BAB III METODE PENELITIAN

73 A. Objek dan waktu penelitian

1. Objek Penelitian

Objek penelitian ini adalah data keuangan Bank Umum Syariah (BUS) di Indonesia. Bank Umum Syariah (BUS) adalah bank syariah yang dalam kegiatannya memberikan jasa dalam lalu lintas pembayaran. Dengan kata lain BUS adalah bank yang secara penuh bertransaksi secara syariah dan bukan merupakan unit usaha syaria oleh karenanya BUS disebut juga full branch.

2. Waktu Penelitian

Penelitian ini dilakukan pada tanggal8 Februari – Juni 2016.

B. Pendekatan dan Jenis Penelitian

Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif. Penelitian Kuantitatif adalah cara memperoleh pengetahuan atau permasalahan dimana data-data yang dikumpulkan berupa rangkaian atau kumpulan angka-angka.¹²⁰ Melalui pendekatan kuantitatif peneliti mengadakan penelitian terhadap permasalahan yang ada di lokasi dan melakukan analisis data melalui perhitungan statistika. Sedangkan jenis penelitian adalah asosiatif. Jenis penelitian asosiatif adalah penelitian yang dirumuskan untuk memberikan jawaban pada permasalahan yang bersifat hubungan, dengan jenis asosiatif sebab akibat¹²¹

C. Populasi dan Sampel 1. Populasi

Populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek yang menjadi kuantitas dan karakteristik tertentu yang

120Toto Syatori Nasehuddin, Metodologi Penelitian : Sebuah Pengantar.

(Cirebon: STAIN, 2008), 5

121 Syofian Siregar, Metode Penelitian …, 106.

ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.¹²²Populasi bisa diartikan sebagai kelompok yang lebih besar dimana hasil penelitian bisa berlaku pada semua anggota grup yang akan diteliti.¹²³Tujuan diketahuinya populasi adalah agar kita dapat menentukan besarnya anggota sampel yang diambil dari anggota populasi dan membatasi daerah generalisasi.¹²⁴ Populasi dalam penelitian ini yakni kondisi keuangan Bank Umum Syariah di Indonesia.

2. Sampel

Sampel adalah bagian dari populasi yang mempunyai ciri-ciri atau keadaan tertentu yang akan diteliti¹²⁵. Pengambilan sampel dalam penelitian ini menggunakan teknik purposive sampling yaitu metode penetapan responden untuk dijadikan sampel berdasarkan kriteria- kriteria tertentu.¹²⁶ Kriterian penentuan sampel dalam penelitian ini mencakup BUS yang memiliki alporan keuangan per kuartal pada tahun 2011 sampai dengan tahun 2015, serta BUS tersebut juga harus memiliki kelengkapan data variabel yang akan diteliti

Berdasarkan kriteria di atas maka dari 12 BUS, yang memenuhi kriteria untuk dijadikan sampel adalah PT Bank Syariah Mandiri, PT Bank Mega Syariah Indonesia, PT Bank Muamalat Indonesia, PT Bank BNI Syariah, PT Bank Panin Syariah, PT Bank BRISyariah, PT Bank Syariah Bukopin, dan PT Bank BCA Syariah.

D. Operasionalisasi Variabel Penelitian

Variabel adalah lambang himpunan bilangan tertentu, yang sedang dipersoalkan. Contohnya dalam lambang himpunan bilangan y=2+5x,

122 Riduwan dan Engkos Achmad Kuncoro, Cara Menggunakan dan Memaknai Analisis Jalur (Path Analysis), (Bandung: Alfabeta, 2008), 37

123 Paul Suparno, Metode Penelitian Pendidikan IPA, (Yogyakarta: Universitas Sanata Dharma, 2014), 43

124 Amirul Hadi dan Haryono, Metodologi penelitian Pendidikan, (Bandung:

Pustaka Setia, 1998), 83

125 Deni Darmawan, Metode Penelitian Kuantitatif, (Bandung: Rosdakarya, 2013), 139

126 Syofian Siregar, Metode Penelitian ... , 33.

maka x adalah lambang bagi satu gugus bilangan yang sedang diperso¹²⁷alkan¹²⁸. Berdasarkan perumusan masalah, maka variable- variabel dalam penelitian ini adalah:

1. Variabel bebas (Independent)

Variabel bebas adalah variable yang mempengaruhi variable lain.

Variable bebas dilambangkan dengan huruf X. Variable bebas dalam penelitian ini adalah:

a. Total Dana Pihak Ketiga (DPK) sebagai variable independent yang pertama (X1).

b. Financing to Deposit Ratio (FDR) sebagai variable independent yang kedua (X2).

c. Non Performing Financing (NPF) adalah variable independent yang ketiga (X3).

d. Return on Asets (ROA) adalah variable independent yang keempat (X4)

2. Variable terikat (Dependent)

Sedangkan variable terikat adalah variable yang keberadaannya dipengaruhi oleh variable lain. Variabel terikat dilambangkan dengan huruf Y. Variable terikat atau dependent dalam penelitian ini adalah total aset sebagai variable dependent (Y).

128 Ahmad Ifham Sholihin, Buku Pintar …, 881

Tabel 3.1 Operasional Variabel

No Variabel Konsep Variabel Dimensi Indikator Skala

1.

Total Dana Pihak Ketiga (DPK) Sebagai X1

Dana yang berhasil dihumpun Bank

Syariah dalam bentuk simpanan

Simpanan giro wadiah, tabungan wadiah dan mudharabah, serta deposito

mudharabah

Logaritma natural

Total DPK

Rasio

2

Financing to Deposit Ratio (FDR)

Sebagai X2

Kemampuan Bank Syariah dalam mengelola DPK

dalam bentuk pembiayaan

Seberapa besar pembiayaan yang diberikan

Bank Syariah dari DPK

Rasio

FDR Rasio

3

Non Performing

Financing (NPF) Sebagai X3

Kondisi kesehatan aktiva produktif

Pembiayaan yang mengalami

permasalahan dalam pengembalianny

a

Rasio

NPF Rasio

4

Return on Aset (ROA)

Sebagai Y

Rasio yang menunjukan kemampuan bank

dalam menghasilkan laba

Laba yang diperoleh dari Pengelolaan Aset

Rasio ROA

Rasio

5 Total Aset Bentuk kekayaan perusahaan

Sumber daya bagi perusahaan untuk melakukan

usahanya

Logaritma natural

Total Aktiva

Rasio

E. Jenis dan Sumber Data 1. Jenis Data

Data terdiri dari dua yaitu data kategorikal dan numerik. Dalam data kategorikal, terdiri dari data nominal dan ordinal, sementara itu, dalam data numeric terdiri dari data interval dan rasio¹²⁹.

a. Data nominal, adalah data yang hanya sebatas memberi label pembeda pada suatu data. Contohnya jenis kelamin (pria dan wanita), arah mata angin (timur, utara, selatan dan barat), dsb.

b. Data ordinal, adalah data yang menunjukan tingkatan yang menunjukan lebih besar atau lebih kecil tanpa menunjukan seberapa besar atau kecil propertinya. Contohnya data pendapat (tidak setuju, setuju, sangat tidak setuju).

c. Data interval, memiliki konsep persamaan interval atau jarak.

Contohnya waktu antara jam 07.00 – 10.00 adalah sama dengan jam 12.00- 15.00.

d. Data rasio, data ini mewakili jumlah aktual suatu variable. Data ini berpatokan pada nilai 0 (nol) sebagai tolak ukur. Contohnya pengukuran tinggi, berat, dan jarak.

Dalam melakukan penelitian ini peneliti menggunakan jenis data yaitu data kuantitatif berbentuk rasio. Data rasio adalah data yang dapat dilakukan perhitungan aritmatika dan memiliki jarak yang sama. Data ini mempunyai nilai nol (0) absolut, maksudnya angka 0 benar-benar tidak ada nilainya¹³⁰. Bentuk data yang digunakan adalah data panel yang merupakan gabungan data time series dan cross section, yang terdiri dari total Dana Pihak Ketiga, rasio FDR, NPF, ROA dan Total Aktiva Bank umum Syariah (BUS) di Indonesia.

129 C. Trihendradi, Step by step SPSS 20, (Yogyakarta: Penerbit Andi, 2012), 1-2

130 Sujoko Efferin dkk, Metode Penelitian Akuntansi, (Jakarta: Graha Ilmu, 2008), 120

2. Sumber Data

Adapun berdasarkan sumber datanya, data dalam penelitian ini adalah data sekunder. yaitu data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Data sekunder yang penulis gunakan adalah data yang diperoleh dari Statistik Perbankan Syariah (SPS) yang diterbitkan oleh Bank Indonesia dan Otoritas Jasa Keuangan serta dari laporan keuangan masing-masing Bank Umum Syariah di Indonesia.

F. Teknik Pengumpulan Data

Dalam penelitian ini, penulis menggunakan teknik pengumpulan data Dokumentasi dan Studi Kepustakaan, yaitu mengumpulkan berbagai referensi yang berkaitan dengan DPK, FDR, NPF dan ROA serta total asset serta laporan keuangan pebankan syariah yang bersumber dari Statistik perbankan Syariah yang diterbitkan oleh Bank Indonesia dan Otoritas Jasa Keuangan serta dari website masing-masing Bank Umum Syariah di Indonesia.

G. Teknik Analisis Data

Teknik Analisis yang digunakan adalah dengan analisis regresi data panel. Tetapi sebelumnya beberapa langkah harus dilakukan agar regresi tidak bias dan konsisten serta mampu menjelaskan hubungan variabel independen terhadap variabel dependen. Langkah-langkah tersebut diantaranya pemilihan model yang sesuai dengan jenis data, pengujian model dengan F-test dan Hausman test, pengujian asumsi klasik agar estimasi bersifat BLUE (Best Linear Unbiased Estimator), dan yang terakhir analisis regresi data panel.

1. Spesifikasi Model

Analisis regresi data panel digunakan untuk mengetahui hubungan antara variabel Total Dana Pihak Ketiga (DPK), Financing to Deposit Ratio (FDR), Non Performing Financing(NPF), dan Return on Aset (ROA)

sebagai variabel independen terhadap total Aset sebagai variabel dependen. Barikut adalah persamaan nya:

Yit = βOit + β1X1it + β2 X2it+ β3 X3it + β4 X4it + eit (3.1) Dimana:

Y = Total Aset βO = Konstanta

β1 = Koefisien regresi variabel bebas 1 β2 = Koefisien regresi variabel bebas 2 β3 = Koefisien regresi variabel bebas 3 β4 = Koefisien regresi variable bebas 4 X1 = Total Dana Pihak Ketiga (DPK) X2= Financing to Deposit Ratio (FDR) X3 = Non Performing Financing (NPF) X4 = Return on Aset (ROA)

e = standar error

i = data dalam bentuk cross section t = data dalam bentuk time series

2. Regresi Data Panel

Penelitian ini menggunakan estimasi analisis data panel. Data panel adalah gabungan antara data runtut waktu (time series) dan data silang(cross section)¹³¹, dengan kata lain data panel adalah data yang mencakup unit individu yang sama yang diteliti dari waktu ke waktu. Oleh karenanya data panel memiliki dimensi ruang dan waktu. Artinyadata panel mencakup data time series (runtun waktu) dan cross section (menggabungkan banyak subjek atau individual). Nama lain dari data panel adalah data pooled (merupakan kombinasi antara data yang bersifat time series dan cross-section), micropanel data, longitudinal data, event history analysis atau cohort analysis. Jadi dapat disimpulkan data panel adalah data yang menggabungkan data time series dan cross section.

Sebagai contoh data time series dalam penelitian ini berbentuk data Total

131

aset Bank setiap quartal selama periode penelitian. Sedangkan data cross section berbentuk data Total aset masing-masing Bank dalam quartal tertentu. Sehingga pada analisis data panel, kedua data tersebut digabungkan yang membentuk sejumlah data cross section dan sejumlah data time series.

Regresi dengan menggunakan data panel disebut dengan model regresi data panel. Keuntungan penggunaan data panel adalah member lebih banyak informasi, lebih efisien, lebih banyak variasi, serta dapat meminimalkan bias yang terjadi pada saat mengagregasi perusahaan atau individu ke dalam agregasi besar. Dengan digabungkannya data cross section dan time series maka akan mampu menyediakan data yang lebih banyak sehingga dapat meningkatkan degree of freedom. Akan tetapi kekurangannya adalah model menjadi lebih kompleks dan rumit.

Ada beberapa model yang harus dipilih ketika menganalisis regresi data panel, agar estimasi lebih efisien, diantaranya:

a. Pooled Least Square (PLS)

Model PLS adalah model dengan pendekatan paling sederhana dalam analisis data panel, hal ini dikarenakan dalam model ini data hanya ditumpuk (time series dan cross section) lalu kemudian diestimasikan ke dalam sebuah regresi ‘besar’ tanpa memperdulikan sifat cross- secton dan time-series pada data panel¹³². pada metode ini tidak terdapat perbedaan koefisien intercept untuk setiap individu dan waktu. Penggunaan metode ini tidak dapat melihat pengaruh perubahan waktu dan juga perbedaan individu dalam data¹³³ karena diasumsikan perilaku setiap perusahaan adalah sama di setiap kurun waktu. Metode ini menggunakan pendekatan OLS (Ordinary Least Square) atau teknik kuadrat terkecil dalam mengestimasi regresi data panel.

132 Damodar N. Gujarati dan Dawn C. Parter, Dasar-dasar ekonomatrika, (Jakarta: Salemba Empat, 2012), 238

133 Akmal Rangga Putra Warganegara, “Determinan Net Interest Margin Industri Perbankan Indonesia” (Tesis: Fakultas Ekonomi Universitas Indonesia, 2011), 83.

b. Fixed Effect Model (FEM)

Model Fixed Effect juga menggunakan pendekatan OLS bedanya, setiap unit cross-section diberikan sebuah variabel (intersep) dummy¹³⁴. Metode ini, memberikan nilai intersep yang berbeda antar individu i dan periode t, sehingga dapat menganalisa karakteristik individu dan perubahan periode.¹³⁵ Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif.

Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).

c. Random Effect Model (REM)

Dalam model ini, perbedaan antar individu atau waktu dapat diakomodasi oleh error. Teknik ini memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section.

Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS).

Mengenai pemilihan model yang sesuai, beberapa ahli mengemukakan bahwa jika data panel yang dimiliki, terdiri dari lebih banyak kurun waktu dripada individu maka dianjurkan untuk menggunakan model fixed effect.

Sedangkan jika jumlah individu lebih banyak daripada jumlah kurun waktu maka disarankan menggunakan model random effect.

Akan tetapi ada juga beberapa pertimbangan statistik dalam rangka pemilihan model yang lebih sesuai, diantaranya:

a. F Test

Uji F digunakan untuk memilih antara model Pooled Least Square dan Fixed Effect Model. Jika nilai Prob> F lebih besar dari 0,05 maka yang dipilih adalah model PLS, sebaliknya jika lebih kecil maka yang dipilih adalah FEM.

134 Damodar N. Gujarati dan Dawn C. Porter, Dasar-dasar… 239

135 Akmal Rangga Putra Warganegara, “Determinan Net ... , 74.

Pengujian F test dilakukan dengan rumus:

F(N - 1,NT – N – K ) = ^{(𝑅𝐿𝑆𝐷𝑉}

2 − 𝑅_{𝑃𝑜𝑜𝑙𝑒𝑑}² ) (𝑁−1)⁄

(1− 𝑅_{𝐿𝑆𝐷𝑉}² ) (𝑁𝑇−𝑁−𝐾)⁄ (3.2)

Dimana :

𝑅_{𝐿𝑆𝐷𝑉} ² = Dummy variable model 𝑅_{𝑃𝑜𝑜𝑙𝑒𝑑} ² = Restricted model

N = Jumlah data cross section T = Jumlah data time series K = Jumlah variabel independen b. Hausman Test

Uji ini dimaksudkan untuk memilih model antara fixed effect model dangan random effect model. Jika Prob >chi2 lebih besar dari 0,05 maka model yang dipilih adalah model REM , sebaliknya jika lebih kecil maka model yang dipilih adalah FEM.

c. Langrange Multiplier Test

Uji ini dilakukan untuk membandingkan pemilihan model pooled least square atau random effects model. Pengujian dilakukan dengan membandingkan nilai statistik LM dengan nilai chi tabel. Apabila LM lebih besar daripada chi tabel, maka model yang digunakan adalah pooled least square.begitupun sebaliknya.

3. Uji Asumsi Klasik

Uji asumsi klasik, memastikan bahwa tidak terdapat autokorelasi, multikolinieritas, dan heterokedastisitas tidak terdapat dalam penelitian ini.

Artrinya data penelitian terdistribusi secara normal. Uji asumsi klasik digunakan untuk menguji apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif. Uji asumsi klasik dilakukan karna data dalam penelitian ini mencakup juga data time series. Pengujian asemsi klasik digunakan untuk memastikan bahwa estimasi bersifat BLUE (Best Linear Unbiased Estimator). Ada empat pengujian dalam uji asumsi klasik, jika keempatnya terpenuhi maka penelitian terbebas dari asumsi klasik, yaitu sebagai berikut:

a. Uji Normalitas

Pengujian normalitas ini tujuannya untuk mengetahui apakah dalam sebuah regresi, variabel bebas, variabel terikat atau keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal¹³⁶. Metode yang digunakan untuk menguji normalitas adalah dengan uji statistic non parametric Kolmogorov-Smirnov, jika nilai kolmogorov-Smirnov di atas nilai alpha maka dapat dikatakan data residual terdistribusi secara normal, dan sebaliknya terdistribusi tidak normal¹³⁷. Selain itu uji normalitas jugabisa dilihat melalui analisis grafik Normal Probability Plot dimana garis yang menggambarkan data yang sesungguhnya akan mengikuti garis diagonalnya.

b. Uji Multikolinieritas

Multikolinieritas adalah ada hubungan yang sempurna atau pasti antara beberapa atau semua variable bebas dalam model regresi.

Konsekuensinya koefisien variabel tidak tentu dan kesalahan menjadi tak hingga. Multikolinearitas adalah keadaan dimana ada hubungan linier secara sempurna atau mendekati sempurna antara variabel independen dalam model regresi. Model regresi yang baik adalah yang terbebas dari masalah multikolinearitas.¹³⁸

Ada beberapa metode pengujian yang bisa digunakan untuk menguji multikolinieritas, salah satunya dengan melihat nilai Variance Inflation Factor (VIF) pada model regresi. Pada ukuran VIF menunjukan variabel bebas mana saja yang bisa dijelalaskan oleh variable bebas lainnya. Data terbebas dari masalah multikolinieritas jika nilai Tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10. Indikasi lain terjadinya multikolinearitas dapat dilihat dari korelasi antar variabel bebas yang cukup tinggi (umumnya diatas 0,90)

136 Ngurah Agung I Gusti, Statistika Penerapan Metode Analisis untuk Tabulasi Sempurna dan Tak Sempurna, (Jakarta: PT. Raja Grafindo Persada, 2003), 29

137 Ghazali, Aplikasi Analisis Multivariat dengan Program SPSS (Vol.V), (Semarang: Badan Penerbit Universitas Diponegoro, 2007), 115

138 Duwi Priyatno, Belajar Cepat Olah Data Statistik dengan SPSS, (Yogyakarta: C.V Andi Offset, 2012), 93

c. Uji Heterokedastisitas

Heterokedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians antara residual satu pengamatan dan pengamatan lainny. jika varians dari residual satu pengamatan dan pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda maka disebut heterokedastisitas. Model regresi yang baik adalah model regresi yang memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamatan yang lain sehingga dapat dikatakan model tersebut homokesdastisitas dan tidak terjadi heterokedastisitas. Untuk mendeteksi heteroskedastisitas dapat menggunakan berbagai metode, salah satunya adalah metode wald test.

pada tingkat signifikansi 𝛼 = 5 persen, apabila Prob Chi2 < 𝛼, artinya dalam hal ini residual adalah heteroskedastik. apabila Prob Chi2 > 𝛼, berarti residual setiap observasi mempunyai kesamaan atau konstan.¹³⁹ d. Uji Autokorelasi

Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diuraikan menurut waktu dan ruang. Konsekuensi adanya autokorelasi adalah selang keyakinan menjadi lebar serta variasi dan standar error ditaksir terlalu rendah. Ada beberapa cara dalam mendeteksi autokorelasi, salah satunya adalah dengan menggunakan metode woolridge test pada data panel.

Apabila Prob F < 𝛼 residual tidak random, artinya memiliki autokorelasi. Tapi sebaliknya jika Prob F > 𝛼 maka residual random (acak), artinya bebas autokorelasi.

4. Pengujian Goodness of Fit Model

Pengujian goodness of fit di gunakan untuk menilai ketepatan fungsi regresi dari kerangka model yang telah dikembangkan di dalam penelitian.

Implementasi pengukuran goodness of fit melalui 3 langkah yaitu : a. Pengujian dengan koefisien regresi parsial (Uji t)

139 Muhammad Taufik Akbar, “Analisis Pengaruh Faktor Internal dan Eksternal Bank Terhadap Non Performing Loans Bank Umum Tbk di Indonesia: Periode 2007- 2011”. Tesis: Fakultas Ekonomi Universitas Indonesia Jakarta, 2012. 33.

Uji parsial t menunjukan apakah setiap masing-masing variabel bebas berpengarus secara signifikan terhadap variabel terikat. Uji t digunakan untuk menguji signifikansi konstanta dari variable bebas secara parsial atau individu terhadap variable terikat.Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Pengujian ini dilakukan dengan membandingkan nilai t hitung dengan nilai t tabel. Apabila t hitung

> t tabel dengan signifikan dibawah 0,05 (5%), maka secara parsial atau individual variabel bebas berhubungan signifikan terhadap variabel terikat, begitu juga sebaliknya.¹⁴⁰

b. Pengujian terhadap koefisien regresi secara simultan (Uji F)

Uji F atau uji signifikansi ini biasanya digunakan untuk mengetahui apakah variabel bebas secara keseluruhan dan bersama-sama berpengaruh signifikan terhadap variabel terikat. Uji global ini dimaksudkan untuk mengetahui apakah semua varibel bebas memiliki koefisien regresi sama dengan nol. ¹⁴¹

c. Koefisien Determinasi (R²)

Koefisien determinasi merupakan ukuran untuk mengetahui kesesuaian atau ketetapan hubungan antara variabel independen dengan variabel dependen dalam suatu persamaan regresi. Koefisien determinasi adalah kuadrat dari koefisien korelasi Pearson Product Moment yang dikalikaan dengan 100%. Dilakukan untuk mengetahui seberapa besar variabel bebas menjelaskan atau ikut menentukan variabel tak bebas.

Derajat koefisien determinasi dicari dengan rumus statistika yang digunakan sebagai berikut:¹⁴²

KD = r² x 100 % (3.3)

Dimana :

KD = Nilai koefisien determinasi/penentu r = Nilai koefisien korelasi

140Suharyadi dan Purwanto S.K, Statistika Untuk Ekonomi & Keuangan Modern, Jakarta: Salemba Empat, 2004, 625

141 Suharyadi dan Purwanto S.K, Statistika Untuk …, 523

142 Jonathan Sarwono,Analisis Data Penelitian Menggunakan SPSS, (Yogyakarta: CV. Andi Offset ,2006), 177