http://ejournal.unp.ac.id/index.php/pnfi
Purwanto, E. A., & Sulistyastuti, D. R. (2007). Metode Penelitian Kuantitatif untuk Administrasi Publik dan Masalah-masalah Sosial. Yogyakarta:
Gava Media.
Puspitadewi, N.L.K.R., & Budhi, M.K.S. (2016). Analisis Pemberian Kredit Koperasi Wanita Ayu Sari Kepada Perempuan Pedesaan dan Dampaknya Terhadap Kesejahteraan Ekonomi Rumah Tangganya di Kabupaten Tabanan. Diakses dari
https://ojs.unud.ac.id/index.php/EEB/article/view/16376
Prihantono, G. (2017). Impact Microfinance Credit Access to Improve Household Welfare: Evidence Longitudinal Data. Jurnal Manajemen Bisnis dan Inovasi, Vol. 4 No. 2 Juli 2017, Hal. 82-94, ISSN 2356-3966. Diakses dari https://doi.org/10.35794/jmbi.v4i2.17979
Quach, M. H., Mullineux, A.W., & Murinde, V. (2005). Access to Credit and Household Proverty Reduction in Rural Vietnam: a Cross-Sectional Study.
Diakses dari
50 37c11.pdf
Rosni. (2017). Analisis Tingkat Kesejateraan Masyarakat Nelayan di Desa Dahari Selebar Kecamatan Talawi Kabupaten Batubara. Jurnal Geografi, Vol 9 No. 1 -2017, e-ISSN: 2549–7057, p-ISSN: 2085–8167. Diakses dari http://jurnal.unimed.ac.id/2012/index.php/geo
Santoso, D. B., Gan, C., Revindo, & Massie. (2020). The Impact of Microfinance on Indonesian Rural Households’ Welfare. Agricultural Finance Review, Vol. 80 No.4- 2020. Diakses dari https://www.emerald.com/insight/0002-1466.htm
Santoso, S. (2012). Aplikasi SPSS pada Statistik Non Parametrik. Jakarta: PT Elex Media Komputindo.
Santoso, S. (2014). Statistik Non Parametrik Edisi Revisi. Jakarta: PT Elex Media Komputindo.
Santoso, S. (2010). Statistik Parametrik Konsep dan Aplikasi dengan SPSS.
Jakarta: PT Elex Media Komputindo.
Santosa, P. I. (2018). Metode Penelitian Kuantitatif. Yogyakarta: CV. Andi Offset.
Sengsourivong, K., & Mieno, F. (2014). Impacts of Savings and Credit Union Programs on Household Welfare in Laos: Case Study of the Vientiane Vicinity During the mid-2000s. PRIMCED Discussion Paper Series, No.
55. Diakses dari
https://www.researchgate.net/publication/305425694_Impacts_of_saving groups_programs_on_household_welfare_in_Laos_Case_study_of_the_vi entiane vicinity_during_the_Mid-2000s
Setyari, N.P.W. (2012). Evaluasi Dampak Kredit Mikro Terhadap Kesejahteraan Rumah Tangga di Indonesia: Analisis Data Panel. Diakses dari http://erepo.unud.ac.id/id/eprint/8332/
51 Perhitungan Manual dan Aplikasi SPSS Versi 17. Jakarta: Rajawali Pers.
Sodiq, A. (2015). Konsep Kesejahteraan dalam Islam. EQUILIBRIUM, Vol. 3, No.
2, Desember 2015. Diakses dari https://journal.iainkudus.ac.id
Sugiyono. (2012). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta, CV.
Suharjo, B. (2008). Analisis Regresi Terapan Dengan SPSS. Yogyakarta: Graha Ilmu.
Suharsaputra, U. (2014). Metode Penelitian Kuantitatif, Kualitatif, dan
Tindakan. Bandung: Refika Aditama. Taniredja, Tukiran, &
Mustafidah, Hidayati. (2012). Penelitian Kuantitatif (Sebuah Pengantar.
Bandung: Alfabeta, CV.
Suryaningsih, D. D. (2017). Analisis Peningkatan Kesejahteraan Nasabah Pembiayaan Mikro Pada PT BRI Syariah KCP Mojokerto Bangsal.
Diakses dari http://digilib.uinsby.ac.id/22042/
Thibbotuwawa, R. M. M. I., Printhika, M., & Udugama, J. M. M. (2012). Impact of Microfinance on Household Welfare: Assessing the Case of Samurdhi Program in Sri Lanka. A Selected Paper Presentation at the 56th Annual Australian Agricultural & Resource Economics Society (AARES) National Conference Fremantle, Australia, 8 – 11 February 2012. Diakses dari http://dx.doi.org/10.22004/ag.econ.124320
Widyastuti, A. (2012). Analisis Hubungan Antara Produktivitas Pekerja dan Tingkat Pendidikan Pekerja Terhadap Kesejahteraan Keluarga di Jawa Tengah Tahun 2009. Economics Development Analysis Journal 1 (1)
(2012), ISSN 2252-6560. Diakses dari
http://journal.unnes.ac.id/sju/index.php/edaj
52
LAMPIRAN
53 Penyaluran Pembiayaan Mikro oleh Perusahaan Pembiayaan
Periode 2016, 2017, 2018, dan 2019
Provinsi 2016 2017 2018 2019
ACEH 356.05 423.35 483.10 443.48
SUMATERA UTARA 988.04 1504.19 2215.26 2374.42 SUMATERA BARAT 468.56 688.26 618.28 624.92
RIAU 728.19 1029.21 1361.96 1590.00
DKI JAKARTA 3666.38 4977.51 5600.56 6194.22 JAWA BARAT 3954.99 5680.88 6928.37 7790.40 JAWA TENGAH 1059.44 1736.18 3321.54 3730.20 DI YOGYAKARTA 213.02 309.25 425.94 506.80 JAWA TIMUR 1595.09 2200.16 3435.41 4300.24
BANTEN 1498.80 2048.37 3058.11 3569.23
BALI 415.25 539.98 714.87 867.21
SULAWESI UTARA 219.85 296.31 328.64 453.47 SULAWESI TENGAH 135.99 133.48 213.37 190.84 SULAWESI
SELATAN 961.03 1189.80 1529.48 1709.13
SULAWESI
TENGGARA 217.32 267.05 311.68 371.09
54
MALUKU 7.55 10.29 16.20 23.81
MALUKU UTARA 23.27 26.56 33.53 32.40
PAPUA BARAT 22.97 31.61 45.53 38.78
PAPUA 15.49 14.33 31.54 57.29
Sumber: OJK, buku Statistik Pembiayaan Mikro yang diolah
55 Periode 2016, 2017, 2018, dan 2019
Sumber: data Badan Pusat Statistika yang diolah
Provinsi 2016 2017 2018 2019
KALIMANTAN SELATAN 69.05 69.65 70.17 70.72
KALIMANTAN TIMUR 74.59 75.12 75.83 76.61
56 Pengeluaran per Kapita
Periode 2016, 2017, 2018, dan 2019
Provinsi 2016 2017 2018 2019
ACEH 8768.00 8957.00 9186.00 9603.00
SUMATERA UTARA 9744.00 10036.00 10391.00 10649.00 SUMATERA BARAT 10126.00 10306.00 10638.00 10925.00
RIAU 10465.00 10677.00 10968.00 11255.00
JAMBI 9795.00 9880.00 10357.00 10592.00
SUMATERA SELATAN 9935.00 10220.00 10652.00 10937.00 BENGKULU 9492.00 9778.00 10162.00 10409.00
LAMPUNG 9156.00 9413.00 9858.00 10114.00
KEP. BANGKA
BELITUNG 11960.00 12066.00 12666.00 12959.00 KEP. RIAU 13359.00 13566.00 13976.00 14466.00 DKI JAKARTA 17468.00 17707.00 18128.00 18527.00 JAWA BARAT 10035.00 10285.00 10790.00 11152.00 JAWA TENGAH 10153.00 10377.00 10777.00 11102.00 DI YOGYAKARTA 13229.00 13521.00 13946.00 14394.00 JAWA TIMUR 10715.00 10973.00 11380.00 11739.00 BANTEN 11469.00 11659.00 11994.00 12267.00
BALI 13279.00 13573.00 13886.00 14146.00
NUSA TENGGARA
BARAT 9575.00 9877.00 10284.00 10640.00
NUSA TENGGARA
TIMUR 7122.00 7350.00 7566.00 7769.00
KALIMANTAN BARAT 8348.00 8472.00 8860.00 9055.00 KALIMANTAN
TENGAH 10155.00 10492.00 10931.00 11236.00 KALIMANTAN
SELATAN 11307.00 11600.00 12062.00 12253.00 KALIMANTAN TIMUR 11355.00 11612.00 11917.00 12359.00 KALIMANTAN UTARA 8434.00 8643.00 8943.00 9343.00 SULAWESI UTARA 10148.00 10422.00 10731.00 11115.00 SULAWESI TENGAH 9034.00 9311.00 9488.00 9604.00 SULAWESI SELATAN 10281.00 10489.00 10814.00 11118.00 SULAWESI TENGGARA 8871.00 9094.00 9262.00 9436.00 GORONTALO 9175.00 9532.00 9839.00 10075.00 SULAWESI BARAT 8450.00 8736.00 9051.00 9235.00
MALUKU 8215.00 8433.00 8721.00 8887.00
57 PAPUA BARAT 7175.00 7493.00 7816.00 8125.00
PAPUA 6637.00 6996.00 7159.00 7336.00
Sumber: data Badan Pusat Statistika yang diolah
58 Lampiran. 4. Output Uji Normalitas Shapiro-Wilk
Uji Normalitas Shapiro-Wilk 1. Penyaluran Pembiayaan Mikro
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
2016 .247 34 .000 .666 34 .000
2017 .265 34 .000 .615 34 .000
2018 .276 34 .000 .659 34 .000
2019 .278 34 .000 .664 34 .000
Sumber: data sekunder yang diolah SPSS 2. Indeks Pembangunan Manusia
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
2016 .164 34 .020 .942 34 .073
2017 .161 34 .025 .943 34 .076
2018 .157 34 .034 .940 34 .063
2019 .161 34 .025 .943 34 .075
Sumber: data sekunder yang diolah SPSS 3. Pengeluaran per Kapita
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
2016 .159 34 .030 .907 34 .007
2017 .165 34 .020 .904 34 .006
2018 .172 34 .012 .913 34 .010
2019 .174 34 .010 .916 34 .013
Sumber: data sekunder yang diolah SPSS
59 Lampiran. 5. Output Uji Korelasi Spearman
Uji Korelasi Spearman
1. Penyaluran Pembiayaan Mikro dan Indeks Pembangunan Manusia
Periode 2016
Sumber: data sekunder yang diolah SPSS
Periode 2017
Sumber: data sekunder yang diolah SPSS
60 Spearman's rho Penyaluran
Pembiayaan Mikro
Sumber: data sekunder yang diolah SPSS
Periode 2019 Spearman's rho Penyaluran Pembiayaan
Mikro
Sumber: data sekunder yang diolah SPSS
61 2. Penyaluran Pembiayaan Mikro dan Pengeluaran per Kapita
Periode 2016 Spearman's rho Penyaluran Pembiayaan
Mikro
Pengeluaran per Kapita Correlation Coefficient
.581** 1.000
Sig. (2-tailed) .000 .
N 34 34
Sumber: data sekunder yang diolah SPSS
Periode 2017
Pengeluaran per Kapita Correlation Coefficient
.603** 1.000
Sig. (2-tailed) .000 .
N 34 34
Sumber: data sekunder yang diolah SPSS
62 Spearman's rho Penyaluran
Pembiayaan Mikro
Pengeluaran per Kapita Correlation Coefficient
.620** 1.000
Sig. (2-tailed) .000 .
N 34 34
Sumber: data sekunder yang diolah SPSS
Periode 2019 Spearman's rho Penyaluran Pembiayaan
Mikro
Pengeluaran per Kapita Correlation Coefficient
.623** 1.000
Sig. (2-tailed) .000 .
N 34 34
Sumber: data sekunder yang diolah SPSS