Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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 :
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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.
http://digilib.mercubuana.ac.id/
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);
http://digilib.mercubuana.ac.id/
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).
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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.
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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
http://digilib.mercubuana.ac.id/
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.
http://digilib.mercubuana.ac.id/