BAB III METODOLOGI PENELITIAN
3.1 RUANG LINGKUP PENELITIAN Penelitian ini bersifat explanatory research. Explanatory Research merupakan penelitian yang dilakukan untuk menjelaskan hubungan kausal antara variabel-variabel melalui pengujian hipotesa yang dirumuskan atau sering kali disebut penelitian penjelasan. Jenis penelitian ini adalah penelitian ini adalah kuantitatif, yaitu penelitian yang akan menguji Pengaruh Komersialisasi Pada Produktivitas LKM di Indonesia, kemudian menganalisisnya melalui rumus-sumus statistic. Menurut Sugiyono (2008), “Metode Kuantitatif dapat diartikan sebagai metode penelitian yang didasarkan pada filsafat positivisme, digunakan untuk meneliti pada populasi dan sampel tertentu, pengumpulan data menggunakan instrument penelitian, analisis data bersifat kuantitatif / statistik dengan tujuan untuk menguji hipotesis yang telah ditetapkan”. Pendekatan penelitian ini adalah survey data sekunder, penulis ingin mengetahui apakah variabel independen memiliki pengaruh terhadap variabel dependen.
3.2 PERIODE PENGAMATAN Pengamatan pada penelitian ini adalah seluruh Lembaga Keuangan Mikro (termasuk didalamnya Bank Perkreditan Rakyat) yang terdaftar di Mix Market per 1 Januari 2010 sampai 31 Desember 2015.(http://www.mixmarket.org/mfi/country/indonesia)
3.3 POPULASI DAN SAMPLE Populasi yang digunakan dalam penelitian ini adalah seluruh LKM termasuk didalamnya BPR di wilayah Indonesia yang terdaftar di Mix Market periode waktu dari tahun 2010-2015.
Metode sampling yang digunakan adalah dengan menggunakan purposive sampling dengan tidak membedakan sample, dengan pemilihan perusahaan terlebih dahulu, lalu dilihat tahun yang tersedia.
3.4 JENIS DAN SUMBER DATA Data yang digunakan dalam penelitian ini adalah data sekunder yang dikumpulkan dengan metode sortir sesuai kriteria penelitian terhadap lembaga keuangan yang terdaftar di MIX Market Indonesia periode waktu 2010-2015. Untuk beberapa variabel, data yang ada masih merupakan data mentah pada laporan keuangan sehingga masih perlu diolah kembali untuk menjadi data yang siap pakai.
3.5 DEFINISI OPERASIONAL Dua variable yang digunakan peneliti dalam penelitian ini, 1. Variable dependen Yaitu variable yang dipengaruhi variable lain yang sifatnya independen. Dalam penelitian ini variable dependen adalah yield rate sebagai proksi dari produktivitas LKM. (Halloway dan Chisty, 2011). Yield rate =
Borrowers per staff member Savers per staff member
2. Variable independen Yaitu variable yang mempengaruhi atau mengakibatkan masalah lain terjadi. Dalam penelitian ini yang menjadi variable independen adalah : 1. ROA Return on asset (ROA) digunakan untuk mengukur efektifitas perusahaan didalam menghasilkan keuntungan dengan memanfaatkan aktiva yang dimilikinya. ROA =
Net income Average Fixed Assets
2. ROE merupakan rasio yang digunakan untuk mengukur laba bersih setelah pajak dengan modal sendiri yang menunjukkan efisiensi penggunaan modal sendiri. ROE =
Net income Total equity
3. Net Interest Margin (NIM) digunakan untuk mengukur presentase laba bersih (setelahpajak) terhadap penjualan bersih perusahaan. Net Interest Margin =
Net income Net Sales
4. Portofolio Kredit merupakan penyaluran kredit yang diukur dengan indikator Yield on Gross Portofolio. Yield on Gross Portofolio =
interest and fees on loan portofolio Loan portofolio
5. Leverage yang digunakan dalam penelitian ini diukur dengan debt to equity ratio (DER). Rasio ini digunakan untuk menggambarkan kebijakan hutang perusahaan. LVG = DER =
Total debt Total equity
3.6 UJI STATISTIK 1. Analisis deskriptif Statistik deskriptif merupakan statistic yang menggambarkan fenomena atau karakterstik dari data melalui karakteristik dstribusinya (Jogiyanto, 2005). Analisis ini bertujuan untuk menjelaskan secara ringkas mengenai data-data penelitian seperti mean, median, standar deviasi, minimum, dan maksimum.
2. Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas digunakan untuk menguji apakah model regresi yang digunakan antara variabel terikat dan variabel bebas, keduanya mempunyai distribusi normal atau tidak mempunyai distribusi normal. Model regresi yang baik adalah model regresi dengan distribusi data normal atau mendekati normal. Uji ini dapat dilakukan dengan cara melihat penyebaran data (titik) pada sumbu diagonal atau grafik. Model regresi dikatakan memenuhi asumsi normalitas apabila data menyebar di sekitar garis diagonal dan mengikuti arah garis. Akan tetapi, model regresi tidak memenuhi asumsi normalitas apabila data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal (Ghozali, 2006). Pengujian normalitas ini dapat dilakukan melalui analisis grafik dan analisis statistik. Analisis statistik uji normalitas dapat dilakukan melalui uji Kolmogorov-Smirnov dengan menggunakan level of significant sebesar 0,05 atau sebesar 5%. Pengujian normalitas dilakukan dengan membandingkan p-value yang diperoleh dengan tingkat signifikansi yang ditentukan sebesar 0,05. Bila p-value > 0,05 maka data yang digunakan dalam penelitian merupakan data yang berdistribusi normal dan sebaliknya bila nilai p-value < 0,05 maka data tidak berdistribusi normal. 2. Uji Multikolinearitas Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen (Ghozali, 2006). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen (problem multikolonieritas). Pendeteksian terjadinya suatu multikolinieritas dapat dilihat dari hasil tolerance variabel dan VIF (Variance Inflation Factors) pada pengujian model regresi. Nilai tolerance variabel yang lebih dari 0,10 menunjukan tidak adanya masalah
multikolonieritas. Selain melihat tolerance variabel, angka pada VIF variabel yang tidak lebih besar dari 10 menunjukkan bahwa variabel tersebut tidak memiliki masalah
multikolinearitas.
Bila
ada
variabel
independen
yang
terkena
multikolinieritas, maka penanggulangannya adalah salah satu variabel tersebut dikeluarkan (Ghozali, 2011). 3. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya (Ghozali, 2011). 4. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan untuk memastikan dalam model regresi terjadi kesamaan variance dari residual satu pengamatan kepengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas (Ghozali, 2011). Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Deteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat pola pada scatterplot. Heteroskedastisitas tidak terjadi apabila pada scatterplot menunjukkan sebagai berikut : 1. Penyebaran tidak berpola. 2. Titik-titik data menyebar di atas dan di bawah atau di sekitar nol. 3. Titik-titik data tidak mengumpul hanya di atas atau di bawah. 4. Penyebaran titik tidak boleh membentuk pola berulang melebar, menyempit, kemudian melebar kembali.
3. Uji Hipotesis Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda dengan model sebagai berikut : YRATE = αo + β1ROAit + β2ROEit + β3NIMit + β4GPFit + β5LVGit + εit Keterangan : YRATE = Yield Rate (produktivitas) ROA = Return on Asset ROE = Return on Equity NIM = Net Interest Margin GPF = Yield on Gross Portfolio LVG = Leverage ε = error term Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dengan Goodness of Fit Test (Uji R2). Secara statistik, hal ini dapat diukur dengan nilai koefisien determinasi, nilai statistik F, dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah di mana H0 ditolak). Sebaliknya, disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah di mana H0 diterima. 1. Ketepatan Determinasi (Uji R2) Uji Koefisien determinasi R2 dilakukan untuk mengukur seberapa besar kemampuan dari model regresi mampu menerangkan variabel dependen. Apabila nilai R2 semakin besar dan mendekati satu, hal ini menandakan bahwa variabelvariabel independen yang digunakan dalam model regresi memberikan hampir semua informasi yang dibutuhkan oleh variabel dependen (Ghozali, 2006). Nilai yang digunakan dalam penelitian ini untuk mengukur koefisien determinasinya
adalah adjusted R2 karena nilai adjusted R2 merupakan koreksi dari R2 sehingga hasilnya akan lebih valid. 2. Uji-F Statistik (Simultan) Uji-F dimaksudkan untuk mengetahui tingkat signifikansi pengaruh variabel independen secara bersama-sama terhadap variabel dependen. Hipotesis yang digunakan dalam uji ini adalah sebagai berikut : H0 : Secara simultan, variabel independen tidak berpengaruh signifikan terhadap variabel dependen. H1 : Secara simultan, variabel independen berpengaruh signifikan terhadap variabel dependen. Dengan tingkat signifikansi (α) sebesar 5%, maka : Jika probabilitas F < α, berarti H0 ditolak dan Ha diterima. Berarti secara simultan, variabel independen berpengaruh signifikan terhadap variabel dependen. Jika probabilitas F > α, berarti H0 diterima dan H1 ditolak. Berarti secara simultan, variabel independen tidak berpengaruh signifikan terhadap variabel dependen. 3. Uji-t Statistik (Parsial) Uji-t statistik pada dasarnya menunjukan seberapa jauh pengaruh satu variabel independen secara individu dalam menerangkan variabel dependen.. Uji hipotesis dilakukan
melalui
regresi
yang
menggunakan
program
SPSS
dengan
membandingkan tingkat signifikasi setiap variabel independen dengan taraf sig α = 0,01 , 0,05 , dan 0,1. Hipotesis yang digunakan dalam uji ini adalah sebagai berikut : H0: Variabel independen tidak berpengaruh signifikan terhadap variabel dependen. H1: Variabel independen berpengaruh signifikan terhadap variabel dependen. Dengan tingkat signifikansi (α) sebesar 1%, 5%, dan 10% , maka :
Jika probabilitas t < α, berarti H0 ditolak dan H1 diterima. Berarti variabel independen berpengaruh signifikan terhadap variabel dependen ditingkat signifikansi X. Jika probabilitas t > α, berarti H0 diterima dan H1 ditolak.Berarti variabel independen tidak berpengaruh signifikan terhadap variabel dependen.