METODE PENELITIAN
E. Teknik Analisis Data
Data yang telah terkumpul dari hasil penyebaran kuesioner akan diolah dan dianalisis dengan tujuan data yang diolah tersebut menjadi sebuah informasi, sehingga karakteristik dapat lebih mudah dipahami untuk dijadikan dasar pengambilan keputusan. Pengolahan dan analisis data dilakukan dengan bantuan software statistical product and service solutions (SPSS) versi 20.
1. Uji validitas dan realibitas a. Uji validitas
Sugiyono, 2008:102 bahwa Validitas ialah mengukur apa yang ingin diukur. Validitas adalah suatu ukuran yang menunjukan tingkatan-tingkatan kevalidan dan kefasihan usaha instrumen. Instrumen dikatakan valid apabila mampu mengukur apa yang diinginkan dan mengungkap data variabel yang diteliti secara tepat. Uji validiras dilakukan dengan membandingkan nilai r hitung dengan nilai r table dengan degree of freedom (df)=n-2 dengan alpha 0,05, jika r hitung lebih besar dari r table dan nilai positif maka butir atau pertanyaan atau indikator tersebut dinyatakan valid.
b. Uji realibilitas
Uji realibilitas digunakan untuk mengukur suatu kuesioner yang merupakan indikator dari variabel. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Untuk mengukur reliabilitas menggunakan uji statistik alpha cronbach. Suatu variabel dikatakan reliabel jika nilai alpha cronbach lebih besar dari 0,060. (Imam ghazali,2011:48)
2. Uji Asumsi Klasik
Uji asumsi klasik merupakan tahapan awal yang digunakan sebelum analisis linear berganda (Imam Ghozali, 2011:105). Ketika asumsi tidak terpenuhi, biasanya peneliti menggunakan berbagai solusi agar asumsinya dapat terselesaikan. Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi
a.Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independent dan variabel dependent keduanya mempunyai distribusi normal atau mendekati normal (Imam Ghozali, 2011: 160). Data yang baik dan layak dalam penelitian adalah yang memiliki distribusi normal. Normalitas data dapat dilihat dengan beberapa cara diantaranya dengan melihat kurva normal probability plot.
Normalitas dapat dilihat dengan cara melihat penyebaran data (titik) pada sumbu diagonal grafik. Jika data (titik) menyebar jauh dari garis
diagonal, maka menunjukkan pola distribusi normal yang mengindikasikan bahwa model regresi memenuhi asumsi normalitas. Jika data (titik) menyebar menjauh dari garis diagonal maka tidak menunjukkan pola distribusi normal yang mengindikasikan bahwa model regresi tidak memenuhi asumsi normalitas (Imam Ghozali, 2011: 160).
Untuk Uji normalitas penelitian ini juga menggunakan uji non-parametik Kolmogorov-Smrirnov (K-S) untuk mengetahui signifikansi data terdistribusi normal. Dalam uji Kolmogorov-Smirnov, suatu data dikatakan normal jika nilai asymptotic significance lebih dari 0,05 (Ghozali, 2011: 161). b. Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana antara dua variabel independent atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna. Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi dengan variabel bebas (independent). Model regresi yang baik mensyaratkan tidak adanya multikolinearitas atau tidak terjadi korelasi diantara variabel independen (Imam Ghozali, 2011: 171).
Jika variabel independent saling berkorelasi, maka variabel – variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independent yang memiliki nilai korelasi antar sesama variabel independent sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
1) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independent banyak yang tidak signifikan mempengaruhi variabel dependent.
2) Menganalisis matriks korelasi variabel-variabel independent. Jika antar variabel ada korelasi yang cukup tinggi (umumnya di atas 0.90), maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independent tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independent.
3) Multikolinieritas dapat juga dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independent lainnya. Dalam pengertian sederhana setiap variabel independent menjadi variabel dependent (terikat) dan diregres terhadap variabel independent lainnya.
Tolerance mengukur variabilitas variabel independent yang terpilih jika dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance < 0.10 atau sama dengan nilai VIF > 10. Setiap peneliti harus menentukan tingkat kolinieritas yang masih dapat ditolerir. Sebagai misal nilai tolerance = 0.10 sama dengan tingkat kolinieritas 0.95. Walaupun multikolinieritas dapat dideteksi dengan nilai tolerance
dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel independent mana sajakah yang saling berkolerasi.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas, jika berbeda disebut heteroskedastisitas (Imam Ghozali, 2011:138).
Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heterokedastisitas. Kebanyakan data crossection mengandung situasi heterokedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, besar).
Salah satu cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan cara melihat grafik plot antara nilai prediksi variabel terikat (dependent) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di - studentized.
Dengan analisis jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas (Imam Ghozali, 2011: 139).
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan penggangu pada periode t-1 (sebelumnya) jika terjadi korelasi maka dikatakan ada problem autokorelasi (Imam Ghozali, 2011: 140)\
3. Uji regresi linear berganda
Regresi linear berganda bertujuan menghitung besarnya pengaruh dua atau lebih variabel bebas terhadap satu variabel terikat dan memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas.(Ety,dkk,2007;138). Regresi linear berganda bertujuan menghitung besarnya pengaruh dua atau lebih variabel bebas terhadap satu variabel terikat dan memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas (Ety,dkk,2007;138)
Adapun persamaan regresi linear berganda tersebut yaitu:
Y = a+b1x1+b2x2+b3x3=e
Dimana:
Y = perbankan syariah
X1 = persepsi masyarakat santri pesantren X2 = perilaku masyarakat santri pesantren X3 = preferensi masyarakat santri pesantren a = konstanta
a. Koefisien determinasi
Uji koefisien determinasi berguna mengukur seberapa jauh kemampuan variabel bebas dalam merangkai variabel terikat, yaitu mengetahui seberapa besar variabel independen menjelaskan variabel dependen, namun untuk regresi linear berganda sebaiknya menggunakan R square yang telah disesuaikan atau tertulis adjusted R square, karena telah disesuaikan dengan jumlah variabel indevenden yang digunakan dalam penelitian. (Bhuono,2005;51)
4. Uji Hipotesis a. Uji t
Uji t bertujuan untuk mengetahui besarnya pengaruh masing-masing variabel independent secara individual (parsial) terhadap variabel devenden. Jika nilai probibality t lebih besar dari 0,05 maka tidak ada pengaruh dari variabel independen terhadap variabel dependen (koefisien regresi tidak signifikan) sedangkan jika nilai probibality t lebih kecil dari 0,05 maka terdapat pengaruh dari variabel independen terhadap variabel dependen (koefisien regresi signifikan) (Imam Ghozali, 2011:98)
b. Uji simultan (F)
Uji statistik F digunakan untuk mencari apakah semua variabel independen yang digunakan dalam model regresi secara bersama-sama berpengaruh terhadap variabel dependen \untuk mengambil keputusan hipotesis diterima atau ditolak dengan membandingkan tingkat signifikasi (alpha) sebesar 5% (0,05) jika nilai probibality f lebih besar dari alpha 0,05 maka model regresi tidak dapat diprediksi untujk memprediksi variabel dependen dengan kata lain variabel independen
secara bersama-sama tidak berpengaruh (ghazali, 2011) dalam penelitian ini pengujian hipotesis secara simultan dimaksudkan untuk mengukur besarnya analisis pengaruh persepsi , Perilaku dan preferensi masyarakat santri terhadap perbankan syari’ah .
