BAB III METODE PENELITIAN
F. Metode Analisis Data
1. Uji Validitas dan Reliabilitas a. Uji Validitas
Validitas adalah suatu ukuran yang menunjukkan tingkat kevalidan atau kesahihan suatu instrumen. Suatu instrumen dianggap valid apabila mampu mengukur apa yang diinginkan. Dengan kata lain, mampu memperoleh data yang tepat dari variabel yang diteliti.17Validitas penelitian berbicara mengenai sejauh mana kesesuaian hasil penelitian dengan keadaan yang sebenarnya atau sejauh mana hasil penelitian mencerminkan keadaan.Suatu instrumen yang valid atau sahih berarti memiliki validitas yang tinggi, sebaliknya instrumen kurang valid atau sahih mempunyai validitas rendah.
17
Bilson Simamora, Panduan Riset Perilaku Konsumen, (Jakarta: PT. Gramedia Pustaka Utama, 2002), h. 58.
Metode yang sering digunakan untuk menguji tingkat validitas instrumen adalah korelasi produk momen (product moment correlation). Ada beberapa kriteria yang dapat digunakan untuk mengetahui kuisioner yang digunakan sudah tepat untuk mengukur apa yang diukur, yaitu:18
1) Jika koefisien korelasi product moment melebihi 0,3.
2) Jika koefisien korelasi product moment > r-tabel (α ; n-2) n = jumlah sampel.
3) Nilai Sig. ≤ α.
Rumus yang bisa digunanakan untuk uji validitas dengan teknik korelasi product moment, yaitu:19
Di mana:
n = jumlah responden
x = skor variabel (jawaban responden)
y = skor total dari variabel (jawaban responden)
b. Uji Reliabilitas
Reliabilitas adalah tingkat keandalan kuisioner. Kuisioner yang reliabel adalah kuisioner yang apabila dicobakan secara berulang-ulang kepada
18
Syofian Siregar, Metode Penelitian Kuantitatif, h. 47.
19
kelompok yang sama akan menghasilkan data yang sama.20Suatu kuisioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten dari waktu ke waktu.
Metode yang digunakan untuk reliabilitas instrumen adalah teknik Cronbanch’s Alpha. Teknik atau rumus ini digunakan untuk menentukan apakah suatu instrumen penelitian reliabel atau tidak, bila jawaban yang diberikan responden berbentuk skala seperti 1-3, 1-5 dan 1-7 atau jawaban responden yang menginterpratasikan penilaian sikap. Suatu instrumen penelitian dikatakan reliabel apabila nilai Cronbach’s Alpha melebihi 0,6 ( r11> 0,6).21
Rumus yang bisa digunakan untuk mengukur reabilitas dengan teknik Cronbach’s Alpha adalah:
Di mana:
r11 = Reliabilitas instrumen σt2 = Varian total k = Banyaknya item pertanyaan atau pernyataan
∑σn2=Jumlah varian butir
20
Bilson Simamora, Panduan Riset Perilaku Konsumen, h. 63.
21
2. Uji Asumsi Klasik
Tujuan dari uji asumsi klasik regresi linier berganda adalah melihat asumsi tertentu tentang pola perilaku variabel yang dikenal dengan nama asumsi dasar model regresi yaitu normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi. Bila uji asumsi terpenuhi, maka analisis regresi linier berganda dapat digunakan sebagai hasil akhir uji hipotesis penelitian.
a. Uji Normalitas
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak.Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal.Uji normalitas dapat dilakukan dengan uji histogram, uji normal P-Plot, Skewness dan Kurtosis atau uji Kolomogorov-Smirnov.22
Pada uji normal P-Plot jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.Pada uji Kolomogorov-Smirnov dilihat dari nilai residual.Dikatakan normal bila nilai residual yang dihasilkan di atas nilai signifikansi yang ditetapkan.23
b. Uji Multikolinieritas
22
Albert Kurniawan, Metode Riset untuk Ekonomi dan Bisnis, (Bandung: Alfabeta, 2014), h. 156.
23
Uji multikolinieritas dilakukan untuk mengetahui apakah ada korelasi antarvariabel independen (IV) pada model regresi.Korelasi antar variabel independen sebaiknya kecil. Korelasi antar-IV (r < 0,8), lebih baik lagi jika (r < 0,5). Semakin kecil korelasi antar-IV semakin baik untuk model regresi yang dipergunakan.24
Beberapa kriteria untuk mendeteksi multikolinearitas pada suatu model adalah sebagai berikut:25
1) Jika nilai Variance Inflation Factor(VIF) tidak lebih dari 10 nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolinearitas. Dengan kata lain, apabila nilai VIF > 10 dan nilai Tolerance < 0,1 maka terjadi multikolinearitas.
2) Jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,70, maka model dapat dikatakan terbebas dari multikolinearitas. Jika lebih dari 0,70 maka diasumsikan terjadi korelasi (interaksi hubungan) yang sangat kuat antar variabel independen sehingga terjadi multikolinearitas.
3) Jika nilai koefisien determinasi, baik nilai R2 maupun Adjusted R2 di atas 0,60, namun tidak ada variabel independen yang berpengaruh terhadap variabel dependen, maka diasumsikan model terkena multikolinearitas.
24
Muhammad Nisfiannoor, Pendekatan Statistik Modern, (Jakarta: Salemba Humanika, 2009), h. 92.
25
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah sebuah data (group) mempunyai variansi yang sama di antara data (group) tersebut. Data yang diharapkan adalah yang memiliki variansi yang sama, dan disebut homoskedastisitas. Sedangkan jika varian tidak sama, disebut heteroskedastisitas.26
Untuk mendeteksi ada tidaknya heteroskedastisitas dengan cara melihat garafik Plots antara nilai prediksi variabel terikat (dependen), yaitu ZPRED (sumbu X) dengan residualnya SRESID (sumbu Y). Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.Jika tidak ada pola yang jelas atau tertatur, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.27
d. Uji Autokorelasi
Uji autokorelasi dilakukan untuk mengetahui apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t sebelumnya pada model regresi linier yang dipergunakan.Jika terjadi
26
Muhammad Nisfiannoor, Pendekatan Statistik Modern, h. 92.
27
korelasi, maka dinamakan ada problem autokorelasi.Dalam model regresi yang baik adalah tidak terjadi autokorelasi.28
Salah satu metode yang sering digunakan untuk menguji ada tidaknya autokorelasi adalah uji Durbin-Watson.Jika nilai Durbin Watson terletak di antara du dan 4-du(du< d < 4-du), maka model regresi tidak terdapat
permasalah autokorelasi.29
3. Analisis Regresi Linier Berganda a. Regresi Linier Berganda
Analisis regresi berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaikturunkan nilainya).30 Dengan kata lain, analisis ini digunakan untuk mengetahui seberapa besar pengaruh setiap variabel bebas (independen) terhadap variabel terikat (dependen).
Persamaan regresi linier berganda dalam penelitian ini adalah: Y = a + b1X1 + b2X2 + e
Dimana: Y = Pengambilan keputusan a = Konstanta
b = Koefisien regresi
28
Muhammad Nisfiannoor, Pendekatan Statistik Modern, h. 92.
29
Albert Kurniawan, Metode Riset untuk Ekonomi dan Bisnis, h. 158.
30
X1 = Motif rasional
X2 = Motif emosional e = Standard error
b. Uji Koefisien Determinasi (R Square)
Koefisien determinasi adalah sebuah koefisien yang memperlihatkan besarnya variasi yang ditimbulkan oleh variabel bebas yang dinyatakan oleh prosentase.Koefisien determinasi bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 sampai 1. Jika nilai R mendekati 1, maka pengaruh variabel X terhadap variabel Y sangat besar.Sebaliknya, jika nilai R menjauhi angka 1 maka pengaruh variabel X terhadap variabel Y adalah sangat kecil.31
c. Uji Hipotesis
1) Uji Simultan dengan F-Test
Uji F-test bertujuan untuk mengetahui pengaruh bersama-sama (simultan) variabel independen terhadap variabel dependen. Hasil F-test ini pada output SPSS dapat dilihat pada tabel ANOVA. hasil F-test menunjukkan variabel independen secara bersama-sama berpengaruh terhadap variabel dependen jika p-value (pada kolom Sig.) lebih kecil dari level of significant yang ditentukan, atau F hitung (pada kolom F) lebih
31
Kadir, Statistika untuk Penelitian Ilmu-ilmu Sosial, (Jakarta: Rosemata Sampurna, 2010), h. 130.
besar dari F tabel. F tabel dihitung dengan cara df1 = k-1, dan df2 = n-k, k adalah jumlah variabel dependen dan independen.32
Hipotesis dalam uji F ini adalah:
H0: Motif rasional dan motif emosional secara simultan
(bersama-sama) tidak berpengaruh signifikan terhadap keputusan mahasiswa dalam memilih bank syariah.
H1: Motif rasional dan motif emosional secara simultan (bersama-sama) berpengaruh signifikan terhadap keputusan mahasiswa dalam memilih bank syariah.
2) Uji Parsial dengan t-Test
Uji t-test bertujuan untuk mengetahui besarnya pengaruh variabel independen secara individual (parsial) terhadap variabel dependen. Pada output SPSS dapat dilihat pada tabel coefficienta. Nilai dari uji t-test dapat dilihat dari p-value (pada kolom Sig.) pada masing-masing variabel independen, jika p-value lebih kecil lebih kecil dari level of significant yang ditentukan, atau t-hitung (pada kolom t) lebih besar dari t-tabel.33
Hipotesis dalam uji t ini adalah:
H0: Motif rasional secara parsial tidak berpengaruh signifikan terhadap keputusan mahasiswa dalam memilih bank syariah.
32
Kadir, Statistika untuk Penelitian Ilmu-ilmu Sosial, h. 149.
33
H1: Motif rasional secara parsial berpengaruh signifikan terhadap keputusan mahasiswa dalam memilih bank syariah.
H0: Motif emosional secara parsial tidak berpengaruh signifikan terhadap keputusan mahasiswa dalam memilih bank syariah.
H2: Motif emosional secara parsial berpengaruh signifikan terhadap
keputusan mahasiswa dalam memilih bank syariah.