METODE PENELITIAN
3.1 Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah menganalisa faktor-faktor yang empengaruhi simpanan mudharabah yang dilakukan di BNI syariah cabang medan, di Jalan Kapten Maulana Lubis No.12 Medan.
3.2 Jenis dan Sumber Data
Jenis data yang dipergunakan dalam penelitian ini adalah data sekunder dalam bentuk data berkala atau time series yang bersifat kuantitatif yaitu data yang berbentuk angaka-angka selama kurun waktu 4 tahun dalam bentuk kuartalan yaitu dari kuartal I 2006 – kuartal IV 2009, sedangkan sumber data diperoleh langsung dari BNI syariah cabang Medan dan data yang di peroleh dari Badan Pusat Statistik serta bahan-bahan kepustakaan berupa bacaan yang berhubungan dengan penelitian, website, artikel dan jurnal-jurnal.
3.3 Teknik Pengumpulan Data
Dalam penyusunan Skripsi ini Penulis menggunakan teknik pengumpulan data sekunder yang diperoleh dari BNI syariah dan dengan menggunakan metode penelitian kepustakaan (library research), yang diperoleh dari publikasi resmi yang berhubungan dengan penelitian. Teknik pengumpulan data yang digunakan adalah dengan menggunakan pencatatan data yang diperoleh dari berbagai sumber yang telah disebutkan di atas.
3.4 Pengolahan Data
Penulis menggunakan program Eviews 5.1 dan Microsoft excel untuk mengolah data dalam penulisan Skripsi ini.
3.5 Model Analisis Data
Model analisis data yang digunakan adalah model Ekonometrika, dan metode yang digunakan adalah OLS (Ordinary Least Square) atau metode kuatdrat terkecil Biasa. Metode ini dikemukakan oleh Carls Friedrich Gauss. Data-data yang digunakan, dianalisis secara kuantitatif dengan menggunakan analisis statistik yaitu persamaan regresi linear berganda. Variabel-variabel independen yang mempengaruhi variabel dependen dinyatakan dalam fungsi sebagai berikut :
LY = f (X1,X2,LX3,) ………..(1)
Dari persamaan fungsi diatas di spesifikasikan ke dalam model semi-log : Log Y = α + β1X1+β2X2+β3lLogX3+μ ………(2)
Keterangan :
Y = Volume simpanan mudharabah BNI syariah cabang Medan (Milyar Rupiah)
α = Intercept
X1 = Tingkat suku bunga BI (Persen) X2 = Tingkat bagi hasil (Persen)
X3 = Tingkat pendapatan perkapita (Juta)
β1,β2, β3= Koefisien regresi
Berdasarkan model analisis diatas, maka kriteria yang dapat diambil adalah sebagai berikut : 1 X Y ∂ ∂
<0, artinya jika terjadi kenaikan pada X1 (tingkat suku bunga) maka Y
(simpanan mudharabah) akan mengalami penurunan, cateris paribus.
2
X Y ∂
∂
>0, artinya jika terjadi kenaikan pada X2 (tingkat bagi hasil) maka Y ( simpanan
mudharabah) akan mengalami kenaikan, cateris paribus.
3
X Y ∂
∂
>0, artinya jika terjadi kenaikan pada X3 (tingkat pendapatan) maka Y
(simpanan
mudharabah) akan mengalami kenaikan, cateris paribus.
3.6 Test of Goodness of Fit (uji kesesuaian)
Pengujian hipotesis kompatibilitas (goodness of fit) merupakan pengujian hipotesis untuk menentukan apakah suatu himpunan frekuensi yang diharapkan sama dengan frekuensi yang diperoleh dari suatu distribusi, seperti distribusi binomial, poisson, normal, atau dari perbandingan lain. Jadi, uji goodness of fit merupakan pengujian kecocokan atau kesesuaian antara hasil pengamatan (frekuensi pengamatan) tertentu dengan frekuensi yang diperoleh berdasarkan nilai harapannya (frekuensi teoritis).
3.6.1 Koefisien Determinasi (R-Square)
Koefisien determinasi dilakukan untuk melihat seberapa besar kemampuan variabel independen secara bersama-sama mampu memberi penjelasan terhadap variabel dependen. R2 berkisar antara 0 sampai 1 (0≤R2≤1).
3.6.2 Uji F-Statistik (uji keseluruhan)
Uji F-Statistik dilakukan untuk melihat pengaruh variabel independen secara keseluruhan atau bersama-sama terhadap variabel dependen. Untuk pengujian ini digunakan hipotesis sebagai berikut :
H0 : bi = 0 (tidak signifikan) Ha :bi ≠ 0 (signifikan)
Pengujian ini dilakukan untuk membadingkan nilai F-hitung denga F-tabel. Jika F-hitung > F-tabel, maka H0 ditolak yang artinya variabel independen secara bersama-sama mempengaruhi variabel dependen. Nilai F-hitung dapat diperoleh dengan rumus: F-hitung =
(
)
(
n k)
R k R − − − / 1 ) 1 /( 2 2 Dimana : R2 = Koefisien Determinasik = Jumlah variabel independen ditambah intercept dari suatu model persamaan n = Jumlah Sampel
Dengan kritera pengambilan keputusan:
H0:β1 = β2 = β3 = 0, artinya secara bersama-sama tidak ada pengaruh variabel
independen terhadap variabel dependen
Ha: β1 ≠ β2 ≠ β3 ≠ 0, artinya secara bersama-sama ada pengaruh variabel
independen terhadap variabel dependen
H0 diterima H0 ditolak
Gambar 3.1 Kurva Uji F-Statistik
3.6.3 Uji t-Statistik (Uji Parsial)
Uji t merupakan suatu pengujian yang bertujuan untuk mengetahui apakah masing-masing koefisien regresi signifikan atau tidak terhadap variabel dependen dengan menganggap variabel independen lainnya konstan dalam hal ini dugunakan hipotesis sebagai :
H0 : bi = b Ha : bi ≠ b
Dimana bi adalah koefisien variabel independen ke-i nilai parameter hipotesis, biasanya b dianggap = 0, artinya tidak ada pengaruh variable X1 terhadap Y. bila nilai t-hitung > t-tabel, maka pada tingkat kepercayaan tetentu H0 ditolak. Hal ini berarti bahwa variabel independen yang diuji berpengaruh secara nyata (signifikan) terhadap variabel dependen. Nilai t-hitung diperoleh dengan rumus :
t-hitung =
(
)
i i Sb b b − Dimana :bi = koefisien variabel ke-i b = nilai hipotesis nol
Sbi = Simpangan baku dari variabel independen ke-i
H0 ditolak H0 diterima H0 ditolak
Gambar 3.2 Kurva Normal
3.7 Uji Asumsi Klasik
Gujarati (2003) mengemukakan beberapa asumsi klasik yang harus dipenuhi untuk suatu hasil estimasi regresi linier agar hasil tersebut dapat dikatakan baik dan efisien. Adapun asumsi klasik yang harus dipenuhi antara lain:
1. Model regresi adalah linier, yaitu linier dalam parameter.
2. Residual variable pengganggu (µi) mempunyai nilai rata-rata nol (zero mean value of disturbance µi).
3. Homoskedastisitas atau varian dari µi adalah konstan. 4. Tidak ada autokorelasi antara variable pengganggu (µi).
5. Kovarian antara µi dan variable independent (x1) adalah nol.
6. Jumlah data (observasi) harus lebih banyak dibandingkan dengan jumlah parameter yang akan di yang akan di observasi.
7. Tidak ada multikolinearitas.
8. Variabel pengganggu harus berdistribusi normal atau stokastik.
Berdasarkan kondisi tersebut di dalam ilmu ekonometrika, agar suatu model dikatakan baik dan sahih, maka perlu dilakukan beberapa pengujian.
3.7.1 Multikolinearitas (multikolinearity)
Multikolinearitas adalah alat untuk mengetahui suatu kondisi,apakah terdapat korelasi independen diantara satu sama lain. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari R-square, F-hitung, t-hitung, serta standart error.
Untuk mendeteksi ada atau tidaknya multikolinearitas dalam suatu model , yaitu sebagai berikut:
1. Nilai R2 yang dihasilkan dari hasil model estimasi sangat tinggi,tetapi tingkat signifikan variable bebas berdasarkan uji t-statistik sangat kecil atau bahkan tidak ada.
2. Menggunakan korelasi parsial. Metode ini disarankan oleh Farrar dan Glauber(1967). Metode ini muncul berkaitan dengan kelemahan dari korelasi derajat nol. Rule of thumb yang digunakan sebagai pedoman adalah bila nilai R2 estimasi awal lebih besar dari estimasi parsial antara variable bebas maka didalam model tidak terdapat multikolinearitas.
3. Menggunakan regresi bantuan (subsidiary regression). Metode ini dilakukan karena diduga bahwa multikolinearitas timbul karena satu atau lebih variable penjelas merupakan kombinasi linier yang pasti atau mendekati pasti dari variable penjelas X lainnya.
3.7.2 Autokorelasi (serial correlation)
Autokorelasi terjadi apabila error term (μ) dari periode waktu yang berbeda berkorelasi. Dikatakan bahwa error term berkorelasi atau mengalami korelasi serial apabila ; variabel (ei,ej) ≠ 0 untuk i = j, dalam hal ini dapat dikatakan memiliki masalah autokorelasi. Adapun cara yang digunakan untuk mengetahui keberadaan auto korelasi yaitu:
a. Dengan Uji Durbin Watson (DW Test) Dengan hipotesis sebagai berikut :
Dw-hitung =
H0 : p = 0, artinya tidak ada autokorelasi Ha : p ≠ 0, artinya terdapat autokorelasi
Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu dl dan du dalam tabel distribusi Durbin-Watson untuk nilai α. Hipotesis yang digunakan adalah :
Ho : tidak ada autokorelasi (tolak H0) Dw<dl : tolak H0 (ada korelasi positif)
Du<dw<4-du : terima H0 (tidak ada autokorelasi)
dl≤dw≤du : pengujian tidak dapat disimpulkan (inconclusive) (4-du)≤dw≤(4-dl) : pengujian tidak dapat disimpulkan (inconclusive).
b. Dengan Uji Lagrange Multiplier (LM-Test)
Sangat berguna untuk mengidentifikasikan masalah Autokorelasi tidak hanya pada derajat pertama (First order) tapi bissa juga digunakan pada tingkat derajat. Adapun langkah-langkah LM-test I ni adalah:
1. Lakukan regresi dengan menggunakan model empiris yang sedang di estimasi, kemudian dapatkan nilai residual, ut.
2. Lakukan regresi dengan ut sebagai variable independen dan dengan memasukkan sebagai variabel ut sebagai variabel bebas.
3. Hitunglah nilai (n-1)*R2=X2-hitung . n-1 digunakan karena jumlah efektif dari observasi adalah n-1, dimana n adalah jumlah data atau observasi. 4. Lakukan uji hipotesis nol (Ho) dengan ketentuan bahwa jika X2-tabel > X2-
hitung maka tidak ada autokorelasi dan sebaliknya jika X2-hitung > X2-tabel maka ada autokorelasi.
3.8 Defenisi Operasional
1. Total simpanan mudharabah adalah data tabungan yang bersumber dari laporan keuangan BNI syariah cabang medan yang berjangka 3 bulan dalam satuan Miliar Rupiah.
2. Tingkat suku bunga adalah data yang bersumber dari statistik keuangan ekonomi berupa suku bunga Bank Indonesia dalam bentuk persen.
3. Tingkat bagi hasil adalah data yang diperoleh dengan cara membagi besarnya total bagi hasil simpanan mudharabah yang diterima nasabah dengan total simpanan mudharabah dan data ini berupa dalam bentuk persen.
4. Tingkat pendapatan adalah pendapatan perkapita penduduk kota Medan yang dinyatakan dalam satuan Juta Rupiah.