63
BABIII
OBJEK DAN METODE PENELITIAN
3.1. Objek Penelitian
Dalam penelitian ini, objek yang dianalisis adalah data-data sekunder dari Non
Performing Loans (X1), Dana Pihak Ketiga (X2), Net Interest Margin (X3), Perkembangan kredit (Y1) dan Tingkat Suku Bunga (Y2) pada bank umum.
Data tersebut penulis dapatkan sebagian besar dari perpustakaan Bank
Indonesia Cabang Bandung Jalan Merdeka no 26 Bandung, badan Pusat Statistik, dan
juga situs internetnya.
Keseluruhan data variabel-variabel dalam penelitian ini merupakan data time
series dengan periode pengamatan dari bulan Januari 2003 sampai dengan Desember
2007.
3.2. Desain dan Metode Penelitian
Desain penelitian menurut Kusnendi (2007:40) adalah rencana, struktur dan
strategi dalam suatu penelitian yang disusun sedemikian rupa sehingga peneliti akan
dapat memperoleh jawaban untuk pertanyaan–pertanyaan penelitiannya.
Desain penelitian yang digunakan dalam penelitian ini menggunakan
pendekatan deskriptif (descriptive analysis) karena dilakukan untuk memperlihatkan
dan menguraikan keadaan objek penelitian dan dilanjutkan dengan analisis verifikatif
hipotesis, yang dilaksanakan melalui pengumpulan data di lapangan dimana dalam
penelitian ini akan diuji sejauh mana pengaruh dari Non Performing Loans (NPL),
Dana Pihak Ketiga, dan Net Interest Margin (NIM) terhadap tingkat suku bunga kredit
konsumsi pada bank umum, serta implikasinya terhadap perkembangan kredit
konsumsi. Metode penelitian yang digunakan adalah explanatory research atau
penelitian penjelasan karena bersifat penjelasan, yaitu menjelaskan hubungan
kausalitas.
3.3 Operasionalisasi Variabel
Dalam penelitian ini telah ditetapkan sejumlah variabel yang termasuk ke
dalam variabel bebas (eksogen) dan variabel terikat (endogen). Variabel bebas yang
dimaksud dalam penelitian ini adalah variabel Non Performing Loans (NPL), Dana
Pihak Ketiga, dan Net Interest Margin (NIM). Sedangkan yang dimaksud variabel
terikat adalah tingkat suku bunga kredit konsumsi pada bank umum dan
perkembangan kredit konsumsi.
Variabel-variabel dalam penelitian ini seperti telah di jelaskan pada objek
penelitian dijabarkan lebih lanjut ke dalam variabel, indikator, pengukuran dan skala
data, seperti pada Tabel 3.1.
3.4 Jenis dan Sumber Data
Jenis data yang akan digunakan di dalam penelitian ini bersifat kuantitatif.
Selain itu, keseluruhan data variabel dalam penelitian ini merupakan data time series
Sumber data yang digunakan adalah data sekunder, yaitu jenis data yang di peroleh
dalam bentuk yang sudah jadi, sudah dikumpulkan dan diolah oleh pihak lain biasanya
dalam bentuk publikasi. Data sekunder diperoleh dari perpustakaan Bank Indonesia
cabang Bandung Jln. Merdeka no 26 Bandung, Badan Pusat Statistik, internet,
buku-buku, literatur, dan jurnal-jurnal penelitian. Penggunaan data sekunder dalam
penelitian ini dikarenakan efektivitas biaya dan penghematan waktu.
Tabel 3.1
Operasionalisasi Variabel
No Variabel Subvariabel Indikator Satuan Skala
1 Perkembangan Kredit (Y2) Jumlah penyaluran kredit % Rasio
2 Tingkat Suku Bunga (Y1) Tingkat suku bunga kredit bank-bank
umum berjangka triwulan
% Rasio
4 Dana Pihak Ketiga (X3) Giro Dana pihak ketiga dalam bentuk giro Rupiah Rasio
Deposito Dana pihak ketiga dalam bentuk deposito
Rupiah Rasio
Tabungan Dana pihak ketiga dalam bentuk tabungan
Rupiah Rasio
3 Non Performing Loan (X2) Kredit kurang lancar (KL), kredit diragukan (D), dan kredit macet (M), dan outstanding (OS)
% Rasio
5 Net Interest Margin (X3) Pendapatan bunga dan aktiva produktif
3.5 Teknik Pengumpulan Data
Adapun teknik pengumpulan data yang dilakukan oleh penulis adalah metode
dokumentasi. Mengenai metode dokumentasi, Arikunto (1998:236) berpendapat
sebagai berikut :
“Metode dokumentasi yaitu mencari data mengenai hal-hal atau variabel yang berupa catatan, transkrip, buku, surat kabar, majalah, dan lain sebagainya. …. Dalam menggunakan metode ini peneliti memegang checklist untuk variabel yang sudah ditentukan. Apabila terdapat/muncul variabel yang dicari, maka peneliti tinggal membubuhkan tanda check di tempat yang sesuai”
Berdasarkan pendapat tersebut, maka peneliti melakukan pengumpulan data
berupa data sekunder. Data sekunder adalah data yang didapat dari pihak lain yang
telah mengumpulkan terlebih dahulu dari jenis data yang dipergunakan data time
series. Data sekunder yang dibutuhkan dalam penelitian ini adalah :
1. Data Perkembangan kredit bank-bank umum berjangka triwulan (commercial
banks) dari laporan Bank Indonesia, terhitung sejak Bulan Januari 2003 sampai dengan Desember 2007.
2. Data suku bunga kredit bank-bank umum (commercial banks) dari laporan Bank
Indonesia, terhitung sejak Bulan Januari 2003 sampai dengan Desember 2007.
3. Data Non Performing Loans bank-bank umum (commercial banks) dari laporan
Bank Indonesia, terhitung sejak Bulan Januari 2003 sampai dengan Desember
2007.
4. Data Dana Pihak Ketiga bank-bank umum (commercial banks) dari laporan Bank
5. Data Net Interest Margin bank-bank umum (commercial banks) dari laporan Bank
Indonesia, terhitung sejak bulan Januari 2003 sampai dengan Desember 2007.
3.7. Teknik Analisis Data dan Pengujian Hipotesis
3.7.1 Teknik Analisis Data
Sesuai dengan yang ditetapkan dalam penelitian ini, teknik analisis data
dilakukan dengan menggunakan pendekatan statistic seperti yang diuraikan dalam
Tabel 3.2
Tabel 3.2
Tujuan Penelitian dan Teknik Analisis Data
Tujuan penelitian Teknik Analisis Data
Deskripsi tentang Non Performing Loans (NPL), Dana Pihak Ketiga, Net Interest Margin (NIM), tingkat suku bunga kredit konsumsi dan perkembangan kredit konsumsi pada bank umum periode Januari 2003 sampai dengan Desember 2007
Analisa statistik Deskriptif
Menjelaskan Pengaruh Non Performing Loans (NPL), Dana Pihak Ketiga, dan Net Interest Margin (NIM) terhadap tingkat suku bunga kredit konsumsi bank umum periode Januari 2003 sampai dengan Desember 2007
Analisis jalur
Menjelaskan implikasi tingkat suku bunga kredit konsumsi bank umum terhadap perkembangan kredit konsumsi pada bank umum periode Januari 2003 sampai dengan Desember 2007
Analisis statistik deskriptif dilakukan dengan menggunakan tendensi sentral
berupa rata-rata hitung (mean), nilai terbesar dan terkecil maupun ukuran disersi
(dispersion) berupa standar deviasi yang disajikan dalam bentuk tabel. Dalam
pelaksanaannya, analisis statistik deskriptif menggunakan program MS.Excel 2007
Sedangkan untuk mengolah data analisis jalur menggunakan komputasi Analysis of
Moment Structure (AMOS) versi 5.0 dengan bentuk data berupa time series.
3.7.2 Pengujian Hipotesis
Analisis data digunakan penulis adalah analisis jalur (path analysis) yang
diperkenalkan pertama kali oleh Sewall Wright pada tahun 1920. Pada awalnya
analisis jalur dipergunakan untuk ilmu sosiologi dan dikembangkan oleh Karl G
Joreskog dan Dag Sorbom dari departemen Statistik Universitas Uppsala Swedia.
Berdasarkan kerangka pemikiran dan hipotesis penelitian yang telah diajukan
sebelumna, maka hubungan kausal antar variabel penelitian dapat digambarkan secara
Gambar 3.1
Struktur Model penelitian
Keterangan :
X1 = Non Performing Loans
X2 = Dana Pihak Ketiga
X3 = Net Interest Margin
Y1 = Tingkat Suku Bunga
Y2 = Perkembangan Kredit
e1dan e2 = Koefisien jalur variabel residu
Sesuai dengan Gambar 3.1 dan hipotesis yang diajukan sebelumnya maka
dapat dibuat model dalam bentuk persamaan diagram jalur sebagai berikut :
1 41 1 42 2 43 3 1 2 51 1 52 2 53 3 53 1 2 Y X X X e Y X X X Y e ρ ρ ρ ρ ρ ρ ρ = + + + = + + + +
Untuk menentukan berapa besarnya pengaruh dari suatu variabel terhadap
variabel lainnya dalam analisis jalur diperlukan persyaratan seperti yang dikemukakan
Sitepu (1994:14) sebagai berikut :
1. Hubungan antar variabel harus merupakan hubungan linear dan aditif.
Uji linearitas menggunakan curve fit dan menerapkan prinsip parsimony, yaitu
bilamana seluruh model signifikan yang dilihat dari p-value ≥ 0.05, root means
square error of approximation (RMSEA) ≤ 0.08 dan nilai comparative fit index (CFI) ≥ 0.90 berarti dapat dikatakan model berbentuk linear.
2. Semua variabel residu tidak mempunyai korelasi satu sama lain (autokorelasi).
Guna memenuhi syarat kedua, dilakukan uji autokorelasi yang dilakukan dengan
menggunakan metode grafik atau PP Plot (Supranto, 2004:98). Bila gambar dalam
PP-Plot menunjukkan pola tertenu dari sebaran nilai residual atas model yang
diuji, berarti model tersebut memiliki gejala autokorelasi. Lebih jauh Supranto
mengatakan, konsekuensi dari mengabaikan adanya gejala autokorelasi diantaraya
adalah :
a. Uji signifikansi menjadi kurang kuat (less powerful)
Menurut Supranto (2004:108-114) ada beberapa cara dalam mengatasi persoalan
autokorelasi, salah satunya dengan mentransformasikan data mentah (raw data)
dengan menggunakan rumus :
t t-1 t t-1 t t-1
(Y - Y ) = (1- ) ρ A ρ + (X - X ) + ( - B ρ ε ρε )
Dimana :
Yt = data variabel endogen setelah transformasi Xt = data variabel eksogen setelah transformasi A = intercept
B = koefisien regresi έ = kesalahan pengganggu
3. Pola hubungan antar variabel adalah rekursif
4. Skala pengukuran baik pada variabel penyebab maupun pada variabel akibat
sekurang-kurangnya interval
Apabila persyaratan ini dipenuhi, maka koefien jalur bias dihitung dengan
langkah sebagai berikut :
1. Menggambarkan dengan jelas diagram jalur yang mencerminkan proporsi
hipotetik yang diajukan, lengkap dengan persamaan strukturalnya.
1 2 2 1 2 X X u X X X ... Xu 1 r ... r 1 ... r R ... ... i u =
Formula untuk menghitung koefisien korelasi menggunakan Pearson’s Cofficient
of Correlation (Product Moment Coefficient)dari Karl Pearson. Rumus Pearson’s Cofficient of Correlation (Product Moment Coefficient) (Al Rasyid, 2005) :
(
)(
)
(
)
(
)
1 2 2 2 2 1 1 i i n i i i i i n n i i i i x y x y n r x y x y n n = = = − = − − ∑
∑
∑
∑
∑
∑
∑
3. Menghitung matriks korelasi variabel eksogen
1 2 2 1 2 X X k X X X ... Xk 1 r ... r 1 ... r R ... ... i k =
4. Menghitung matriks invers korelasi variabel eksogen
(
)
11 12 1j 22 2j -1 i i jj C C ... C C ... C 1 R adj R ... ... C i R = ⋅ 1 1 2 2 11 12 1j 22 2j jj C C ... C C ... C ... ... ... ... C u u u u u j u j x x x x x x x x x x x x r r r ρ ρ ρ =
Untuk menentukan koefisien jalur, dapat juga digunakan fungsi regresi, yaitu
mengalikan koefisien regresi dengan standar deviasi variabel eksogen dibagi
dengan standar deviasi variabel endogen. Rumusnya adalah sebagai berikut
(Kusnendi, 2005:9): ( ) ij k k y S b S ρ = Keterangan :
Ρij = koefisien jalur
Sk = standar deviasi variabel eksogen Sy = standar deviasi variabel endogen Bk = koefisien regresi variabel eksogen
6. Menguji kebermaknaan (test of significance) koefisien jalur secara keseluruhan maupun secara individu.
Guna melakukan pengujian kebermaknaan koefisien jalur atas hipotesis yang ditetapkan, Tabel 3.3 menguraikan rancangan pengujian hipotesis dengan menggunakan criteria uji berdasarkan output AMOS versi 5.0
Tabel 3.3
Rumusan Hipotesis Penelitian
Pengujian Hipotesis statistik Kriteria uji
Secara keseluruhan (over
all model fit)
H0, R=R(θ) : Matriks korelasi antar variabel Y, X1, X2, X3, dan Y1 sampel tidak berbeda dengan matriks korelasi populasi
H1, R≠R(θ) : Matriks korelasi antar variabel Y, X1, X2, X3, dan Y1 sampel berbeda dengan matriks korelasi populasi Diharapkan H0 diterima, jika : P-value ≥ 0.05, RMSEA ≤ 0.08, CFI ≥ 0.90 Secara individual
Hipotesis 1 H0, ρ < 0 : masing-masing variabel X1, X2 dan X3 tidak berpengaruh terhadap variabel Y1
H1, ρ >0 : masing-masing variabel X1, X2 dan X3berpengaruh terhadap variabel Y1
Diharapkan H0 diterima, jika : P-value ≤ 0.05
Hipotesis 2 H0, ρ < 0 : masing-masing variabel X1, X2, X3 dan Y1 tidak berpengaruh terhadap variabel Y
H1, ρ>0 : masing-masing variabel X1, X2, X3 dan Y1 berpengaruh terhadap variabel Y
Diharapkan H0 diterima, jika : P-value ≤ 0.05
7. Menghitung besarnya pengaruh langsung, pengaruh tidak langsung, serta
pengaruh total variabel eksogen terhadap variabel endogen secara parsial, dengan
rumus :
a. Besarnya pengaruh langsung variabel eksogen terhadap variabel endogen =
u j u j
x x x x x
ρ ρ
b. Besarnya pengaruh tidak langsung variabel eksogen terhadap variabel
endogen =
1 2
u j u j
x x xrx x x x x
c. Besarnya pengaruh total variabel eksogen terhadap endogen adalah
penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tidak
langsung = 1 2 u j u j u j u j x x x x x x x xrx x x x x ρ ρ ρ ρ +
8. Menghitung R2 Xu
(
X , X , ..., X1 2 k)
, yaitu koefisien determinasi total X1, X2, …, Xk terhadap Xu atau besarnya pengaruh variabel eksogen secara bersama-sama(gabungan) terhadap variabel endogen dengan menggunakan rumus :
(
)
(
)
1 2 1 2 2 u 1 2 k R X X , X , ..., X ... ... u u u u u j u j x x x x x x x x x x x x r r r ρ ρ ρ = 9. Menghitung besarnya variabel residu, yaitu variabel yang mempengaruhi variabel
endogen di luar variabel eksogen dengan rumus :
(
)
2 u 1 2 k = R X X , X , ..., X u xε ρPerlu diketahui, produk akhir dari langkah perhitungan tersebut adalah
memperoleh model penelitian yang sesuai dalam memprediksi perubahan variabel
eksogen terhadap variabel endogen yang diinterpretasikan dalam bentuk persamaan
structural maupun gambar struktur maupun gambar struktur jalur itu sendiri. Dengan
demikian dalam teknik analisis jalur, tidak tertutup kemungkinan persamaan maupun
model akan berubah yang disebabkan oleh adanya salah satu atau lebih variabel
independen yang pengujian hipotesisnya ditolak (Ho diterima). Apabila terjadi hal
trimming. Trimming sebagaimana dikemukakan oleh Heise, Al Rasyid dalam Kusnendi (2004:12) adalah metode yang digunakan untuk memperbaiki model dengan jalan
mengeluarkan atau mendrop dari model variabel eksogen yang koefisisn jalurnya tidak
signifikan.
Dengan demikian sudah jelas terjadinya trimming berdampak pada perubahan
model. Oleh karenanya dalam penjelasan AMOS, peneliti dapat membandingkan
(mengkomparasi) model mana yang paling fit dengan data, dimana model yang
dinyatakan fit dengan data adalah model yang menunjukkan tingkat keakurasian dalam
memprediksi perubahan dalam variabel-variabel yang diteliti melalui penggunaan nilai
comparative fit index (CFI). CFI merupakan ukuran kesesuaian model berbasis koparatif degan model null. CFI nilainya berkisar antara 0.0 sampai 1.0. CFI ≥ 0.90
