44

BAB III

METODE PENELITIAN

3.1 Populasi dan Sampel

Populasi dalam penelitian ini adalah rektor dan pimpinan di

beberapa Universitas swasta di kota Dili-Timor Leste. Dalam

penelitian ini, dipilih 4 dari 8 Universitas swasta di kota Dili

berdasarkan persamaan skala yaitu besarnya Universitas dan

jumlah mahasiswa. Sampel yang diambil dalam penelitian ini

adalah rektor dan pimpinan di 4 Universitas yang tersebar di kota

Dili dengan menggunakan teknik judgemental sampling. Para

pimpinan yang dipilih meliputi kelompok manajerial di Perguruan

Tinggi yaitu pimpinan universitas, fakultas dan unit.

3.2 Pengukuran Konsep

Pengukuran konsep atas pernyataan dalam penelitian ini,

menggunakan skala likert, dimana skala likert digunakan untuk

mengukur sikap, pendapat dan pemahaman seseorang atau

sekelompok tentang kejadian atau gejala sosial (Sekaran, 2006).

Menurut Supramono & Haryanto (2005) terdapat empat tipe skala

pengukuran mulai dari yang bersifat kualitatif hingga kuantitatif

(nominal, ordinal, interval dan ratio) untuk mempermudah dalam

menganalisis data.

45

Dalam penelitian ini, konsep yang akan diukur adalah

tentang decisionmaking, self control, illusion of control, dukungan

teknologi informasi dan performance individu, yang dalam angket

ini terdiri dari beberapa jawaban berdasarkan definisi operasional

pada aras interval sebagai berikut : sangat tidak setuju (STS), tidak

setuju (TS), ragu-ragu (RR), setuju (S), dan sangat setuju (SS).

Adapun alternatif jawaban atas pertanyaan indikator empirik dari

responden diberi skor 1-5, yaitu mulai dari skor 1 (sangat tidak

setuju) hingga skor 5 (sangat setuju).

TABEL 3.1 Konsep, Definisi dan Indikator

Variabel Definisi Indikator

Decision

Making

Terry (dalam Hasan, 2002)

memaparkan pengambilan

keputusan rasional adalah:

Pengambilan keputusan

yang bersifat objektif,

logis, transparan, penuh

perhitungan dan konsisten

karena berhubungan

dengan tingkat

pengetahuan seseorang;

Rasional :

1. Objektif

2. Logis

3. Transparan

4. Konsisten

5. Penuh perhitungan

( Terry dalam Hasan, 2002)

46

Self-control Hirschi & Gottfredson

(1993) dan Michael et al.

(2007) berpendapat bahwa

self control merupakan

kesediaan menunda

kepuasan, kesediaan

melakukan kegiatan

meskipun tidak segera

menghasilkan kepuasan,

kesediaan untuk berhati-

hati dan berani

menghadapi resiko serta

melihat sisi positif dari

kegagalan.

1. Kesediaan menunda

kepuasan

2. Kesediaan melakukan

kegiatan meskipun

tidak segera

menghasilkan

kepuasan

3. Berhati-hati

4. Menghadapi resiko

5. Melihat sisi positif dari

kegagalan

( Hirschi & Gottfredson, 1993)

Illusion Of

control

Nofsinger (2005)

berpendapat bahwa

seseorang yang mengalami

illusion of control, maka

cenderung merasa mampu

membuat pilihan dan

acapkali dalam membuat

pilihan orang tersebut

mengabaikan bantuan

orang lain. Selain itu orang

yang mengalami illusion of

control beranggapan

segala sesuatu dapat

dikerjakan dengan baik

dengan mengurangi atau

1. Percaya diri berlebihan

2. Mampu membuat

pilihan

3. Menghilangkan

kemungkinan resiko

4. Menganggap segala

sesuatu mudah

dilakukan

5. Optimis

( Nofsinger, 2005)

47

bahkan menghilangkan

kemungkinan munculnya

resiko, percaya diri

berlebihan, mampu

membuat pilihan,

menghilangkan

kemungkinan resiko,

optimis, menganggap

segala sesuatu mudah

dilakukan.

Dukungan

Teknologi

Informasi

Teknologi informasi dapat

didefinisikan sebagai

perpaduan antara

ketersediaan teknologi

komputer dan

telekomunikasi dengan

teknologi lainnya seperti

perangkat keras, perangkat

lunak, database, teknologi

jaringan, dan peralatan

telekomunikasi lainnya.

Selanjutnya, teknologi

informasi dipakai dalam

sistem informasi organisasi

untuk menyediakan

informasi bagi para

pemakai dalam rangka

1.Ketersediaan komputer

2.Ketersediaanperalatan

telekomunikasi (internet)

3.Ketersediaan perangkat lunak

4.Ketersediaan perangkat keras

5.Ketersediaan database

6.Ketersediaanteknologi

jaringan (wireless)

(Oswari, 2008).

48

pengambilan keputusan

(Oswari, 2008).

Performance

Individu

Kinerja adalah tingkat

pencapaian hasil atas

pelaksanaan tugas tertentu.

Kinerja individu adalah

adalah tingkat pencapaian

hasil dalam rangka

mewujudkan tujuan

organisasi. Pencapaian

hasil tersebut dapat diukur

dengan melihat kualitas

kerja, ketepatan waktu,

efektifitas, kepuasan,

ketenangan dalam bekerja,

karier yang meningkat dan

kuantitas kerja dari

organisasi tersebut

(Simanjuntak, 2005).

1.Kualitas kerja

2.Ketepatan waktu

3.Efektifitas kerja

4.Kuantitas kerja

5.Kepuasan

6.Ketenangan dalam bekerja

7.Karier yang meningkat

(Simanjuntak, 2005)

3.3 Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian

ini adalah penelitian lapangan, dimana pengumpulan data memakai

metode survey dengan teknik kuesioner.

49

3.3.1 Tahap-Tahap Penelitian

3.3.1.1 Pra-Penelitian

Penelitian ini dilakukan pada rektor dan pimpinan di

lingkup 4 Universitas swasta di Dili-Timor Leste yang dipilih

berdasarkan persamaan skala (jumlah mahasiswa dan besarnya

universitas), dari tanggal 21 Februari 2014 hingga 14 Maret 2014.

Sebelum proses penyebaran kuesioner, pertama-tama peneliti

mengambil data rektor dan pimpinan universitas di bagian

personalia masing-masing universitas. Pengambilan data rektor dan

pimpinan 4 universitas dilakukan pada tanggal 21 Februari 2014.

Selanjutnya pada tanggal 22 Februari 2014, peneliti bertemu

dengan rektor masing-masing universitas untuk menyerahkan surat

izin penelitian tesis dari Ketua Program Studi Magister Manajemen

Universitas Kristen Satya Wacana dan kemudian menunggu

disposisi rektor dari masing-masing universitas. Adapun

Universitas-universitas yang akan diteliti berada di kota Dili yaitu,

Universidade Da Paz (UNPAZ), Universidade de Dili (UNDIL),

Dili Institute of Technology (DIT) dan Institute Of Business (IOB).

3.3.1.2 Test-Kuesioner

Setelah disposisi, peneliti akan mengadakan pertemuan

dengan para rektor dan pimpinan dari masing-masing universitas

guna menjelaskan maksud penelitian dan kuesioner yang disebar

agar tidak terjadi kebingungan dan kesalahpahaman dalam mengisi

50

kuesioner yang dibagikan. Selesai pertemuan, kuesioner-kuesioner

didistribusikan kepada para rektor dan pimpinan tersebut yang

pada masing-masing universitas berjumlah 30 orang dan total

keseluruhan dari rektor dan pimpinan dari 4 universitas swasta

yang akan diteliti adalah 120 orang.

3.4 Teknik Analisis Data

3.4.1 Partial Least Square

Dalam pemodelan struktural sering dijumpai dua masalah

serius yang mengakibatkan perhitungan SEM (Structural Equation

Modeling) menjadi bias. Kedua masalah tersebut adalah solusi

yang tidak dapat diterima (inadmissible solution); hal ini terjadi

karena munculnya singularity pad kovarians matriks yang

terbentuk dan faktor yang tidak dapat ditentukan (factor

indeterminacy), yaitu adanya lebih dari satu faktor yang terdapat

dalam sekumpulan indikator sebuah variabel (Vinzi, 2010). Untuk

mengatasi kedua hal ini Partial least square (PLS) menjadi

jawaban atas masalah ini karena PLS berbasis varians bukan

berbasis covarians seperti pada SEM.

PLS pertama kali diperkenalkan oleh Herman Wold pada

tahun 1985. PLS atau juga disebut soft modelling merupakan

metode analisis yang powerful karena dapat diterapkan pada semua

skala data, tidak membutuhkan banyak asumsi dan ukuran sampel

tidak harus besar (Ghozali, 2010). Menurut Mindrajaya &

Sumertajaya (2008) terdapat 2 model dalam PLS, yaitu:

51

1. Model Indikator Refleksif

Model indikator refleksif dikembangkan berdasarkan pada classical

test theory yang mengasumsikan bahwa variasi skor pengukuran

konstruk merupakan fungsi dari true score ditambah error.

Ciri-ciri model indikator reflektif adalah:

1. Arah hubungan kausalitas seolah-olah dari konstruk ke

indikator

2. Antar indikator diarapkan saling berkorelasi (memiliki

internal consitency reliability)

3. Menghilangkan satu indikator dari model pengukuran tidak

akan merubah makna dan arti konstruk

4. Menghitung adanya kesalahan pengukuran (error) pada

tingkat indikator

2. Model Indikator Formatif

Konstruk dengan indikator formatif mempunyai karakteristik

berupa komposit, seperti yang digunakan dalam literatur ekonomi

yaitu index of sustainable economics welfare, the human

development index, dan the quality of life index. Asal usul model

formatif dapat ditelusuri kembali pada “operational definition”, dan

berdasarkan definisi operasional, maka dapat dinyatakan tepat

menggunakan model formatif atau reflektif.

52

Jika η menggambarkan suatu variabel laten dan x adalah indikator,

maka: η= x

Oleh karena itu, pada model formatif variabel komposit

seolah-olah dipengaruhi (ditentukan) oleh indikatornya. Jadi arah

hubungan kausalitas seolah-olah dari indikator ke variabel laten.

Ciri-ciri model indikator formatif adalah:

1. Arah hubungan kausalitas seolah-olah dari indikator ke

konstruk

2. Antar indikator diasumsikan tidak berkorelasi (tidak

diperlukan uji konsistensi internal atau Alpha Cronbach)

3. Menghilangkan satu indikator berakibat merubah makna dari

konstruk

4. Kesalahan pengukuran diletakkan pada tingkat konstruk

(zeta).

3.4.2 Goodness of Fit

Untuk menguji model struktural berbasis PLS perlu

diperhatikan 2 measurement utama yakni inner model dan outer

model. Pengujian PLS disini akan menggunakan software

SmartPLS

a). Outer Model

Outer model, yaitu spesifikasi hubungan antara variabel

laten dengan indikatornya, disebut juga dengan outer relation atau

measurement model, mendefinisikan karakteristik konstruk dengan

53

variabel manifestnya. Model indikator refleksif dapat ditulis

persamaannya sebagai berikut:

x = Λxξ + δ

y = Λyη + ε

Di mana x dan y adalah indikator untuk variabel laten eksogen (ξ)

dan endogen (η). Sedangkan Λx dan Λy merupakan matriks

loading yang menggambarkan seperti koefisien regresi sederhana

yang menghubungkan variabel laten dengan indikatornya. Residual

yang diukur dengan δ dan ε dapat diinterpretasikan sebagai

kesalahan pengukuran atau noise.

Model indikator formatif persamaannya dapat ditulis sebagai

berikut:

ξ= ΠξX

i + δ

η= ΠηY

i + ε

Dimana ξ,η , X, dan Y sama dengan persamaan sebelumnya.

Dengan Πξ

dan Πη

adalah seperti koefisen regresi berganda dari

variabel laten terhadap indikator, sedangkan δ dan ε adalah residual

dari regresi.

Model yang dikembangkan pada penelitian ini dapat dilihat pada

gambar 3.1 di bawah ini :

54

Gambar 3.1 Model PLS

Sumber : data primer tahun 2014

Pada model PLS Gambar 3.1. terdapat outer model sebagai berikut:

Untuk variabel latent eksogen 1 (reflektif)

x1

= λx1

ξ1

+ δ1

x2

= λx2

ξ1

+ δ2

x3

= λx3

ξ1

+ δ3

Untuk variabel latent eksogen 2 (formatif)

ξ2

= λx4

X4

+λ x5

X5

+ λx6

X6

+ δ4

55

Untuk variabel latent endogen 1 (reflektif)

y1

= λy1η

1 + ε

1

y2

= λy2η

1 + ε

2

Untuk variabel latent endogen 2 (reflektif)

y3

= λy3

η2

+ ε3

y4

= λy4

η2

+ ε4

Convergent validity

Korelasi antara skor indikator refleksif dengan skor variabel

latennya. Untuk hal ini loading 0.5 sampai 0.6 dianggap cukup,

pada jumlah indikator per konstruk tidak besar, berkisar antara 3

sampai 7 indikator.

Discriminant validity

Membandingkan nilai square root of average variance extracted

(AVE) setiap konstruk dengan korelasi antar konstruk lainnya

dalam model, jika square root of average variance extracted

(AVE) konstruk lebih besar dari korelasi dengan seluruh konstruk

lainnya maka dikatakan memiliki discriminant validity yang baik.

Direkomendasikan nilai pengukuran harus lebih besar dari 0.50.

Composite reliability (ρc)

56

Kelompok Indikator yang mengukur sebuah variabel memiliki

reliabilitas komposit yang baik jika memiliki composite reliability

≥ 0.7, walaupun bukan merupakan standar absolut.

b). Inner Model

Inner model, yaitu spesifikasi hubungan antar variabel laten

(structural model), disebut juga dengan inner relation,

menggambarkan hubungan antar variabel laten berdasarkan teori

substansif penelitian. Tanpa kehilangan sifat umumnya,

diasumsikan bahwa variabel laten dan indikator atau variabel

manifest di skala zero means dan unit varian sama dengan satu,

sehingga parameter lokasi (parameter konstanta) dapat dihilangkan

dari model.

Model persamaannya dapat ditulis seperti di bawah ini:

η= βη+Γξ +ς

Dimana menggambarkan vektor variabel endogen (dependen),

adalah vektor variabel laten eksogen dan adalah vektor residual

(unexplained variance). Oleh karena PLS didesain untuk model

rekursif, maka hubungan antar variabel laten, berlaku bahwa setiap

variabel laten dependen , atau sering disebut causal chain system

dari variabel laten dapat dispesifikasikan sebagai berikut:

ηj = Σ

iβ

jiη

i + Σ

i γ

jbξ

b + ς

j

57

Dimana γjb

(dalam bentuk matriks dilambangkan dengan Γ) adalah

koefisien jalur yang menghubungkan variabel laten endogen (η)

dengan eksogen (ξ). Sedangkan βji

(dalam bentuk matriks

dilambangkan dengan β) adalah koefisien jalur yang

menghubungkan variabel laten endogen (η) dengan endogen (η);

untuk range indeks i dan b. Parameter ςj

adalah variabel inner

residual.

Pada model PLS Gambar 3.1. inner model dinyatakan dalam sistem

persamaan sebagai berikut:

η1

= γ1ξ

1 + γ

2ξ

2 + ς

1

η2

= β1η

1 + γ

3ξ

1 + γ

4ξ

2 + ς

2

Goodness of Fit Model diukur menggunakan R-square variabel

laten dependen dengan interpretasi yang sama dengan regresi; Q-

Square predictive relevance untuk model struktural, megukur

seberapa baik nilai observasi dihasilkan oleh model dan juga

estimasi parameternya. Nilai Q-square > 0 menunjukkan model

memiliki predictive relevance; sebaliknya jika nilai Q-Square ≤ 0

menunjukkan model kurang memiliki predictive relevance.

Perhitungan Q-Square dilakukan dengan rumus:

Q2

= 1 – ( 1 – R1

2

) ( 1 – R2

2

) ... ( 1- Rp

2

)

dimana R1

2

, R2

2

... Rp

2

adalah R-square variabel endogen dalam

model persamaan. Besaran Q2

memiliki nilai dengan rentang 0 < Q2

58

< 1, dimana semakin mendekati 1 berarti model semakin baik.

Besaran Q2

ini setara dengan koefisien determinasi total pada

analisis jalur (path analysis).

3.4.3.Pengujian Hipotesis

Pengujian hipotesis (β, γ, dan λ) dilakukan dengan metode

resampling Bootstrap yang dikembangkan oleh Geisser & Stone.

Statistik uji yang digunakan adalah statistik t atau uji t, dengan

hipotesis statistik sebagai berikut:

Hipotesis statistik untuk outer model adalah:

H0

: λi = 0 lawan

H1

: λi ≠ 0

Sedangkan hipotesis statistik untuk inner model: pengaruh variabel

laten eksogen terhadap endogen adalah

H0

: γi = 0 lawan

H1

: γi ≠ 0

Sedangkan hipotesis statistik untuk inner model: pengaruh variabel

laten endogen terhadap endogen adalah

H0

: βi = 0 lawan

H1

: βi ≠ 0

Penerapan metode resampling, memungkinkan berlakunya data

terdistribusi bebas (distribution free), tidak memerlukan asumsi

59

distribusi normal, serta tidak memerlukan sampel yang besar

(direkomendasikan sampel minimum 30). Pengujian dilakukan

dengan t-test, bilamana diperoleh p-value ≤ 0,05 (alpha 5 %), maka

disimpulkan signifikan, dan sebaliknya. Bilamana hasil pengujian

hipotesis pada outter model signifikan, hal ini menunjukkan bahwa

indikator dipandang dapat digunakan sebagai instrumen pengukur

variabel laten. Sedangkan bilamana hasil pengujian pada inner

model adalah signifikan, maka dapat diartikan bahwa terdapat

pengaruh yang bermakna variabel laten terhadap variabel laten

lainnya.