BAB III METODE PENELITIAN
D. Metode Analisis Data
1. Analisis Deskriptif
Penelitian deskriptif merupakan jenis penelitian yang bertujuan menggambarkan sesuatu. Beberapa hal yang bisa digambarkan dalam penelitian deskriptif meliputi variabel independen yang mempengaruhi variabel dependen (Istijanto, 2009:31).
2. Uji Validitas dan Reliabilitas a. Uji Validitas
Uji validitas adalah alat untuk menukur relevan tidaknya pengukuran dan pengamatan yang dilakukan dalam penelitian.Dalam penelitian ini uji validitas dipergunakan untuk menukur apakah kuesioner sebagai alat ukur yang digunakan sudah sesuai atau benar.Uji validitas pada dasarnya dilakukan dengan melihat korelasi antara skor dari masing-masing data dibanding dengan skor totalnya. (Imam
Ghazali dalam Ruli,2010:42)
Uji validitas dalam penelitian ini dilakukan dengan menggunakan analisis, yang menghitung koefisiensi korelasi antara skor item dengan skor totalnya, dengan menggunanakan prosedur statistik person’s product moment correlation. Biasanya syarat minimum yang dapat memenuhi syarat adalah jika r < 0,3. Sehingga apabila ada korelasi dengan skor total kurang dari 0,3 maka butir dalam instrument tersebut dinyatakan tidak valid (Sugiono, 2006:267).
Suatu skala pengukuran disebut valid bila ia melakukan apa yang seharusnya dilakukan dan mengukur apa yang seharusnya diukur. Bila skala pengukuran tidak valid maka ia tidak bermanfaat bagi peneliti karena tidak mengukur atau melakukan apa yang seharusnya dilakukan. (Sekaran dalam Mudrajad,2003:151)
b. Uji Reliabilitas
Uji reliabilitas adalah untuk mengetahui apakah instrumen yang digunakan reliabel atau tetap konsisten bila dilakukan berkalil-kali pada waktu yang beda. Suatu kuesioner dikatakan reliabel jika nilai > 0,60. (Ghazali dalam Ruli,2010:42).
Reliabilitas menunjukkan konsistensi dan stabilitas dari suatu skor (skala pengukuran). Reliabilitas berbeda dengan validitas karena yang pertama memusatkan perhatian pada masalah konsistensi, sedang yang kedua lebih memperhatikan masalah ketepatan. Dengan demikian, reliabilitas mencakup dua hal utama, yaitu ukuran dan
konsistensi internal ukuran. (Sekaran dalam Mudrajad,2003:154). 3. Uji Asumsi klasik
a. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu 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 yang kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik (Ghozali, 2011 : 160).
Dalam penelitian ini digunakan analisis kolmogorov-smirnov (uji K-S), uji normalitas menggunakan uji statistic non-parametrik
kolmogorov-smirnov merupakan uji normalitas menggunakan fungsi distribusi kumulatif. Nilai residual terstandarisasi berdistribusi normal jika K hitung < K tabel atau nilai Sig. > alpha.(Suliyanto, 2011:75).
b. Uji Multikolinearitas
Uji Multikolonieritas dilakukan untuk mengetahui apakah ada korelasi antar variabel independen pada model regresi. Koefisien-koefisien diinterpretasikan sebagai ukuran perubahan variabel terikat jika salah satu variabel bebasnya naik sebesar satu unit dari seluruh variabel bebas lainnya dianggap tetap. Namun, interpretasi ini menjadi tidak bener apabila terdapat hubungan linier antara variabel bebas
(Nachrowi, 2008 ; 118)
Untuk mengetahui apakah ada korelasi diantara variabel-variabel bebas dapat diketahui dengan melihat dari Nilai tolerance dan Variance Inflation Factor (VIF). Kedua ukuran tersebut menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Dalam pengertian sederhana setiap variabel bebas menjadi variabel terikat dan diregres terhadap variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang sangat tinggi (karena VIF = 1/tolerance) dan menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang umum dipakai adalah tolerance 0,10 atau sama dengan VIF diatas 10. Setiap peneliti harus menentukan tingkat kolinearitas yang masih dapat diterima (Suliyanto, 20011 : 82)
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi sebelumnya). Jika terjadi korelasi, yang berurutan sepanjang waktu berkaitan satu sama lainnya (Ghozali, 2006:95).
Untuk menguji ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Durbin-Watson (DW test). Pengambilan keputusan ada atau tidaknya autokorelasi adalah sebagai berikut
(Singgih Santoso, 2004: 219 dalam Indoyama, 2008: 22) : 1) Angka D-W dibawah -2, ada autokorelasi positif
2) Angka D-W diantara -2 sampai +2, tidak ada autokorelasi 3) Angka D-W diatas -2 sampai +2, ada autokorelasi negatif
d. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas (Ghozali, 2011 :139)
Pada penelitian ini menggunakan metode glejser dilakukan dengan meregresikan semua variabel bebas terhadap nilai mutlak residualnya. Jika nilai probabilitas lebih besar dari nilai alpha (sig > ) maka dapat dipastikan model tidak mengandung gejala heteroskedastisitas (Suliyanto, 2011 : 102)
4. Analisis Model Regresi Berganda
Menurut sugiyono (2009:260) analisis regresi digunakan untuk memprediksikan seberapa jauh perubahan nilai variabel dependen, bila nilai variabel independen di manipulasi/dirubah-rubah atau dinaik-turunkan.
Analisis regresi berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan bagaimana keadaan naik-turunnya variabel dependen, bila dua atau lebih variabel independen sebagai faktor prediktor di manipulasi ( dinaik-turunkan nilainya). Jadi analisis regresi berganda
akan dilakukan bila jumlah variabel independennya minimal 2.
Data dianalisis dengan menggunakan model regresi berganda (multiple regression method) yang mendasarkan diri pada hubungan antara dua variabel, yaitu: variabel dependen dan variabel independen. Sebagai variabel independen yaitu shared value (X1), communication (X2), brand characteristic (X3), sedangkan variabel dependen yaitu tingkat kepercayaan (trust) (Y).
Sebelum model regresi diatas digunakan dalam pengujian hipotesis, terlebih dahulu model tersebut akan diuji apakah model tersebut memenuhi asumsi klasik atau tidak, yang mana asumsi ini merupakan asumsi yang mendasari analisis regresi.
Dengan model regresi berganda adalah sebagai berikut:
Y = a + b1 X1+ b2 X2 + b3 X3 + e
Keterangan simbol:
Y = Tingkat Kepercayaan (Trust) Nasabah produk BII Internet Banking
X 1 = Shared Value X 2 = Communication X 3 = Brand Characteristic a = Konstanta (Intercept) b 1-3= Koefisien regresi
e = Variabel penggangu (Disturbance error) 5. Uji koefisien determinasi
kemampuan model dalam menerangkan variasi variabel dependen, Nilai koefisien determinasi adalah diantara nol dan satu, jika nilai R2 kecil atau mendekati nol maka variasi variabel dependent amat terbatas.Sedangkan jika nilai R2 besar atau mendekati satu maka hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen (Imam Ghozali, 2011 :97).
6. Uji Hipotesis
a. Uji Simultan (F)
Uji F dimaksudkan untuk melihat kemampuan menyeluruh dari variabel bebas untuk dapat atau mampu menjelaskan tingkah laku atau keragaman variabel Y dan juga dimaksudkan untuk mengetahui apakah semua variabel bebas memiliki koefisien regresi sama dengan nol (Suharyadi, 2004:523).
Untuk mengatahui makna nilai F-test tersebut akan dilakukan dengan membandingkan tingkat signifikan (sig.F) dengan tingkat signifikan ( = 5 %). Apabilah sig.F ≤ 0.05 atau F hitung > F tabel, maka hipotesis nol ditolak artinya variabel independent secara bersama-sama berpengaruh signifikan terhadap variabel dependent. (Atin Yulaifah, 2011:68).
b. Uji Parsial (t)
Uji t bertujuan menunjukan seberapa jauh pengaruh satu variabel penjelasan/independen secara individual dalam menerangkan variasi variabel dependen (Imam Ghozali, 2011:98).
kriteria pengujian, digunakan daftar distribusi t. H0 diterima jika –t ½ (1- ) t t ½ (1- ) dengan t ½ (1- ) didapat dari daftar distribusi t dengan peluang ½ (1- ). Dalam hal lainnya, H0 ditolak.
Uji dilakukan dua sisi karena akan diketahui apakah rata-rata kemasan 1 sama dengan kemasan 2 atau tidak. Jadi bisa lebih besar atau lebih kecil, karenanya dipakai uji dua sisi. Perlunya uji dua sisi bisa diketahui dari output SPSS yang menyebut adanya two tailed test
(Santoso, 2010:97).