Metode Analisis Data

METODE PENELITIAN

E. Metode Analisis Data

Teknik analisis data merupakan salah satu langkah yang sangat penting dalam proses penelitian, karena di sinilah hasil penelitian yang akan Nampak.

Analisis data mencangkup seluruh kegiatan mengklarifikasikan, menganalisa, memaknai, dan menarik kesimpulan dari semua data yang terkumpul. Oleh karena itu perlu menggunakan dasar pemikiran untuk menentukan pilihan-pilihan teknik analisis data yang akan digunakan (Arifah, 2018).

Penelitian ini dilakukan untuk menganalisis penerimaan mobil banking dengan menggunakan pendekatan TAM di perbankan syariah. Dalam penelitian ini, peneliti menggunakan metode kuantitatif.

76

Penelitian kuantitatif adalah suatu penelitian yang pada dasarnya menggunakan pendekatan deduktif-induktif. Pendekatan ini berangkat dar suatu kerangka teori, gagasan para ahli, ataupun pemahaman peneliti berdasarkan pengalamannya, kemudian dikembangkan menjadi permasalahan beserta pemecahannya yang diajukan untuk memperoleh pembenaran (verifikasi) dalam bentuk dukungan data empiris di lapangan (Arifah, 2018).

Penelitian berdasarkan pendekatan kuantitatif secara mendalam dibagi menjadi penelitian deskriptif dan penelitian inferensial. Penelittian deskriptif melakukan analisis hanya sampai pada taraf deskripsi, yaitu menganalisis dan menyajikan data secara sistematik, sehingga lebih mudah untuk dipahami dan disimpulkan. Sedangkan penelitian inferensial melakukan analisis hubungan antarvariabel dengan pengujian hipotesis. Dengan demikian, kesimpulan penelitian jauh melebihi sajian data kuantitatif saja dan kesimpulannya adakalanya bersifat umum.

1. Uji Kualitas Data

Dalam menguji kualitas data, perlu dibedakan antara hasil penelitian yang valid (validitas) dan reliabel (reliabilitas) dengan instrument yang valid dan reliabel. Hasil penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada objek yang diteliti. Jika dalam objek berwarna merah, sedangkan data yang terkumpul memberikan data berwarna putih maka hasil penelitian tidak valid.

77 a. Uji Validitas

Validitas data penelitian ditentukan oleh proses pengukuran yang akurat. Oleh karena itu, jika kata sinonim dari reliabilitas yang paling tepat adalah konsistensi, maka esensi dari validitas adalah akurasi. Suatu instrument pengukuran dikatakan valid jika instrumen tersebut mengukur apa yang seharusnya diukur. Dengan kata lain instrumen tersebut dapat mengukur construct sesuatu dengan yang diharapkan oleh peneliti (Indrianto & Supomo, 1999).

Uji validitas digunakan untuk mengetahui kelayakan butirbutir dalam suatu daftar pernyataan dalam mendefinisikan suatu variabel (Rusdianto & Ibrahim, 2016).

Validitas adalah suatu ukuran yang menunjukan tingkat-tingkat kevalidan atau kesahihan suatu instrument. Semakin tinggi validitas, maka istrumen semakin valid atau sahih, semakin rendah validitas, maka instrument kurang valid. (Arikunto S. , 2002)

Menunjukkan seberapa besar tingkat ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Di dalam penelitian ini terdapat sebuah instrument yang dapat dikatakan valid apabila mampu mengukur apa yang akan diukur dan dapat mengungkapkan data dari variabel yang diteliti. Untuk menguji validitas di dalam penelitian ini akan menggunakan rumus korelasi product moment yang dikemukakan oleh Pearson sebagai berikut (Arikunto, 2013):

𝑟_𝑥𝑦= 𝑛(∑𝑥𝑦) −(∑𝑥)(∑𝑦)

√{𝑛.∑𝑥²−(∑𝑥)²}. {𝑛.∑𝑦²−(∑𝑦)²}

78 Dimana:

rxy = Koefisien validitas item yang dicari n = Jumlah responden

∑x = Jumlah skor dalam distribusi x

∑y = Jumlah skor dalam distribusi y

∑x2 = Jumlah kuadrat dalam distribusi x

∑y2 = Jumlah kuadrat dalam distribusi y

∑xy = jumlah perkalian butir x dan skor variabel y

Kesimpulan yang didapat setelah menguji validitas adalah r tabel pada tingkat signifikansi 5% dan dk = n – 2. Kriteria kelayakan adalah sebagai berikut:

a. Jika nilai r hitung > r tabel maka instrumen dinyatakan valid;

b. Jika nilai r hitung < r tabel maka instrumen dinyatakan tidak valid.

b. Uji Reliabilitas

Uji reliabilitas untuk mengukur konsistensi kuesioner dalam mengukur suatu konstruk yang sama atau stabilitas kuesioner jika digunakan dari waktu ke waktu. Menurut Imam Ghozali (2005), suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu (Rusdianto &

Ibrahim, 2016).

Instrumen yang reliabel adalah instrument yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data

79

yang sama. Alat ukur panjang dari karet adalah contoh instrumen yang reliabel/konsisten (Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R & D, 2012).

Konsep reliabilitas dapat dipahami melalui ide dasar konsep tersebut yaitu konsistensi. Peneliti dapat mengevaluasi instrument penelitian berdasarkan perspektif dan teknik yang berbeda, tetapi pertanyaan mendasar untuk mengukur reliabilitas adalah “bagaimana konsistensi data yang dikumpulkan?”. Pengukuran reliabilitas menggunakan indeks numerik yang disebut dengan koefisien (Indrianto & Supomo, 1999).

Dilakukan untuk mendapatkan tingkat ketepatan alat pengumpul data (instrumen) yang digunakan. Adapun tahapan dalam mencari nilai reliabilitas dengan memakai metode Cronbach Alpha. Berikut rumusan untuk menghitung varians setiap item yaitu sebagai berikut ini (Arikunto, 2013) :

𝑎 = 𝑛

𝑛 − 1(1 − (∑ 𝜎_𝑖² 𝜎_𝑇² )) Dimana:

𝑎 : Koefisien reliabilitas/ reabilitas instrument n : Banyaknya butir soal

𝜎𝑖2 : Jumlah ragam skor butir soal ke-i (i= 1,2...m) 𝜎𝑇 2 : Ragam skor total

Kaidah keputusan:

a. Jika nilai rhitung > rtabel artinya reliabel.

b. Jika nilai rhitung < rtabel artinya tidak reliabel.

80 2. Statistika Deskriptif

Statistik deskriptif merupakan ststistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi (Sugiyono, 2012)

Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah, menyajikan data tanpa mengambil keputusan mengenai populasi.

Statistika deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varian dari data mentah; mendeskripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lebih mudah dibaca dan lebih bermakna. Dengan kata lain hanya melihat gambaran secara umum dari data yang diperoleh. Statistika deskriptif adalah teknik yang digunakan untuk meringkas/menafsirkan data dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik.

(David & Djamaris, 2018)

3. Model Partial Least Square (PLS)

PLS adalah teknik statistika yang merupakan salah satu dari metode statistika SEM berbasis varian yang didesain untuk menyelesaikan regresi bergandan ketika terjadi permasalahan pada data yang didapatkan.

SEM dengan PLS merupakan suatu teknik alternatif pada analisis SEM dimana data yang dipergunakan tidak harus berdistribusi normal multivariat.

81

Pada SEM dengan PLS nilai variabel laten dapat diestimasi sesuai dengan kombinasi linear dari variabel-variabel manifest yang terkait dengan suatu variabel laten serta diperlakukan untuk menggantikan variabel manifest (Alfa, Rachmatin, & Agustina, 2017).

PLS menggunakan literasi algoritma yang terdiri atas seri OLS (Ordinary Least Square) untuk menghindari masalah identifikasi model yang bersifat non-recursive (model yang bersifat reciprocal antara tipe skala nominal, ordinal, dan interval), pada penelitian perilaku menjadi masalah dalam pengujian alat statistika. Namun, PLS dapat mengukur data dengan skala berbeda secara bersamaan. PLS dapat dijalankan pada data set berukuran kecil, yaitu sepuluh kali skala dengan jumlah terbesar dari indikator yang bersifat formatif atau sepuluh kali jumlah path (jalur) yang menunjukan hubungan kausalitas antar variabel laten (Hartono, 2015).

a. Perancangan Model Struktural (Inner Model)

Inner model berfungsi untuk menggambarkan hubungan kausal antara variabel laten yang dibangun berdasarkan subtansi teori. Pada tahap ini, peneliti mendefinisikan model hubungan antar konstrak. Model persamaan dari inner model ini dapat disusun sebagai berikut:

𝜂 = 𝛽0 + 𝛽𝜂 + Γ𝜉 + 𝜁 Dimana:

𝜂 = vektor variabel laen endogen (dependen) 𝜉 = vektor variabel eksogen (independen) 𝜁 = vektor residual (unexplained variance)

82

b. Perancangan Model Pengukuran (Outer Model)

Model pengukuran atau outer model menggambarkan hubungnan antara blok indikator dengan variabel latennya (Hartono, 2015). Pada tahap ini, peneliti pendefinisikan dan menspesifikasikan hubungan antara konstrak laten dengan indikatornya apakah bersifat reflektif atau fomulatif.

Model pengukuran atau outer model menggambarkan hubungan antara variabel laten dengan variable manifestnya (indicator). Pada outer model terdapat dua jenis model yaitu model indikator formatif dan model indikator refleksif. Model refleksif terjadi apabila variabel manifest dipengaruhi oleh variabel laten, sedangkan model formatif mengasumsikan bahwa variabel manifest mempengaruhi variabel laten dengan arah kausalitas mengalir dari variabel manifest menuju variabel laten. Persamaan untuk model indicator refleksif SEM PLS (Alfa, Rachmatin, & Agustina, 2017):

X = λX𝜉 + ɛx Y = λYη + ɛy Dimana=

x: indikator untuk variabel laten eksogen (ξ) y: indikator untuk variabel laten endogen (η)

λx , λy: loading matrix yang (koefisien regresi sederhana yang menghubungkan variabel laten dengan indikatornya)

ɛx dan ɛy: tingkat kesalahan pengukuran (residual error) c. Evalusi Model

83

PLS sebagai model prediksi tidak mengasumsikan distribusi tertentu untuk mengestimasi parameter dan memprediksi hubungan kausalitas. Karena itu, teknik parametik untuk menguji siginifikan parameter tidak diperlukan dan model evaluasi untuk prediksi bersifat non-parametrik. Evaluasi model PLS dilakukan dengan mengevaluasi outer model dan inner model (Hartono, 2015)

1) Evalusi Outer Model

Outer model merupakan pengukuran untuk menilai validitas dan reliabilitas model. Melalui proses iterasi algoritma, parameter model pengukuran (converget validity, discriminant validity, composite reliability dan cronbach’s alpha) diperoleh, termasuk nilai R² sebagai parameter ketepatan model prediksi (Hartono, 2015). Ada tiga kriteria untuk menilai outer model yaitu:

a) Convergent Validity (Validitas Konvergen)

Uji validitas konvergen dalam PLS dengan indikator reflektif dinilai berdasarkan loading factor (korelasi antara skor item/skor komponen dengan skor konstruk) indikator-indikator yang mengukur konstruk tersebut.

b) Discriminant Validity (Validitas Diskriminasi)

Validitas diskriminan berhubungan dengan prinsip bahwa pengukur-pengukur konstruk yang berbeda seharusnya tidak berkorelasi dengan tinggi. Uji validitas diskriminan dinilai berdasarkan cross loading pengukuran dengan konstruknya.

84

Metode lain untuk menilai discriminant validity adalah dengan membandingkan nilai akar kuadrar dari Average Variance Extacted (√AVE) setiap kosntruk dengan nilai korelasi dengan nilai korelasi antara konstruk dengan konstruk lainnya (latent variance correlation). Model mempunyai validitas diskriminan yang cukup jika akar AVE untuk setiap konstruk lebih besar daripada korelasi antara konstruk lainnya dalam mode (Chin, Gopal dan Salinsbury, 1997) dalam (Hartono ,2015)

c) Composite Reliability

Uji reliabilitas dalam PLS dapat menggunakan dua metode yaitu cronbach’s alpha dan composite reliability. Cronbach’s alpha mengukur batas bawah nilai reliabilitas suatu konstruk, sedangkan composite reliability mengukur nilai sesungguhnya reliabilitas suatu konstruk. Namun, composite reliability dinilai lebih baik dalam mengestimasi konsistensi internal suatu konstruk (salisbury, Chin, Gopal dan Newsted , 2002) dalam (Hartono ,2015).

2) Evaluasi Inner Model

a) Dalam menilai model strukturan dengan menggunakan PLS, dapat dilihat melalui Koefisien Determinasi (R2) untuk setiap variabel laten endogen sebagai kekuatan prediksi dan model structural.

Perubahan dari nilai koefisen determinasi ini digunakan untuk menjelaskan pengaruh variabel laten eksogen tertentu terhadap variabel laten endogen apakah mempunyai pengaruh yang substantive.Koefisien determinasi (R2) bertujuan untuk mengukur

85

seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel bebas dalam menjelaskan variasi variabel terikat sangat terbatas, nilai yang mendekati satu berarti variabel-variabel bebas memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variasi variabel terikat.

b) Evaluasi inner model selanjutnya adalah uji Goodness of Fit (GoF).

Penelitian ini digunakan untuk memfalidasi performa gabungan antara model pengukuran (Outer Model) dan model structural (Inner Model) yang nilainya terbentang antara 0-1 dengan interpretasi yaitu: 0,25 (GoF kecil), 0, 25-0,36 (GoF moderat) dan

>0,36 GoF besar).

d. Pengujian Hipotesis

Pengujian hipotesis dilakukan dengan cara membandingkan t-hitung dengan t-tabel. Nilai t-hitung diperoleh dari hasi bootstrapping dengan software Smart PLS. pengujian dengan bootstrap juga bertujuan untuk meminimalkan masalah ketidaknormalan data peneliti.

Pengujian hipotesis dilakukan terhadap setiap hipotesis yang telah dibuat sebelumnya. Pengujian dilakukan dengan menggunakan nilai t-Value dengan tingkat signifikansi 0.05. Nilai t-Value merupakan nilai Critical ratio (c.r.) pada Regression Weights: (Group number 1 – Default Model).

Apabila nilai Critical ratio (c.r.) ≥ 1,967 atau nilai Probabilitas (P) ≤ 0,05 maka H0 ditolak (hipotesis penelitian diterima).

86