bab iv metode penelitian - repository.mercubuana.ac.id iv.pdf · modeling (sem) dengan uji...

55

BAB IV

METODE PENELITIAN

4.1. Jenis Penelitian

Pendekatan metode penelitian yang dilakukan adalah menggunakan

metode deskripsi dimana akan meneliti status kelompok manusia, suatu objek,

suatu set kondisi, suatu sistem pemikiran, ataupun suatu kelas peristiwa pada

masa sekarang. Penelitian deskriptif mempelajari masalah-masalah dalam

masyarakat, serta tata cara yang berlaku dalam masyarakat serta situasi-situasi

tertentu, termasuk tentang hubungan, kegiatan-kegiatan, sikap-sikap, pandangan-

pandangan serta proses-proses yang sedang berlangsung dan pengaruh-pengaruh

dari suatu fenomena. Penelitian ini merupakan jenis penelitian eksplanatori,

peneliti mencoba menentukan hubungan antar variabel berdasarkan data yang

diperoleh dari sample yang ditentukan dalam suatu populasi melalui survei pada

unit observasi.

4.2. Variabel Penelitian dan Definisi Operasional Variabel

4.2.1. Variabel Penelitian

Variabel penelitian diukur menggunakan pengembangan instrumen yang

pernah digunakan dalam penelitian-penelitian sebelumnya, sehingga

memungkinkan untuk meningkatkan validitas dan realibilitas pengukuran.

Pengukuran masing-masing variabel menggunakan skala Likert 1 sampai dengan

5 yang masing-masing mempunyai arti sebagai berikut :

1 = sangat tidak setuju (STS)

http://digilib.mercubuana.ac.id/

56

2 = tidak setuju (TS)

3 = netral (N)

4 = setuju (S)

5 = sangat setuju (SS)

Skala likert digunakan untuk mengukur sikap, pendapat dan persepsi

seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2013: 93)

sebagai jawaban setiap pertanyaan pada bagian kedua dari kuisioner. Kuesioner

dalam penelitian ini terdiri dari dua bagian yaitu :

a) Bagian pertama berupa pertanyaan terbuka yaitu pertanyaan-pertanyaan

mengenai identitas responden seperti nama responden, unit kerja, jabatan,

usia dan pendidikan terakhir yang tidak akan diukur.

b) Bagian kedua adalah pertanyaan-pertanyaan tertutup meliputi semua variabel

dalam penelitian ini. Metode yang digunakan adalah Structural Equation

Modeling (SEM) dengan uji validitas dan reliabilitas menggunakan metode

Confirmatory Factor Analysis yang dilakukan dengan bantuan software

analisis LISREL 8.8.

4.2.2. Definisi Operasional Variabel

Pengukuran variabel pada penelitian ini adalah dengan menggunakan

pengukuran skala ordinal, adapun variabel yang akan diukur dalam penelitian ini

adalah sebagai berikut :

1) Motivasi Kerja (X1) adalah kondisi pada pegawai UNJ yang berpengaruh

untuk membangkitkan, mengarahkan, dan memelihara perilaku yang

berhubungan dengan lingkungan kerja (Pinder 2008: 11). Sedangkan menurut


57

Hasibuan (2008:141) motivasi kerja adalah pemberian daya penggerak yang

menciptakan kegairahan seseorang, agar mau bekerja sama, bekerja efektif

dan terintegrasi dengan segala daya upayanya untuk mencapai tujuan.

2) Kompetensi Pegawai (X2) adalah kemampuan pegawai UNJ untuk dapat

meningkatkan kinerjanya. Kompetensi merupakan pengembangan dari

sumber daya manusia yang dapat menentukan kinerja.. Kompetensi Pegawai

adalah karaktersitik kemampuan pegawai dalam melaksanakan kegiatan

pelayanan.

3) Kualitas Pelayanan Pegawai (Y1) adalah kualitas pelayanan pegawai UNJ

sebagai refleksi persepsi evaluatif konsumen terhadap pelayanan yang

diterima pada suatu waktu tertentu. Berdasarkan dua definisi kualitas

pelayanan di atas dapat diketahui bahwa terhadap dua faktor utama yang

mempengaruhi kualitas pelayanan, yaitu pelayanan yang diharapkan

(expected service) konsumen dan pelayanan yang diterima atau dirasakan

(perceived service) oleh konsumen atau hasil yang dirasakan

(Christina,2011:2).

4) Kinerja Pegawai (Y2) adalah hasil atau keluaran pegawai UNJ dari suatu

proses (Nurlaila, 2010:71) berupa kuantitas atau kualitas sesuatu yang

dihasilkan atau jasa yang diberikan oleh seseorang yang melakukan pekerjaan

(Luthans, 2005:165). Pengukuran variabel menggunakan skala Likert 1

sampai dengan 5.

Variabel dalam penelitian ini masih sangat abstrak, sehingga perlu

diturunkan kedalam bentuk dimensi dan indikator agar dapat di ukur. Adapun


58

operasionalisasi variabel penelitian ini dijelaskan dalam tabel 4.1 berikut ini:

Tabel 4.1. Operasionalisasi Variabel

Varibel Dimensi Indikator Skala Ukur Motivasi Kerja (X1)

Self Actualization

(Teori Maslow) 1 Keinginan untuk maju Ordinal

2 Pencapaian potensi diri Ordinal 3 Sifat kreatif Ordinal

Social needs

(Teori Maslow) 4 Hubungan dengan rekan

sekerja Ordinal

5 Hubungan dengan atasan Ordinal 6 Teamwork Ordinal

Kompetensi Pegawai (X2)

Knowledge

(Spencer dan Spencer)

7 Pemahaman tugas dan tanggung jawab pekerjaan

Ordinal

8 Pengetahuan tentang prosedur dan teknis pelayanan

Ordinal

9 Pengatahuan tentang peraturan

Ordinal

Skills

(Spencer dan Spencer)

10 Keterampilan administratif Ordinal 11 Keterampilan teknis Ordinal 12 Keterampilan sosial Ordinal

Kualitas Pelayanan (Y1)

Reliability

(Dharmmesta dan Irawan)

13 Keandalan pegawai dalam memberikan Informasi

Ordinal

14 Keandalanan pegawai dalam teknis pelayanan

Ordinal

15 Keandalan pegawai menjawab pertanyaan pelanggan

Ordinal

Responsiveness

(Dharmmesta dan Irawan)

16 Respon pegawai terhadap keluhan

Ordinal

17 Respon pegawai terhadap saran

Ordinal

18 Respon pegawai terhadap antrian

Ordinal

Kinerja Pegawai (Y2)

Quality

(Moeheriono)

19 Kualitas hasil pekerjaan Ordinal 20 Frekuensi melakukan

kesalahan Ordinal

21 Kemampuan bekerja dibawah tekanan

Ordinal

Effisiensi

(Moeheriono)

22 Effisiensi biaya kerja Ordinal 23 Kecekatan pegawai

bekerja Ordinal

24 Kecepatan pegawai bekerja

Ordinal


59

4.3. Populasi dan Sampel Penelitian

4.3.1. Populasi Penelitian

Populasi adalah wilayah generalisasi yang terdiri atas : obyek/subyek yang

mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk

dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2011:80). Populasi

merupakan kelompok subyek atau obyek yang memiliki ciri-ciri atau

karakteristik-karakteristik tertentu yang berbeda dengan kelompok subyek atau

obyek yang lain (Sumarsono, 2004: 44). Populasi dalam penelitian ini adalah

pegawai adminisitrasi pada kantor Universitas Jakarta yang tersebar pada 11 unit

kerja yang berjumlah 456 pegawai.

4.3.2. Sampel Penelitian

Sampel adalah sebagian atau wakil dari populasi yang diteliti oleh karena

tidak dimungkinkan mengambil populasi secara keseluruhan, maka pada

penelitian ini digunakan sampel sebagai subyek penelitian. Dasar dilakukan

penyampelan adalah agar dapat menarik simpulan dengan sejumlah elemen dan

populasi sebagai sampel untuk keseluruhan populasi. Manfaat dilakukan

penyampelan yaitu: biaya yang lebih murah, keakuratan hasil yang lebih baik,

pengumpulan data yang lebih cepat ketersediaan elemen populasi. Teknik

pengambilan sampel adalah suatu cara yang dipergunakan untuk menentukan

sampel penelitian. Singarimbun dan Effendi (2006:60) mengungkapkan bahwa

besarnya sampel tidak boleh kurang dari 5% dari populasi yang ada. Jumlah

populasi dalam penelitian ini adalah sebanyak 456 orang. Selanjutnya dipilih

sample untuk mewakili populasi. Adapun pedoman penentuan besarnya sample


60

size dalam penelitian ini adalah :

1) Menurut Loehlin dalam (Latan, 2013:45) merekomendasikan jika model

penelitian dibangun memiliki 2-4 variabel, maka sampel yang dibutuhkan

antara 100-200.

2) Bentler dan Chou dalam (latan, 2013:45) merekomendasikan jumlah sampel

yang harus dipenuhi untuk estimasi SEM adalah 5 (lima) kali parameter yang

akan estimasi

3) Tabachinick dan Fidel dalam ( Latan 2013:45) merekomendasikan jumlah

sampel 10 kali parameter yang akan diestimasi.

Dalam penelitian ini melibatkan sebanyak 24 indikator, sehingga merujuk

pada aturan kedua diperlukan ukuran sampel minimal sebanyak 5x24 yaitu 120

sampel. Penarikan sampel yang dilakukan dalam penelitian ini, menggunakan

metode nonprobability sampling dengan teknik simple kuota. Non probality

sampling adalah teknik pengambilan sampel yang tidak memberikan

peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih

menjadi sample (Sugiyono,2013 :84).

Menurut Sugiyono (2013:85) teknik sampling kuota adalah teknik untuk

menentukan sample dari populasi yang mempunyai ciri-ciri tertentu sampai

dengan jumlah kuota yang dinginkan. Dalam penelitian ini jumlah sampling sudah

ditentukan sebanyak 120 sampling di ambil secara proposional dari masing-

masing unit. Data sebaran populasi dan sample disajikan dalam tabel 4.2 berikut

ini :


61

Tabel 4.2 Distribusi Populasi dan Sample Penelitian

Unit Observasi Populasi Sample % Total Populasi BAAK 20 5 1,10 BAPSI 14 4 0,87 BAUK 114 30 6,58 Fakultas Bahasa dan Seni 25 6 1,31 Fakultas Ekonomi 15 4 0,87 Fakulras Ilmu Keolahragaan 19 5 1,10 Fakultas Ilmu Politik 32 8 1,75 Fakultas Ilmu Sosial 17 5 1,10 Fakultas Matematikan dan IPA 29 8 1,75 Fakultas Teknik 38 10 2,20 UPT & Unit lain 133 35 7,68

Total Populasi 456 120 26,31

Sumber : Universitas Negeri Jakarta, diolah penulis tahun 2016

4.4. Jenis dan Sumber Data

4.4.1 Jenis data penelitian

Dalam penelitian ini penulis menggunakan penelitian kuantitatif, karena

data yang diperoleh nantinya berupa angka (1-5) yang menggunakan skala linkert

dari jawaban kuisioner yang disebar kepada seluruh responden. Dari angka yang

diperoleh akan dianalisis lebih lanjut dalam analisis data. Penelitian ini terdiri atas

empat variabel, yaitu Motivasi Kerja dan Kompetensi Pegawai (sebagai variabel

independent) dan Kinerja Pegawai dan Kualitas Pelayanan (sebagai variabel

dependent).

4.4.2 Sumber data penelitian

Sumber data adalah segala sesuatu yang dapat memberikan informasi

mengenai data. Dalam penelitian ini, penulis menggunakan data primer yaitu data

yang dibuat oleh peneliti untuk maksud khusus menyelesaikan permasalahan yang


62

sedang ditanganinya. Data dikumpulkan sendiri oleh peneliti langsung dari

sumber pertama atau tempat objek penelitian dilakukan.

4.5. Teknik Pengumpulan Data

Metode yang digunakan dalam pelaksanaan penelitian ini melalui

interview (wawancara) dan kuisioner. Wawancara dilakukan dengan maksud

untuk untuk mendapatkan data awal (studi pendahuluan) yang bertujuan

mendapatkan informasi yang lebih mendetail dalam hubungannya dengan subjek

penelitian dan objek penelitian. Dilanjutkan dengan menyebarkan kuisioner

kepada para pegawai yang telah dipilih secara acak pada setiap unit kerja,

penyebaran kuisioner dilakukan menggunakan paper kuisioner dengan

membagikan langsung ke masing-masing unit terkait.

4.6. Teknik Analisis Data

Analisis data dilakukan dengan menggunakan metode Structural Equation

Model (SEM). Alasan utama penggunaan SEM dalam penelitian ini adalah

kemampuan menganalisis pola hubungan antara konstruk laten dan indikatornya,

konstruk laten yang satu dengan lainnya, serta kesalahan pengukuran secara

langsung. SEM memungkinkan dilakukannya analisis di antara beberapa variabel

dependen dan independen secara langsung (Hair et.al, 2006:3). Dalam penelitian

ini perangkat lunak yang digunakan adalah Lisrel 8.8.


63

4.7. Structural Equation Model (SEM)

SEM adalah singkatan dari model persamaan struktural (structural

equation model) yang merupakan generasi kedua teknik analisis multivariate yang

memungkinkan peneliti untuk menguji hubungan antara variabel yang kompleks

baik recursive maupun nonrecursive untuk memperoleh gambaran menyeluruh

mengenai suatu model. Tidak seperti analisis multivariate biasa yang

menggunakan regresi berganda dan analisis factor dalam SEM peneliti dapat

melakukan tiga kegiatan sekaligus, yaitu pemeriksaan validitas dan reliabilitas

instrumen (setara dengan analisis faktor konfirmatori), pengujian model hubungan

antar variabel laten yang setara dengan analisis path, dan mendapatkan model

yang bermanfaat untuk prediksi yang setara dengan model struktural atau analisis

regresi (Yamin, 2009:14). Dengan digabungkannya pengujian model struktural

dan pengukuran tersebut memungkinkan peneliti untuk :

a) Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tak

terpisahkan dari structural equation model.

b) Melakukan analisis faktor bersamaan dengan pengujian hipotesis.

Dalam model persamaan struktural mengandung 2 jenis variabel yaitu

variabel laten dan variabel teramati, 2 jenis model yaitu model struktural dan

model pengukuran serta 2 jenis kesalahan yaitu kesalahan struktural dan

kesalahan pengukuran. SEM membagi tahapan dalam model persamaan

struktural menjadi 7 langkah, yaitu: (1) mengembangkan model secara teoritis

atau konseptualisasi model; (2) menyusun diagram jalur (path diagram); (3)

menerjemahkan diagram jalur menjadi persamaan struktural (spesifikasi model);


64

(4) identifikasi model; (5) estimasi parameter; (6) mengevaluasi atau penilaian

model fit; (7) modifikasi model. Berikut uraian masing-masing langkah model

persamaan struktural:

1). Mengembangkan Model Secara Teoritis

Tahapan ini berhubungan dengan pengembangan hipotesis sebagai dasar

dalam menghubungkan variabel laten dengan variabel laten lainnya dan juga

dengan indikatornya. Spesifikasi model secara garis besar dijalankan dengan

menspesifikasikan model pengukuran serta menspesifikasikan model struktural.

Spesifikasi model pengukuran meliputi aktivitas mendefinisikan variabel-variabel

laten, mendefinisikan variabel-variabel teramati, dan mendefinisikan hubungan

antara variabel laten dengan variabel teramati. Spesifikasi model struktural

dilakukan dengan mendefinisikan hubungan kausal di antara variabel-variabel

laten. Model dikembangkan dari konsep dan teori yang telah di bahas di bab 3

penelitian ini. Dalam SEM terdapat dua sub model yaitu model struktural dan

model pengukuran seperti Gambar 4.1

Gambar 4.1 Sub Model SEM (Diamantopolous, A., Siguaw, J.A , 2000).


65

2). Menyusun Diagram Alur

Diagram jalur dikembangkan sebagai metode untuk mempelajari pengaruh

secara langsung dan secara tidak langsung dari variabel bebas

(independen/eksogen variable) terhadap variabel terikat (dependen/endogen

variable). Diagram jalur digunakan untuk menelaah hubungan antara model

kausal yang telah dirumuskan peneliti atas dasar pertimbangan teoritis dan

pengetahuan tertentu. Hubungan kausal selain didasarkan pada data, juga

didasarkan pada pengetahuan, perumusan hipotesis dan analisis logis, sehingga

dapat dikatakan analisis jalur dapat digunakan untuk menguji seperangkat

hipotesis kausal serta menafsirkan hubungan tersebut. Model teoritis yang telah

dibangun kemudian digambarkan ke dalam bentuk diagram jalur. Biasanya

hubungan-hubungan kausal dinyatakan dalam bentuk persamaan.

Gambar 4.2. Diagram Alur/Model Struktural Penelitian


66

3). Menerjemahkan Diagram Alur menjadi Persamaan

Structural Equation Modelling (SEM) memperkenalkan 2 (dua) jenis

model, yaitu model struktural dan model pengukuran. Model Struktural

menggambarkan hubungan-hubungan yang ada diantara variabel laten.

Model struktural penelitian ini adalah:

η1 = γ11 ξ1 + γ12 ξ2 + ζ1

η2 = γ21 ξ1 + γ22 ξ12 + β21 η1 + ζ2

Model pengukuran penelitian ini adalah:

Persamaan model pengukuran menggambarkan hubungan variabel laten dengan

variabel-variabel teramati atau indikator.

Bentuk persamaan model pengukuran dan kesalahan pengukuran adalah:

Variabel eksogen Motivasi Kerja (MK):

X1 = λ11x ξ1 + δ1

X2 = λ21x ξ1 + δ2

X3 = λ31x ξ1 + δ3

X4 = λ41x ξ1 + δ4

X5 = λ51x ξ1 + δ5

X6 = λ62x ξ1 + δ6

Variabel eksogen Kompetensi Pegawai (KP):

X7 = λ72x ξ2 + δ7

X8 = λ82x ξ2 + δ8

X9 = λ92x ξ2 + δ9

X10 = λ102x ξ2 + δ10


67

X11 = λ112x ξ2 + δ11

X12 = λ122x ξ2 + δ12

Variabel endogen Kualitas Pelayanan Pegawai (KPP):

Y1 = λ11y η1 + ε1

Y2 = λ21y η1 + ε2

Y3 = λ31y η1 + ε3

Y4 = λ41y η1 + ε4

Y5 = λ52y η2 + ε5

Y6 = λ62y η2 + ε6

Variabel endogen Kinerja Pegawai(KiP) :

Y7 = λ72y η2 + ε7

Y8 = λ82y η2 + ε8

Y9 = λ92y η2 + ε9

Y10 = λ102y η2 + ε10

Y11 = λ112y η2 + ε11

Y12 = λ122y η2 + ε12

4). Identifikasi Model

Informasi yang diperoleh dari data, diuji untuk menentukan apakah cukup

untuk mengestimasi parameter dalam model. Tahapan identifikasi model

dimaksudkan untuk menjaga agar model yang dispesifikasikan bukan merupakan

model yang under-identified atau unidentified. Model yang memenuhi syarat

untuk dianalisis hanyalah model yang over-identified dimana jumlah parameter


68

yang diestimasi lebih kecil dari jumlah data yang diketahui. Terdapat tiga

kemungkinan status identifikasi model :

a. Model teridentifikasi (Just-identified) jika df = 0

b. Model tidak teridentifikasi (Under-identified) jika df < 0

c. Model teridentifikasi (Over-identified) jika df > 0

Degree of freedom dihitung melalui persamaan

1 0

2p q p q

df t

Penjelasan :

p : banyaknya variabel observed eksogen

q : banyaknya variabel observed endogen

t : banyaknya parameter yang akan ditaksir (Semua jalur termasuk varians

kovarians dari semua variabel eksogen dan juga error)

5). Estimasi Parameter

Model penelitian yang sudah memenuhi spesifkasi dan identifikasi model

selanjutnya dilakukan estimasi model. Sebelum melakukan estimasi model

terlebih dahulu dilakukan pemelihan metode estimasi (Sugiyono, 2013 : 43).

Dalam CB-SEM terdapat tiga pilihan metode estimasi yang sering digunakan oleh

peneliti yaitu Maximum Likelihood (ML), General Least Squares (GLS) dan

Asymptotically Distribution Free (ADF).

Dalam penelitian ini metode estimasi yang digunakan adalah Maximum

Likelihood (ML). Pemilihan metode ini didasari atas jumlah sample yang

digunakan berkisar antara 100 – 400 sample dan tujuan penelitian yang

mengkonfirmasi teori yang telah di uraikan di bab sebelumnya. Maximum


69

Likelihood merupakan metode estimasi yang paling populer dan banak digunakan

oleh peneliti dibidang SEM karena mampu menghasilkan estimasi parameter yang

terbaik jika memenuhi asumsi multivariate normality (Latan, 2013 : 44).

6). Penilaian Model Fit

Tahapan ini ditujukan untuk mengevaluasi derajat kecocokan atau

Goodness of Fit (GOF) antara data dengan model. Suatu model diakatakan fit

apabila kovarian matriks suatu model (model-based covariance matrix) adalah

sama dengan kovarian matriks data (data observed covariance matrix). Hair et al.

(2008: 28) evaluasi terhadap GOF model dilakukan melalui beberapa tingkatan,

yaitu:

1) Kecocokan keseluruhan model (overall model fit) bertujuan apakah suatu

model fit dengan data

2) Kecocokan model pengukuran (measurement model fit) bertujuan untuk

mengetahui Validitas & Reliabilitas data

3) Kecocokan model struktural (structural model fit).

Evaluasi Model bertujuan untuk mengevaluasi model secara keseluruhan,

apakah model mempunyai fit yang baik atau tidak. Evaluasi model dalam SEM

dapat dilakukan dengan menilai hasil pengukuran model (Measurement model)

yaitu melalui analisis faktor konfirmatori atau confirmatory factor analysis (CFA)

dengan menguji validitas dan reliabilitas konstruk laten kemudian dilanjutkan

dengan evaluasi model struktural (structural Model) secara keseluruhan dengan

menilai kelayakan model melalui kriteria goodness of fit (Latan, 2013: 46). Dalam

evaluasi model hal yang dilakkan adalah pengukuran model (measurement


70

model) dan menilai kelayakan model (goodness of fit). GOF merupakan indikasi

dari perbandingan antara model yang di spesifkasi dengan matriks covarian antar

indikator atau obeserved variabel. Secara keseluruhan Goodness of Fit dari suatu

model dapat dinilai berdasarkan beberapa ukuran kecocokan yang disajikan pada

Tabel 4.3 berikut ini :

Tabel 4.3 Kriteria Penerimaan Suatu Model

No Indikator Goodness of Fit Target Values

1 Chi-square P-level > 0,05 (diharapkan kecil)

2 GFI ≥ 0,90 atau 0,95

3 AGFI ≥ 0,90 atau 0,95

4 NFI ≥ 0.90 atau 0,95

5 NNFI ≥ 0,95

6 SRMR ≤ 0,08

7 CFI ≥ 0.95

8 RMSEA ≤ 0,06

Sumber : Schumacker, R.E, Lomax, R.G (2010)

Uraian masing-masing dari goodness of fit index sebagai berikut:

a) χ2 – Chi Square Statistic merupakan alat uji paling fundamental untuk

mengukur overall fit. Alat uji ini juga merupakan alat uji statistik mengenai

adanya perbedaan antara matriks kovarians populasi dengan matriks

kovarians sampel. Model yang diuji dipandang baik atau memuaskan

apabila nilai chi-squarenya rendah. Semakin kecil nilai χ2, semakin baik

model tersebut. Dalam uji beda chi-square, χ2 = 0 berarti benar-benar tidak

ada perbedaan dan H0 diterima. Dengan demikian, model tersebut diterima

berdasarkan probabilitas dengan cut-off value sebesar p > 0,05 atau p > 0,10.


71

Dalam uji ini peneliti mencari penerimaan hipotesis nol. Nilai χ2 yang kecil

dan tidak signifikanlah yang diharapkan agar hipotesis nol sulit ditolak (H0

diterima).

b) The Root Mean Square Error of Approximation (RMSEA) adalah suatu

indeks yang dapat digunakan untuk mengkompensasi chi-square statistic

dalam sampel yang besar. Nilai RMSEA menunjukkan Goodness of Fit yang

dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA ≤ 0,08

merupakan indeks untuk dapat diterimanya model yang menunjukkan suatu

close fit dari model tersebut berdasarkan degrees of freedom. Brownie dan

Cudeck dalam Ferdinand (2000:53) berpendapat bahwa nilai RMSEA ≤ 0,08

mengindikasikan adanya reasonable error of approximation. Model akan fit

bila nilai RMSEA ≤ 0,06 dan para ahli tidak ingin menggunakan model

dengan RMSEA > 0,10

c) Goodness of Fit Index (GFI), indeks kesesuaian ini menghitung proporsi

tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan

oleh matriks kovarians populasi yang terestimasikan. GFI adalah suatu

ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit)

hingga 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan

“better fit”.

d) AGFI – Adjusted Goodness-of-Fit (GFI) adalah analog dari R2 dalam

regresi berganda. Fit indeks ini dapat disesuaikan terhadap degrees of

freedom yang tersedia untuk menguji diterima atau tidaknya model. Tingkat

penerimaan yang direkomendasikan adalah bila nilai AGFI ≥ 0,90. GFI


72

maupun AGFI adalah kriteria yang memeperhitungkan proporsi tertimbang

dari varians dalam suatu matriks kovarians sampel. Nilai 0,95 dapat

diinterpretasikan sebagai tingkatan yang baik (good overall model fit),

sedangkan nilai 0,90 – 0,95 menunjukkan tingkatan cukup (adequate fit)

e) CMIN/DF The minimum sample discrepancy function (CMIN) dibagi

dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang

umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk

mengukur tingkat fitnya suatu model. CMIN/DF tidak lain adalah statistik

chi-square, χ2 dibagi Df-nya sehingga disebut χ2- relatif. Nilai χ2-relatif <

2,0 atau bahkan terkadang < 3,0 adalah indikasi dari acceptable fit antara

model dan data.

f) Tucker Lewis Index (TLI) adalah suatu alternative incremental fit index

yang membandingkan suatu model yang diuji terhadap suatu baseline

model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya suatu

model adalah penerimaan ≥ 0,95, dan nilai yang sangat mendekati 1

menunjukkan a very good fit.

g) Comparative Fit Index (CFI) besaran indeks ini adalah pada rentang nilai

sebesar 0 – 1. Semakin mendekati 1 mengindikasikan tingkat fit paling

tinggi (a very good fit). Nilai yang direkomendasikan adalah CFI ≥ 0,95.

Keunggulan dari indeks ini adalah bahwa indeks ini besarannya tidak

dipengaruhi oleh ukuran sampel, karena itu sangat baik untuk mengukur

tingkat penerimaan suatu model. Indeks CFI identik dengan Relative

Noncentrality Index (RNI). Dalam penilaian model, indeks TLI dan CFI


73

sangat dianjurkan untuk digunakan karena indeks ini relatif tidak sensitif

terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan

model.

Kriteria untuk menentukan signifikansi parameter hasil estimasi dalam SEM

dapat dilakukan dengan uji-t. Parameter tersebut meliputi:

(a) Parameter Beta (β), yaitu parameter pengaruh (efek) variabel endogen

terhadap variabel endogen lainnya.

(b) Parameter Gamma (γ), yaitu parameter pengaruh (efek) variabel eksogen

terhadap variabel endogen.

(c) Parameter Lambda (λ), berkaitan dengan pengukuran variabel laten

berdasarkan indikator pembentuknya

(d) Parameter Delta (δ) dan Epsilon (ε), berkaitan dengan error pengukuran

variabel laten eksogen dan endogen berdasarkan indikator pembentuknya

(e) Parameter Psi (ψ), Phi (φ), Theta (θ).

Kriteria kekuatan hubungan (pengaruh/efek) persamaan struktural

(structural equations) dilihat dari besarnya nilai koefisien determinasi (R2). Makin

besar R2 atau makin mendekati 1, berarti hubungan (pengaruh/efek) persamaan

struktural tersebut semakin kuat.

7). Interpretasi dan Modifikasi Model

Langkah terakhir adalah menginterpretasikan model dan memodifikasikan

model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan.

Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan

distribusi frekuensi dari kovarians residual harus bersifat simetrik Tabachnick dan


74

Fidell dalam Ferdinand, (2000:62). Hair et al. dalam Ferdinand (2000:62)

memberikan sebuah pedoman untuk mempertimbangkan perlu tidaknya

modifikasi sebuah model yaitu dengan melihat jumlah residual yang dihasilkan

oleh model. Batas keamanan untuk jumlah residual adalah 5%. Bila jumlah

residual lebih besar dari 5% dari semua residual kovarians yang dihasilkan oleh

model, maka sebuah modifikasi perlu dipertimbangkan. Selanjutnya bila

ditemukan bahwa nilai residual yang dihasilkan oleh model itu cukup besar

(>2,58), maka cara lain dalam memodifikasi adalah dengan mempertimbangkan

untuk menambah sebuah alur baru terhadap model yang diestimasi itu.

Dengan penjelasan yang lebih singkat: jika model diterima, dilakukan

interpretasi pola kausalitas yang dihasilkan (diestimasikan), apakah secara

statistik signifikan dan mengikuti teori yang mendasari. Selanjutnya bisa

dilakukan modifikasi model untuk menghasilkan model alternatif (competing

models) yang akan dibandingkan dengan model aslinya. Model yang lebih baik

dipilih setelah mendapat justifikasi teoritis.

4.7. Linear Structural Relationship (LISREL)

LISREL (Linear Structural Relationship) dikembangkan oleh Karl

Joreskog and Dag Sorbom. Lisrel adalah software statistik yang digunakan paling

meluas dikalangan peneliti maupun praktisi. Kelebihan dari software lisrel adalah

kemampuannya mengidentifikasi hubungan antara variabel yang kompleks. Cara

mengoperasikannya yang terdiri dari bebagai pilihan, baik dengan syntax maupun

dengan program sederhana, menjadikannya lebih banyak digunakan berbagai


75

kalangan. Syntax tentu akan disukai bagi pengguna yang memang faham dengan

bahasa pemograman. Sementara Simplis atau simple lisrel merupakan alternatif

bagi mereka yang awam dengan bahasa pemograman. Pilihan berbagai metode

estimasi sudah tersedia di Lisrel, sehingga tidak terpaku kepada satu metode

estimasi Maximum Likelihood. Metode estimasi mana yang akan kita gunakan

tergantung kondisi data,. Satu hal kekurangan dari software lisrel ini adalah

ketidakmampuannya mengolah data SEM dengan jumlah sampel yang sedikit.


bab iv metode penelitian - repository.mercubuana.ac.id iv.pdf · modeling (sem) dengan uji...

Documents