BAB III METODE PENELITIAN
F. Analisis Data
Analisis data adalah kegiatan penelitian setelah kegiatan pengumpulan data dilakukan. Analisis data dilakukan untuk menjawab problematika atau permasalahan yang telah diajukan. Dalam menganalisis data yang berhasil
59 Riduwan & Sunarto, Pengantar Statistika, untuk Penelitian Pendidikan, Sosial, Ekonomi, Komunikasi, dan Bisnis(Bandung: Alfabeta,2015),347.
60 Ratlan Pardede &Renhard Manurung,Analisis Jalur, Path Analysis(Jakarta: Rineka Cipta, 2014), 31.
dikumpulkan, makapeneliti menggunakan dua cara, yaitu analisis deskriptif dan analisis kuantitatif.61 Analisis deskriptif dalam penelitian ini dilakukan untuk menggambarkan dan menjelaskan data yang diperolehdilapangan berdasarkan kenyataan dan menghubungkannya dengan teori-teori yang ada. Sedangkan analisis kuantitatif dalam penelitian ini dilakukan dengancara menghitung data yang diperoleh untuk dilakukan suatu pengukuran terhadap hal-hal tertentu, yaitu guna mengetahui seberapa besar pengaruh penggunaan sumber dana bank (utang bank/liability bank,surat berharga yang diterbitkan dan dana pihak ketiga) melalui total pendapatan terhadap laba. Analisis kuantitatif dalam penelitian ini menggunakan konsep analisis jalur (path analysis).
1. Pengertian Path Analysis
Teknik analisis jalur (path analysis) dikembangkan oleh Sewal Wright di tahun 1934. Sebenarnya analisis jalur merupakan pengembangan dari korelasi yang kemudian analisis jalur memiliki kedekatan dengan regresi berganda yang berarti regresi berganda merupakan bentuk khusus dari analisis jalur (path analysis).62 Model path analysis digunakan untuk menganalisa pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel eksogen terhadap variabel endogen. Model path analysis yang dibicarakan adalah pola hubungan sebab akibat. Oleh sebab itu,
61 Suharsimi Arikunto, Prosedur Penelitian Suatu Pendekatan Praktis(Jakarta: Rineka Cipta, 2006), 296.
62 Ratlan Pardede &Renhard Manurung,Analisis Jalur, Path Analysis(Jakarta: Rineka Cipta, 2014), 16.
rumusan masalah dalam kerangka path analysis berkisar apakah ada pengaruh antara variabel eksogen (X1,X2dan X3) terhadap variabel endogen (Y dan Z).63 2. Prinsip-Prinsip Dasar Path Analysis
Ada beberapa prinsip-prinsip dasar yang sebaiknya dipenuhi dalam analisis jalur, yaitu:64
a) Terdapat linieritas (linierity) yaitu hubungan antar variabel bersifat linier.
b) Data yang digunakanminimal berskala interval. Semua variabel yang diteliti memiliki data berskala interval. Jika data belum dalam bentuk interval, maka harus dilakukan pengubahan data menggunakan metode suksesif interval (MSI) terlebih dahulu.
c) Sebaiknya terdapat multikolinearitas yang rendah.
d) Terdapat rekursivitas yang merupakan semua anak panah mempunyai satu arah dan tidak boleh terjadi pemutaran kembali (looping).
e) Pentingnya spesifikasi model untuk menginterpretasikan koefisien- koefisien jalur.
f) Terdapat penggunaan korelasi yang tepat.Jika menggunakan dua variabel berskala interval, maka korelasi yang tepat adalah Pearson. Jika menggunakan variabel berskala ordinal, maka korelasi yang tepat adalah polychoric. Namun jika dua variabel yang digunakan adalah data berskala nominal, maka korelasi yang tepat adalah tetrachoric. Dan jika variabel
63 Riduwan & Sunarto, Pengantar Statistika, untuk Penelitian Pendidikan, Sosial, Ekonomi, Komunikasi, dan Bisnis(Bandung: Alfabeta,2015),140.
64 Ratlan Pardede &Renhard Manurung,Analisis Jalur, Path Analysis(Jakarta: Rineka Cipta, 2014),17.
yang digunakan adalah satu variabel interval dan lainnya adalah nominal maka korelasi yang tepat adalah biserial.
g) Adanya sampel yang dibutuhkan untuk perhitungan regresi dalam model jalur.
3. Model Analisis Jalur
Ada beberapa model analisis jalur mulai dari yang sederhana sampai yang lebih rumit. Model analisis jalur tersebut yaitu:65
a) Model Regresi Berganda b) Model Mediasi
c) Model Kombinasi Pertama dan Kedua d) Model Kompleks
e) Model Rekursif dan Non Rekursif
Model analisis jalur dalam penelitian ini menggunakan konsep model rekursif yaitu model analisis jalur yang mana semua anak panah menuju satu arah.
Model rekursif yang digunakan yaitu model persamaan dua jalur. Model persamaan tersebut tercermin dalam Gambar 3.1berikut ini.
65 Ratlan Pardede& Renhard Manurung,Analisis Jalur, Path Analysis...., 19.
Gambar 3.1
Model Persamaan Dua Jalur
e1 e2
βyx1
r12 βzx1
r13 βzx2 βYZ
r23 βyx2
βzx3 βyx3
Sumber: Diolah
Gambar 3.1 di atas merupakan model persamaan dua jalur dimana X1, X2 dan X3 adalah variabel eksogen sedangkan Y dan Z merupakan variabel endogen.
Dari Gambar 3. di atas dapat dibentuk persamaan struktural sebagai berikut:
1) Z=βzx1X1+βzx2X2+βzx3X3 Dimana:
Z = Total Pendapatan X1= Utang Bank
X2= Surat Berharga yang Diterbitkan X3 = Dana Pihak Ketiga
2) Y=βyx1X1+βyx2X2+βyx3X3+βyzZ Dimana:
X1: Utang
Bank/Liability Bank
X2: Surat Berharga yang Diterbitkan
Z: Total Pendapatan
Y: Laba
X3: Dana Pihak Ketiga
Z = Laba
Y= Total Pendapatan X1= Utang Bank
X2 = Surat Berharga yang Diterbitkan X3 = Dana Pihak Ketiga
4. Perhitungan Analisis Jalur
Perhitungan menggunakan analisis jalur dengan model dekomposisi pengaruh kausal antar variabel dapat dibedakan menjadi tiga sebagai berikut:66
a) Direct causal effects (pengaruh kausal langsung = PKL) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui variabel endogen lain.
b) Indirect causal effects (pengaruh kausal tidak langsung =PTKL) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi melalui variabel endogen lain yang terdapat dalam satu model kausalitas yang sedang dianalisis.
c) Total causal effects (pengaruh kausal total = PKT) adalah jumlah dari pengaruh kausal langsung dan pengaruh kausal tidak langsung.
Berikut ini model dekomposisi pengaruh kausalitas antar variabel dalam penelitian ini:
66 Riduwan & Sunarto, Pengantar Statistika, untuk penelitian Pendidikan, Sosial, Ekonomi, Komunikasi, dan Bisnis (Bandung: Alfabeta,2015), 146.
Gambar 3.2
Model Dekomposisi Analisis Jalur
e1 e2
4
r12 1
r13 2 7
r23 5
3 6
Sumber: Diolah
Gambar 3.2 di atas dapat dijelaskan sebagai berikut:
a) Angka nomor 1 menunjukkan hasil pengaruh antara variabel utang bank (X1) terhadap total pendapatan (Z).
b) Angka nomor 2 menunjukkan hasil pengaruh antara surat berharga yang diterbitkan terhadap total pendapatan.
c) Angka nomor 3 menunjukkan hasil pengaruh dana pihak ketiga terhadap total pendapatan.
d) Angka nomor 4 menunjukkan hasil pengaruh utang bank terhadap laba.
e) Angka nomor 5 menunjukkan hasil pengaruh antara surat berharga yang diterbitkan terhadap laba
f) Angka nomor 6 menunjukkan hasil pengaruh antara dana pihak ketiga terhadap laba.
X1: Utang
Bank/Liability Bank
X2: Surat Berharga yang Diterbitkan
Z: Total Pendapatan
Y: Laba
X3: Dana Pihak Ketiga
g) Angka nomor 7 menunjukkan hasil pengaruh antara total pendapatan terhadap laba.
Dari penjelasan Gambar 3.2 di atas, didapatkan perhitungan pengaruh langsung, tidak langsung dan total yang ditunjukkan pada Tabel 3.1 berikut ini.
Tabel 3.1
Perhitungan Pengaruh Langsung, Tidak Langsung dan Total
Pengaruh variabel Pengaruh Kausal Langsung Tidak
Langsung
Total
X1 terhadap Z (1) (1)
X2 terhadap Z (2) (2)
X3 terhadap Z (3) (3)
X1 terhadap Y (4) (4)
X2 terhadap Y (5) (5)
X3 terhadap Y (6) (6)
Z terhadap Y (7) (7)
X1→Z→Y (1)(7) (1)(7)
X2→Z→Y (2)(7) (2)(7)
X3→Z→Y (3)(7) (3)(7)
Sumber: Diolah
5. Uji Asumsi Klasik
Analisis jalur yang merupakan pengembangan langsung dari regresi berganda maka sebelum melakukkan analisis regresi, diharuskan untuk uji asumsi klasik.67 Model regresi yang baik adalah jika data terhindar dari adanya penyimpangan data, yaitu terbebas dari multikolinearitas, heteroskedastisitas, normalitas, dan autokorelasi.
67 Ratlan Pardede &Renhard Manurung,Analisis Jalur, Path Analysis (Jakarta: Rineka Cipta, 2014), 16.
a. Multikolinearitas
Uji asumsi klasik multikolinearitas ini digunakan untuk mengukur tingkat asosiasi (keeratan) hubungan/pengaruh antar variabel bebas tersebut melalui besaran koefisien korelasi (r). Multikolinearitas terjadi jika koefisien korelasi antar variabel bebas lebih besar dari 0,60. Dikatakan tidak terjadi multikolinearitas jika koefisien korelasi antar variabel bebas lebih kecil atau sama dengan 0,60 (r <
0,60). 68 Berikut tabel interpretasi koefisien korelasi nilai r.
Tabel 3.2
Interpretasi Koefisien Korelasi Nilai r Interval Koefisien Tingkat Hubungan 0,80 - 1,000
0,60 - 0,799 0,40 - 0,599 0,20 - 0,399 0,00 - 0,199
Sangat Kuat Kuat
Cukup Kuat Rendah
Sangat Rendah
Sumber: Riduwan & Sunarto, Pengantar Statistika, untuk penelitian Pendidikan, Sosial, Ekonomi, Komunikasi, dan Bisnis(Bandung:
Alfabeta,2015), 81.
b. Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk mengetahui apakah varians dari residual data satu observasi ke data yang lainnya berbeda atau tetap. Jika varians residual data sama dengan yang lainnya maka disebut homokesdastisitas. Dan jika berbeda maka disebut heteroskedastisitas. Model regresi yang baik yaitu model regresi yang tidak terjadi heteroskedastisitas.69
Untuk melihat ada tidaknya heteroskedastisitas dapat melalui dua metode yaitu metode informal dan formal. Metode informal dapat dilakukan dengan
68 Riduwan & Sunarto, Pengantar Statistika, untuk penelitian Pendidikan, Sosial, Ekonomi, Komunikasi, dan Bisnis(Bandung: Alfabeta,2015), 81.
69 Hengky Latan,Analisis Mulyivariate: Teknik dan Aplikasi (Bandung: Alfabeta, 2013), 56.
melihat sifat persoalan dan grafik scatterplot. Grafik scatterplot yaitu jika titik- titiktidak berkumpul atau menyebar secara acak maka dapat dikatakan bahwa tidak terjadi heteroskedastisitas. Metode formal dapat dilakukan dengan menggunakan pengujian secara statistik antara lain menggunakan uji korelasi Rank-spearman, uji Park, uji Glejser dan uji Goldfeld-Quandt. 70
c. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah residual data terdistribusi normal atau tidak. Residual data terdistribusi atau tidak dapat ditunjukkan dengan grafik normal probability plot yaitu jika titik-titik plot tidak melebar dari garis diagonal atau masih berada di sekitar garis diagonal sehingga dapat dikatakan bahwa residual data terdistribusi normal.71
d. Autokorelasi
Persamaan regresi yang tidak memiliki masalah autokorelasi adalah bentuk regresi yang baik. Jika terjadi autokorelasi maka perasamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Ukuran yang sering digunakan untuk menentukan ada tidaknya masalah autokorelasi yaitu dengan uji Durbin-Watson (DW), dengan ketentuan sebagai berikut:72
1) Terjadi autokorelasi positif jika DW di bawah -2 (DW < -2).
2) Tidak terjadi autokorelasi jika DW berada di antara -2 dan +2 atau -2 <
DW +2
70 Setiawan & Dwi Endah Sari, Ekonometrika (Yogyakarta: C.V Andi Offset, 2010), 107.
71 Hengky Latan,Analisis Mulyivariate: Teknik dan Aplikasi (Bandung: Alfabeta, 2013), 57.
72 Danang Sunyoto.Metodologi Penelitian Akuntansi (Bandung: PT Refika Aditama Anggota Ikapi, 2013), 98.
6. Uji Hipotesis
Hipotesis adalah dugaan terhadap hubungan antara dua variabel atau lebih. Hipotesis juga merupakan asumsi atau dugaan mengenai satu hal yang dibuat untuk menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya. Berdasarkan definisi tersebut, maka dapat disimpulkan bahwa hipotesis adalah jawaban atau dugaan sementara yang perlu diuji kebenarannya.
Ada 2 uji hipotesis terhadap koefisien regresi yang dapat dilakukan yaitu Uji-F dan Uji-t. Masing-masing uji tersebut dapat dijelaskan sebagai berikut:73
a. Uji t
Uji t dilakukan untuk menguji koefisien regresi secara individu (parsial).
Pengujian ini bertujuan untuk mengetahui apakah variabel eksogen secara parsial berpengaruh dan signifikan terhadap variabel endogen. Apabila hasilt hitung > t tabel, maka H0 ditolak dan Ha diterima.
b. Uji F
Uji-F dapat digunakan untuk mengevaluasi pengaruh semua variabel eksogen terhadap variabel endogen secara bersamaan (simultan). Adapun cara pengujiannya dalam regresi sederhana maupun berganda sama, yaitu mengunakan tabel yang disebut dengan tabel Analysis of Variance (ANOVA). Jika hasil uji F hitung > F tabel dalam uji F maka H0 ditolak yang berarti Ha diterima.
7. Koefisien Determinasi
Koefisien determinasi (Goodness of Fit) yang dinotasikan dengan R² merupakan suatu ukuran yang penting untuk dilakukan dalam regresi. Nilai koefisien
73 Ratlan Pardede &Renhard Manurung, Analisis Jalur, Path Analysis(Jakarta: Rineka Cipta, 2014),35.
determinasi mencerminkan seberapa besar variasi dari variabel endogen yang dapat diterangkan oleh variabel eksogen. Rumus R² diperoleh berdasarkan langkah-langkah pada tabel ANOVA.74