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

Transkripsi

1 BAB III OBJEK DAN METODE PENELITIAN 3.1. Objek Peneltan Dalam peneltan n, objek yang danalss adalah data-data sekunder dar Non Performng Loans (X 1 ), Dana Phak Ketga (X 2 ), Net Interest Margn (X 3 ), Perkembangan kredt (Y1) dan Tngkat Suku Bunga (Y2) pada bank umum. Data tersebut penuls dapatkan sebagan besar dar perpustakaan Bank Indonesa Cabang Bandung Jalan Merdeka no 26 Bandung, badan Pusat Statstk, dan juga stus nternetnya. Keseluruhan data varabel-varabel dalam peneltan n merupakan data tme seres dengan perode pengamatan dar bulan Januar 2003 sampa dengan Desember Desan dan Metode Peneltan Desan peneltan menurut Kusnend (2007:40) adalah rencana, struktur dan strateg dalam suatu peneltan yang dsusun sedemkan rupa sehngga penelt akan dapat memperoleh jawaban untuk pertanyaan pertanyaan peneltannya. Desan peneltan yang dgunakan dalam peneltan n menggunakan pendekatan deskrptf (descrptve analyss) karena dlakukan untuk memperlhatkan dan mengurakan keadaan objek peneltan dan dlanjutkan dengan analss verfkatf (verfcatve analyss) karena dlakukan pengujan untuk mencar kebenaran dar suatu 63

2 64 hpotess, yang dlaksanakan melalu pengumpulan data d lapangan dmana dalam peneltan n akan duj sejauh mana pengaruh dar Non Performng Loans (NPL), Dana Phak Ketga, dan Net Interest Margn (NIM) terhadap tngkat suku bunga kredt konsums pada bank umum, serta mplkasnya terhadap perkembangan kredt konsums. Metode peneltan yang dgunakan adalah explanatory research atau peneltan penjelasan karena bersfat penjelasan, yatu menjelaskan hubungan kausaltas. 3.3 Operasonalsas Varabel Dalam peneltan n telah dtetapkan sejumlah varabel yang termasuk ke dalam varabel bebas (eksogen) dan varabel terkat (endogen). Varabel bebas yang dmaksud dalam peneltan n adalah varabel Non Performng Loans (NPL), Dana Phak Ketga, dan Net Interest Margn (NIM). Sedangkan yang dmaksud varabel terkat adalah tngkat suku bunga kredt konsums pada bank umum dan perkembangan kredt konsums. Varabel-varabel dalam peneltan n sepert telah d jelaskan pada objek peneltan djabarkan lebh lanjut ke dalam varabel, ndkator, pengukuran dan skala data, sepert pada Tabel Jens dan Sumber Data Jens data yang akan dgunakan d dalam peneltan n bersfat kuanttatf. Selan tu, keseluruhan data varabel dalam peneltan n merupakan data tme seres dengan perode pengamatan dar bulan Januar 2003 sampa dengan Desember 2007.

3 65 Sumber data yang dgunakan adalah data sekunder, yatu jens data yang d peroleh dalam bentuk yang sudah jad, sudah dkumpulkan dan dolah oleh phak lan basanya dalam bentuk publkas. Data sekunder dperoleh dar perpustakaan Bank Indonesa cabang Bandung Jln. Merdeka no 26 Bandung, Badan Pusat Statstk, nternet, bukubuku, lteratur, dan jurnal-jurnal peneltan. Penggunaan data sekunder dalam peneltan n dkarenakan efektvtas baya dan penghematan waktu. Tabel 3.1 Operasonalsas Varabel No Varabel Subvarabel Indkator Satuan Skala 1 Perkembangan Kredt (Y2) Jumlah penyaluran kredt % Raso 2 Tngkat Suku Bunga (Y 1 ) Tngkat suku bunga kredt bank-bank % Raso umum berjangka trwulan 4 Dana Phak Ketga (X 3 ) Gro Dana phak ketga dalam bentuk gro Rupah Raso Deposto Dana phak ketga dalam bentuk Rupah Raso deposto Tabungan Dana phak ketga dalam bentuk Rupah Raso tabungan 3 Non Performng Loan (X 2 ) Kredt kurang lancar (KL), kredt % Raso dragukan (D), dan kredt macet (M), dan outstandng (OS) 5 Net Interest Margn (X 3 ) Pendapatan bunga dan aktva % Raso produktf

4 Teknk Pengumpulan Data Adapun teknk pengumpulan data yang dlakukan oleh penuls adalah metode dokumentas. Mengena metode dokumentas, Arkunto (1998:236) berpendapat sebaga berkut : Metode dokumentas yatu mencar data mengena hal-hal atau varabel yang berupa catatan, transkrp, buku, surat kabar, majalah, dan lan sebaganya.. Dalam menggunakan metode n penelt memegang checklst untuk varabel yang sudah dtentukan. Apabla terdapat/muncul varabel yang dcar, maka penelt tnggal membubuhkan tanda check d tempat yang sesua Berdasarkan pendapat tersebut, maka penelt melakukan pengumpulan data berupa data sekunder. Data sekunder adalah data yang ddapat dar phak lan yang telah mengumpulkan terlebh dahulu dar jens data yang dpergunakan data tme seres. Data sekunder yang dbutuhkan dalam peneltan n adalah : 1. Data Perkembangan kredt bank-bank umum berjangka trwulan (commercal banks) dar laporan Bank Indonesa, terhtung sejak Bulan Januar 2003 sampa dengan Desember Data suku bunga kredt bank-bank umum (commercal banks) dar laporan Bank Indonesa, terhtung sejak Bulan Januar 2003 sampa dengan Desember Data Non Performng Loans bank-bank umum (commercal banks) dar laporan Bank Indonesa, terhtung sejak Bulan Januar 2003 sampa dengan Desember Data Dana Phak Ketga bank-bank umum (commercal banks) dar laporan Bank Indonesa, terhtung sejak Bulan Januar 2003 sampa dengan Desember 2007.

5 67 5. Data Net Interest Margn bank-bank umum (commercal banks) dar laporan Bank Indonesa, terhtung sejak bulan Januar 2003 sampa dengan Desember Teknk Analss Data dan Pengujan Hpotess Teknk Analss Data Sesua dengan yang dtetapkan dalam peneltan n, teknk analss data dlakukan dengan menggunakan pendekatan statstc sepert yang durakan dalam Tabel 3.2 Tabel 3.2 Tujuan Peneltan dan Teknk Analss Data Tujuan peneltan Deskrps tentang Non Performng Loans (NPL), Dana Phak Ketga, Net Interest Margn (NIM), tngkat suku bunga kredt konsums dan perkembangan kredt konsums pada bank umum perode Januar 2003 sampa dengan Desember 2007 Menjelaskan Pengaruh Non Performng Loans (NPL), Dana Phak Ketga, dan Net Interest Margn (NIM) terhadap tngkat suku bunga kredt konsums bank umum perode Januar 2003 sampa dengan Desember 2007 Menjelaskan mplkas tngkat suku bunga kredt konsums bank umum terhadap perkembangan kredt konsums pada bank umum perode Januar 2003 sampa dengan Desember 2007 Teknk Analss Data Analsa statstk Deskrptf Analss jalur Analss jalur

6 68 Analss statstk deskrptf dlakukan dengan menggunakan tendens sentral berupa rata-rata htung (mean), nla terbesar dan terkecl maupun ukuran dsers (dsperson) berupa standar devas yang dsajkan dalam bentuk tabel. Dalam pelaksanaannya, analss statstk deskrptf menggunakan program MS.Excel 2007 Sedangkan untuk mengolah data analss jalur menggunakan komputas Analyss of Moment Structure (AMOS) vers 5.0 dengan bentuk data berupa tme seres Pengujan Hpotess Analss data dgunakan penuls adalah analss jalur (path analyss) yang dperkenalkan pertama kal oleh Sewall Wrght pada tahun Pada awalnya analss jalur dpergunakan untuk lmu sosolog dan dkembangkan oleh Karl G Joreskog dan Dag Sorbom dar departemen Statstk Unverstas Uppsala Sweda. Berdasarkan kerangka pemkran dan hpotess peneltan yang telah dajukan sebelumna, maka hubungan kausal antar varabel peneltan dapat dgambarkan secara lengkap dalam struktur model peneltan sebagamana dtunjukkan pada Gambar 3.1

7 69 Y1 Gambar 3.1 Struktur Model peneltan Keterangan : X1 X2 X3 Y1 Y2 e1dan e2 = Non Performng Loans = Dana Phak Ketga = Net Interest Margn = Tngkat Suku Bunga = Perkembangan Kredt = Koefsen jalur varabel resdu Sesua dengan Gambar 3.1 dan hpotess yang dajukan sebelumnya maka dapat dbuat model dalam bentuk persamaan dagram jalur sebaga berkut :

8 70 Y = ρ X + ρ X + ρ X + e Y = ρ X + ρ X + ρ X + ρ Y + e Untuk menentukan berapa besarnya pengaruh dar suatu varabel terhadap varabel lannya dalam analss jalur dperlukan persyaratan sepert yang dkemukakan Stepu (1994:14) sebaga berkut : 1. Hubungan antar varabel harus merupakan hubungan lnear dan adtf. Uj lneartas menggunakan curve ft dan menerapkan prnsp parsmony, yatu blamana seluruh model sgnfkan yang dlhat dar p-value 0.05, root means square error of approxmaton (RMSEA) 0.08 dan nla comparatve ft ndex (CFI) 0.90 berart dapat dkatakan model berbentuk lnear. 2. Semua varabel resdu tdak mempunya korelas satu sama lan (autokorelas). Guna memenuh syarat kedua, dlakukan uj autokorelas yang dlakukan dengan menggunakan metode grafk atau PP Plot (Supranto, 2004:98). Bla gambar dalam PP-Plot menunjukkan pola tertenu dar sebaran nla resdual atas model yang duj, berart model tersebut memlk gejala autokorelas. Lebh jauh Supranto mengatakan, konsekuens dar mengabakan adanya gejala autokorelas dantaraya adalah : a. Uj sgnfkans menjad kurang kuat (less powerful) b. Penggunaan uj t dan uj F tdak lag syah (vald)

9 71 Menurut Supranto (2004: ) ada beberapa cara dalam mengatas persoalan autokorelas, salah satunya dengan mentransformaskan data mentah (raw data) dengan menggunakan rumus : (Y - ρy ) = A (1- ρ) + B (X - ρx ) + ( ε - ρε ) t t-1 t t-1 t t-1 Dmana : Y t = data varabel endogen setelah transformas X t = data varabel eksogen setelah transformas A = ntercept B = koefsen regres έ = kesalahan pengganggu 3. Pola hubungan antar varabel adalah rekursf 4. Skala pengukuran bak pada varabel penyebab maupun pada varabel akbat sekurang-kurangnya nterval Apabla persyaratan n dpenuh, maka koefen jalur bas dhtung dengan langkah sebaga berkut : 1. Menggambarkan dengan jelas dagram jalur yang mencermnkan propors hpotetk yang dajukan, lengkap dengan persamaan strukturalnya. 2. Menghtung matrks korelas antar varabel.

10 72 R X X Xu 1 r X1X... r 2 u 1... r X2u = Formula untuk menghtung koefsen korelas menggunakan Pearson s Coffcent of Correlaton (Product Moment Coeffcent)dar Karl Pearson. Rumus Pearson s Coffcent of Correlaton (Product Moment Coeffcent) (Al Rasyd, 2005) : r = n = 1 x y ( x )( y ) n ( x ) ( y ) y 2 2 n 2 2 x = 1 n = 1 n n 3. Menghtung matrks korelas varabel eksogen R X X... Xk r X1X... r 2 k 1... r X2k = 4. Menghtung matrks nvers korelas varabel eksogen 1 R = adj R -1 R ( ) C 11 C C1j C C2j Cjj 5. Menghtung semua koefsen jalur ρ xux, dmana I = 1,2,,k; melalu rumus

11 73 ρx C 1 11 C C u x 1j rx u x 1 ρx C C u x r 2j xu x2... = ρ C r xu x j jj xu x j Untuk menentukan koefsen jalur, dapat juga dgunakan fungs regres, yatu mengalkan koefsen regres dengan standar devas varabel eksogen dbag dengan standar devas varabel endogen. Rumusnya adalah sebaga berkut (Kusnend, 2005:9): S ρ = j S Keterangan : Ρj = koefsen jalur Sk = standar devas varabel eksogen Sy = standar devas varabel endogen Bk = koefsen regres varabel eksogen k y ( b ) k 6. Menguj kebermaknaan (test of sgnfcance) koefsen jalur secara keseluruhan maupun secara ndvdu. Guna melakukan pengujan kebermaknaan koefsen jalur atas hpotess yang dtetapkan, Tabel 3.3 mengurakan rancangan pengujan hpotess dengan menggunakan crtera uj berdasarkan output AMOS vers 5.0

12 74 Tabel 3.3 Rumusan Hpotess Peneltan Pengujan Hpotess statstk Krtera uj Secara keseluruhan (over all model ft) Secara ndvdual Hpotess 1 Hpotess 2 H 0, R=R(θ) : Matrks korelas antar varabel Y, X 1, X 2, X 3, dan Y1 sampel tdak berbeda dengan matrks korelas populas H 1, R R(θ) : Matrks korelas antar varabel Y, X 1, X 2, X 3, dan Y1 sampel berbeda dengan matrks korelas populas H 0, ρ < 0 : masng-masng varabel X 1, X 2 dan X 3 tdak berpengaruh terhadap varabel Y1 H 1, ρ >0 : masng-masng varabel X 1, X 2 dan X 3 berpengaruh terhadap varabel Y1 H 0, ρ < 0 : masng-masng varabel X 1, X 2, X 3 dan Y1 tdak berpengaruh terhadap varabel Y H 1, ρ>0 : masng-masng varabel X 1, X 2, X 3 dan Y1 berpengaruh terhadap varabel Y Dharapkan H 0 dterma, jka : P- value 0.05, RMSEA 0.08, CFI 0.90 Dharapkan H 0 dterma, jka : P- value 0.05 Dharapkan H 0 dterma, jka : P- value Menghtung besarnya pengaruh langsung, pengaruh tdak langsung, serta pengaruh total varabel eksogen terhadap varabel endogen secara parsal, dengan rumus : a. Besarnya pengaruh langsung varabel eksogen terhadap varabel endogen = ρ xρ xu x j xu x j b. Besarnya pengaruh tdak langsung varabel eksogen terhadap varabel endogen = ρ xr xρ xu x j x1 x2 xu x j

13 75 c. Besarnya pengaruh total varabel eksogen terhadap endogen adalah penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tdak langsung = ρ xρ + ρ xr xρ xu x j xu x j xu x j x1 x2 xu x j 8. Menghtung R 2 Xu ( X 1, X 2,..., X k ), yatu koefsen determnas total X 1, X 2,, X k terhadap X u atau besarnya pengaruh varabel eksogen secara bersama-sama (gabungan) terhadap varabel endogen dengan menggunakan rumus : ( ) = ( ρx ) u x ρ 1 xu x ρ 2 xu x j 2 R Xu X 1, X 2,..., X k... rx u x 1 rx u x2... rx u x j 9. Menghtung besarnya varabel resdu, yatu varabel yang mempengaruh varabel endogen d luar varabel eksogen dengan rumus : ρ ( ) 2 x = R Xu X 1, X 2,..., X uε k Perlu dketahu, produk akhr dar langkah perhtungan tersebut adalah memperoleh model peneltan yang sesua dalam mempredks perubahan varabel eksogen terhadap varabel endogen yang dnterpretaskan dalam bentuk persamaan structural maupun gambar struktur maupun gambar struktur jalur tu sendr. Dengan demkan dalam teknk analss jalur, tdak tertutup kemungknan persamaan maupun model akan berubah yang dsebabkan oleh adanya salah satu atau lebh varabel ndependen yang pengujan hpotessnya dtolak (H o dterma). Apabla terjad hal tersebut, maka dalam kadah statstc khususnya teknk analss jalur dapat dlakukan

14 76 trmmng. Trmmng sebagamana dkemukakan oleh Hese, Al Rasyd dalam Kusnend (2004:12) adalah metode yang dgunakan untuk memperbak model dengan jalan mengeluarkan atau mendrop dar model varabel eksogen yang koefssn jalurnya tdak sgnfkan. Dengan demkan sudah jelas terjadnya trmmng berdampak pada perubahan model. Oleh karenanya dalam penjelasan AMOS, penelt dapat membandngkan (mengkomparas) model mana yang palng ft dengan data, dmana model yang dnyatakan ft dengan data adalah model yang menunjukkan tngkat keakurasan dalam mempredks perubahan dalam varabel-varabel yang dtelt melalu penggunaan nla comparatve ft ndex (CFI). CFI merupakan ukuran kesesuaan model berbass koparatf degan model null. CFI nlanya berksar antara 0.0 sampa 1.0. CFI 0.90 dkatakan model ft dengan data (Kusnend, 2004:58).