BAB 3
DATA DAN METODOLOGI PENELITIAN
3.1 Pengantar
Pada Bab III ini akan dipaparkan sejumlah hal yang berkaitan dengan langkah-langkah sistematis yang akan digunakan dalam menjawab pertanyaan penelitian. Langkah-langkah yang digunakan dalam menjawab pertanyaan penelitian tersebut disebut dengan metodologi penelitian. Agar maksud tersebut tercapai maka perlu pemilihan metodologi yang cermat dan hati-hati. Untuk itu, perlu diperhatikan beberapa hal berikut ini yaitu pengumpulan data penelitian, metode penelitian, serta analisis data.
3.2 Data yang Digunakan
Data yang digunakan sebagai bahan analisis dalam penelitian ini adalah data sekunder dengan periode kuartalan yang mempunyai kinerja historis penuh mulai Desember 2004 hingga Maret 2008. Bank syariah yang menjadi obyek penelitian adalah bank umum syariah yang terdapat di dalam Statistik Perbankan Syariah Bank Indonesia Maret 2008, yaitu: Bank Muamalat Indonesia (BMI), Bank Syariah Mandiri (BSM), serta Bank Syariah Mega Indonesia (BSMI). Dengan demikian jenis data yang digunakan dalam penelitian ini adalah data panel.
Pengumpulan data sekunder mengenai besaran pembiayaan murabahah dan pembiayaan mudharabah di tiga bank umum syariah (BUS) sebagai variabel dependen. Sedangkan variabel independen dalam model murabahah terdiri dari data Non Performing Financing (NPF) masing-masing BUS, bonus SWBI, serta
suku bunga pinjaman konsumsi bank umum konvensional. Sedangkan variabel independen dalam model mudharabah terdiri dari Non Performing Financing
(NPF) masing-masing BUS, pembiayaan murabahah, dan tingkat bagi hasil bank syariah.
Dalam pengumpulan data yang berhubungan dengan masalah yang dibahas dalam penelitian dilakukan dengan cara penelitian kepustakaan (Library Research), yaitu penelitian guna memperoleh pengetahuan secara teoritis dengan
cara membaca dan mencatat dari berbagai literatur, text book, artikel-artikel,
yang diteliti, yang diharapkan dapat dijadikan sebagai pengetahuan dasar dalam pembahasan masalah yang ada. Berdasarkan pengertian tersebut di atas, penelitian ini sama sekali tidak melakukan penelitian langsung di lapangan, namun sepenuhnya hanya menyandarkan diri dari ketersediaan data dan informasi dari sumber-sumber seperti buku, teks, jurnal, publikasi resmi, koran, majalah, tesis dan lain sebagainya.
3.3 Statistik Deskriptif Data Penelitian
Di dalam Tabel 3.1 berikut ini akan dijelaskan data yang akan dianalisis dalam deskripsi statistik dimana variabel dependennya dalam bentuk pembiayaan murabahah dan mudharabah, sedangkan variabel independennya yaitu Non Performing Financing (NPF) masing-masing BUS, bonus SWBI, suku bunga
pinjaman konsumsi bank umum konvensional, pembiayaan murabahah, dan tingkat bagi hasil yang diterima bank syariah.
Tabel 3.1 Statistik Deskriptif Data Penelitian
Variabel Mean Maksimum Minimum Median
Murabahah BMI 3767794 4623646 2519866 3765753 Mudharabah BMI 2996728 4190570 2082107 2686905 Murabahah BSM 4468708 5419180 3963775 4457528 Mudharabah BSM 1360354 4891739 457668 985941 Murabahah BSMI 1368246 2609858 183018 1734537 Mudharabah BSMI 160179 245450 74414 141855 NPF BMI 3,79 6,59 2,15 3,24 NPF BSM 5,33 8,04 2,42 4,35 NPF BSMI 1,25 3,22 0,55 1 Bonus SWBI 5,49 8,62 3,58 4,95
Bunga kredit konsumsi 16,83 17,88 15,83 16,57
Tingkat bagi hasil 5,49 8,62 3,58 4,95
Sumber: Laporan Keuangan BUS dan Bank Indonesia, telah diolah kembali.
pembiayaan pada bank umum syariah dari sisi pembiayaan murabahah dan mudharabah. Dalam penelitian ini, sebagai variabel independen yaitu: Non Performing Financing (NPF), bonus SWBI, suku bunga kredit, dan tingkat bagi
hasil bank syariah. Selain itu, pembiayaan murabahah selain menjadi variabel dependen dalam model murabahah, juga sekaligus menjadi variabel independen dalam model mudharabah. Masing-masing variabel independen memiliki hubungan tertentu terhadap pembiayaan murabahah dan mudharabah di perbankan syariah.
Persamaan regresi data panel tercantum pada persamaan (3.1) untuk pembiayaan murabahah sedangkan persamaan (3.2) untuk pembiayaan mudharabah. Metode analisis untuk menjawab permasalahan dan membuktikan hipotesis penelitian, digunakan model murabahah sebagai berikut:
ε α α α α + + + + = 0 1 i(t−1) 2 i(t−1) 3 i(t−1) it NPF SWBI Bunga MUR (3.1)
Serta model mudharabah sebagai berikut:
MUDit =β0 +β1NPFi(t−1) +β2Muri(t−1) +β3Ri(t−1) +ε (3.2)
Definisi variabel yang digunakan adalah sebagai berikut:
1. MUR didefinisikan pembiayaan dengan akad murabahah yang merupakan bagian dari pembiayaan dengan prinsip jual beli. Sumber data diperoleh dari laporan keuangan publikasi masing-masing bank umum syariah (BUS) .
2. MUD didefinisikan pembiayaan dengan akad mudharabah yang merupakan bagian dari pembiayaan dengan prinsip jual beli. Sumber data diperoleh dari laporan keuangan publikasi masing-masing BUS.
3. NPF didefinisikan sebagai pembiayaan yang bermasalah, yang dihitung dari persentase pembiayaan non lancar terhadap total pembiayaan. Kriteria NPF adalah pembiayaan non lancar yang terdiri dari kurang lancar (sub-standard),
diragukan (doubtful), macet (loss). Pemilihan variabel ini didasarkan pada
paper Beng dan Ying (2001) dalam Donna (2006) yang melakukan penelitian terhadap penurunan kredit pada masa krisis di Malaysia.. Sumber data diperoleh dari laporan keuangan publikasi masing-masing BUS.
4. SWBI didefinisikan bonus Sertifikat Wadiah Bank Indonesia. Yang diperoleh sebagai kompensasi dari kelebihan likuiditas bank syariah yang ditempatkan
di Bank Indonesia. Pemilihan variabel ini didasarkan pada variabel penelitian yang digunakan oleh Siregar (2004), Asy’ari (2006), serta Hilmi (2006). Selain itu, berdasarkan pengalaman perbankan konvensional selama ini, ternyata tingkat suku bunga Sertifikat Bank Indonesia (SBI) berpengaruh terhadap besarnya penyaluran dana dari pihak bank kepada sektor riil. Sumber data diperoleh dari publikasi Bank Indonesia.
5. Bunga didefinisikan sebagai tingkat suku bunga kredit yang diberikan oleh bank umum konvensional kepada nasabahnya untuk kategori pinjaman konsumsi. Pemilihan variabel ini mengacu pada penelitian yang dilakukan oleh Ibrahim (2005) dan Hilmi (2006). Selain itu, alasan pemilihan variabel ini juga didasari oleh penelitian yang dilakukan oleh Irbid dan Zarka (2001). Penelitian tersebut memberikan kesimpulan bahwa motivasi nasabah dalam memilih bank syariah cenderung didasarkan kepada motif keuntungan, bukan kepada motif keagamaan. Dengan kata lain, nasabah lebih mengutamakan
economic rationale dalam keputusan memilih bank syariah dibandingkan
dengan lembaga perbankan non-syariah atau bank konvensional. Dengan demikian, maka penentuan besaran bunga di bank konvensional dapat berimbas pada permintaan pembiayaan di perbankan syariah. Sementara itu, pemilihan variabel tingkat suku bunga kredit bank konvensional untuk dilihat pengaruhnya terhadap pembiayaan di bank syariah juga mengacu pada studi Yusoff, Rahman dan Alias (2001) yang meneliti pengaruh suku bunga terhadap pinjaman pada bank syariah dan bank konvensional di Malaysia. 6. R didefinisikan sebagai tingkat bagi hasil bank syariah yang diproksi dengan
nisbah bagi hasil tingkat indikasi imbalan IMA (nisbah bagi hasil untuk bank penanam modal) pada rata-rata tertimbang pada Statistik Perbankan Syariah. Pemilihan variabel ini didasarkan pada paper Seyed dan Makiyan (1984) berjudul “The Role of Rate of Return on Loans in the Islamic Banking System of Iran” sedangkan proksi variabel tingkat bagi hasil menggunakan nisbah bagi hasil tingkat indikasi imbalan IMA pada rata-rata tertimbang mengacu pada penelitian Donna (2006). R digunakan pada mudharabah karena mendasarkan pada keuntungan yang tidak pasti.
Karena satuan data jumlah pembiayaan murabahah dan mudharabah adalah dalam nominal rupiah, sedangkan satuan data bonus SWBI, NPF, suku bunga kredit, dan tingkat bagi hasil adalah dalam persentase, maka model tersebut perlu ditransformasi ke logaritma natural. Transformasi ke dalam bentuk logaritma natural ini juga untuk memperkecil nilai koefisien yang dihasilkan karena adanya perbedaan satuan nilai antar variabel yang sangat besar. Dengan demikian, model murabahah yang digunakan oleh menjadi:
ε α α α α + + + + = 0 1 i(t−1) 2 i(t−1) 3 i(t−1) it LnNPF LnSWBI LnBunga LnMUR (3.3)
Sedangkan model mudharabahnya menjadi:
ε β β β β + + + + = 0 1 i(t−1) 2 i(t−1) 3 i(t−1) it LnNPF LnMur LnEP LnMUD (3.4)
3.5 Analisis Data Panel
Jenis data yang digunakan untuk menganalisis dalam penelitian ini adalah data panel. Data panel diperlukan dalam suatu penelitian karena ada kalanya seorang peneliti tidak dapat melakukan analisis hanya dengan menggunakan data time series maupun cross section (Nachrowi dan Usman hal. 309, 2006).
Berdasarkan modul pelatihan dari FE Universitas Indonesia disebutkan dalam sebuah penelitian, terkadang kita menemukan suatu persoalan mengenai ketersediaan data untuk mewakili variabel yang kita gunakan dalam penelitian. Misalnya, terkadang kita menemukan bentuk data dalam series yang pendek sehingga proses pengolahan data time series tidak dapat dilakukan berkaitan
dengan persyaratan jumlah data yang minim. Lain halnya terkadang kita menemukan bentuk data dengan jumlah unit cross section yang terbatas pula,
sehingga sulit untuk dilakukan proses pengolahan data cross section untuk
mendapatkan informasi perilaku dari model yang hendak diteliti.
Dalam teori ekonometrika, kedua kondisi seperti yang telah disebutkan di atas salah satunya dapat diatasi dengan menggunakan data panel (pooled data) agar
dapat diperoleh hasil estimasi yang lebih baik (efisien) dengan terjadinya peningkatan jumlah observasi yang berimplikasi terhadap peningkatan derajat kebebasan (degree of freedom). Selain itu juga gabungan antara data cross section
dan time series dalam data panel akan menyebabkan jumlah pengamatan menjadi
Data panel mempunyai ruang atau spasi seperti halnya dimensi waku. Jika dibuat model yang dilihat dari banyaknya data cross section yang diamati hanya
pada saat tertentu, maka tidak akan dapat melihat bagaimana pertumbuhan-pertumbuhan variabel independen tersebut pada suatu periode waktu tertentu. Karena data panel merupakan gabungan dari data cross section dan data time series maka jumlah pengamatannya menjadi lebih banyak. Hal ini dapat menjadi
keuntungan tetapi model yang menggunakan data ini menjadi lebih kompleks (parameternya banyak). Berikut representasi model data panel yaitu: (lihat Nachrowi dan Usman hal. 310-311, 2006)
it it it X Y =β0 +β1 +ε (3.8) Dimana: i = 1,2,….N t = 1,2,….T N = banyaknya observasi T = banyaknya waktu N.T = banyaknya data panel
Untuk mengestimasi parameter model dengan data panel, terdapat beberapa tehnik yang ditawarkan yaitu: (Nachrowi dan Usman hal. 311, 2006)
1. Ordinary Least Square (OLS)
Tehnik ini menggabungkan data cross section dengan data time series (pool data). Kemudian data gabungan ini diperlakukan sebagai satu kesatuan
pengamatan yang digunakan untuk mengestimasi model dengan metode OLS. 2. Model Efek Tetap (Fixed Effect)
Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan. Dengan kata lain, intercept ini mungkin tidak berubah setiap individu dan waktu.
3. Model Efek Random (Random Effect)
Perbedaan antar individu dan atau waktu dicerminkan lewat error. Teknik ini
juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section.
1. Ordinary Least Square / Pooled Least Square (OLS/PLS)
Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode kuadrat terkecil biasa yang diterapkan dalam data yang berbentuk pool, sering disebut pula dengan Pooled Least Square. Misalkan
terdapat persamaan berikut ini: t i j it j it x Y =α + β +ε untuk i = 1,2,….,N dan t = 1,2, …, T (3.9)
Dimana N adalah jumlah unit cross section (individu) dan T adalah jumlah
periode waktunya. Dengan mengasumsi komponen error dalam pengolahan
kuadrat terkecil biasa, kita dapat melakukan proses estimasi secara terpisah untuk setiap unit cross section. Untuk periode t =1, akan diperoleh persamaan regresi cross section sebagai berikut:
it j it j it x Y =α + β +ε untuk i = 1,2,…,N (3.10) yang akan berimplikasi diperolehnya persamaan sebanyak T persamaan yang sama. Begitu juga sebaliknya, kita juga akan dapat memperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T obeservasi. Namun,
untuk mendapatkan parameter α dan β yang konstan dan efisien, akan dapat
diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi.
2. Model Efek Tetap (MET)
Kesulitan terbesar dalam pendekatan metode kuadrat terkecil biasa tersebut adalah asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Generalisasi secara umum sering dilakukan adalah dengan memasukkan variabel boneka
(dummy variable) untuk mengizinkan terjadinya perbedaan nilai parameter yang
berbeda-beda baik lintas unit cross section maupun antar waktu.
Pendekatan dengan memasukkan variabel boneka ini dikenal dengan sebutan model efek tetap (fixed effect) dan Least Square Dummy Variable atau disebut Covariance Model. Kita dapat menuliskan pendekatan tersebut dalam persamaan
∑
= + + + = n i i i it j it j i it x D Y 2 ε α β α (3.11) Di mana:yit = variabel terikat di waktu t untuk unit coss section i
αi = intercept yang berubah-ubah antar cross section unit
xjit = variabel bebas j di waktu t untuk unit cross section i
βji = parameter untuk variabel ke j
eit = komponen error di waktu t untuk unit cross section Di = variabel dummy
Kita telah menambahkan sebanyak (N-1) variabel boneka (Di) ke dalam model dan menghilangkan satu sisanya untuk menghindari kolinearitas sempurna antar variabel penjelas. Dengan menggunakan pendekatan ini akan terjadi degree of freedom sebesar NT – N – K. Keputusan memasukkan variabel boneka ini harus
didasarkan pada pertimbangan statistik. Tidak dapat kita pungkiri, dengan melakukan penambahan variabel boneka ini akan dapat mengurangi banyaknya
degree of freedom yang pada akhirnya akan mempengaruhi keefisienan dari
parameter yang diestimasi. Pertimbangan pemilihan pendekatan yang digunakan ini didekati dengan menggunakan statistik F yang berusaha memperbandingkan antara nilai jumlah kuadrat dari error dari proses pendugaan dengan
menggunakan metode kuadrat terkecil dan efek tetap yang telah memasukkan variabel boneka. Rumusan ini adalah sebagai berikut:
FN+T-2,NT-N-T = (ESS1-ESS2) / (NT-1) (3.12)
(ESS2) / (NT-N-K)
Dimana ESS1 dan ESS2 adalah jumlah kuadrat sisa dengan menggunakan metode kuadrat terkecil biasa dan model efek tetap, sedangkan statistik F mengikuti distribusi F dengan derajat bebas NT-1 dan NT-N-K. Nilai statistik F uji ini lah
yang kemudian kita perbandingkan dengan nilai statistik F tabel yang akan menentukan pilihan model yang akan kita gunakan.
3. Model Efek Random (MER)
Keputusan untuk memasukkan variabel boneka dalam model efek tetap tak dapat dipungkiri akan dapat menimbulkan konsekuensi (trade off). Penambahan variabel
boneka ini akan dapat mengurangi banyaknya derajat kebebasan (degree of freedom) yang pada akhirnya akan mengurangi efisiensi dari parameter yang
diestimasi. Berkaitan dengan hal ini, dalam model data panel dikenal pendekatan ketiga yaitu model efek acak (random effect). Dalam model efek acak,
parameter-parameter yang berbeda antar daerah maupun antar waktu dimasukkan ke dalam
error. Karena hal inilah, model efek acak (random effect) sering juga disebut
model komponen error (error component model).
Bentuk model efek acak ini dijelaskan pada persamaan berikut: it j it j it x Y =α + β +ε (3.13) it t i it =u +v +w ε (3.14)
Dimana ui ~ N(0,δu2)= komponen cross section error ) , 0 ( ~ v2 t N
v δ = komponen time series error ) , 0 ( ~ 2 w it N
w δ = komponen error kombinasi
Kita juga mengasumsikan bahwa error secara individual juga tidak saling
berkorelasi begitu juga dengan error kombinasinya.
Dengan menggunakan model efek acak ini, maka kita dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlahnya seperti yang dilakukan pada model efek tetap. Hal ini berimplikasi parameter yang merupakan hasil estimasi akan menjadi semakin efisien. Keputusan penggunaan model efek tetap maupun efek acak ditentukan dengan menggunakan spesifikasi yang dikembangkan oleh Hausman. Spesifikasi ini akan memberikan pemilihan model akan dapat ditentukan secara statistik.
Namun, disamping dengan menggunakan test statistika terdapat beberapa pertimbangan bagi kita untuk memilih apakah akan menggunakan fixed effect atau
random effect. Apabila diasumsikan bahwa εi dan variabel bebas X berkorelasi,
maka fixed effect lebih cocok untuk dipilih. Sebaliknya, apabila εi dan variabel bebas X tidak berkorelasi, maka random effect yang lebih baik untuk dipilih.
Beberapa pertimbangan yang dapat dijadikan panduan untuk memilih fixed effect
dan random effect adalah:
1. Bila T (banyaknya unit time series) besar sedangkan jumlah N (jumlah unit
cross section) kecil, maka hasil fixed effect dan random effect tidak jauh
berbeda sehingga dapat dipilih pendekatan yang lebih mudah untuk dihitung yaitu fixed effect model.
2. Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan akan berbeda jauh. Jadi, apabila kita meyakini bahwa unit cross section yang kita pilih
dalam penelitian diambil secara acak (random) maka random effect harus
digunakan. Sebaliknya, apabila kita meyakini bahwa unit cross section yang
kita pilih dalam penelitian tidak diambil secara acak maka kita harus menggunakan fixed effect.
3. Apabila komponen error individual (εi) berkorelasi dengan variabel bebas X maka parameter yang diperoleh dengan random effect akan bias sementara parameter yang diperoleh dengan fixed effect tidak bias
4. Apabila N besar dan T kecil, dan apabila asumsi yang mendasari random effect dapat dipenuhi, maka random effect lebih efisien dibandingkan fixed effect.
Sedangkan tehnik Pooled EGLS (Estimated General Least Square) dengan period random effect menurut Yaffee (2005) cocok digunakan untuk model yang
heteroskedastis, ada autokorelasi yang mengganggu error, serta jumlah sampel
yang digunakan tidak terlalu besar.
3.6 Analisis Regresi
Untuk mengetahui variabel-variabel yang mempengaruhi pembiayaan murabahah dan mudharabah pada bank umum syariah digunakan persamaan regresi untuk data panel.
Analisis regresi adalah analisis tentang studi ketergantungan satu variabel, variabel tak bebas, pada satu atau lebih variabel lain, variabel yang menjelaskan
segi nilai yang diketahui atau tetap (dalam pengambilan sampel berulang) variabel yang menjelaskan. Metode ekonometri (regresi) yang digunakan adalah model dinamis karena terdapat kelambanan (lag) pada perilaku pembiayaan perbankan
syariah. Pembiayaan tidak serta merta terjadi pada saat diajukan tetapi memerlukan waktu untuk menyetujui pembiayaan tersebut. Kelambanan terjadi karena alasan psikologis, teknis, dan institusi (Gujarati, hal 589, 1995). Model yang digunakan adalah Distributed Lag karena terjadi kelambanan pada variabel
dependen pada pembiayaan dalam jangka waktu kuartalan.. Untuk kesederhanaan maka digunakan lag satu. Model dengan Autoregresive tidak digunakan karena
diduga pada kenyataannya penyesuaian (adjustment) terhadap pembiayaan yang
dilakukan nasabah maupun bank syariah tidak terjadi dalam jangka waktu bulanan tetapi jangka waktu yang lebih panjang (misalkan tahunan).
Untuk menguji pengaruh variabel-variabel independen terhadap variabel dependen digunakan uji statistik di bawah ini.
1. Uji Goodness of Fit (R2)
R2 (koefisien determinasi) menginformasikan baik atau tidaknya model regresi yang terestimasi. Angka tersebut dapat mengukur seberapa dekat garis regresi yang terestimasi dengan data sesungguhnya. Artinya, nilai tersebut mencerminkan seberapa besar variasi dari variabel terikat Y dapat diterangkan oleh variabel bebas X. Semakin besar nilai R2, maka semakin baik model regresi yang diperoleh.
Baik atau buruknya suatu persamaan regresi ditentukan oleh R2-nya yang mempunyai nilai antara nol dan satu. Ketentuannya:
a. Bila nilai koefisien determinasi sama dengan 0 (R2 = 0), artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali.
b. Bila R2=1, artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X. Dengan kata lain, bila R2=1, maka semua titik-titik pengamatan berada tepat pada garis regresi.
2. Uji-t
Uji ini digunakan untuk mendeteksi signifikansi variabel independen (secara individual) terhadap variabel dependen yang digunakan. Adapun hipotesis dalam uji ini adalah sebagai berikut:
0 : 0 : 1 0 ≠ = j j H H β β Di mana j = 0, 1, 2,…..,k
k adalah koefisien slope.
Dari hipotesis tersebut dapat terlihat arti dari pengujian yang dilakukan, yaitu berdasarkan data yang tersedia, akan dilakukan pengujian terhadap βj (koefisien regresi populasi), apakah sama dengan nol, yang berarti variabel bebas tidak mempunyai pengaruh signifikan terhadap variabel terikat, atau tidak sama dengan nol, yang berarti variabel bebas mempunyai pengaruh signifikan terhadap variabel terikat.
Formula Uji-t adalah sebagai berikut:
) ( . j j b e s b t = (3.5) Nilai t di atas akan dibandingkan dengan nilai t tabel. Bila ternyata, setelah dihitung t >tα/2, maka nilai t berada dalam daerah penolakan, sehingga hipotesis nol (βj =0) ditolak pada tingkat kepercayaan
(
1−α)
×100%. Dalam hal ini dapat dikatakan bahwa βj statistically significance.Tahap-tahap uji t :
a) Merumuskan hipotesis nol dan hipotesis alternatif.
Ho : α = 0, artinya tidak ada pengaruh signifikan secara statistik antara variabel x terhadap variabel y.
Ha : α ≠0, artinya ada pengaruh yang signifikan secara statistik antara variabel x terhadap variabel y.
b) Menentukan tingkat signifikansi α sebesar 5% dan degree of freedom (df) = n-k dalam menetukan t-tabel.
d) Kriteria :
(t-hitung > t-tabel atau –t- hitung < -t-tabel) Ho ditolak. (t-hitung < t-tabel atau –t-hitung > -t-tabel) Ho diterima.
3. Uji-F
Uji ini digunakan untuk mendeteksi signifikansi semua variabel independen secara bersama mempengaruhi variabel dependen. Adapun tahap-tahap Uji F adalah sebagai berikut :
a) Merumuskan hipotesis nol dan hipotesisi alternatif.
Ho : α = 0, artinya secara bersama variabel independen tidak dapat digunakan dalam analisis regresi .
Ha : α ≠ 0, artinya secara bersama variabel independen dapat digunakan dalam analisis regresi.
b) Menentukan tingkat signifikansi α sebesar 5% dan degree of freedom (df) = (n-1,n-k) dalam menetukan F-tabel.
c) Menghitung F-hitung.
d) Kriteria : (F-hitung > F-tabel) Ho ditolak. e) (F-hitung < F-tabel) Ho diterima.
3.7 Pengolahan Data
Pengolahan data dalam penelitian ini, dilakukan dengan langkah-langkah sebagai berikut:
1. Mengumpulkan data kuartalan mengenai besaran pembiayaan murabahah dan mudharabah dari masing-masing bank umum syariah (BUS) dari periode kuartal keempat 2004 (Desember 2004) hingga kuartal pertama 2008 (Maret 2008).
2. Tabulasi data menjadi data panel dengan menggunakan bantuan program software Eviews 5.0.
3. Melakukan model kelambanan (lag) untuk variabel bebas. Hal ini diperlukan karena hasil atau dampak dari setiap kebijakan ekonomi atau aktivitas bisnis tidak terjadi secara instan tetapi memerlukan waktu.
5. Regresi data dengan Eviews menggunakan metode PLS, Metode Efek Tetap, Metode Efek Random serta EGLS.
6. Melakukan pengujian pengaruh variabel independent (variabel bebas) terhadap variabel terikat (dependent) dengan tingkat signifikansi α=5%.
7. Interprestasi data terkait hasil pengolahan data untuk model yang digunakan dalam penelitian.
3.8 Tahap-Tahap Penelitian
Pengolahan data dibantu dengan menggunakan program Eviews 5.0. Tahap-tahap penelitian dalam penelitian ini dapat dilihat pada flowchart sebagai berikut:
Gambar 3.1 Flowchart Penelitian Mulai Mengumpulkan data Pemilihan Metode: PLS, MET, MER, EGLS Terpilih Metode yang tepat Regresi Model Distributed Lag Pengujian Hipotesis Selesai Tidak Removed Ya Interpretasi Model
