3. METODE PENELITIAN
3.1. Jenis Penelitian
Dalam penelitian ini mengunakan jenis penelitian asosiatif. Menurut Julianda, Irfan, dan Manurung (2015, p. 86), “penelitian asosiatif menganalisa permasalahan hubungan suatu variabel dengan variabel lainnya.” Pada penelitian ini diarahkan pada pelaku usaha mikro yang berada diwilayah Surabaya agar mampu untuk terus menciptakan inovasi dan kreatifitas baru, mengelola dan mempertahankan serta meningkatan pembiayaan dalam usaha. Pendekatan pengukuran data menggunakan pendekatan kuantitatif yaitu merupakan data yang diperoleh dan dapat diwujudkan dalam bentuk angka-angka yaitu data hasil isian melalui kuesioner.
3.2. Gambaran Populasi dan Sampel 3.2.1 Populasi
Menurut Harinaldi (2005, p. 2), “populasi adalah kumpulan dari keseluruhan pengukuran, objek, atau individu yang sedang dikaji.” Jadi pengertian populasi dalam statistik tidak terbatas pada sekelompok atau kumpulan orang-orang, namun mengacu pada seluruh ukuran, hitungan, atau kualitas yang menjadi fokus perhatian suatu kajian. Suatu pengamatan atau survei terhadap seluruh anggota populasi yang sering disebut sensus.
Pada penelitian ini populasi yang dipilih adalah seluruh usaha mikro yang berada di Surabaya dan masih aktif beroperasi.
3.2.2 Sampel
“Sampel adalah bagian dari populasi yang dipilih melalui cara tertentu yang mewakili karakteristik tertentu, jelas dan lengkap yang dianggap mewakili populasi” (Arifin, 2008, p. 69). Sampel dari penelitian ini adalah usaha mikro yang masih aktif beroperasi. Metode pemilihan sampel yang digunakan adalah purposive sampling. Menurut Sugiyono (2010, p. 68),
“purposive sampling adalah teknik penetapan sampel dengan pertimbangan khusus, sehingga layak untuk dijadikan sampel.”
Kriteria sampel dalam penelitian ini adalah :
a. Usaha mikro yang masih aktif beroperasi dan pernah melakukan external financial access (pinjaman orang tua, teman, bank, koperasi, Lembaga Swadaya Masyarakat, dan sebagainya)
b. Usaha mikro beroperasi di kawasan Surabaya
c. Memiliki besaran minimum pendapatan pertahun Rp 10.000.000 (Golongan pendapatan dikategorikan oleh BPS tahun 2013 dan hasil penelitian pretest kuesioner)
Teknik perhitungan jumlah sampel yang digunakan dalam penelitian ini adalah teknik Lemeshow, yaitu :
n =
( ⁄ , )
n = , .( , )
( , / , )
n = 96,04 ≈ 97 responden atau 100 (minimal) Keterangan :
n = ukuran jumlah sampel p = estimasi maksimal (50%)
q = 1- p
E = besarnya toleransi kesalahan (10%)
3.3. Jenis dan Sumber Data
Pada penelitian ini, sumber data yang digunakan adalah data primer.
Menurut Istijanto (2005, p. 45), data primer merupakan data asli yang dikumpulkan oleh peneliti untuk menjawab masalah risetnya secara khusus.
Data ini tidak tersedia karena belum ada riset sejenis yang pernah dilakukan atau hasil riset yang sejenis sudah terlalu kadaluwarsa. Peneliti menyebarkan kuesioner pada usaha mikro di daerah Surabaya Selatan, Timur, Barat, Utara, dan Pusat. Jenis pengukuran data pada peneitian ini menggunakan data kuantitatif yaitu merupakan data yang diperoleh dan dapat diwujudkan dalam bentuk angka-angka yaitu data hasil isian melalui kuesioner.
3.4. Metode dan Prosedur Pengumpulan Data
Metode penelitian ini dengan menyebarkan hardcopy kuesioner.
Selanjutnya prosedur pengumpulan data dilakukan dengan cara, yaitu : 1. Kuesioner
Menurut Djaali dan Muljono (2004, p. 101), “kuesioner adalah alat pengumpulan data yang berbentuk pertanyaan yang akan diisi oleh responden.”
Kuesioner digunakan terutama untuk mengukur variabel yang bersifat faktual, memperoleh informasi yang relevan dengan tujuan peneliti dan memperoleh informasi dengan validitas dan reabilitas setinggi mungkin.
Dalam penelitian ini peneliti membagikan pretest kepada 30 responden.
2. Evaluasi pretest kuesioner
Setelah membagikan pretest kuesioner kepada 30 responden, jika ada beberapa pertanyaan yang tidak dipahami maka peneliti akan melakukan revisi kuesioner pretest dan membagikan ulang kuesioner.
3. Final test kuesioner
Kuesioner akan dibagikan secara hardcopy kepada responden yang telah memenuhi kriteria penelitian dengan jumlah 115 kuesioner untuk menghindari data rusak (kuesioner tidak dikembalikan atau tidak diisi dengan lengkap).
3.5. Definisi Operasional Variabel
“Definisi operasional adalah definisi yang menyajikan pengertian secara operasional berbentuk ungkapan yang akan diukur atau penerapan dari yang didefinisikan” (Kasmadi dan Sunariah, 2013, p. 82). Definisi operasional dalam penelitian ini adalah :
Identifikasi variabel maupun definisi operasional variabel dalam penelitian ini adalah sebagai berikut:
3.5.1 Variabel Dependen
3.5.1.1 Konsep : External Financial Access
Definisi Operasional : Akses keuangan eksternal ke sumber pendanaan dikaitan dalam karakteristik personal pelaku usaha mikro (Irwin dan Scott, 2010)
Indikator empirik : Indikator dari variabel ini diukur dengan menggunakan 3 pernyataan nomor 18-20 pada tabel pernyataan yang dinilai
dengan skala likert diukur melalui jenis dan sumber pendanaan yang digunakan, kemudahan memperoleh dan usaha pelaku usaha mikro untuk memperoleh pendanaan (Newcastle Business School Northumbria University, 2012) :
Tabel 3.1 Indikator Empirik External Financial Access N
Pernyataan
1. Akses keuangan ke beberapa sumber pendanaan yang berbeda dalam bisnis 2. Kemudahan memperoleh pendanaan external
3. Selalu mencoba untuk terus mengakses pendanaan dari pihak eksternal
Terdapat pengelompokan nilai rata-rata dari skala likert diatas dengan cara (Simamora dan Bilson, 2004)
− ℎ
! ℎ " #
$ = 2……….………(3.1)
Keterangan :
5 = skala likert dengan jawaban paling tinggi 1 = skala likert dengan jawaban paling rendah 2 = kategori nilai external financial access
Tabel 3.2. Coding Score External Financial Access
Mean adalah rata-rata nilai yang dapat diperoleh dari suatu informasi. Berikut adalah rumus menghitung Mean pada jawaban responden (Santoso, 2007) :
%̅ = ('( 1 % * ( ' 1) + ('( 2 % * ( ' 2) … … … … . ('( 5 % * ( ' 5)
∑ ' !0
Keterangan :
Skala 1-5 = Sangat Tidak Setuju – Sangat Setuju Frekuensi 1-5 = Pernyataan dalam Kuesioner
3.5.1.2. Konsep : External Financial Constraints
Nilai Hasil Kode
1 – 3 Rendah 1
>3 – 5 Tinggi 2
Definisi Operasional : Hambatan keuangan eksternal yang dihadapi oleh pelaku usaha mikro dalam menjalankan usaha, serta memperlambat pertumbuhan usaha (Sudaryanto, Ragimun, dan Wijayanti, 2014)
Indikator Empirik : Indikator dari variabel ini diukur menggunakan 4 pertanyaan nomor 21-24 pada final kuesioner tentang kemampuan pelaku usaha mikro dalam mengetahui dan memahami beberapa hal sebagai berikut :
Tabel 3.3 Indikator Empirik External Financial Constraints
No Pernyataan
1. Mengalami hambatan memperoleh pendanaan (Beck, 2007)
2. Mengalami hambatan untuk mengelola keuangan dalam bisnis (Newcastle Business School Northumbria University, 2012)
3. Pendanaan eksternal tidak memaksimalkan pinjaman (Newcastle Business School Northumbria University, 2012) 4. Mengalami hambatan untuk meningkatkan pertumbuhan bisnis
(Islam, 2009)
Berdasarkan 4 pertanyaan, akan dibagi menjadi 2 penggolongan dengan cara (Simamora dan Bilson, 2004) :
− ℎ
! ℎ " #
$ = 2 ………..… (3.2.)
Keterangan :
5 = nilai paling tinggi 1 = nilai paling rendah
2 = kategori nilai external financial constraints
Tabel 3.4 Coding Score External Financial Constraints
Mean adalah rata-rata nilai yang dapat diperoleh dari suatu informasi. Berikut adalah rumus menghitung Mean (Santoso, 2007) :
%̅ = ('( 1 % * ( ' 1) + ('( 2 % * ( ' 2) … … … … . ('( 5 % * ( ' 5)
∑ ' !0
Keterangan :
Nilai Hasil Kode
1 – 3 Rendah 1
>3 – 5 Tinggi 2
Skala 1-5 = Sangat Tidak Setuju – Sangat Setuju Frekuensi 1-5 = Pernyataan dalam Kuesioner 3.5.2 Variabel Independen
3.5.2.1 Konsep : Demografi
Definisi Operasional : Karakteristik yang dimiliki oleh pelaku UMKM secara demografi yang dapat berpengaruh terhadap keberhasilan usaha (Carter et al., 1997 dan Verheul et al, 2002).
Indikator Empirik : Pendidikan, jenis kelamin dan usia 3.5.2.1.1. Konsep : Tingkat pendidikan
Definisi Operasional : Pendidikan menunjukan pengetahuan yang dimiliki oleh pelaku usaha mikro dalam mengelola dan mengembangkan usaha (Arthur dan Hisrich, 2012)
Indikator Empirik : Tingkat pendidikan formal terakhir yang pernah ditempuh oleh pelaku usaha mikro berdasarkan kategori yang dilakukan oleh BPS (2013). Tingkat pendidikan pada penelitian ini untuk mengukur kendala yang dihadapi dalam mengakses pendanaan eksternal ke sumber pinjaman dan pengelolahan keuangan
Tabel 3.5 Indikator Empirik Demografi Pendidikan
Tingkat pendidikan terakhir yang ditempuh Coding Score
SD 1
SMP 2
SMA 3
Diploma 4
S1 5
Pascasarjana 6
3.5.2.1.2. Konsep : Jenis kelamin
Definisi Operasional : Perbedaan biologis, fisiologis, dan karakteristik yang dapat membedakan pria dan wanita (Ariadi, 2015)
Indikator Empirik : Pengukuran dikategorikan antara laki-laki dan perempuan
Tabel 3.6 Indikator Empirik Demografi Jenis Kelamin Jenis Kelamin Coding Score
Laki-laki 1
Perempuan 2
3.5.2.1.3. Konsep : Usia
Definisi Operasional : Umur dari pelaku usaha mikro yang dikaitkan dalam mengakses pendanaan serta menghadai berbagai hambatan yang terjadi dalam usaha (Irwin dan Scott, 2010)
Indikator Empirik : Berdasarkan kategori usia dari BPS (2013), digunakan dalam penelitian ini menggunakan kategori usia aktif berwirausaha yaitu minimal 20 tahun.
Tabel 3.7 Indikator Empirik Demografi Usia
Usia Coding Score
20 tahun 1
>20 tahun - 24 tahun 2
>24 tahun - 44 tahun 3
>44 tahun – 65 tahun 4
>65 tahun 5
3.6. Teknik Analisa Data
Setelah mengetahui teknik pengumpulan data berdasarkan kriteria sampel, teknik analisa data yang digunakan yaitu metode analisa binary regression logistic dengan tahap-tahap sebagai berikut :
3.6.1. Menyusun dan Membagikan Kuesioner (pretest, evaluasi, final)
Pada penelitian ini menggunakan jenis kuesioner skala likert. Skala likert merupakan metode pengukuran yang digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau kelompok berhubungan dengan fenomena sosial.
a. Kriteria penilaian ini digolongkan dalam lima tingkatan dengan penilaian sebagai berikut :
Tabel 3.8 Kriteria Penilaian Kuesioner
STS Sangat Tidak Setuju 1
TS Tidak Setuju 2
CS Cukup Setuju 3
S Setuju 4
SS Sangat Setuju 5
Peneliti membuat kuesioner yang berisi pertanyaan untuk melihat pengaruh faktor demografi (pendidikan, jenis kelamin dan usia) terhadap external financial access dan external financial constraints. Kuesioner pre-test akan dibagikan melalui 30 responden untuk mengetahui kuesioner dapat dipahami dengan baik atau tidak. Kuesioner yang diedarkan dalam jumlah yang lebih sebagai bentuk antisipasi terhadap kuesioner yang rusak.
3.6.2. Melakukan tabulasi data
Pada tahap ini peneliti mengumpulkan kuesioner yang telah diisi oleh responden setelah dibagikan final test. Data mentah yang telah dikumpulkan selanjutnya akan diinput dalam bentuk excel dan kemudian akan diolah dengan SPSS 20 dan dianalisis oleh peneliti. Analisis data akan digunakan untuk membuktikan hipotesa penelitian tersebut.
3.6.3. Uji Validitas
Menurut Kriyantono (2007, p. 172), “uji validitas menunjukkan kelayakan dari pernyataan dalam kuesioner.” Pengukuran validitas dilakukan dengan menghitung koefisien korelasi. Dalam penelitian ini menggunkan riset eksplanatif dengan teknik statistik inferensial yaitu bertujuan menjelaskan hubungan antara dua atau lebih variabel. Hal ini dikarenakan, jenis dua data yang ingin cari hubungannya adalah sama-sama interval, maka teknik statistik yang gunakan Pearson’s Correlation Product Moment. Dengan ketentuan, sebuah item kuesioner dinyatakan valid jika nilai r memiliki tingkat signifikan < 5%.
3.6.4. Uji Reliabilitas
Menurut Santoso (2002, p. 207), “uji reliabilitas menunjuk pada pengertian sejauh mana alat ukur dapat dipercaya atau diandalkan dan konsisten dari waktu ke waktu.” Untuk menguji reliabilitas dengan menggunakan koefisien reliabilitas Alpha Cronbach dengan keputusan alat ukur dinyatakan reliabel jika :
1. Apabila r-alpha > 0.60 maka dinyatakan reliabel 2. Apabila r-alpha < 0.60 maka dinyatakan tidak reliabel.
3.6.5. Melakukan Crosstabulation
Menurut Sugiyono (2003), analisa crosstabulation digunakan untuk mendeskripsikan jawaban responden atas setiap varabel yang disajikan dalam bentuk tabulasi yang meliputi baris dan kolom dari perspektif karakteristik responden. Dengan demikian ciri dari crosstabulation adalah adanya dua variabel atau lebih yang mempunyai hubungan secara deksriptif.
Dalam analisa ini, penulis ingin mengtabulasikan antara pendidikan, jenis kelamin dan usia terhadap external financial access dan external financial constraints.
3.6.6. Regresi Logistik
Pada penelitian ini akan digunakan analisis binary regression logistic untuk mengetahui ada atau tidak pengaruh antara variabel independen terhadap variabel dependen. Kriteria penelitian terdapat 2 kategori yaitu, 1= rendah, 2= tinggi.
a. Persamaan 1 (External Financial Access) adalah sebagai berikut : Ln = b0 + b1Edi+ b2Gdi+ b3Agi + e ………...………….…..…. (3.1) b. Persamaan 2 (External Financial Constraints) adalah sebagai berikut : Ln = b0 + b1Edi+ b2Gdi+ b3Agi + e ………….…….…..………. (3.2) Keterangan :
P pada persamaan 1 = Probabilitas terjadinya external financial access tinggi atau rendah (kode 1 = external financial access rendah; kode 2 = external financial access tinggi)
P pada persamaan 2 = Probabilitas terjadinya external financial constraints tinggi atau rendah (kode 1 = external financial constraints rendah; kode 2 = external financial constraints tinggi)
b0 = Konstanta
b1-b3 = Koefisien regresi logistik Edi = Pendidikan Wirausahawan
Gdi = Jenis Kelamin Wirausahawan Agi = Usia Wirausahawan
e = error
3.6.7. Uji Hosmer and Lemeshow Goodness of Fit Test
Uji ini digunakan untuk melihat kelayakan suatu model regresi logistik. Uji ini akan menghasilkan nilai hosmer and lemeshow statistic yang selanjutnya akan menghasilkan nilai signifikansi. Penelitian ini juga melakukan casewise diagnostic untuk mendeteksi apabila ada data yang outlier. Kriteria untuk uji statistik hosmer and lemeshow adalah:
a. Jika p value > 0.05, maka model persamaan regresi logistik layak digunakan.
b. Jika p value < 0.05, maka model persamaan logistik tidak layak digunakan.
3.6.8. Pengujian Hipotesis Secara Simultan (Uji F)
Penelitian ini menggunakan uji koefisien regresi secara simultan (uji F) untuk mengetahui pengaruh variabel independen dan variabel dependen secara bersama-sama dengan menggunakan Omnibus Test of Model Coefficient.
1. Hipotesis statistik
Persamaan 1 (external financial access)
a. Ho : β1, β2, β3 = 0, artinya pendidikan, jenis kelamin dan usia secara bersama-sama tidak berpengaruh signifikan terhadap external financial access
b. H1 : β1, β2, β3 ≠ 0, artinya pendidikan, jenis kelamin, dan usia secara bersama-sama berpengaruh signifikan external financial access
Persamaan 2 (external financial constraints)
a. Ho : β1, β2, β3 = 0, artinya pendidikan, jenis kelamin dan usia secara bersama-sama tidak berpengaruh signifikan terhadap external financial constraints
H1 : β1, β2, β3 ≠ 0, artinya pendidikan, jenis kelamin, dan usia secara bersama-sama berpengaruh signifikan external
financial constraints
2. Menentukan tingkat signifikan (α) adalah 5%
3. Fsig > 5%, maka terima H0 dan tolak H1 Fsig < 5%, maka tolak H0 dan terima H1
3.6.9. Pengujian Hipotesis Secara Parsial (Uji t)
Uji wald digunakan untuk melihat varibel demografi yaitu pndidikan, jenis kelamin, dan usia yang mempengaruhi external financial access dan external financial constraints.
1. Hipotesa Uji Wald pada persamaan 1 (external financial access) adalah : a. H0 :β1 = 0 (pendidikan secara parsial tidak berpengaruh signifikan terhadap
external financial access)
H1:β1 ≠ 0 (pendidikan secara parsial berpengaruh signifikan terhadap external financial access)
b. H0 :β2 = 0 (jenis kelamin secara parsial tidak berpengaruh signifikan terhadap external financial access)
H1:β2 ≠ 0 (jenis kelamin secara parsial berpengaruh signifikan terhadap external financial access)
c. H0 :β3 =0 (usia secara parsial tidak berpengaruh signifikan terhadap external financial access)
H1:β3 ≠ 0 (usia secara parsial berpengaruh signifikan terhadap external financial access)
Hipotesa Uji Wald pada persamaan 2 (external financial constraints) adalah : a. H0 :β1 =0 (pendidikan secara parsial tidak berpengaruh signifikan terhadap
external financial constraints)
H1:β1 ≠ 0 (pendidikan secara parsial berpengaruh signifikan terhadap external financial constraints)
b. H0 :β2 =0 (jenis kelamin secara parsial tidak berpengaruh signifikan terhadap external financial constraints)
H1:β2 ≠ 0 (jenis kelamin secara parsial berpengaruh signifikan terhadap external financial constraints)
c. H0 :β3 =0 (usia secara parsial tidak berpengaruh signifikan terhadap external financial constraints)
H1:β3 ≠ 0 (usia secara parsial berpengaruh signifikan terhadap external financial constraints)
2. Uji t dilakukan dengan taraf signifikansi α = 0.05.
3. H0 ditolak, H1 diterima jika p-value < 0.05 H0 diterima, H1 ditolak jika p-value > 0.05
3.6.10. Uji Koefisien Determinasi
Koefisien determinasi tujuannya untuk melihat seberapa besar variasi variabel dependen mampu diterangkan dengan baik oleh variabel inependennya.
Koefisien determinasi pada regresi biner logistik ini dapat dilihat pada kolom Nagelkerker r square. Apabila presentasi Nagelkerker r square semakin besar, maka model regresi biner logistik akan semakin baik.
Artinya, semakin besar variasi variabel external financial access dan external financial constraints dapat diterapkan dengan baik oleh variabel demografi yaitu pendidikan, jenis kelamin, dan usia.
3.6.11. Matriks Klasifikasi
Matriks klasifikasi merupakan tahap yang dilakukan untuk mengetahui apakah model regresi logistik yang digunakan sudah mampu menerangkan kondisi responden yang sebenarnya atau tidak. Pengukuran ini dapat dilihat pada classification table kolom overall percentage. Apabila hasil dari overall percentage semakin besar, maka model regresi logistik akan semakin baik yang artinya model persamaan yang digunakan mampu menerangkan kondisi yang sebenarnya.
