35

BAB III

METODE PENELITIAN

Dalam rangka menjawab persoalan penelitian yang telah

dikemukakan, maka digunakan metode penelitian kuantitatif. Penelitian ini

menurut tingkat eksplanasinya termasuk dalam penelitian kausalitas, karena

penelitian ini dilakukan untuk menguji hipotesis mengenai hubungan

kausalitas antar satu atau beberapa variabel dengan satu atau beberapa

variabel lainnya (Sugiyono, 2013). Berdasarkan model penelitian yang

dikembangkan ini diharapkan dapat lebih menjelaskan lagi hubungan

kausalitas antar variabel yang dianalisis, dan sekaligus dapat membuat

implikasi penelitian yang berguna untuk pengembangan ilmu pengetahuan

serta sebagai suatu metode dan teknik bagi pemecahan masalah yang ada di

lapangan.

3.1. Populasi dan Sampel

Populasi adalah gabungan dari seluruh elemen yang berbentuk

peristiwa, hal atau orang yang memiliki karakteristik yang serupa yang

menjadi pusat perhatian seorang peneliti, sedangkan sampel adalah subset

dari populasi (Ferdinand, 2013). Populasi dalam penelitian ini adalah seluruh

pemilik usaha kain tenun yang berada pada tujuh sentra produksi di

Kabupaten Sumba Timur, Nusa Tenggara Timur.

Jumlah sampel yang digunakan dalam penelitian ini disesuaikan

dengan metode analisis yang digunakan yaitu Structural Equation Model

(SEM). Dalam metode SEM, jumlah sampel yang dibutuhkan paling sedikit 5

kali jumlah variabel indikator (Ferdinand, 2014). Adapun jumlah indikator

dalam penelitian ini sebanyak 15 indikator, sehingga minimal dibutuhkan 15

x 5 atau 75 sampel. Namun dalam pengujian Chi Square model SEM sangat

36

sensitif dengan jumlah sampel, sehingga sampel penelitian ini akan

membutuhkan mengacu pada kriteria yang diusulkan oleh Hair et al.

(2010:637) yaitu dengan teknik Maximum Likelihood Estimation (MLE).

Jumlah sampel yang baik menurut MLE berkisar antara 100-200 sampel.

Oleh karena itu jumlah sampel yang diharapkan minimal 100 sampel dan

maksimum 200 sampel.

Dalam menentukan sampel, peneliti menggunakan non-probablity

sampling karena tidak memberi peluang/kesempatan yang sama bagi setiap

anggota populasi untuk menjadi sampel (Sugiyono, 2013). Metode

pengambilan sampel dalam penelitian ini adalah purposive sampling. Metode

Purposive sampling merupakan metode pengambilan sampel yang dilakukan

berdasarkan kriteria yang telah ditentukan oleh peneliti (Ferdinand, 2013).

Adapun kriteria pemilik usaha kain tenun yang akan dijadikan sampel

dalam penelitian ini adalah pemilik usaha kain tenun yang menggunakan

hutang sebagai salah satu sumber pendanaan usaha. Oleh karena itu, setiap

pemilik usaha kain tenun yang ditemui peneliti, akan ditanyakan terlebih

dahulu apakah mereka menggunakan hutang dalam menjalankan usahanya

atau tidak. Jika menggunakan hutang dan bersedia memberikan informasi

lain yang dibutuhkan peneliti, maka akan dijadikan sampel. Tetapi bila

pemilik usaha yang ditemui tidak menggunakan hutang dalam usahanya,

maka akan dilewati. Demikian seterusnya sampai memenuhi jumlah sampel

minimal.

3.2. Pengukuran Variabel

Penelitian ini menggunakan 5 (lima) variabel yaitu sikap terhadap

hutang, norma sosial, kontrol perilaku yang dipersepsikan, niat berhutang,

dan keputusan hutang.

37

3.2.1. Sikap terhadap Hutang

Sikap terhadap hutang adalah evaluasi pemilik usaha untuk

mendukung atau tidak mendukung dalam berhutang (Ajzen, 2005). Ajzen

(2006) menyatakan bahwa sikap individu dapat dinyatakan dalam dimensi

berpasangan seperti baik-buruk, nyaman-tidak nyaman, berbahaya-

bermanfaat, dan bernilai-tidak bernilai.

Penelitian ini akan mengadaptasi indikator yang dikembangkan oleh

Koropp et al. (2013, 2014) yang meneliti sikap pemilik usaha terhadap

pengambilan keputusan hutang dalam perusahaan keluarga, yang memiliki

tingkat reliabilitas α=0,95. Indikator yang digunakan disesuaikan dengan

karakteristik pemilik usaha mikro yaitu a) Menggunakan hutang merupakan

ide yang baik bagi usaha, b) Menggunakan hutang dapat menguntungkan

bagi usaha, dan c) Menggunakan hutang merupakan tindakan yang bijaksana.

3.2.2. Norma Sosial

Norma sosial adalah pengaruh dari lingkungan sosial yang

dipersepsikan oleh individu akan mendukung atau tidak terhadap suatu

perilaku (Ajzen, 1991; 2005). Dalam konteks berhutang, lingkungan sosial

dapat berupa pihak-pihak yang memberikan pengaruh bagi pemilik usaha

yang akan mempengaruhi niat untuk berhutang (Pennings et al., 2003; Hailu

et al., 2005; Espel et al., 2009). Hailu et a.l (2005) yang meneliti tentang niat

manajer dan direktur terhadap pendanaan hutang jangka panjang untuk

ekspansi bisnis mengidentifikasi pihak yang berpengaruh adalah kolega,

pemegang saham, manajer senior, direktur utama, pasangan, teman, dan

orangtua. Espel et al. (2009) yang melakukan studi tentang niat pemilik usaha

kecil dan menengah terhadap pendanaan modal swasta mengidentifikasi

pihak yang berpengaruh adalah konsultan eksternal, konsultan internal,

keluarga, dan teman.

38

Dalam penelitian ini, pihak-pihak yang mempengaruhi akan mengacu

pada kedua penelitian di atas, namun disesuaikan dengan karakteristik

pemilik usaha mikro yang ada di Sumba Timur yaitu a) keluarga (pasangan,

orangtua, saudara) mendukung penggunaan hutang; b) Banyak teman

pengusaha menggunakan hutang; c) Teman mendukung penggunaan hutang;

dan d) pemerintah setempat mendukung penggunaan hutang.

3.2.3. Kontrol Perilaku yang Dipersepsikan

Kontrol perilaku yang dipersepsikan adalah persepsi pemilik usaha

mikro tentang kemudahan atau kesulitan akses ke pihak penyedia

dana/kreditur. Hailu et al. (2005) yang meneliti tentang niat manajer dan

direktur terhadap pendanaan hutang jangka panjang untuk ekspansi bisnis

menggunakan indikator: kekuatan pengambilan keputusan, manfaat dan

resiko, struktur jatuh tempo, sikap pemegang saham, struktur tingkat bunga,

biaya meminjam, tingkat persaingan, kemungkinan bangkrut, dan komitmen

finansial pemegang saham. Espel et al. (2009) yang melakukan studi tentang

niat pemilik usaha kecil dan menengah terhadap pendanaan modal swasta

menggunakan tiga indikator: jaminan terwujudnya niat, kemampuan untuk

mendapatkan, dan ketersediaan peluang.

Penelitian ini akan mengacu pada indikator dari kedua penelitian

tersebut, akan tetapi disesuaikan dengan konteks usaha mikro dan keputusan

hutang. Kontrol perilaku yang dipersepsikan dalam penelitian ini dikaitkan

dengan persepsi pemilik usaha terhadap hambatan yang dialami dalam

mengakses permodalan seperti jaminan, besar atau kecilnya tingkat bunga

yang ditawarkan, dan aksesibilitas ke kreditur. Oleh karena itu, indikator

yang akan digunakan yaitu a) Kemampuan untuk menyediakan jaminan yang

diminta kreditur; b) Kemampuan untuk membayar bunga hutang; c)

Kemampuan melunasi hutang tepat waktu; d) Kemampuan memiliki modal

39

sendiri yang cukup; e) Kemudahan mendapatkan hutang karena hubungan

baik.

3.2.4. Niat Berhutang

Niat berhutang adalah keadaan sejauh mana pemilik usaha termotivasi

untuk menggunakan hutang (Ajzen, 2005). Niat dapat dinyatakan sebagai

keinginan atau motivasi untuk melakukan suatu perilaku. Dalam penelitian

tentang niat manajer dan direktur terhadap pendanaan hutang jangka panjang

untuk ekspansi bisnis, Hailu et al. (2005) menggunakan dua indikator yaitu

motivasi persetujuan dan motivasi manfaat yang diperoleh. Sedangkan Espel

et al. (2009) menggunakan empat indikator dengan tingkat reliabilitas 0,79

yaitu upaya untuk mendapatkan, niat untuk menggunakan, relevansi, dan

pertimbangan dalam penelitiannya tentang niat pemilik usaha kecil dan

menengah terhadap pendanaan modal swasta. Koropp et al. (2014) yang

melakukan penelitian pada perusahaan keluarga menggunakan 3 indikator “ I

intend to”; I will try to”; I will make an effort to”

Mengacu pada indikator yang digunakan oleh Koropp et al. (2014)

yang disesuaikan dengan konteks keputusan hutang, maka indikator niat yang

digunakan dalam penelitian ini adalah a) Bermaksud untuk menggunakan

hutang; b) Mencoba untuk menggunakan hutang; c) Berupaya untuk

menggunakan hutang.

3.2.5. Keputusan Hutang

Keputusan pendanaan yang dilakukan pemilik usaha dapat dilihat dari

intensitas penggunaan (Espel et al., 2009) dan proporsi penggunaan (Koropp

et al., 2014). Penelitian ini akan mengacu pada konsep Koropp et al. (2014)

yang disesuaikan dengan konteks keputusan pemilik usaha mikro, dimana

keputusan hutang yang dimaksud adalah proporsi penggunaan hutang.

40

Proporsi hutang dalam hal ini adalah proporsi jumlah hutang dari total modal

yang digunakan pemilik usaha dalam menjalankan usahanya.

Secara ringkas definisi operasional, pengukuran, dan indikator

variabel dapat dilihat pada tabel berikut:

Tabel 3.1

Definisi Operasional, Pengukuran, dan Indikator Variabel Variabel Definisi

Operasional

Pengukuran Indikator

Sikap

terhadap

hutang

Sikap terhadap

hutang adalah

evaluasi pemilik

usaha untuk

mendukung atau

tidak mendukung

dalam berhutang

(Ajzen, 2005)

Variabel sikap

terhadap hutang

diukur dengan

skala interval dan

mengadaptasi

indikator yang

dikembangkan oleh

Koropp et al., 2013;

2014

1. Menggunakan hutang

merupakan ide yang

baik bagi usaha,

2. Menggunakan hutang

dapat menguntungkan

bagi usaha,

3. Menggunakan hutang

merupakan tindakan

yang bijaksana.

Norma

Sosial

Norma sosial

adalah pihak-pihak

yang memberikan

pengaruh bagi

pemilik usaha

(Pennings et al.,

2003; Hailu et al.,

2005; Espel et al.,

2009)

Variabel norma

sosial diukur

dengan interval dan

mengadaptasi

indikator yang

dikembangkan oleh

Hailu et al., 2005;

Ajzen, 2006; Espel

et al., 2009.

1. Keluarga (pasangan,

orangtua, saudara)

mendukung

penggunaan hutang;

2. Banyak teman

pengusaha

menggunakan hutang;

3. Teman mendukung

penggunaan hutang;

4. Pemerintah setempat

mendukung

penggunaan hutang.

41

(Tabel 3.1. Lanjutan....)

Variabel Definisi

Operasional

Pengukuran Indikator

Kontrol

perilaku yang

dipersepsikan

Kontrol perilaku

yang

dipersepsikan

adalah persepsi

pemilik usaha

mikro tentang

kemudahan atau

kesulitan akses

ke pihak

penyedia

dana/kreditur

Variabel kontrol

perilaku yang

dipersepsikan

diukur dengan

skala interval

dan

mengadaptasi

indikator yang

dikembangkan

oleh Hailu et

al., 2005; Ajzen,

2006; Espel et

al., 2009

1. Kemampuan untuk

menyediakan jaminan

yang diminta kreditur;

2. Kemampuan untuk

membayar bunga

hutang;

3. Kemampuan melunasi

hutang tepat waktu;

4. Kemampuan memiliki

modal sendiri yang

cukup;

5. Kemudahan

mendapatkan hutang

karena hubungan baik

Niat

berhutang

Niat berhutang

adalah keadaan

sejauh mana

pemilik usaha

termotivasi untuk

menggunakan

hutang

Variabel niat

berhutang

diukur dengan

skala interval

dan

mengadaptasi

indikator yang

dikembangkan

oleh Koropp et

al., 2014

1. Bermaksud untuk

menggunakan hutang;

2. Mencoba untuk

menggunakan hutang;

3. Berupaya untuk

menggunakan hutang.

Keputusan

Hutang

Keputusan

hutang yang

dimaksud adalah

proporsi

penggunaan

hutang (Koropp

et al., 2014)

Keputusan

hutang diukur

dengan skala

rasio. Proporsi

hutang dalam

hal ini adalah

proporsi jumlah

hutang dari total

modal yang

digunakan

pemilik usaha

dalam

menjalankan

usahanya

Sumber: Dari berbagai literatur

42

Skala pengukuran yang digunakan untuk variabel-variabel di atas,

kecuali variabel keputusan hutang, akan mengacu pada skala yang diusulkan

Ajzen (2006) dan digunakan oleh Espel et al. (2009) serta Koropp et al.

(2014) yaitu skala Likert 7-poin. Rentang skala yang digunakan yakni dari

poin 1 (sangat tidak setuju) sampai dengan poin 7 (sangat setuju).

3.3. Teknik Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data primer yang

diambil langsung oleh peneliti. Teknik pengumpulan data primer dapat

dilakukan dengan tiga cara yaitu wawancara (interview), kuesioner, observasi

(Supramono et al., 2010). Penelitian ini akan menggunakan teknik

penyebaran kuesioner secara langsung kepada responden (personally

administrated questionnaraires) karena sampel yang ditentukan dapat

dijangkau secara personal dan mudah ditemui. Kuesioner yang digunakan

sebagai instrumen pengumpulan data, berisikan item pernyataan-pernyataan

yang dikembangkan untuk mengukur variabel-variabel yang diteliti

(terlampir).

Teknik penyebaran kuesioner dilakukan dengan cara menggunakan

enumerator-enumerator yang berasal dari kecamatan tempat usaha kain

tenun. Alasan menggunakan enumerator dari masyarakat sekitar usaha kain

tenun karena banyak pemilik usaha kain tenun yang kurang dapat berbahasa

Indonesia dengan baik, sehingga perlu penjelasan khusus dalam bahasa

Sumba Timur tentang isi kuesioner. Enumerator sebelumnya diberi

penjelasan mengenai tujuan penelitian dan isi pertanyaan serta pernyataan

dalam kuesioner.

Penyebaran kuesioner oleh enumerator dilakukan pada bulan April

sampai dengan Juni 2015 kepada responden. Responden yang dimaksud

adalah pemilik usaha kain tenun yang tersebar pada tujuh kecamatan dalam

Kabupaten Sumba Timur yang merupakan daerah sentra produksi kain tenun

43

sesuai data dari Dinas Perindustrian dan Perdagangan Kabupaten Sumba

Timur. Kecamatan-kecamatan tersebut adalah Kota Waingapu, Kambera,

Kanatang, Pandawai, Rindi, Umalulu dan Pahungalodu. Hambatan utama

dalam penyebaran kuesioner seperti yang disampaikan para enumerator

adalah lamanya waktu yang dibutuhkan pemilik usaha dalam mengisi satu

kuesioner karena kendala bahasa. Dalam keadaan tertentu, karena alasan

kendala bahasa tersebut, responden tidak dapat secara personal mengisi setiap

pertanyaan pada kuesioner. Hal tersebut diatasi dengan enumerator

membantu mengisi setiap pertanyaan/pernyataan sesuai persepsi responden.

Kendala bahasa tersebut membawa konsekuensi waktu penelitian lapangan

yang lebih lama. Berdasarkan kesediaan pengusaha kain tenun berpartisipasi

selama proses penelitian lapangan, diperoleh 177 responden.

3.4. Teknik Analisis Data

Salah satu teknik analisis data yang dapat digunakan untuk menguji

hubungan kausalitas adalah Structural Equation Modeling-SEM (Ferdinand,

2013). Menurut Hair et al. (2010), SEM merupakan model statistik yang

dapat menjelaskan hubungan yang kompleks diantara variabel-variabel. SEM

juga memungkinkan pengujian sebuah rangkaian hubungan yang relatif

“rumit” secara simultan, seperti hubungan antara satu atau beberapa variabel

dependen dengan satu atau beberapa variabel independen (Ferdinand, 2014).

Dalam model penelitian yang telah dirumuskan pada bab dua,

terdapat beberapa variabel yang merupakan variabel independen, tetapi juga

sebagai variabel dependen (variabel niat berhutang). Selain itu variabel niat

berhutang merupakan variabel yang memediasi pengaruh faktor sikap

terhadap hutang, norma sosial, dan kontrol perilaku yang dipersepsikan

terhadap keputusan hutang. Oleh karena itu, pengujian model dan hipotesis

yang telah dirumuskan dalam penelitian ini akan menggunakan teknik SEM.

44

Langkah-langkah yang harus dilakukan untuk melakukan pengujian

model dan hipotesis dengan menggunakan SEM (Ferdinand, 2014; Ghozali,

2014), yaitu:

1. Mengembangkan model teoritis: mengacu pada pencarian atau

pengembangan model (telah dilakukan pada bab II).

2. Mengembangkan diagram alur: dilakukan untuk melihat hubungan

kausalitas yang ingin diuji. Diagram alur dalam penelitian ini dapat

dilihat pada gambar di bawah ini:

Gambar 3.1

Diagram Alur Model Penelitian Empirik

Diagram alur di atas menunjukkan tiga variabel eksogen (sikap terhadap

hutang, norma sosial dan kontrol perilaku yang dipersepsikan) dan dua

variabel endogen (niat berhutang dan keputusan hutang). Variabel

keputusan hutang merupakan observed variable karena diukur

45

berdasarkan proporsi penggunaan hutang. Sedangkan empat variabel

lainnya merupakan unobserved variable yang diukur dengan seperangkat

pertanyaan berdasarkan indikator yang telah ditentukan.

3. Konversi diagram alur ke dalam persamaan: konversi spesifikasi model

ke dalam rangkaian persamaan struktural dan persamaan spesifikasi

model pengukuran.

Tabel 3.2

Spesifikasi Model Pengukuran dan Persamaan Struktural

Variabel Eksogen Variabel Endogen STH1=λSPH1Sikap Terhadap Hutang + e1

STH2=λSPH2Sikap Terhadap Hutang + e2

STH3=λSPH3Sikap Terhadap Hutang + e3

NS1=λNS1Norma Sosial + e4

NS2=λNS2Norma Sosial + e5

NS3=λNS3Norma Sosial + e6

NS4=λNS4Norma Sosial + e7

KPD1=λPKD1Kontrol perilaku yang dipersepsikan + e8

KPD2=λPKD2Kontrol perilaku yang dipersepsikan + e9

KPD3=λPKD3Kontrolperilaku yang dipersepsikan+ e10

KPD4=λPKD4Kontrolperilaku yang dipersepsikan+ e11

KPD5=λPKD5Kontrolperilaku yang dipersepsikan+ e12

NB1=λMMH1Niat berhutang + e13

NB2=λMMH2Niat berhutang + e14

NB3=λMMH1Niat berhutang + e15

Model Struktural Niat Berhutang = β1Sikap Terhadap Hutang + β2Norma Sosial +

β3Kontrol perilaku yang dipersepsikan + z1

Keputusan Hutang = β4Niat Berhutang + z2

Keputusan Hutang = β5Kontrol perilaku yang dipersepsikan + z2

4. Memilih matriks input dan estimasi model. Pada tahap ini, matriks

kovarian dipilih karena memiliki keunggulan dalam menyajikan

perbandingan yang valid antara populasi atau sampel yang berbeda.

Teknik estimasi yang digunakan adalah teknik Maximum Likelihood

Estimation (MLE).

5. Menilai problem identifikasi: menanggulangi hasil estimasi yang unik

dengan memberikan banyak konstrain pada model yang dianalisis.

6. Evaluasi kinerja Goodness-of-Fit (GOF), yang dilakukan dengan

menguji asumsi-asumsi SEM yaitu:

46

a. asumsi kecukupan sampel. Sampel minimum yang harus dipenuhi 100

dan selanjutnya menggunakan perbandingan 5 observasi untuk setiap

estimated parameter.

b. asumsi normalitas. Normalitas diuji dengan menggunakan nilai

statistik z value dari ukuran skewness dan kurtosis sebaran data. Pada

output program AMOS disebut critical ratio atau c.r. Nilai kritis

berdasarkan tingkat signifikansi 1% (dua sisi) sebesar ± 2,58. Uji

normalitas dilakukan secara univariat dan multivariat.

c. asumsi outlier. Outlier adalah observasi yang muncul dengan nilai-

nilai ekstrim baik secara univariat maupun multivariat yang muncul

karena kombinasi karakteristik unik yang dimilikinya dan terlihat

sangat jauh berbeda dari observasi lainnya. Evaluasi terhadap asumsi

outlier univariat dilakukan dengan mengkonversi nilai data penelitian

ke dalam standard score (z-score), dengan syarat nilai z-score tidak

lebih besar dari ± 3,00. Sedangkan evaluasi asumsi multivariate

outlier dilakukan dengan melihat jarak Mahalanobis (Mahalanobis

distance) dengan batas nilai derajat bebas (degree of freedom) dari

jumlah variabel yang diteliti pada tingkat p < 0,001.

Selanjutnya, dilakukan evaluasi atas kinerja GOF. Dalam analisis

SEM, tidak ada alat uji statistik yang tunggal untuk menguji hipotesis

mengenai model. Berbagai indeks kesesuaian digunakan untuk

mengukur derajat kesesuaian antara model dan data yang disajikan. Hair

et al. (2010) mengelompokkan GOF ke dalam tiga kelompok, yakni

absolute fit measures, incremental fit measures, dan parsimony fit

measure. Ketiga kelompok GOF tersebut dipaparkan sebagai berikut:

a. Absolute fit measure adalah pengukuran langsung dari bagaimana

baiknya model yang dispesifikasi oleh peneliti menghasilkan

observed data yang menyediakan penilaian yang lebih mendasar

47

bagaimana baiknya suatu teori cocok dengan data sampel. Indeks

yang masuk dalam kelompok ini adalah:

(1) The Minimum Sample Discrepancy Function (CMIN/DF)

merupakan ukuran yang diperoleh dari nilai chi square dibagi

dengan degree of freedom. Indeks ini adalah indeks kesesuaian

parsimonious yang mengukur hubungan goodness of fit model

dengan jumlah koefisien-koefisien estimasi yang diharapkan

untuk mencapai tingkat kesesuaian. Nilai yang

direkomendasikan untuk menerima kesesuaian sebuah model

adalah CMIN/DF < 2,0 atau 3,0.

(2) Chi square (χ2) Statistic. Model yang diuji dapat disimpulkan

sebagai model yang baik, jika nilai χ2 rendah. Semakin kecil

nilai χ2 dapat disimpulkan bahwa semakin baik model tersebut,

karena dalam uji beda chi square, nilai χ2=0 berarti tidak ada

perbedaan. Perbedaan yang dimaksud adalah perbedaan antara

model yang diuji dengan saturated model. Chi square bersifat

sangat sensitif terhadap besarnya sampel yang digunakan, oleh

karena itu χ2 perlu dilengkapi dengan alat uji lainnya.

(3) Goodness of Fit Index (GFI). Indeks ini mencerminkan tingkat

kesesuaian model yang dihitung dari residual kuadrad dari

model yang diprediksi dibandingkan dengan data yang

sebenarnya. Nilai yang mendekati 1 mengisyaratkan model

yang diuji memiliki kesesuaian yang baik.

(4) Adjusted Goodness of Fit Index (AGFI) merupakan

pengembangan dari GFI, yang telah disesuaikan dengan rasio

dari degree of freedom model yang diajukan dengan degree of

freedom dari null model (model konstruk tunggal dengan semua

indikator pengukuran konstruk). Nilai yang direkomendasikan

adalah AGFI > 0,90.

48

(5) Root Means Square Residual (RMSR) and Standardized Root

Mean Residual (SRMR). RMSR merupakan rata-rata dari

residual antara individual observed dan kovarian dan varians

yang diestimasi. Sedangkan SRMR merupakan nilai statistik

alternatif yang didasarkan pada nilai RMSR yang

distandardisasi, yang lebih berguna untuk membandingkan fit

lintas model. Nilai RMSR dan SRMR yang rendah

menunjukkan kecocokan yang lebih baik.

(6) Root Mean Square Error of Approximation (RMSEA) adalah

indeks yang digunakan untuk mengukur kesesuaian model

menggantikan chi square statistic dalam jumlah sampel yang

besar. Nilai RMSEA < 0,08 mengindikasikan indeks yang baik

untuk menerima kesesuaian model.

b. Incremental Fit Indices adalah indeks yang menilai bagaimana

baiknya suatu model yang dispesifikasi cocok secara relatif dengan

beberapa alternatif baseline model. Implikasinya adalah bahwa tidak

ada data reduction yang dapat memperbaiki model karena data tidak

berisi multi-item factors, sehingga, kelompok indeks ini

mencerminkan perbaikan dalam kesesuaian dengan spesifikasi dari

hubungan multi-item constructs. Indeks yang termasuk dalam

incremental fit indices adalah:

(1) Normed Fit Index (NFI) adalah indeks kesesuaian incremental

yang diperoleh dari rasio perbedaan dalam nilai χ2 untuk model

yang disesuaikan dan null model dibagi dengan nilai χ2 untuk

null model. Nilai penerimaan yang direkomendasikan adalah NFI

> 0,90.

(2) Comparative Fit Index (CFI) adalah indeks kesesuaian

incremental, yang membandingkan model yang diuji dengan null

model. Indeks ini sangat baik untuk mengukur tingkat

49

penerimaan model, karena seperti CMIN/DF, nilainya tidak

dipengaruhi oleh ukuran sampel. Nilai indeks ini berada pada

rentang dari 0 sampai dengan 1 dan nilai yang mendekati 1

mengindikasikan model memiliki tingkat kesesuaian yang baik.

Nilai penerimaan yang direkomendasikan adalah CFI > 0,95.

(3) Trucker Lewis Index (TLI) adalah indeks kesesuaian incremental

yang membandingkan model yang diuji dengan null model.

Indeks kesesuaian ini kurang dipengaruhi oleh ukuran sampel.

Nilai penerimaan yang direkomendasikan adalah TLI > 0,90.

(4) Relative Noncentrality Index (RNI) adalah indeks yang

membandingkan observed fit yang dihasilkan dari pengujian

model yang dispesifikasi pada null model. Nilai RNI yang

diharapkan adalah RNI > 0,90.

c. Parsimony Fit Indices dirancang secara khusus untuk menyediakan

informasi tentang model mana yang terbaik di antara model-model

yang diperbandingkan. Secara konseptual, indeks sama dengan istilah

adjusted R2, dalam pengertian bahwa ini model fit dihubungkan pada

kompleksitas model. Untuk mengukur kompleksitas model digunakan

parsimony ratio (PR). Indeks yang dikategorikan dalam parsimony fit

indices adalah:

(1) Parsimony Good-of-Fit Index (PGFI). Indeks ini menyesuaikan

GFI menggunakan PR. Secara teoritikal, nilai PGFI berkisar

antara 0 dan 1.

(2) Parsimony Normed Fit Index (PNFI). Indeks ini menyesuaikan

NFI dengan menggandakannya dengan PR. Nilai PNFI yang

relatif tinggi menunjukkan fit yang secara relatif lebih baik.

50

Secara ringkas indeks-indeks terpilih yang digunakan untuk menguji

kelayakan model dalam penelitian ini tersaji dalam tabel berikut:

Tabel 3.3

Indeks Kesesuaian Model

Goodness of fit Index Cut-off value

Chi square Diharapkan kecil

Probability ≥ 0,05

RMSEA ≤ 0,08

GFI ≥ 0,90

AGFI ≥ 0,90

CMIN/DF ≤ 2,00

TLI ≥ 0,95

CFI ≥ 0,95 Sumber: Hair et al., 2010; Ferdinand, 2014; Ghozali, 2014

7. Interpretasi dan Modifikasi Model

Modifikasi model dapat dilakukan pada model-model yang tidak

memenuhi syarat pengujian yang dilakukan. Salah satu alat untuk

menilai ketepatan sebuah model yang telah dispesifikasi adalah melalui

indeks modifikasi (modification index). Indeks modifikasi memberikan

gambaran mengenai mengecilnya nilai chi-square atau pengurangan

nilai bila sebuah koefisien diestimasi (Ferdinand, 2014).