Metode Analisis Data

BAB III METODELOGI PENELITIAN

D. Metode Analisis Data

Penelitian ini menggunakan metode analisis data kuantitatif deskriptif, yaitu dimana data yang digunakan dalam penelitian ini ingin membuktikan apakah terdapat pengaruh antara persepsi kegunaan, persepsi kemudahan, pengetahuan produk dan kepercayaan berpengaruh terhadap minat menggunakan IB Hasanah Card. Pengolahan data pada penelitian ini menggunakan software SPSS 23. Metode yang digunakan dalam menganalisis data pada penelitian ini adalah :

1. Uji Kualitas Data a. Uji Validitas Data

Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Sugiyono, 2011, p. 202).

Pengukuran Validitas dapat dilakukan dengan salah satu cara yaitu dengan melakukan korelasi antar skor butir pertanyaan dengan total skor konstruk atau variabel. Uji signifikansi dilakukan dengan membandingkan nilai rhitung dengan rtabel untuk degree of freedom (df)

= n-2, dalam hal ini n adalah jumlah sample. Jika r hitung lebih besar

dari r table dan nilai positif maka butir atau pertanyaan atau indikator tersebut dinyatakan valid (Sugiyono, 2011, p. 207). Berikut disajikan bentuk perhitungan untuk uji validitas dengan rumus Pearson Product Moment :

𝒓_𝒙𝒚 = 𝑵 ∑𝑿𝒀 − ∑𝑿∑𝒀

√{𝑵∑𝑿^𝟐−(∑𝑿)^𝟐}{𝑵∑𝒀^𝟐− (∑𝒀)^𝟐} Keterangan :

rxy = koefisiensi korelasi

X = skor pertanyaan tiap nomor Y = jumlah skor total pertanyaan N = jumlah responden

b. Uji Reliabilitas Data

Reliabilitas sebenarnya adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu.

Pengukuran Reliabilitas dapat dilakukan dengan dua cara yaitu : (1). Repeated Measure atau pengukuran ulang, disini seseorang

akan disodori pertanyaan yang sama pada waktu yang berbeda, dan kemudian dilihat apakah ia tetap konsisten dengan jawabannya.

(2). One Shot atau pengukuran sekali saja, disini pengukurannya hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan.

SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbach Alpha. Suatu konstruk atau variabel yang dikatakan reliabel jika memberikan nilai Cronbach Alpha>0.70 (Sugiyono, 2011, p. 213).

Berikut disajikan bentuk perhitungan untuk uji validitas dengan rumus Cronbach Alpha :

𝑟₁₁= ( 𝑛

𝑛 − 1^{) (}1 − ∑𝜎_𝑡² 𝜎_𝑡^{2 )}

Keterangan :

r11 = reliabilitas yang dicari

n = jumlah item pertanyaan yang diuji

∑𝜎_𝑡² = jumlah varians skor tiap-tiap item 𝜎_𝑡² = varians total

2. Uji Asumsi Klasik

Sebelum melakukan analisis regresi, perlu dilakukan pengujian asumsi klasik terlebih dahulu, agar data sampel yang diolah benar-benar dapat mewakili populasi secara keseluruhan. Uji asumsi klasik dalam penelitian ini mencakup uji multikolineritas dan uji heterokedastisitas. Uji asumsi tersebut secara lebih jelas diuraikan sebagai berikut:

a. Uji Multikolinearitas

(Husein, 2013, p. 139) mengatakan uji multikolinearitas berguna untuk mengetahui apakah pada model regresi yang diajukan telah ditemukan korelasi kuat antar variabel independen. Jika terjadi korelasi kuat, terdapat masalah multikolinieritas yang harus diatasi.

Kriteria pengambilan keputusan jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,70 berarti tidak terjadi multikolinearitas. Model regresi yang baik adalah model regresi yang tidak terjadi multikolinearitas yaitu nilai VIF (Varian Inflation Factors) < 10. VIF dapat dihitung dengan rumus:

VIF = ¹

𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑒 𝑉𝑎𝑙𝑢𝑒

Tolerance Value dan VIF menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya atau dalam pengertian sederhana setiap variabel independen menjadi variabel

dependen (terikat). Tolerance Value mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1/Tolerance Value.

Nilai yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance Value ≥ 0,10 atau sama dengan nilai VIF ≤ 10 maka tidak terjadi multikolonieritas antar variabel independennya (Ghozali, 2016, p. 103).

b. Uji Heteroskedastisitas

Husein (Husein, 2013, p. 179) mengatakan uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian residual dari satu observasi dengan yang lain.

Pengujian ini dilakukan dengan menggunakan uji glejser. Uji glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen, dengan rumus:

Ut = ∝ + βXt + Vt

Kriteria terjadinya heteroskedastisitas dalam suatu model regresi adalah jika signifikansinya <0,05, yang berarti bahwa apabila signifikansinya > 0,05 penelitian dapat dilanjutkan.

c. Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal.

Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.

Menurut Ghozali, asumsi yang paling fundamental dalam analisis multivariate adalah normalitas, yang merupakan bentuk suatu distribusi data pada suatu variabel metrik tunggal dalam menghasilkan distribusi normal. Suatu distribusi data yang tidak membentuk distribusi normal,

maka data tersebut tidak normal, sebaliknya data dikatakan normal apabila ia membentuk suatu distribusi normal. Apabila asumsi normalitas tidak dipenuhi dan penyimpangan normalitas tersebut besar, maka seluruh hasil uji statistik adalah tidak valik karena perhitungan uji

“t” dan lain sebagainya, dihitung dengan asumsi data normal (Ghozali, 2016, p. 154). Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.

1.) Analisis Grafik

Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil.

Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal.

Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya (Ghozali, 2016, p. 155).

3. Analisis Regresi Linier Berganda

Teknik analisis data dalam penelitian ini menggunakan regresi linier berganda. Analisis regresi linier berganda digunakan untuk menentukan pengaruh dua atau lebih variabel dependen (variabel bebas) terhadao satu variabel independen (variabel terikat) atau untuk membuktikan ada atau tidaknya hubungan fungsional antara dua buah variabel bebas (X) atau lebih dengan sebuah variabel terikat (Y).

Penelitian ini menggunakan teknik Analisis Regresi Linier Berganda dengan menggunakan program Statistical Product and Service Solution (SPSS). Variabel dependen adalah minat menggunakan IB Hasanah Card sedangkan variabel independen meliputi persepsi kegunaan, persepsi kemudahan, pengetahuan produk dan kepercayaan. Model persamaan linier berganda adalah sebagai berikut:

𝑌 =  + 𝛽₁𝑋₁+ 𝛽₂𝑋₂+ 𝛽₃𝑋₃+ 𝛽₄𝑋₄+ 𝑒 Keterangan:

Y : minat menggunakan IB Hasanah Card α : koefisien konstanta

β1, β2,β3,𝛽₄ : koefisien regresi X1 : persepsi kegunaan X2 : persepsi kemudahan X3 : pengetahuan produk X4 : kepercayaan

e : error

4. Pengujian Hipotesis

a. Uji Signifikasi Parameter Individual (Uji t)

Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasan atau independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2016, p. 93).

Rumus uji t dijelaskan sebagai berikut : 𝑡_𝑢𝑗𝑖= 𝑟√𝑛 − 1

√1 − 𝑟² Keterangan :

tuji = t hitung

r = koefisien korelasi n = jumlah sampel n – 1 = derajat kebebasan

Pengujian ini bertujuan untuk menguji apakah variabel bebas (persepsi kegunaan, persepsi kemudahan, pengetahuan produk dan kepercayaan) terhadap variabel terikat (minat menggunakan IB Hasanah Card) berpengaruh secara parsial atau terpisah. Hipotesa yang akan digunakan dalam pengujian ini adalah:

H0 : β1 = 0, artinya variabel-variabel bebas (persepsi kegunaan, persepsi kemudahan, pengetahuan produk dan kepercayaan tidak memiliki pengaruh yang signifikan terhadap variabel terikat (minat menggunakan IB Hasanah Card).

Ha : β1 ≠ 0, artinya bahwa variabel-variabel bebas (persepsi kegunaan, persepsi kemudahan, pengetahuan produk dan kepercayaan) mempunyai pengaruh yang signifikan terhadap variabel terikat (minat menggunakan IB Hasanah Card).

Dasar pengambilan keputusannya adalah (Ghozali, 2016, p. 93):

1.) Dengan membandingkan nilai thitung dan ttabel.

Apabila ttabel > thitung maka H0 diterima dan Ha ditolak.

Apabila ttabel< thitung maka H0 ditolak dan Ha diterima Dengan tingkat signifikansi 95% (α = 5%), nilai df (degree of freedom) n-k-1.

2.) Dengan menggunakan angka probabilitas signifikansi.

Apabila angka probabilitas signifikansi > 0,05 maka H0

diterima dan Ha ditolak. Apabila angka probabilitas signifikansi

< 0,05 maka H0 ditolak dan H1 diterima.

b. Uji Signifikasi Simultan (Uji F)

Uji F pada dasarnya menunjukkan apakah semua variabel independent yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2016, p.

94).

Rumus uji F :

𝐹 = 𝑅²(𝑁 − 𝑚 − 1) 𝑚 (1 − 𝑅²) Keterangan :

N = jumlah subjek

m = jumlah variabel prediktor Dasar pengambilan keputusannya adalah:

1.) Membuat hipotesis dengan kasus pengujian F-test :

a.) H0 : β1, β2, β3, β4 = 0 , artinya tidak ada pengaruh yang signifikan dari variabel independen (persepsi kegunaan, persepsi kemudahan, pengetahuan produk dan kepercayaan) secara simultan terhadap variabel dependen (minat menggunakan IB Hasanah Card).

b.) Ha : β1, β2, β3, β4 ≠ 0 , artinya ada pengaruh signifikan antara variabel independen (persepsi kegunaan, persepsi kemudahan, pengetahuan produk dan kepercayaan) secara simultan terhadap variabel dependen (minat menggunakan IB Hasanah Card).

2.) Menentukan Ftabel dan Fhitung dengan tingkat kepercayaan sebesar 95% atau taraf signifikansi sebesar 5% (α = 0,05).

a.) Apabila Fhitung > Ftabel maka H0 ditolak dan Ha diterima, yang artinya masing-masing variabel independen secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel dependen.

b.) Apabila Fhitung < Ftabel maka H0 diterima dan Ha ditolak, yang artinya masing-masing variabel independen secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.

5. Koefisien Determinan (R²)

Koefisien Determinan (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen/ terikat

(keputusan penggunaan). Nilai koefisien determinan adalah antara nol (0) dan satu (1). Nilai R² yang kecil berarti kemampuan variabel-variabel independen (bebas) dalam menjelaskan variasi variabel independen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen (Ghozali, 2016, p. 93).

Kelemahan mendasar dalam penggunaan koefisien determinan adalah jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R² pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti yang menganjurkan untuk menggunakan nilai Adjusted R², pada saat mengevaluasi mana model regresi yang terbaik. Tidak seperti nilai R², nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan ke model (Ghozali, 2016, p. 93).