BAB 3 METODE PENELITIAN 3.1. Desain Penelitian Penelitian ini dilakukan di UBN. Penelitian ini merupakan jenis penelitian terapan, karena dilakukan untuk menerapkan ilmu pengetahuan, atau uji teori untuk kepentingan pemecahan masalah. Penelitian ini mengukur kekuatan hubungan antara 3 variabel bebas (independen) dan 1 variabel terikat (dependen), serta menunjukkan arah hubungan (sebab-akibat) antara variabel independen dengan variabel dependen. Penelitian ini menggunakan kausalitas satu arah, yaitu menguji variabel X menyebabkan Y atau tidak. Oleh karena itu, dapat disimpulkan bahwa penelitian ini merupakan penelitian kausal-komparatif. Horizon waktu yang digunakan adalah data silang tempat (cross-section), yaitu data diperoleh dalam satu periode waktu (10-14 Mei 2014) melalui penyebaran kuesioner kepada mahasiswa Akuntansi. Data silang tempat digunakan untuk mengamati respons dalam periode yang sama, sehingga variasi terjadinya adalah antar pengamatan (Kuncoro, 2009:147). Tabel 3.1 Desain Penelitian Tujuan
Jenis Penelitian
Unit Analisis
Horizon Waktu
T1
Kausal-komparatif
Individu
cross-section
T2
Kausal-komparatif
Individu
cross-section
T3
Kausal-komparatif
Individu
cross-section
3.2. Jenis dan Sumber Data Jenis data yang dikumpulkan adalah data kualitatif, yaitu data yang tidak dapat diukur dengan skala numerik. Namun, untuk keperluan pengelolaan data secara statistik, maka data kualitatif dikuantifikasikan agar dapat diolah. Caranya dengan mengklasifikasikan data menjadi bentuk kategori. (Kuncoro, 2009:146). Data kualitatif yang digunakan dalam penelitian ini adalah data nominal dan data ordinal. Sumber data yang digunakan adalah data primer, yaitu informasi yang diperoleh langsung dari responden. Caranya adalah dengan membagikan kuesioner 31
32 secara langsung kepada mahasiswa di kelas, mengarahkan cara pengisian data, dan mengumpulkan kembali kuesioner yang telah dibagikan. Distribusi secara langsung dan manual ini dilakukan untuk meminimalisasi adanya pertanyaan kuesioner yang tidak terisi (tidak valid). Tabel 3.2 Jenis dan Sumber Data Variabel
Skala
Sumber data
Gender
Nominal
Primer
Asal sekolah
Nominal
Primer
Manajemen waktu
Ordinal
Primer
Rasio
Primer
IPK
Data gender diperoleh secara nominal, karena memiliki dua kategori pilihan ketika responden menjawab kuesioner, yaitu laki-laki diberi kategori 0 dan perempuan diberi kategori 1. Data asal sekolah juga diperoleh secara nominal, yaitu mahasiswa yang berasal dari sekolah negeri diberi kategori 0 dan sekolah swasta diberi kategori 1. Di sisi lain, data manajemen waktu diperoleh melalui skala ordinal, yaitu skala yang tidak hanya mengategorikan variabel berdasarkan kategori, namun juga mengurutkan dengan cara tertentu. (Sekaran, 2010:142). Pertanyaan dalam kuesioner variabel manajemen waktu terdiri dari 18 nomor, dengan memberikan poin nilai untuk jawaban selalu (5), sering (4), kadang-kadang (3), jarang (2), dan tidak pernah (1). Sebagai tambahan, terdapat 4 pertanyaan yang merupakan pertanyaan negatif, yaitu ketika meng-input data ke SPSS, nilai yang di-input merupakan kebalikan dari urutan yang sebelumnya. Poin yang semakin tinggi untuk setiap pertanyaan menunjukkan bahwa mahasiswa memiliki manajemen waktu yang baik. Total dari 18 pertanyaan menjadi angka yang akan diolah sehingga data manajemen waktu berskala rasio. Data IPK diperoleh melalui skala rasio, yaitu merupakan hasil penjumlahan, perkalian, dan pembagian data. Data IPK diisi sendiri oleh mahasiswa berupa angka murni yang mereka dapatkan sebagai IPK. 3.3. Metode Pengumpulan Sampel Populasi yang diteliti adalah mahasiswa/i jurusan Akuntansi UBN tahun pertama. Alasan pengambilan sampel dari mahasiswa semester dua adalah perubahan
33 strategi, cara, kemampuan dalam manajemen waktu ketika berada di sekolah dan di kampus berubah secara drastis pada umumnya, yaitu jadwal sekolah rutin dan sama untuk setiap harinya dengan jadwal kuliah yang berbeda-beda setiap harinya dan adanya kuliah pengganti yang membutuhkan pengaturan waktu dari mahasiswa tersebut, kegiatan ekstrakurikuler rutin di sekolah dengan kegiatan organisasi kemahasiswaan di kampus yang memiliki jadwal yang tidak pasti. Alasan pendukung lainnya adalah mahasiswa awal tahun perkuliahan yang memiliki daya ingat yang lebih baik mengenai jenis asal sekolah dulu mereka sekolah. Selain itu, ketika mahasiswa pertama kali masuk kuliah, hal yang perlu difokuskan selama perkuliahan adalah mengejar prestasi dengan sebaik mungkin. Teknik sampling yang digunakan adalah teknik probability sampling, dengan menggunakan metode sampel random sederhana (simple random sampling). Probability sampling memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi sampel. Alasan dalam memilih jenis desain probabilitas adalah akurasi yang lebih tepat, penerimaan hasil yang universal, dan kemampuan generalisasi yang baik. Namun pertimbangan yang harus dihadapi adalah biaya yang lebih mahal dan waktu yang lebih lama. (Davis & Cosenza, 1993:226 dalam Kuncoro, 2010:126). Metode simple random sampling digunakan karena setiap anggota populasi memiliki kesempatan yang sama untuk dipilih menjadi sampel dan pengambilan sampel dilakukan secara acak. Beberapa kelebihan dari simple random sampling menurut Kuncoro (2010:127) adalah prosedur pemilihan sampel sangat mudah, unit pemilihan sampel hanya satu macam, kesalahan klasifikasi dapat dihindarkan, cukup dengan mengambil gambaran garis besar dari populasi, dan merupakan desain sampel yang paling sederhana dan mudah. 3.4. Penentuan Jumlah Sampel Setelah menentukan metode pengumpulan sampel, kemudian, dilakukan perhitungan untuk menentukan jumlah sampel yang akan diambil dengan menggunakan rumus Slovin (Sarjono & Julianita 2011:30), yaitu sebagai berikut.
34
Keterangan: n = jumlah sampel N = jumlah populasi e2 = batas ketelitian yang diinginkan (tingkat kesalahan) Jumlah mahasiswa jurusan Akuntansi dan Keuangan semester 2 di Universitas Bina Nusantara adalah 509 mahasiswa, terdiri dari mahasiswa di kampus Kemanggisan dan Alam Sutera. Rentang tingkat kesalahan untuk penelitian sosial umumnya 5% atau 10%, sehingga batas ketelitian yang digunakan adalah 5%. Berdasarkan perhitungan sampel menggunakan rumus Slovin, maka jumlah sampel yang harus diperoleh adalah sebanyak 224 sampel. 3.5. Metode Pengumpulan Data Metode pengumpulan data yang dilakukan untuk memperoleh sumber data yang relevan dalam penelitian, yaitu: 1. Kuesioner
(Questionnaires),
yaitu
sejumlah
pertanyaan
yang
telah
diformulasikan sedemikian rupa sehingga responden dapat memberikan jawaban atas pertanyaan. Kuesioner disusun dalam bentuk pertanyaan tertutup, sehingga responden hanya perlu memberikan tanda “X” untuk jawaban yang paling sesuai dengan diri responden. 2. Riset kepustakaan (Library research), yaitu menghimpun informasi dari sumber literatur, seperti buku, jurnal, dan artikel yang berhubungan dengan teori gender, asal sekolah, manajemen waktu, dan prestasi akademik serta penelitian terkait. 3.6. Metode Analisis Data Data dianalisis menggunakan aplikasi SPSS (Statistical Package for Social Science) 20. SPSS merupakan salah satu program untuk pengolahan data statistik. Pengujian yang akan dilakukan setelah sampel telah diperoleh sebanyak 224 responden adalah Uji Validitas & Reliabilitas, Uji Normalitas, Uji Asumsi Klasik, dan Analisis Regresi Berganda.
35 3.7. Metode Penyajian Data Penyajian data dilakukan secara deskriptif melalui tabel hasil penelitian dan penjelasan secara rinci dari setiap tabel untuk mempermudah pembaca dalam memahami maksud dari tabel hasil penelitian. 3.8. Alat Uji Statistik Alat uji statistik yang digunakan untuk melakukan uji validitas dan reliabilitas, normalitas, uji asumsi klasik, dan analisis regresi linier berdasarkan teori dalam buku Ghozali dalam melakukan analisis regresi berganda dengan menggunakan dummy variable serta syarat-syaratnya. 3.8.1. Statistik Deskriptif Menurut
Kuncoro
(2010:192),
analisis
deskriptif
terdiri
dari
menyimpulkan data mentah dalam jumlah besar sehingga hasilnya dapat ditafsirkan, mengelompokkan atau memisahkan komponen atau bagian yang relevan dari keseluruhan data. Selain itu, pengaturan, pengurutan, atau manipulasi data bisa memberikan informasi deskriptif yang akan menjawab pertanyaan-pertanyaan dalam definisi masalah. Semua analisis bertujuan untuk menggambarkan pola-pola yang konsisten dalam data, sehingga hasilnya dapat dipelajari dan ditafsirkan secara singkat dan penuh makna. Semua variabel dideskripsikan dalam bentuk nilai mean, nilai median, nilai modus, nilai terendah, dan nilai tertinggi. Untuk data yang bersifat nominal (kategorikal) dilakukan analisis frekuensi untuk mengetahui jumlah masingmasing responden berdasarkan kategori. 3.8.2. Uji Validitas dan Reliabilitas Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Untuk mengukur variabel manajemen waktu, seorang responden diberikan 18 pertanyaan. Delapan belas pertanyaan tersebut diuji validitasnya untuk mengukur apakah semua pertanyaan tersebut dapat secara tepat mengungkapkan tingkat variabel manajemen waktu.
36 Uji validitas dapat digunakan dengan tiga cara, salah satunya adalah dengan membandingkan nilai r hitung dengan r tabel untuk degree of freedom (df)=n-2, dalam hal ini n adalah jumlah sampel. Syarat suatu pertanyaan agar dapat memenuhi validitas, yaitu apabila r hitung > r tabel dan bernilai positif. Apabila suatu pertanyaan tidak valid, maka pertanyaan tersebut dapat dikeluarkan. Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliable atau andal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Uji reliabilitas ini dilakukan ketika semua pertanyaan telah memenuhi uji validitas. Ketika pengujian secara SPSS dilakukan, suatu variabel dikatakan reliable jika nilai Cronbach Alpha > 0.70 (70%) (Nunnally, 1994 dalam Ghozali, 2012:48). 3.8.3. Uji Normalitas Salah satu asumsi penggunaan statistik parametrik adalah asumsi multivariate normality. Multivariate normality merupakan asumsi bahwa setiap variabel dan semua kombinasi linear dari variabel berdistribusi normal. Jika asumsi ini dipenuhi, maka nilai residual dari analisis juga berdistribusi normal dan independen. Uji normalitas merupakan langkah awal yang harus dilakukan untuk setiap analisis multivariate, khususnya jika tujuannya adalah inferensi. Secara statistik terdapat dua komponen normalitas, yaitu skewness dan kurtosis. Skewness berhubungan dengan simetris distribusi. Skewed variable (variabel menceng) adalah variabel yang nilai mean-nya tidak di tengah-tengah distribusi. Jika variabel terdistribusi secara normal, maka nilai skewness dan kurtosis sama dengan nol. Untuk mendeteksi normalitas, salah satu cara yang digunakan adalah dengan uji Kolmogorov-Smirnov. Dasar hipotesis yang digunakan adalah: Hipotesis Nol (Ho)
: data terdistribusi secara normal
Hipotesis Alternatif (Ha)
: data tidak terdistribusi secara normal atau
Asymp. Sig. (2-tailed) ≥ α = 0.05
: data terdistribusi secara normal
Asymp. Sig. (2-tailed) < α = 0.05
: data tidak terdistribusi secara normal
37 3.8.4. Uji Asumsi Klasik Model regresi linier dapat dikatakan sebagai model yang baik jika memenuhi asumsi klasik. Oleh karena itu, uji asumsi klasik sangat diperlukan sebelum melakukan analisis regresi (Sarjono & Julianita, 2011:53). Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji multikolinearitas, uji autokorelasi, dan uji heterokedastisitas. 3.8.4.1. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel tersebut “tidak ortogonal”, yaitu nilai korelasi antar sesama variabel independen tidak sama dengan nol. Multikolinearitas dapat diuji dengan melihat nilai tolerance dan Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolerance mengukur variablitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (hal ini dikarenakan
).
Dasar pengambilan keputusan terhadap uji multikolinearitas adalah nilai tolerance ≤ 0.10 atau sama dengan niai VIF ≥ 10. Nilai tolerance = 0.10 sama dengan tingkat kolonieritas 0.95. (Ghozali, 2012:106). 3.8.4.2. Uji Autokorelasi Uji autorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka terdapat masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada seseorang individu/kelompok
38 cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya. Pada data silang waktu (cross-section), masalah autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individu/kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi yang digunakan adalah LM test dan run test. Uji autokorelasi dengan LM test terutama digunakan untuk sampel besar di atas 100 observasi. Uji LM test lebih tepat digunakan apabila sampel yang digunakan relatif besar dan derajat korelasi lebih dari satu dibandingkan dengan uji Durbin Watson (Uji DW). Uji LM test akan menghasilkan statistik Breusch-Godfrey. Uji LM test menggunakan Unstandardized Residual (RES_1), yang kemudian diregresikan bersama tiga variabel independen, serta variabel tambahan RES_2, yaitu hasil dari dari LAG dari RES_1. Dasar pengujian autokorelasi adalah: Ho
: Sig. (probabilitas) ≥ α = 0.05, artinya tidak terdapat autokorelasi
Ha
: Sig. (probabilitas) < α = 0.05, artinya terdapat autokorelasi Run test sebagai bagian dari statistik non-parametrik dapat juga
digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi, maka dapat disimpulkan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis). Dasar pengujian autokorelasi adalah: Ho
: Sig. (probabilitas) ≥ α = 0.05, artinya data residual random/acak
Ha
: Sig. (probabilitas) < α = 0.05, artinya data residual tidak random
(terdapat autokorelasi) 3.8.4.3. Uji Heterokedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedastisitas dan jika berbeda
39 disebut Heterokedastisitas. Kebanyakan data cross-section mengandung situasi heterokedastisitas karena data dihimpun dari berbagai ukuran (kecil, sedang, besar). Menurut Ghozali (2012:141), analisis heterokedastisitas dapat dilakukan dengan menggunakan grafik plot, tetapi grafik plot memiliki kelemahan
yang
cukup
signifikan
karena
jumlah
pengamatan
mempengaruhi hasil ploting. Oleh karena itu, diperlukan uji statistik yang dapat menjamin keakuratan hasil salah satunya adalah Uji Park, sedangkan grafik plot hanya mendukung hasil uji Park. Uji Park menggunakan variance (S2) sebagai fungsi dari variabelvariabel independen. Umumnya S2i tidak diketahui, sehingga ditaksir menjadi LNU2i. Analisis korelasi bertujuan untuk menguji ada tidaknya hubungan antara variabel yang satu dengan variabel yang lain. Dasar pengujian heterokedastisitas adalah: Ho
: Sig. (probabilitas) ≥ α = 0.05, artinya tidak terdapat
heterokedastisitas Ha
: Sig. (probabilitas) < α = 0.05, artinya terdapat heterokedastisitas
3.8.5. Analisis Korelasi Analisis korelasi bertujuan untuk menguji ada tidaknya hubungan antara variabel yang satu dengan variabel yang lain. Analisis korelasi dilakukan dalam SPSS dengan menggunakan Pearson Correlation, karena penelitian ini menggunakan statistik parametrik dan data yang digunakan telah berdistribusi normal. Dasar pengujian korelasi adalah: Ho : Sig. (probabilitas) ≥ α = 0.05, artinya variabel independen tidak berhubungan dengan variabel dependen Ha : Sig. (probabilitas) < α = 0.05, artinya variabel independen berhubungan dengan variabel dependen 3.8.6. Analisis Regresi Linier Berganda Analisis regresi merupakan metode statistik untuk menguji hubungan antara satu variabel terikat dan satu atau lebih variabel bebas. Regresi berganda menggunakan lebih dari satu variabel bebas (Ghozali, 2012: 7).
40 Model penelitian yang digunakan adalah sebagai berikut:
Keterangan: IPK
: Indeks Prestasi Kumulatif
PER
: Gender
SWAS
: Asal sekolah
MW
: Manajemen waktu
ɑ
: Konstanta
β
: Koefisien regresi variabel independen
e
: Error
3.8.6.1. Koefisien Determinasi Koefisien determinasi (R2) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menginterpretasikan variabel dependen. Nilai R2 memiliki rentang 0 sampai 1. Nilai R2 yang kecil menunjukkan kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Nilai koefisien yang digunakan dalam penelitian ini adalah nilai Adjusted R2 untuk mengukur kemampuan model dalam menerangkan variasi variabel dependen. Penelitian ini tidak menggunakan nilai R2, karena nilai R2 pasti meningkat apabila suatu variabel independen ditambahkan dalam model, tanpa memperdulikan apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Sedangkan, nilai Adjusted R2 dapat naik atau turun bila suatu variabel independen ditambahkan ke dalam model. 3.8.6.2. Uji Signifikansi Simultan (Uji Statistik F) Uji statistik F bertujuan untuk melihat apakah semua variabel independen yang dimasukkan ke dalam model memiliki pengaruh secara bersama-sama terhadap variabel dependen. Hipotesis yang digunakan untuk mengetahui pengaruh simultan dari variabel adalah:
41 Ho
: Sig. (probabilitas) ≥ α = 0.05, artinya tidak ada pengaruh
signifikan Ha
: Sig. (probabilitas) < α = 0.05, artinya terdapat pengaruh signifikan
3.8.6.3. Uji Signifikan Parameter Individual (Uji Statistik t) Uji statistik t bertujuan untuk melihat seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hipotesis yang digunakan untuk mengetahui pengaruh indivual dari variabel adalah: Ho
: Sig. (probabilitas) ≥ α = 0.05, artinya tidak ada pengaruh
signifikan Ha
: Sig. (probabilitas) < α = 0.05, artinya terdapat pengaruh signifikan
3.8.7. Operasionalisasi Variabel Operasionalisasi variabel bertujuan untuk mengurangi gagasan atau konsep abstrak dengan membagi variabel ke dalam perilaku atau karakteristik yang dapat diamati. Operasionalisasi terdiri dari mendefinisikan variabel sesuai yang ingin diukur (subvariabel), memecah ke dalam indikator variabel yang menjadi acuan dalam membuat pertanyaan (indikator), dan skala yang digunakan dalam mengukur variabel.
42 Tabel 3.3. Operasionalisasi Variabel Variabel
Subvariabel
Indikator
Gender
Penentuan jenis
•
Laki-laki
(X1)
kelamin
•
Perempuan
•
Negeri
•
Swasta
• • • • •
to do list jadwal aktivitas perencanaan harian tujuan harian perencanaan mingguan waktu untuk perencanaan prioritas aktivitas yang merugikan ruang perbaikan takut mengatakan “tidak” tanggung jawab terhadap waktu waktu untuk tugas penggunaan waktu secara konstruktif pengerjaan tugas tujuan per kuartal barang di atas meja belajar penyelesaian tugas sedikit demi sedikit review catatan kelas
Asal Sekolah (X2)
Manajemen Waktu (X3)
Penentuan jenis asal sekolah SMA atau sederajat
Perencanaan Jangka Pendek
• • •
Sikap dalam
• •
mengatur waktu
• • •
Perencanaan Jangka Panjang
• • • • •
Skala Pengukuran Nominal
Nominal
Ordinal
Ordinal
Ordinal
Prestasi Akademik (Y)
-
IPK
Rasio
