BAB 3 DATA DAN METODOLOGI PENELITIAN

Transkripsi

1 49 BAB 3 DATA DAN METODOLOGI PENELITIAN 3.1 Pengantar Pada Bab III ini akan dipaparkan seumlah hal yang berkaan dengan langkahlangkah sistematis yang akan digunakan dalam menawab pertanyaan penelian. Langkah-langkah yang digunakan dalam menawab pertanyaan penelian tersebut disebut dengan metodologi penelian. Agar maksud tersebut tercapai maka perlu pemilihan metodologi yang cermat dan hati-hati. Untuk u, perlu diperhatikan beberapa hal berikut ini yau pengumpulan data penelian, metode penelian, serta analisis data. 3.2 Data yang Digunakan Data yang digunakan sebagai bahan analisis dalam penelian ini adalah data sekunder dengan periode kuartalan yang mempunyai kinera historis penuh mulai Desember 2004 hingga Maret Bank syariah yang menadi obyek penelian adalah bank umum syariah yang terdapat di dalam Statistik Perbankan Syariah Bank Indonesia Maret 2008, yau: Bank Muamalat Indonesia (BMI), Bank Syariah Mandiri (BSM), serta Bank Syariah Mega Indonesia (BSMI). Dengan demikian enis data yang digunakan dalam penelian ini adalah data panel. Pengumpulan data sekunder mengenai besaran pembiayaan murabahah dan pembiayaan mudharabah di tiga bank umum syariah (BUS) sebagai variabel dependen. Sedangkan variabel independen dalam model murabahah terdiri dari data Non Performing Financing (NPF) masing-masing BUS, bonus SWBI, serta suku bunga pinaman konsumsi bank umum konvensional. Sedangkan variabel independen dalam model mudharabah terdiri dari Non Performing Financing (NPF) masing-masing BUS, pembiayaan murabahah, dan tingkat bagi hasil bank syariah. Dalam pengumpulan data yang berhubungan dengan masalah yang dibahas dalam penelian dilakukan dengan cara penelian kepustakaan (Library Research), yau penelian guna memperoleh pengetahuan secara teoris dengan cara membaca dan mencatat dari berbagai leratur, text book, artikel-artikel, buku-buku ilmiah dan materi perkuliahan yang berhubungan dengan masalah Universas Indonesia

2 50 yang deli, yang diharapkan dapat diadikan sebagai pengetahuan dasar dalam pembahasan masalah yang ada. Berdasarkan pengertian tersebut di atas, penelian ini sama sekali tidak melakukan penelian langsung di lapangan, namun sepenuhnya hanya menyandarkan diri dari ketersediaan data dan informasi dari sumber-sumber seperti buku, teks, urnal, publikasi resmi, koran, maalah, tesis dan lain sebagainya. 3.3 Statistik Deskriptif Data Penelian Di dalam Tabel 3.1 berikut ini akan dielaskan data yang akan dianalisis dalam deskripsi statistik dimana variabel dependennya dalam bentuk pembiayaan murabahah dan mudharabah, sedangkan variabel independennya yau Non Performing Financing (NPF) masing-masing BUS, bonus SWBI, suku bunga pinaman konsumsi bank umum konvensional, pembiayaan murabahah, dan tingkat bagi hasil yang derima bank syariah. Tabel 3.1 Statistik Deskriptif Data Penelian Variabel Mean Maksimum Minimum Median Murabahah BMI Mudharabah BMI Murabahah BSM Mudharabah BSM Murabahah BSMI Mudharabah BSMI NPF BMI 3,79 6,59 2,15 3,24 NPF BSM 5,33 8,04 2,42 4,35 NPF BSMI 1,25 3,22 0,55 1 Bonus SWBI 5,49 8,62 3,58 4,95 Bunga kred konsumsi 16,83 17,88 15,83 16,57 Tingkat bagi hasil 5,49 8,62 3,58 4,95 Sumber: Laporan Keuangan BUS dan Bank Indonesia, telah diolah kembali. 3.4 Perumusan Model regresi Dengan mengacu pada konsep dan penelian yang telah dirangkum dalam Bab 2, disusunlah model untuk menganalisis variabel-variabel yang mempengaruhi Universas Indonesia

3 51 pembiayaan pada bank umum syariah dari sisi pembiayaan murabahah dan mudharabah. Dalam penelian ini, sebagai variabel independen yau: Non Performing Financing (NPF), bonus SWBI, suku bunga kred, dan tingkat bagi hasil bank syariah. Selain u, pembiayaan murabahah selain menadi variabel dependen dalam model murabahah, uga sekaligus menadi variabel independen dalam model mudharabah. Masing-masing variabel independen memiliki hubungan tertentu terhadap pembiayaan murabahah dan mudharabah di perbankan syariah. Persamaan regresi data panel tercantum pada persamaan (3.1) untuk pembiayaan murabahah sedangkan persamaan (3.2) untuk pembiayaan mudharabah. Metode analisis untuk menawab permasalahan dan membuktikan hipotesis penelian, digunakan model murabahah sebagai berikut: MUR α + α NPF + α SWBI + α Bunga + ε (3.1) = 0 1 i ( t 1) 2 i ( t 1) 3 i ( t 1) Serta model mudharabah sebagai berikut: MUD β + β NPF + β Mur + β R + ε (3.2) = 0 1 i ( t 1) 2 i ( t 1) 3 i ( t 1) Definisi variabel yang digunakan adalah sebagai berikut: 1. MUR didefinisikan pembiayaan dengan akad murabahah yang merupakan bagian dari pembiayaan dengan prinsip ual beli. Sumber data diperoleh dari laporan keuangan publikasi masing-masing bank umum syariah (BUS). 2. MUD didefinisikan pembiayaan dengan akad mudharabah yang merupakan bagian dari pembiayaan dengan prinsip ual beli. Sumber data diperoleh dari laporan keuangan publikasi masing-masing BUS. 3. NPF didefinisikan sebagai pembiayaan yang bermasalah, yang dihung dari persentase pembiayaan non lancar terhadap total pembiayaan. Kreria NPF adalah pembiayaan non lancar yang terdiri dari kurang lancar (sub-standard), diragukan (doubtful), macet (loss). Pemilihan variabel ini didasarkan pada paper Beng dan Ying (2001) dalam Donna (2006) yang melakukan penelian terhadap penurunan kred pada masa krisis di Malaysia.. Sumber data diperoleh dari laporan keuangan publikasi masing-masing BUS. 4. SWBI didefinisikan bonus Sertifikat Wadiah Bank Indonesia. Yang diperoleh sebagai kompensasi dari kelebihan likuidas bank syariah yang dempatkan Universas Indonesia

4 52 di Bank Indonesia. Pemilihan variabel ini didasarkan pada variabel penelian yang digunakan oleh Siregar (2004), Asy ari (2006), serta Hilmi (2006). Selain u, berdasarkan pengalaman perbankan konvensional selama ini, ternyata tingkat suku bunga Sertifikat Bank Indonesia (SBI) berpengaruh terhadap besarnya penyaluran dana dari pihak bank kepada sektor riil. Sumber data diperoleh dari publikasi Bank Indonesia. 5. Bunga didefinisikan sebagai tingkat suku bunga kred yang diberikan oleh bank umum konvensional kepada nasabahnya untuk kategori pinaman konsumsi. Pemilihan variabel ini mengacu pada penelian yang dilakukan oleh Ibrahim (2005) dan Hilmi (2006). Selain u, alasan pemilihan variabel ini uga didasari oleh penelian yang dilakukan oleh Irbid dan Zarka (2001). Penelian tersebut memberikan kesimpulan bahwa motivasi nasabah dalam memilih bank syariah cenderung didasarkan kepada motif keuntungan, bukan kepada motif keagamaan. Dengan kata lain, nasabah lebih mengutamakan economic rationale dalam keputusan memilih bank syariah dibandingkan dengan lembaga perbankan non-syariah atau bank konvensional. Dengan demikian, maka penentuan besaran bunga di bank konvensional dapat berimbas pada permintaan pembiayaan di perbankan syariah. Sementara u, pemilihan variabel tingkat suku bunga kred bank konvensional untuk dilihat pengaruhnya terhadap pembiayaan di bank syariah uga mengacu pada studi Yusoff, Rahman dan Alias (2001) yang meneli pengaruh suku bunga terhadap pinaman pada bank syariah dan bank konvensional di Malaysia. 6. R didefinisikan sebagai tingkat bagi hasil bank syariah yang diproksi dengan nisbah bagi hasil tingkat indikasi imbalan IMA (nisbah bagi hasil untuk bank penanam modal) pada rata-rata tertimbang pada Statistik Perbankan Syariah. Pemilihan variabel ini didasarkan pada paper Seyed dan Makiyan (1984) berudul The Role of Rate of Return on Loans in the Islamic Banking System of Iran sedangkan proksi variabel tingkat bagi hasil menggunakan nisbah bagi hasil tingkat indikasi imbalan IMA pada rata-rata tertimbang mengacu pada penelian Donna (2006). R digunakan pada mudharabah karena mendasarkan pada keuntungan yang tidak pasti. Universas Indonesia

5 53 Karena satuan data umlah pembiayaan murabahah dan mudharabah adalah dalam nominal rupiah, sedangkan satuan data bonus SWBI, NPF, suku bunga kred, dan tingkat bagi hasil adalah dalam persentase, maka model tersebut perlu dransformasi ke logarma natural. Transformasi ke dalam bentuk logarma natural ini uga untuk memperkecil nilai koefisien yang dihasilkan karena adanya perbedaan satuan nilai antar variabel yang sangat besar. Dengan demikian, model murabahah yang digunakan oleh menadi: LnMUR α + α LnNPF + α LnSWBI + α LnBunga + ε (3.3) = 0 1 i ( t 1) 2 i ( t 1) 3 i ( t 1) Sedangkan model mudharabahnya menadi: LnMUD β + β LnNPF + β LnMur + β LnEP + ε (3.4) = 0 1 i ( t 1) 2 i ( t 1) 3 i ( t 1) 3.5 Analisis Data Panel Jenis data yang digunakan untuk menganalisis dalam penelian ini adalah data panel. Data panel diperlukan dalam suatu penelian karena ada kalanya seorang peneli tidak dapat melakukan analisis hanya dengan menggunakan data time series maupun cross section (Nachrowi dan Usman hal. 309, 2006). Berdasarkan modul pelatihan dari FE Universas Indonesia disebutkan dalam sebuah penelian, terkadang ka menemukan suatu persoalan mengenai ketersediaan data untuk mewakili variabel yang ka gunakan dalam penelian. Misalnya, terkadang ka menemukan bentuk data dalam series yang pendek sehingga proses pengolahan data time series tidak dapat dilakukan berkaan dengan persyaratan umlah data yang minim. Lain halnya terkadang ka menemukan bentuk data dengan umlah un cross section yang terbatas pula, sehingga sul untuk dilakukan proses pengolahan data cross section untuk mendapatkan informasi perilaku dari model yang hendak deli. Dalam teori ekonometrika, kedua kondisi seperti yang telah disebutkan di atas salah satunya dapat diatasi dengan menggunakan data panel (pooled data) agar dapat diperoleh hasil estimasi yang lebih baik (efisien) dengan teradinya peningkatan umlah observasi yang berimplikasi terhadap peningkatan deraat kebebasan (degree of freedom). Selain u uga gabungan antara data cross section dan time series dalam data panel akan menyebabkan umlah pengamatan menadi sangat banyak. Universas Indonesia

6 54 Data panel mempunyai ruang atau spasi seperti halnya dimensi waku. Jika dibuat model yang dilihat dari banyaknya data cross section yang diamati hanya pada saat tertentu, maka tidak akan dapat melihat bagaimana pertumbuhanpertumbuhan variabel independen tersebut pada suatu periode waktu tertentu. Karena data panel merupakan gabungan dari data cross section dan data time series maka umlah pengamatannya menadi lebih banyak. Hal ini dapat menadi keuntungan tetapi model yang menggunakan data ini menadi lebih kompleks (parameternya banyak). Berikut representasi model data panel yau: (lihat Nachrowi dan Usman hal , 2006) Y = β 0 + β1x + ε (3.8) Dimana: i = 1,2,.N t = 1,2,.T N = banyaknya observasi T = banyaknya waktu N.T = banyaknya data panel Untuk mengestimasi parameter model dengan data panel, terdapat beberapa tehnik yang dawarkan yau: (Nachrowi dan Usman hal. 311, 2006) 1. Ordinary Least Square (OLS) Tehnik ini menggabungkan data cross section dengan data time series (pool data). Kemudian data gabungan ini diperlakukan sebagai satu kesatuan pengamatan yang digunakan untuk mengestimasi model dengan metode OLS. 2. Model Efek Tetap (Fixed Effect) Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan. Dengan kata lain, intercept ini mungkin tidak berubah setiap individu dan waktu. 3. Model Efek Random (Random Effect) Perbedaan antar individu dan atau waktu dicerminkan lewat error. Teknik ini uga memperhungkan bahwa error mungkin berkorelasi sepanang time series dan cross section. Universas Indonesia

7 55 1. Ordinary Least Square / Pooled Least Square (OLS/PLS) Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode kuadrat terkecil biasa yang derapkan dalam data yang berbentuk pool, sering disebut pula dengan Pooled Least Square. Misalkan terdapat persamaan berikut ini: Y = ε untuk i = 1,2,.,N dan t = 1,2,, T (3.9) α + x β + i t Dimana N adalah umlah un cross section (individu) dan T adalah umlah periode waktunya. Dengan mengasumsi komponen error dalam pengolahan kuadrat terkecil biasa, ka dapat melakukan proses estimasi secara terpisah untuk setiap un cross section. Untuk periode t =1, akan diperoleh persamaan regresi cross section sebagai berikut: Y = ε untuk i = 1,2,,N (3.10) α + x β + yang akan berimplikasi diperolehnya persamaan sebanyak T persamaan yang sama. Begu uga sebaliknya, ka uga akan dapat memperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T obeservasi. Namun, untuk mendapatkan parameter α dan β yang konstan dan efisien, akan dapat diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi. 2. Model Efek Tetap (MET) Kesulan terbesar dalam pendekatan metode kuadrat terkecil biasa tersebut adalah asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Generalisasi secara umum sering dilakukan adalah dengan memasukkan variabel boneka (dummy variable) untuk mengizinkan teradinya perbedaan nilai parameter yang berbeda-beda baik lintas un cross section maupun antar waktu. Pendekatan dengan memasukkan variabel boneka ini dikenal dengan sebutan model efek tetap (fixed effect) dan Least Square Dummy Variable atau disebut Covariance Model. Ka dapat menuliskan pendekatan tersebut dalam persamaan sebagai berikut: Universas Indonesia

8 56 Y n = α + x β + α D + ε (3.11) i i= 2 i i Di mana: y = variabel terikat di waktu t untuk un coss section i α i = intercept yang berubah-ubah antar cross section un x = variabel bebas di waktu t untuk un cross section i β i = parameter untuk variabel ke e = komponen error di waktu t untuk un cross section D i = variabel dummy Ka telah menambahkan sebanyak (N-1) variabel boneka (D i ) ke dalam model dan menghilangkan satu sisanya untuk menghindari kolinearas sempurna antar variabel penelas. Dengan menggunakan pendekatan ini akan teradi degree of freedom sebesar NT N K. Keputusan memasukkan variabel boneka ini harus didasarkan pada pertimbangan statistik. Tidak dapat ka pungkiri, dengan melakukan penambahan variabel boneka ini akan dapat mengurangi banyaknya degree of freedom yang pada akhirnya akan mempengaruhi keefisienan dari parameter yang diestimasi. Pertimbangan pemilihan pendekatan yang digunakan ini didekati dengan menggunakan statistik F yang berusaha memperbandingkan antara nilai umlah kuadrat dari error dari proses pendugaan dengan menggunakan metode kuadrat terkecil dan efek tetap yang telah memasukkan variabel boneka. Rumusan ini adalah sebagai berikut: F N+T-2,NT-N-T = (ESS 1 -ESS 2 ) / (NT-1) (3.12) (ESS 2 ) / (NT-N-K) Dimana ESS 1 dan ESS 2 adalah umlah kuadrat sisa dengan menggunakan metode kuadrat terkecil biasa dan model efek tetap, sedangkan statistik F mengikuti distribusi F dengan deraat bebas NT-1 dan NT-N-K. Nilai statistik F ui ini lah yang kemudian ka perbandingkan dengan nilai statistik F tabel yang akan menentukan pilihan model yang akan ka gunakan. Universas Indonesia

9 57 3. Model Efek Random (MER) Keputusan untuk memasukkan variabel boneka dalam model efek tetap tak dapat dipungkiri akan dapat menimbulkan konsekuensi (trade off). Penambahan variabel boneka ini akan dapat mengurangi banyaknya deraat kebebasan (degree of freedom) yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Berkaan dengan hal ini, dalam model data panel dikenal pendekatan ketiga yau model efek acak (random effect). Dalam model efek acak, parameterparameter yang berbeda antar daerah maupun antar waktu dimasukkan ke dalam error. Karena hal inilah, model efek acak (random effect) sering uga disebut model komponen error (error component model). Bentuk model efek acak ini dielaskan pada persamaan berikut: Y = ε (3.13) α + x β + i t ε = u + v + w (3.14) 2 u Dimana u ~ N(0, δ ) = komponen cross section error i 2 v v ~ N(0, δ ) = komponen time series error t 2 w w ~ N(0, δ ) = komponen error kombinasi Ka uga mengasumsikan bahwa error secara individual uga tidak saling berkorelasi begu uga dengan error kombinasinya. Dengan menggunakan model efek acak ini, maka ka dapat menghemat pemakaian deraat kebebasan dan tidak mengurangi umlahnya seperti yang dilakukan pada model efek tetap. Hal ini berimplikasi parameter yang merupakan hasil estimasi akan menadi semakin efisien. Keputusan penggunaan model efek tetap maupun efek acak dentukan dengan menggunakan spesifikasi yang dikembangkan oleh Hausman. Spesifikasi ini akan memberikan pemilihan model akan dapat dentukan secara statistik. Namun, disamping dengan menggunakan test statistika terdapat beberapa pertimbangan bagi ka untuk memilih apakah akan menggunakan fixed effect atau random effect. Apabila diasumsikan bahwa ε i dan variabel bebas X berkorelasi, maka fixed effect lebih cocok untuk dipilih. Sebaliknya, apabila ε i dan variabel bebas X tidak berkorelasi, maka random effect yang lebih baik untuk dipilih. Universas Indonesia

10 58 Beberapa pertimbangan yang dapat diadikan panduan untuk memilih fixed effect dan random effect adalah: 1. Bila T (banyaknya un time series) besar sedangkan umlah N (umlah un cross section) kecil, maka hasil fixed effect dan random effect tidak auh berbeda sehingga dapat dipilih pendekatan yang lebih mudah untuk dihung yau fixed effect model. 2. Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan akan berbeda auh. Jadi, apabila ka meyakini bahwa un cross section yang ka pilih dalam penelian diambil secara acak (random) maka random effect harus digunakan. Sebaliknya, apabila ka meyakini bahwa un cross section yang ka pilih dalam penelian tidak diambil secara acak maka ka harus menggunakan fixed effect. 3. Apabila komponen error individual (ε i ) berkorelasi dengan variabel bebas X maka parameter yang diperoleh dengan random effect akan bias sementara parameter yang diperoleh dengan fixed effect tidak bias 4. Apabila N besar dan T kecil, dan apabila asumsi yang mendasari random effect dapat dipenuhi, maka random effect lebih efisien dibandingkan fixed effect. Sedangkan tehnik Pooled EGLS (Estimated General Least Square) dengan period random effect menurut Yaffee (2005) cocok digunakan untuk model yang heteroskedastis, ada autokorelasi yang mengganggu error, serta umlah sampel yang digunakan tidak terlalu besar. 3.6 Analisis Regresi Untuk mengetahui variabel-variabel yang mempengaruhi pembiayaan murabahah dan mudharabah pada bank umum syariah digunakan persamaan regresi untuk data panel. Analisis regresi adalah analisis tentang studi ketergantungan satu variabel, variabel tak bebas, pada satu atau lebih variabel lain, variabel yang menelaskan (explanatory varaiabels), dengan maksud menaksir dan atau meramalkan nilai rata-rata hung (mean) atau rata-rata (populasi) variabel tak bebas, dipandang dari Universas Indonesia

11 59 segi nilai yang diketahui atau tetap (dalam pengambilan sampel berulang) variabel yang menelaskan. Metode ekonometri (regresi) yang digunakan adalah model dinamis karena terdapat kelambanan (lag) pada perilaku pembiayaan perbankan syariah. Pembiayaan tidak serta merta teradi pada saat diaukan tetapi memerlukan waktu untuk menyetuui pembiayaan tersebut. Kelambanan teradi karena alasan psikologis, teknis, dan instusi (Guarati, hal 589, 1995). Model yang digunakan adalah Distributed Lag karena teradi kelambanan pada variabel dependen pada pembiayaan dalam angka waktu kuartalan.. Untuk kesederhanaan maka digunakan lag satu. Model dengan Autoregresive tidak digunakan karena diduga pada kenyataannya penyesuaian (adustment) terhadap pembiayaan yang dilakukan nasabah maupun bank syariah tidak teradi dalam angka waktu bulanan tetapi angka waktu yang lebih panang (misalkan tahunan). Untuk mengui pengaruh variabel-variabel independen terhadap variabel dependen digunakan ui statistik di bawah ini. 1. Ui Goodness of F (R 2 ) R 2 (koefisien determinasi) menginformasikan baik atau tidaknya model regresi yang terestimasi. Angka tersebut dapat mengukur seberapa dekat garis regresi yang terestimasi dengan data sesungguhnya. Artinya, nilai tersebut mencerminkan seberapa besar variasi dari variabel terikat Y dapat derangkan oleh variabel bebas X. Semakin besar nilai R 2, maka semakin baik model regresi yang diperoleh. Baik atau buruknya suatu persamaan regresi dentukan oleh R 2 -nya yang mempunyai nilai antara nol dan satu. Ketentuannya: a. Bila nilai koefisien determinasi sama dengan 0 (R 2 = 0), artinya variasi dari Y tidak dapat derangkan oleh X sama sekali. b. Bila R 2 =1, artinya variasi dari Y secara keseluruhan dapat derangkan oleh X. Dengan kata lain, bila R 2 =1, maka semua tik-tik pengamatan berada tepat pada garis regresi. Universas Indonesia

12 60 2. Ui-t Ui ini digunakan untuk mendeteksi signifikansi variabel independen (secara individual) terhadap variabel dependen yang digunakan. Adapun hipotesis dalam ui ini adalah sebagai berikut: H 0 : β = 0 H : β 0 1 Di mana = 0, 1, 2,..,k k adalah koefisien slope. Dari hipotesis tersebut dapat terlihat arti dari penguian yang dilakukan, yau berdasarkan data yang tersedia, akan dilakukan penguian terhadap β (koefisien regresi populasi), apakah sama dengan nol, yang berarti variabel bebas tidak mempunyai pengaruh signifikan terhadap variabel terikat, atau tidak sama dengan nol, yang berarti variabel bebas mempunyai pengaruh signifikan terhadap variabel terikat. Formula Ui-t adalah sebagai berikut: b t = (3.5) s e( b ). Nilai t di atas akan dibandingkan dengan nilai t tabel. Bila ternyata, setelah dihung t > t α / 2, maka nilai t berada dalam daerah penolakan, sehingga hipotesis nol ( = 0 β ) dolak pada tingkat kepercayaan ( 1 α ) 100% dapat dikatakan bahwa β statistically significance. Tahap-tahap ui t : a) Merumuskan hipotesis nol dan hipotesis alternatif.. Dalam hal ini Ho : α = 0, artinya tidak ada pengaruh signifikan secara statistik antara variabel x terhadap variabel y. Ha : α 0, artinya ada pengaruh yang signifikan secara statistik antara variabel x terhadap variabel y. b) Menentukan tingkat signifikansi α sebesar 5% dan degree of freedom (df) = n-k dalam menetukan t-tabel. c) Menghung t-hung. Universas Indonesia

13 61 d) Kreria : (t-hung > t-tabel atau t- hung < -t-tabel) Ho dolak. (t-hung < t-tabel atau t-hung > -t-tabel) Ho derima. 3. Ui-F Ui ini digunakan untuk mendeteksi signifikansi semua variabel independen secara bersama mempengaruhi variabel dependen. Adapun tahap-tahap Ui F adalah sebagai berikut : a) Merumuskan hipotesis nol dan hipotesisi alternatif. Ho : α = 0, artinya secara bersama variabel independen tidak dapat digunakan dalam analisis regresi. Ha : α 0, artinya secara bersama variabel independen dapat digunakan dalam analisis regresi. b) Menentukan tingkat signifikansi α sebesar 5% dan degree of freedom (df) = (n- 1,n-k) dalam menetukan F-tabel. c) Menghung F-hung. d) Kreria : (F-hung > F-tabel) Ho dolak. e) (F-hung < F-tabel) Ho derima. 3.7 Pengolahan Data Pengolahan data dalam penelian ini, dilakukan dengan langkah-langkah sebagai berikut: 1. Mengumpulkan data kuartalan mengenai besaran pembiayaan murabahah dan mudharabah dari masing-masing bank umum syariah (BUS) dari periode kuartal keempat 2004 (Desember 2004) hingga kuartal pertama 2008 (Maret 2008). 2. Tabulasi data menadi data panel dengan menggunakan bantuan program software Eviews Melakukan model kelambanan (lag) untuk variabel bebas. Hal ini diperlukan karena hasil atau dampak dari setiap kebiakan ekonomi atau aktivas bisnis tidak teradi secara instan tetapi memerlukan waktu. 4. Membuat model regresi untuk kedua model. Universas Indonesia

14 62 5. Regresi data dengan Eviews menggunakan metode PLS, Metode Efek Tetap, Metode Efek Random serta EGLS. 6. Melakukan penguian pengaruh variabel independent (variabel bebas) terhadap variabel terikat (dependent) dengan tingkat signifikansi α=5%. 7. Interprestasi data terka hasil pengolahan data untuk model yang digunakan dalam penelian. 3.8 Tahap-Tahap Penelian Pengolahan data dibantu dengan menggunakan program Eviews 5.0. Tahap-tahap penelian dalam penelian ini dapat dilihat pada flowchart sebagai berikut: Universas Indonesia

15 63 Mulai Mengumpulkan data Pemilihan Metode: PLS, MET, MER, EGLS Tidak Removed Ya Terpilih Metode yang tepat Regresi Model Distributed Lag Penguian Hipotesis Interpretasi Model Selesai Gambar 3.1 Flowchart Penelian Universas Indonesia