METODOLOGI PENELITIAN A. Jenis Penelitian
G. Teknik Pengolahan dan Analisis Data
Teknik analisis kuantitafif ini dapat dibuktikan ada atau tidaknya pengaruh positif anatar cognitive style dan orientasi masa depan terhadap pengelolaan keuangan
UKM di kota Makassar, analisis data dalam penelitian ini menggunakan SPSS 21 untuk mencapai tujuan dalam penelitian ini, maka teknik analisis yang digunakan adalah:
1. Uji Asumsi Klasik
Pengujian asumsi klasik yang digunakan yaitu : a. Uji Multikolinearitas
Uji Multikolinearitas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas (independen). Pada model regresi yang baik antar variabel independen harusnya tidak terjadi korelasi di antara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas dalam model regresi dilakukan dengan (1) melihat nilai tolerance berlawanan (2) variance inflation
factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah
yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolerance 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). Nilai
cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2013:103-104).
b. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear pada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2013:107). Dalam penelitian ini cara yang digunakan untuk menguji ada atau tidaknya korelasi antar variabel adalah Uji Durbin- Watson (DW test) yang dimana hipotesis yang akan di uji adalah :
H0 : tidak ada autokorelasi ( r = 0 ) HA : ada autokorelasi (r≠0)
Berikut adalah tabel pengambilan keputusan ada tidaknya autokorelasi
Hipotesis nol Keputusan Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada autokorelasi negatif Tidak ada autokorelasi negative Tidak ada autokorelasi
Positif atau negative
Tolak No Decision Tolak No Decision Tidak ditolak 0<d<dl dl ≤ d ≤ du 4-dl < d < 4 4-du ≤ d ≤ 4-dl du < d < 4-du c. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedatisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dilakukan dengan melihat grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. dasar analisisnya:
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebur, kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas. 2) Jika tidak ada pola yang jelas, seta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2013:134).
d. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui jika t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Untuk mengetahui tingkat signifikansi data apakah distribusi normal atau tidak, maka dapat dilakukan dengan melihat normal probability plot yang membandingkan distribusi komulatif 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, 2013:154).
2. Analisis Regresi Linear Berganda
Model regresi linear berganda (multiple linear regressions), dalam model ini variabel yang diteliti terdiri dari dua variabel, bentuk persamaan yang digunakan:
Y = α + β1 X1 + β2 X2 + e Keterangan:
α = konstanta
β1, β2 = koefisien regresi parsial untuk X1,X2 X1 = Variabel bebas, yaitu cognitive style X2 = Variabel bebas, yaitu orientasi masa depan e = Standard Error
a. Koefisien Korelasi (R)
Koefisien korelasi merupakan suatu alat yang digunakan untuk mengukur tingkat keeratan hubungan antara variable independen dengan variable dependen. Nilai R akan berkisar antara 0 - 1, semakin mendekati 1 hubungan antara variable independen secara bersama-sama dengan variable dependen semakin kuat. Berikut adalah tabel pedoman untuk memberikan interprestasi koefisien korelasi (Sugiyono, 2014: 242).
Inteval Koefisien Tingkat Hubungan
0.00-0.199 Sangat Rendah 0.20-0.399 Rendah 0.40-0.599 Sedang 0.60-0799 Kuat 0.80-1.000 Sangat Kuat b. Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi-variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2013: 95).
3. Pengujian Hipotesis
Teknik analisis data untuk mengukur variabel-variabel dalam penelitian ini, menggunakan software SPSS21, dengan cara memasukkan hasil dari operasionalisasi variabel yang akan di uji.
a. Uji F
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersama-sama (simultan) terhadap variabel terikat. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi. Penggunaan tingkat signifikansinya beragam, tergantung keinginan peneliti, yaitu 0,01 (1%) ; 0,05 (5%) dan 0,10 (10%). Hasil uji F dilihat dalam tabel ANOVA dalam kolom sig. Sebagai contoh, kita menggunakan taraf signifikansi 5% (0,05), jika nilai probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat. Namun, jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat. Uji F bisa dilakukan dengan bantuan software SPSS (Sugiyono, 2011:256).
b. Uji t
Uji t digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji t dapat dilihat pada tabel coefficients pada kolom sig (significance). Jika probabilitas nilai t atau signifikansi < 0,05, maka dapat dikatakan bahwa terdapat
pengaruh antara variabel bebas terhadap variabel terikat secara parsial. Namun, jika probabilitas nilai t atau signifikansi > 0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan antara masing-masing variabel bebas terhadap variabel terikat (Sugiyono, 2014:256). Selanjutnya dijelaskan variabel mana yang dominan berpengaruh terhadap variabel terikat. Uji ini dilakukan dengan membandingkan t hitung dengan t tabel.
Bentuk pengujian adalah H0 : b1 = b2 = 0, artinya tidak terdapat pengaruh yang nyata. Ha : b1 # 0, artinya terdapat pengaruh yang nyata. Pembuktian dilakukan dengan menggunakan derajat kebebasan (Degree of Freedom) atau tingkat kepecayaan 95% dengan Alpha 5%.
1) Jika nilai t hitung lebih kecil (<) dari nilai t tabel pada tingkat signifikan 0,05 maka H0 diterima dan Ha ditolak.
2) Jika nilai t hitung lebih kecil (>) dari nilai t tabel pada tingkat signifikan 0,05 maka H0 ditolak dan Ha diterima.
51 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN