BAB XII ANALISIS PERILAKU NASABAH DALAM MEMILIH
F. Metode Analisis
Faktor Keterangan
Produk (F1) Penerapan produk sistem bagi hasil (X1), Pembiayaan dengan bagi hasil (X2), Pembiayaan dengan bagi hasil lebih aman (X3), Beda bank konvensional dengan bank syariah pada bunga (X4)
Harga (F2) Bagi hasil lebih menguntungkan (X5), keuntungan yang diperoleh merupakan motivasi (X6), Kecocokan dengan sistem bagi hasil (X7), Sistem bagi hasil lebih baik dari sistem bunga (X8)
Promosi (F3) Publikasi media masa (X9), Kunjungan personil pegawai (X10)
Diatribusi (F4) Lokasi mudah dijangkau (X11), Lokasi dekat pertokoan (X12), Lokasi dekat perumahan (X13)
Lingkungan Fisik (F5)
Tempat parkir luas dan aman (X14), Gedung yang megah (X15) Proses (F6) Kemudahan transaksi (X16), Operasional bank syariah lebih baik (X17)
Tanggap terhadap keluhan masyarakat (X18)
Personal (F7) Pegawai rapih (X19), Sikap ramah (X20), Pegawai terampil (X21), Profesional (X22)
Agama (F8) Alasan ajaran Islam (X23), Pengaruh ajaran Islam (X24), Produk dengan istilah Islam (X25), Sistem bunga bertentangan dengan ajaran Islam (X26) Kelas Sosial (F9) Jenis pekerjaan atau usaha (X27), Tingkat pendidikan (X28), Pengaruh
Pendapatan (X29)
Referensi (F10) Pengaruh teman/tetangga (X30), Pengaruh ulama / fatwa MUI (X31)
Keluarga (F11) Pengaruh keluarga (X32), Pendapatan anggota keluarga (X33), Pengalaman keluarga yang berpengaruh (X34)
Teknologi (F12) Penggunaan ATM (X35)
Motivasi/ Kebutuhan (F13)
Kebutuhan secara materil (X36), Kebutuhan spiritual (X37), Kebutuhan memenuhi transaksi (X38)
Ciri (F14) Mengetahui potensi bank syariah di masa datang (X39), Mengetahui operasional bank konvensional mengandung riba (X40)
Kejiwaan (F15) Kinarja bank syariah dimasa akan datang (X41), Kemampuan dalam melaksanakan tanggung jawab (X42), Perkembangan bank syariah dimasa akan datang (X43), Peluang dimasa akan datang (X44), Pengalaman responden (X45)
F. Metode Analisis
Berdasarkan permasalahan, metode analisis yang digunakan dalam penelitian ini adalah:
Uji Validitas dan Reliabilitas Instrumen Penelitian
Dalam penelitian ini, instrumen pengumpulan data yang digunakan adalah kuesioner. Setelah data terkumpul, harus diuji validitas dan reliabilitasnya terlebih dahulu. Validitas dan reliabilitas instrumen penelitian menjadi penting, karena proses pengumpulan data
penelitian seringkali menuntut pembiayaan, waktu, tenaga yang tidak sedikit, tidak akan berguna jika instrumen pengumpulan data penelitian tidak memiliki validitas dan reliabilitas yang tinggi.
Validitas Instrumen Penelitian
Validitas instrumen penelitian, sebagaimana yang dikemukakan oleh Singarimbun (1989: 122) adalah validitas menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang diukur. Validitas instrumen penelitian menurut Parasuraman (1991) dapat digolongkan dalam beberapa jenis, yakni: content validity (validitas isi), construct validity (validitas konstruk), predictitive validity (validitas prekdiksi). Alat pengukur penelitian ini menggunakan validitas konstruk. Konstruk adalah kerangka dari suatu konsep. Kuisioner penelitian terbentuk dari konsep tentang faktor-faktor perilaku nasabah. Sebuah konsep tersusun dari beberapa komponen atau peubah . Bila pada uji validitas instrumen penelitian ditemukan sebuah komponen yang tidak valid, dapat dikatakan bahwa komponen tersebut tidak konsisten mendukung sebuah konsep.
Beberapa langkah pengujian validitas yang dikemukakan oleh Singarimbun (1989: 132-139), adalah:
Mendefinisikan secara operasional konsep yang akan diukur
Melakukan uji coba skala pengukur (skala Likert pada kuesioner) pada sejumlah responden. Disarankan agar jumlah responden untuk uji coba adalah 25 responden diambil secara acak.
Mempersiapkan tabel tabulasi jawaban.
Menghitung korelasi antara masing-masing pertanyaan dengan total dengan menggunakan rumus teknik korelasi product moment, adalah:
r =
2 2 2 2 ) ( ) ( ) ( ) ( Y Y N X X N Y X XY N dimana:r = korelasi product moment X = skor pertanyaan tertentu Y = skor total
Angka korelasi yang diperoleh harus dibandingkan dengan angka kritik tabel. Korelasi nilai r.
Hasil uji validitas konstruk merupakan hasil uji atas hipotesis:
Ho = Tidak terdapat korelasi antara sebuah pertanyaan dengan pertanyaan lain yang mendukung sebuah konsep.
Hi = Terdapat korelasi antara sebuah pertanyaan dengan pertanyaan lain yang mendukung sebuah konsep
Penolakan terhadap Ho dapat dilakukan dengan 2 cara: - Nilai korelasi product moment > angka kritis
- Probabilitas kesalahan menolak Ho (p) < taraf signifikansi ( = 0.05) 2. Reliabilitas Instrumen Penelitian
Sebagaimana yang dikemukakan Singarimbun (1989:140) bahwa reliabilitas adalah indeks yang menunjukkan sejauhmana suatu alat pengukur dapat dipercaya atau diandalkan. Bila suatu alat pengukur dipakai 2 kali untuk mengukur gejala yang sama dan hasil yang diperoleh relatif konsisten, maka alat pengukur tersebut reliable.
Menurut Ebel dan Frisbie (1991) bahwa uji reliabilitas instrumen
penelitian menghasilkan alpha yang telah dibakukan (standardized item alpha) dan nilai alpha ini harus lebih besar dari reliabilitas yang diijinkan. Tabel berikut menerangkan reliabilitas instrumen penelitian yang diijinkan dihubungkan dengan jumlah butir pertanyaan yang dimiliki sebuah kuesioner.
Tabel 6. Hubungan Jumlah Butir Dengan Reliabilitas Instrumen Penelitian
Jumlah Butir Reliabilitas 5 10 20 40 80 160 320 640 0.20 0.33 0.50 0.67 0.80 0.89 0.94 0.97
Sumber: Robert L Ebel, David A. Frisbie, 1991, Essential of Educational Measurement, Englewood cliffs, Prentice-Hall, Inc, hal 89.
Analisis Deskriptif
Analisis deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna (Walpole, 1995). Analisis deskriptif digunakan untuk memberikan informasi mengenai sekumpulan data dan mendapatkan gagasan untuk keperluan analisis selanjutnya, jika diperlukan analisis ini meliputi ukuran pemusatan, ukuran penyebaran, tabel, diagram, dan grafik. Akan tetapi jika dari hasil analisis ini sudah dapat diambil kesimpulan yang tepat, maka tidak perlu menganalisis dengan cara yang lebih rumit (Clark dan Schade, 1983).
Analisis Faktor
Analisis Faktor digunakan untuk mereduksi 45 sub peubah kedalam 15 faktor yang mempengaruhi perilaku nasabah dalam memilih Bank Syariah.
Dari hasil analisis faktor, ditentukan satu atau lebih sub peubah yang dianggap layak sebagai faktor dengan kriteria berdasarkan eigen value yang lebih besar atau sama dengan satu. Untuk mengetahui peranan masing-masing peubah ditentukan oleh besarnya factor loading dari masing-masing peubah, dimana peubah yang memiliki peranan utama akan memiliki factor loading terbesar.
Menurut Malhotra (1993 : 620), analisis faktor adalah serangkaian prosedur yang digunakan untuk mengurangi dan meringkas data. Model analisis faktor adalah sebagai berikut :
XI = Ai1F1 + Ai2F2 + Ai3F3 + ….. + AimFm + ViUi
dimana :
Xi = standarisasi peubah ke i
Aij = standarisasi koefisien regresi berganda peubah i pada common factor j. F = faktor umum
Vi = standarisasi koefisien regresi peubah i pada faktor khusus (unique) i.
Ui = faktor khusus bagi peubah i.
Faktor-faktor yang khusus (unik) itu tidak berhubungan satu sama lain, juga tidak ada korelasinya dengan faktor-faktor umum. Faktor-faktor umumnya sendiri dapat dinyatakan sebagai kombinasi linier dari peubah-peubah yang dapat diamati, yaitu
Fi = Wi1X1 + Wi2X2 + Wi3X3 + …. + WikXk dimana
Fi = estimasi faktor ke i.
Wi = bobot atau koefisien nilai faktor K = jumlah peubah
Tahapan dalam analisis faktor terdiri dari: 1. Formulasi permasalahan
Beberapa kegiatan dalam formulasi permasalahan meliputi, identifikasi tujuan analisis faktor. Peubah-peubah yang akan dilakukan reduksi dalam analisis faktor harus didasarkan pada penelitian terdahulu.
2. Menyusun matriks korelasi
Proses analisis faktor didasarkan pada korelasi antar peubah atau objek. Faktor yang dibentuk atau diestimasikan adalah peubah-peubah atau objek-objek berkorelasi signifikan. Namun demikian seringkali tidak mudah untuk mengidentifikasi signifikansi korelasi antar peubah. Oleh karena dimungkinkan peubah yang satu dengan yang lainnya saling berkorelasi tidak hanya dengan dua peubah, namun bisa lebih dari dua peubah atau objek.
Metode statistik dapat digunakan untuk membantu menguji model faktor yang dibentuk berdasarkan korelasi antar peubah. Uji yang sering digunakan adalah KMO (Keiser-Meyer-Olkin) atau Bartlett‟s Test. Pengujian ini didasarkan pada matriks korelasi. Matriks korelasi dalam analisis faktor harus merupakan matriks identitas. Dalam matriks identitas, seluruh diagonal matriks adalah satu, sedangkan off-diagonal sama dengan nol. Nilai KMO yang rendah menunjukkan bahwa analisis faktor tidak dapat untuk digunakan. Secara empiris besarnya KMO minimal 0,5. Bila KMO dibawah 0,5, maka penelitian tersebut tidak semestinya menggunakan analisis faktor. KMO tersebut dapat dihitung dengan formulasi sebagai berikut:
i j ij i j j i ij a r r KMO 2 2 23. Metode Ekstraksi Dalam Analisis Faktor
Dalam analisis faktor harus ditentukan metode yang akan digunakan. Dua metode dasar yang bisa digunakan dalam analisis faktor, yakni Principal Components Analysis dan Common Factor Analysis. Pada Principal Components Analysis digunakan untuk menentukan jumlah faktor minimal dengan varians maksimal, sehingga menghasilkan faktor yang disebut Principal Components. Sedangkan pada Common Factor Analysis faktor yang diestimasikan didasarkan pada Common Variance. Hasil bagi antara Eigen
Values dengan jumlah faktor yang dibentuk menghasilkan variance.
Beberapa metode yang bisa digunakan untuk ekstraksi faktor umum (Common
Factor), antara lain adalah Principal Component. Dalam metode ini diagonal matriks
korelasi diganti dengan Communality. Proses ini dilakukan berulang-ulang sampai besarnya angka komunaliti tidak mengalami perubahan. Komunaliti dapat dicari dengan formulasi sebagai berikut:
Xi = b1F1 + b2F2 + …….. + bnFn + e
m j ei Var ijFj Var Xi Var 1 F dan e tidak berkorelasi
Selain menggunakan metode di atas bisa pula menggunakan metode lain. Metode tersebut antara lain Unweighted Least Square Procedur, Maximum Likelihood. 4. Menentukan Jumlah Faktor
Pertanyaan yang muncul dalam analisis faktor adalah dari sejumlah peubah yang direduksi akan menjadi beberapa faktor. Beberapa prosedur yang bisa digunakan untuk menentukan jumlah faktor yang dibentuk adalah:
a. A Priori Determination.
Peneliti telah mengetahui atau mempunyai banyak pengetahuan tentang jumlah faktor yang dianalisis. Dengan demikian peneliti dalam melakukan ekstraksi sudah dapat menentukan beberapa faktor yang akan dibentuk dari hasil reduksi.
b. Determination Based on Eigenvalues
Pada pendekatan ini, hanya faktor yang mempunyai nilai eigen (Eigenvalues) yang lebih dari 1 (satu) yang dipakai, sedangkan faktor yang mempunyai nilai eigen kurang dari 1 tidak dimasukkan dalam model.
c. Determination Based on Scree plot
Scree plot antara eigenvalues dengan jumlah faktor berguna dalam menentukan jumlah faktor dalam model.
d. Percentase of variance
Pada pendekatan ini jumlah faktor yang berekstraksi ditentukan berdasarkan persentase varians komulatif. Beberapa jumlah varians yang diinginkan tergantung dari permasalahan peneliti. Namun demikian terkadang digunakan patokan minimal 60 %.
e. Split Half Reliability
Pada pendekatan ini jumlah faktor yang dipakai dalam model tergantung dari korespondensi antar sampel. Jika nilainya tinggi, maka faktor tersebut diterima sebagai model.
f. Significance test
Hal ini dapat dilakukan pengujian signifikan faktor. Untuk dapat melakukan uji signifikan biasanya menggunakan sampel minimal 200 sampel (Widayat, 2004).
5. Rotasi Faktor
Salah satu keluaran (output) yang penting dalam analisis faktor adalah matriks faktor (Factor matrix) atau sering disebut dengan Factor Pattern Matrix. Faktor matriks ini tidak lain adalah koefisien atau disebut factor loading, yang mencerminkan korelasi antara peubah dengan faktor yang dibentuk. Nilai loading factor yang tinggi menunjukkan peubah dengan faktor berkorelasi tinggi.
Dalam analisis faktor sebelum dilakukan rotasi juga sudah membentuk faktor loading factor, namun terkadang masih sulit diinterpretasi karena ada satu atau beberapa peubah yang mempunyai korelasi tinggi dengan lebih dari satu faktor. Beberapa metode rotasi yang dapat digunakan, yakni:
a. Orthogonal
Pada metode rotasi setiap sumbu faktor saling berpotongan tegak lurus (orthogonal) dirotasi, dengan catatan sumbu faktor tetap tegak lurus.
b. Varimax
Pada metode rotasi ini variasi loading faktor disederhanakan untuk kolom yang sama.
Prinsip penyederhanaan variasi faktor loading tiap peubah (variasi pada baris yang sama dalam factor matrix). Tiap sumbu faktor dengan cara tertentu (sudut tertentu) sehingga menghasilkan sejumlah faktor, yang mana setiap peubah mempunyai loading yang menyolok pada satu faktor tertentu.
d. Oblique (condong)
Metode ini menggunakan prinsip penyederhanaan variasi loading factor menurut baris dan kolom, namun tidak saling tegak lurus.
e. Equamax
Pada metode ini penyederhanaan loading factor didasarkan pada kolom dan baris.
Hasil proses analisis faktor yang menunjukkan nilai eigen value sama dengan satu atau lebih dianalisis dalam Model Logit/Probit.
Analisis Regresi Logit/Probit (Regresi Logistik)
Analisis regresi Logit Probit digunakan untuk menguji hipotesis 1, 2, dan 3 yaitu sub peubah-peubah mana (lebih spesifik) yang mewakili 15 faktor mempunyai pengaruh signifikan terhadap perilaku nasabah dalam memilih bank syariah.
Model logit/probit dinyatakan dalam suatu bentuk model probabilistik, dimana
dependent variable adalah logaritma dari probabilitas suatu situasi atau atribut yang akan
berlaku dengan syarat atau kondisi adanya peubah-peubah bebas tertentu (Gujarati 1995). Model ini didasarkan pada fungsi peluang logistik kumulatif, yang dapat diformulasikan:
P E Y X X i i i i ( | ) exp ( ) 1 1 1 0 =
Ekspresi -(0 + i) sering diganti dengan z, sehingga fungsi tersebut berubah menjadi:
P E Y X z i i ( | ) exp ( ) 1 1 1 =
Dalam model logit/probit, dependent variable atau Pi hanya memiliki dua bentuk: "Ya" dan "Tidak", atau "Sangat Setuju" dan "Sangat Tidak Setuju", dimana jawaban positif bernilai 1 sedangkan jawaban negatif bernilai 0. Karenanya, apabila nilai z adalah sangat
besar dan positif sehingga nilai exp (-z) menjadi sangat kecil namun tidak akan pernah sama dengan 0 (hanya mendekati nol).
Dari hasil olahan analisis model logit/probit akan muncul odd ratio yang menentukan besaran pengaruh terhadap preferensinya. Sedangkan besaran nilai koefisien (B) menentukan fungsi dari nilai z yang jumlah minimal mendekati 0 dan maksimal mendekati 1, serta menentukan nilai Pi.
Teknik statistik analisis faktor serta model logit dan probit diolah menggunakan komputer melalui program SPSS Ver 11.5
Analisis Regresi Berganda
Untuk menguji hipotesis ke 4 tentang pengaruh Dana Pihak Ketiga dan Produk Domestik Regional Bruto terhadap potensi pertumbuhan perbankan syariah, digunakan metode analisis regresi berganda dengan formulasi, yakni sebagai berikut:
BSi = b0 + b1PDRBi + b2MPi + ei Dimana:
BS = Jumlah Bank Syariah DPK = Dana Pihak Ketiga
PDRB = Produk Domestik Regional Bruto b0 = Konstanta (intercept)
b1 dan b2 = Koefisien regresi
e = Faktor kesalahan (error term) i = 1,2, ….., n
Metode Pengujian Data dan Model
Tujuan penggunaan model persamaan regresi berganda adalah untuk mengetahui hubungan (korelasi) antara masing-masing peubah independen dengan peubah dependen. Pengujian dilakukan pula untuk mengetahui pengaruh secara parsial ataupun secara simultan dari peubah independen terhadap peubah dependen. Semua pengujian ditetapkan pada tingkat kepercayaan (level of significance) 95 % atau alpha = 5 % atau kesediaan untuk menerima kesalahan sebesar 5 %.
Pengujian-pengujian yang dilakukan dalam penelitian ini adalah sebagai berikut: 1. Goodness of Fit
Pengujian goodness of fit dilakukan untuk mengetahui apakah ada hubungan (korelasi) antara peubah independen dengan peubah dependen. Ukuran yang digunakan untuk goodness of fit dari model linear adalah R2 atau koefisien determinasi. R2 yang mempunyai nilai nol (0) tidak harus berarti tidak ada hubungan antara peubah-peubah, akan tetapi hanya menunjukkan tidak ada hubungan linear.
Besarnya angka koefisien korelasi berkisar pada 0 (tidak ada korelasi sama sekali) atau tidak ada hubungan linear, dan 1 (korelasi sempurna). Tanda negatif (-) menunjukkan adanya arah yang berlawanan, sedangkan tanda positif (+) menunjukkan arah yang sama. Untuk mengetahui apakah angka koefisien benar-benar signifikan, atau dapat digunakan untuk menjelaskan hubungan antara peubah-peubah, maka dilakukan uji hipotesis.
H0 : Tidak ada hubungan antara peubah-peubah atau = 0 Ha : Ada hubungan antara peubah-peubah atau 0
Pengujian dilakukan dua sisi karena akan diketahui ada atau tidak ada hubungan (korelasi), dan bukan lebih besar atau lebih kecil. Apabila didasarkan pada nilai probabilitas (P), maka:
H0 diterima, jika nilai probabilitas > 0,05 H0 ditolak, jika nilai probabilitas 0,05 2. Uji Regresi Berganda
Uji regresi ini dilakukan untuk mengetahui seberapa besar pengaruh parsial dan secara simultan dari peubah independen terhadap peubah dependen.
Pengujian dilakukan dengan menggunakan uji t (student‟s test) dan uji F (Fisher
test) dengan hipotesis:
H0 : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
a. Membandingkan statistik hitung dengan statistik tabel H0 diterima, jika statistik thitung < statistik ttabel
H0 ditolak, jika statistik thitung > statistik ttabel b. Berdasarkan probabilitas
H0 diterima, jika probabilitas > 0,05 H0 ditolak, jika probabilitas 0,05
Selanjutnya, untuk mengetahui seberapa besar pengaruh secara simultan dari peubah independen terhadap peubah dependen digunakan uji F, dianalisis dengan menggunakan ANOVA (Analysis of Variance).
H0 diterima, jika statistik Fhitung < statistik Ftabel H0 ditolak, jika statistik Fhitung > statistik Ftabel
3. Uji Durbin-Watson (DW = d statistics)
Pengujian Durbin-Waston dilakukan untuk mendeteksi adanya otokorelasi (autocorrelation) diantara peubah-peubah independen atau peubah penjelasan (pelanggaran asumsi klasik). Pengujian dilakukan dengan melalui prosedur sebagai berikut:
a. Hipotesis:
H0 : Tidak ada otokorelasi
Ha : Ada otokorelasi positif (+) dan otokorelasi negatif (-) b. Tidak ada otokorelasi positif untuk hipotesis nol apabila: d dL : H0 ditolak
d dU: H0 diterima
dL d dU : Tidak dapat disimpulkan
c. Tidak ada otokorelasi negatif untuk hipotesis nol apabila: d 4 – dL : H0 ditolak
d 4 – dU : H0 diterima
4 – dU d 4 – dL : Tidak dapat disimpulkan
d. Tidak ada otokorelasi positif atau negatif (dua arah) untuk hipotesis nol apabila:
d dL : H0 ditolak d < dU : H0 diterima
dU d 4 – dU : Tidak dapat disimpulkan 4. Backward Elimination
Penggunaan backward elimination adalah untuk mengetahui adanya multikolinearitas diantara peubah-peubah independen (pelanggaran asumsi klasik). Pengujian dilakukan dengan cara mengeluarkan (removed) satu per satu peubah yang tidak layak masuk dalam regresi. Tahapan-tahapan mengeluarkan peubah yang tidak layak, akan
diikuti oleh perubahan Adjusted R Square (R2 yang disesuaikan). Semakin tinggi R2 yang disesuaikan, semakin baik bagi model regresi. Selain itu, apabila pada tahapan-tahapan mengeluarkan peubah yang tidak layak akan terjadi penurunan Standard Error of
Estimate, maka model regresi akan menjadi lebih baik (peubah independen bertindak
sebagai prediktor yang baik terhadap peubah dependen).
Selain R2 yang disesuaikan dengan standard error of estimate, dalam pengujian
backward elimination digunakan pula batas toleransi (tolerance) dan variance inflation factor (VIF). Semua peubah yang dimasukkan dalam model regresi harus mempunyai
toleransi di atas 0,0001. Sedangkan nilai VIF yang lebih besar dari 5 menunjukkan indikasi adanya persoalan multikolinearitas antara peubah independen. Persoalan
multikolinearitas dalam model regresi dapat juga dideteksi melalui eigenvalue dan condition index. Jika eigenvalue mendekati nol (0), maka ada indikasi terjadinya multikolinearitas. Jika condition index mempunyai angka melebihi 15, maka ada persoalan multikolinearitas dan jika lebih besar dari 30, maka persoalan multikolinearitas
benar-benar serius.
5. Forward Elimination
Pengujian adanya multikolinearitas dengan menggunakan forward elimination dilakukan dengan cara memasukkan peubah independen atau peubah penjelasan kedalam model persamaan regresi secara satu per satu (tidak sekaligus seperti pada pengujian
backward elimination). Untuk regresi berganda digunakan Adjusted R2 (R2 yang disesuaikan) sebagai koefisien determinasi. Apabila penambahan peubah independen menyebabkan R2 yang disesuaikan bertambah besar, maka semakin baik model regresi tersebut, karena peubah independen dapat menjelaskan peubah dependen menjadi lebih besar. Selanjutnya, penambahan peubah independen kedalam model regresi, akan menyebabkan terjadinya penurunan standard error of estimate sampai lebih kecil dari standar deviasi peubah dependen, maka model regresi akan lebih baik dalam bertindak sebagai predictor peubah dependen dari pada rata-rata peubah dependen itu sendiri.
Prosedur pengujian forward elimination untuk menentukan adanya persoalan multikolinearitas, digunakan juga batas toleransi, Variance Inflation Factor (VIF),
Eigenvalue, dan Condition Index seperti pada pengujian backward elimination.
6. Stepwise Method
Metode pengujian ini paling sering dipakai dalam analisis regresi. Pengujian-pengujian yang dilakukan hampir sama dengan forward elimination, perbedaannya terletak
pada cara memasukkan peubah dalam model. Pada Stepwise Method, peubah independen yang telah dimasukkan dalam model regresi dapat dikeluarkan lagi dalam model. Tahapan-tahapan pengujian dimulai dengan memasukkan peubah independen yang memiliki korelasi yang paling kuat dengan peubah dependen. Setiap kali memasukkan peubah independen yang lainnya dilakukan pengujian untuk tetap memasukkan peubah independen atau mengeluarkannya. Analisis pengujian ini, sama dengan analisis pada pengujian backward elimination maupun forward elimination.