BAB III OBJEK DAN METODE PENELITIAN. Dalam penelitian ini, objek yang dianalisis adalah data-data sekunder dari Non

14 

Teks penuh

(1)

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

(2)

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

(3)

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

(4)

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)

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

(6)

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

(7)

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 :

(8)

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)

(9)

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.

(10)

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       = ⋅      

(11)

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

(12)

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

(13)

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 ρ

Perlu 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

(14)

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

Figur

Memperbarui...

Referensi

Memperbarui...

Related subjects :