BAB III METODE PENELITIAN. Penulis melakukan penelitian mulai tanggal 1 Mei 2014 sampai 20 Juni

Transkripsi

1 BAB III METODE PENELITIAN 3.1 Waktu dan tempat penelitian Penulis melakukan penelitian mulai tanggal 1 Mei 2014 sampai 20 Juni 2014 di Kantor Biro Sekretariat Asosiasi Perusahaan Jalur Prioritas yang berlokasi di Jalan Mitra Sunter Boulevard, Ruko Sunter Permai Indah Blok A8 9 Lantai 4 Jakarta, dan obyek yang diteliti adalah anggota APJP. 3.2 Desain Penelitian Dalam penelitian ini peneliti menggunakan desain penelitian deskriptif yaitu untuk mengetahui ada atau tidaknya pengaruh antara variabel. Dimana penelitian ini bertujuan untuk mengetahui pengaruh antara variabel kualitas layanan (Y1) terhadap kepuasan (Y2), kepuasan (Y2) terhadap variabel terkait (Y3) yaitu loyalitas dan mengetahui pengaruh antara variabel kualitas layanan (Y1) terhadap loyalitas anggota (Y3) secara langsung. 3.3 Variabel dan Pengukuran Variabel Penelitian Variabel penelitian terdiri dari atas tiga macam, yaitu variabel eksogen (independent variable) atau variabel yang mempengaruhi atau menjadi sebab perubahannya atau timbulnya variabel dependen (terikat), variabel endogen (dependent variable) atau variabel yang dipengaruhi atau yang menjadi akibat 37

2 38 karena adanya variabel bebas. Dan variabel mediasi (intervening variable) atau variabel antara yang menghubungkan sebuah variabel independen utama pada variabel dependen yang dianalisis (Ferdinand, 2006). Variabelvariabel yang digunakan pada penelitian ini adalah : 1. Variabel eksogen (independent variable), yaitu kualitas pelayanan (Y1) 2. Variabel mediasi (intervening),yaitu kepuasan konsumen (Y2) 3. Variabel endogen (dependent variable), yaitu : loyalitas konsumen (Y3) Pengukuran Pengukuran masingmasing variabel dalam penelitian ini menggunakan skala likert. Definisi skala Likert menurut Sugiyono (2010:93) adalah alat ukur yang dipakai untuk mengukur sikap, pendapat dan persepsi seseorang dan sekelompok orang tentang suatu fenomena. Variabel yang diukur dijabarkan menjadi indikator variabel, kemudian indikator dijabarkan sebagai titik tolak dalam penyusunan pertanyaan yang kemudian masingmasing pernyataan diberi skor. Pemberian skor dari jawaban terhadap masingmasing variabel dengan ketentuan sebagai berikut : Tabel 3.1 Pernyataan Kode Skor Sangat Setuju SS 5 Setuju ST 4 Netral N 3 Tidak Setuju TS 2 Sangat Tidak Setuju STS 1 Sumber : Sugiyono (2006)

3 Definisi Operasional Variabel Tabel 3.2 Operasional Variabel Kualitas Layanan Variabel Dimensi Indikator Fasilitas Fisik (tangible) Memiliki kenyamanan kantor serta fasilitas yang memadai demi menunjang pelayanan yang maksimal Karyawan disiplin dalam menciptakan dan memberikan layanan Kehandalan (reliability) Pengurus memberikan layanan dengan keseriusan Masalah selesai diatasi sesuai pada waktu yang dijanjikan Kualitas Layanan (Y 1 ) Daya Tanggap (responsiveness) Informasi yang diberikan sesuai dengan prosedur yang jelas Pengurus memberikan layanan dengan cepat Jaminan (assurance) Pengurus memberikan layanan dengan terampil Pengurus memberikan layanan dengan ahli Empati (empathy) Pengurus memberikan layanan dengan usaha yang terbaik Pengurus memberikan layanan dengan keramahan Sumber : Tjiptono (2009)

4 40 Tabel 3.3 Operasional Variabel Kepuasan Anggota Variabel Dimensi Indikator Kualitas Jasa Penjelasan informasi mudah dimengerti oleh Anggota Mempunyai layanan kapan saja dibutuhkan Harga Besarnya iuran sesuai dengan kualitas yang sudah diberikan Biaya terjangkau dalam keanggotaan Kepuasan (Y 2 ) Customer Value Informasi yang diberikan sesuai dengan kondisi saat ini (update) Pengurus dapat memberikan solusi terhadap permasalahan yang dihadapi oleh Anggota Emotional Factor Bangga menjadi Anggota APJP Memiliki pengalaman baik selama menjadi Anggota APJP Kemudahan Mudah dalam mendapatkan informasi dan menyampaikan permasalahan Efektif dan Efisien dalam penyampaian informasi Sumber : Durianto (2005)

5 41 Tabel 3.4 Operasional Variabel Loyalitas Anggota Variabel Dimensi Indikator Melakukan pembelian secara teratur Tidak ingin keluar dari keanggotaan APJP Selalu memanfaatkan layanan jasa APJP di saat memerlukan informasi atau menyampaikan permasalahan. Loyalitas Anggota (Y3) Membeli antar lini produk jasa Mereferensikan kepada orang lain Informasi yang disampaikan oleh APJP, diterapkan di Perusahaan. APJP merupakan Asosiasi yang dapat mengakomodir kepentingan anggotanya Bersedia menginformasikan kepada Lembaga atau Instansi Pemerintah mengenai peran serta eksistensi APJP Bersedia mereferensikan kepada MITA Prioritas yang belum menjadi anggota APJP untuk bergabung dalam keanggotaan. Menunjukkan kekebalan terhadap tarikan pesaing Menjadi anggota APJP adalah pilihan terbaik Setia bergabung dengan APJP Sumber : Griffin (2005)

6 Metode Pengumpulan Data Untuk menunjang dalam penyusunan skripsi ini, penulis memperoleh data dan informasi dengan menggunakan metode pengumpulan data yaitu dengan : 1. Kuesioner (angket) Metode kuesioner (angket), yaitu pengumpulan data yang dilakukan penulis melalui penyebaran angket kepada seluruh anggota APJP yang menjadi sampel. Angket ini berisi pertanyaanpertanyaan tentang identitas responden dan variabelvariabel penelitian untuk mencari informasi yang lengkap dari permasalahan yang dibahas. 2. Wawancara Teknik ini merupakan pengumpulan data untuk memperoleh informasi melalui cara berkomunikasi secara langsung (tatap muka) dengan subyek penelitian (sumbernya). 3.6 Jenis Data Data yang digunakan dalam penelitian ini (Umar, 2005:130) adalah Data Primer. Data primer merupakan data yang didapat dari sumber pertama baik dari individu atau perseorangan, seperti: hasil wawancara atau hasil pengisian kuesioner. Jenis data ini diperoleh langsung dari wawancara atau pengisian kuesioner kepada para konsumen.

7 Populasi dan Sampel Populasi Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk mempelajari dan kemudian ditarik kesimpulannya. (Sugiyono, 2009:115). Berdasarkan pengertian tersebut, maka yang menjadi populasi dalam penelitian ini sebanyak 103 Perusahaan, yaitu seluruh Anggota APJP Sampel Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Dapat disimpulkan sampel merupakan responden yang dipilih peneliti untuk memilih data penelitian (Sugiyono, 2009:116). Populasi yang dimaksud adalah seluruh anggota APJP. Mengutip pendapat Arikunto (2008), apabila populasi kurang dari 100 orang, maka diambil keseluruhannya, sehingga penelitiannya merupakan penelitian populasi. Namun apabila jumlah populasinya lebih dari 100 orang, maka sampel diambil sebesar 10% 15% atau 20% 25% atau lebih. Berdasarkan pendapat tersebut yang menjadi sampel penelitian ini adalah seluruh Anggota APJP, yaitu sebanyak 103 Perusahaan atau disebut sebagai sampel jenuh (sensus).

8 Uji Instrument Uji Validitas Instrumen Penelitian Uji validitas digunakan untuk mengetahui penafsiran responden terhadap setiap butir pernyataan yang terdapat dalam instrument penelitian, apakah penafsiran setiap responden sama atau beda sama sekali. Apabila penafsiran responden tersebut sama maka instrument penelitian tersebut dapat dikatakan valid. Namun apabila tidak sama maka instrument tersebut dapat dikatakan tidak valid, namun apabila tidak sama maka instrument tersebut dapat dikatakan tidak valid, sehingga perlu untuk dihapus. Torkzadeh dalam Wijanto (2008:75) menyatakan Muatan faktor standarnya (standardized loading factors) Uji Reliabilitas Instrumen Penelitian Uji Reliabilitas dilakukan untuk menguji penafsiran responden mengenai butirbutir pertanyaan yang terdapat dalam instrument penelitian yang ditunjukkan dengan kekonsistenan jawaban yang diberikan. Reliabilitas merupakan ukuran mengenai konsistensi internal dari indikator sebuah konstruk yang menunjukkan derajat sampai di mana masingmasing indikator tersebut mengindikasikan sebuah konstruk/ faktor laten yang umum (Ferdinand, 2006). Nilai batas yang digunakan untuk menilai atau untuk menguji apakah setiap variabel dapat dipercaya, handal dan akurat dipergunakan formula Koefisien Alpha dari Cronbach. Variabel dapat dinyatakan reliable apabila Koefisien Alpha Cronbach 0.60, artinya tingkat reliabilitas sebesar 0.60 merupakan indikasi reliabelnya sebuah konstruk. Adapun rumus Alpha Cronbach (Riduwan, 2007:94) adalah :

9 45 = k. r 1 + (k 1) r dimana : a = koefisien alpha cronbach r = ratarata korelasi diantara butir pertanyaan k = jumlah butir pertanyaan dalam skala 3.9 Metode Analisis Data Analisis data yang dilakukan dengan menggunakan Structural Equation Modeling (SEM) dalam model dan pengujian hipotesis. SEM atau model persamaan structural adalah sekumpulan teknikteknik statistical yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit, secara simultan (Ferdinand dalam Azazah, 2006: 67). Maksud dari rumit adalah modelmodel simultan yang dibentuk melalui lebih dari satu variabel dependen pada saat yang sama berperan sebagai variabel independen bagi hubungan berjenjang lainnya. Dalam penelitian ini digunakan dua macam teknik analisis, yaitu : 1. Analisis konfirmatori (confirmatory factor analysis) pada SEM yang digunakan untuk mengkonfirmatori faktorfaktor yang paling dominan dalam satu kelompok variabel. 2. Regression Weight pada SEM yang digunakan untuk meneliti seberapa besar pengaruh antar variabelvariabel. Menurut Ferdinand dalam Azazah (2006:92) terdapat tujuh langkah yang harus dilakukan apabila menggunakan permodelan Structural Equation Model

10 46 (SEM). Sebuah permodelan SEM yang lengkap pada dasarnya terdiri dari dua bagian utama yaitu Measurement Model dan Structural Model. Measurement Model atau model pengukuran untuk mengkonfirmasi indikatorindikator dari sebuah variabel laten serta model structural yang menggambarkan hubungan kausalitas antar dua atau lebih variabel. Structural Model adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. Perbedaan yang paling jelas nyata di antara SEM dan teknik multivariat lain adalah penggunaan dari hubungan terpisah untuk masingmasing perangkat variabel dependen. Dalam kondisi sederhana, SEM menaksir satu rangkaian terpisah yang saling bergantung. Perbedaan yang lain adalah teknik statistika yang lain biasanya hanya memperhitungkan variabel variabel yang dapat diukur secara langsung saja (manifest variable), padahal dalam ilmu sosial sering kali muncul variabel yang tidak dapat langsung diukur (latent variable). Pengukuran variabel laten tersebut perlu direpresentasikan dengan beberapa indikator. Munculnya variabel laten dikarenakan penelitian pada bidangbidang sosial tidak memiliki alat ukur khusus. Oleh karena alasan tersebut, SEM ditawarkan sebagai teknik statistika yang memperhitungkan variabel manifest dan variabel laten Penulisan dan Penggambaran Variabel Dalam SEM yang menjadi perhatian lebih adalah variabel laten yaitu konsep abstrak psikologi pelanggan. Peneliti harus mengamati hubungan variabel laten tersebut dengan variabel manifes. Berikut akan dijelaskan mengenai penulisan dan penggambaran variabel variabel yang terdapat pada SEM.

11 47 1. Variabel laten (variabel yang tidak dapat diukur secara langsung) Di dalam SEM, variabel laten digambarkan dengan bulat oval atau elips. Ada dua jenis variabel laten yaitu variabel laten endogen dan variabel laten eksogen. Variabel laten endogen adalah variabel laten yang bergantung, atau variabel laten yang tidak bebas. Variabel laten eksogen adalah variabel laten yang bebas. Dalam SEM variabel laten eksogen dilambangkan dengan karakter ksi ( ) dan variabel laten endogen dilambangkan dengan karakter eta ( ). Dalam bentuk grafis variabel laten endogen menjadi target dengan satu anak panah ( ) atau hubungan regresi. Gambar 3.1 Variabel Laten Berdasarkan gambar 3.1 terdapat 1 variabel laten eksogen yaitu kualitas layanan 1 Terdapat 2 variabel laten endogen yaitu kepuasan 1 dan Loyalitas Variabel manifest Variabel manifest adalah variabel yang langsung dapat diukur. Variabel manifest digunakan sebagai indikator pada konstruk laten. Variabel manifest digambarkan dengan kotak. Variabel manifest digunakan untuk membentuk konstruk laten. Variabel manifest ini diwujudkan dengan pertanyaan pertanyaan kepada responden dengan skala likert. Responden akan diberi pertanyaan dengan

12 48 5 ketegori jawaban yaitu sangat tidak setuju, tidak setuju, netral, setuju, dan sangat setuju (Ghozali, 2008:11). Varibel manifest untuk membentuk konstruk laten eksogen diberi symbol X sedangkan varibel manifest untuk membentuk konstruk laten endogen diberi simbol Z. Gambar 3.2 Penggambaran Variabel Manifest Variabel laten layanan dipengaruhi oleh 5 indikator yang disebut variabel manifest X1 (Pengurus memberikan layanan dengan keseriusan), X 2 (Informasi yang diberikan sesuai dengan prosedur yang jelas), X 3 (Pengurus memberikan layanan dengan terampil), X 4 (Pengurus memberikan layanan dengan usaha yang terbaik), dan X 5 (Karyawan disiplin dalam menciptakan dan memberikan layanan). Variabel laten kepuasan pelanggan 5 indikator yang disebut variabel manifest Y 1 (Penjelasan informasi mudah dimengerti oleh Anggota), Y 2 (Besarnya iuran sesuai dengan kualitas yang sudah diberikan ), Y 3 Informasi yang diberikan sesuai dengan kondisi saat ini (update) ), Y 4 (Memiliki pengalaman baik selama menjadi Anggota APJP) dan Y 5 (Efektif dan Efisien dalam penyampaian informasi). 3. Model Struktural Model struktural meliputi hubungan antar variabel laten dan hubungan ini dianggap linear. Parameter yang menggambarkan hubungan regresi antar variabel laten umumnya ditulis dengan lambang untuk regresi variabel laten eksogen ke

13 49 variabel endogen dan ditulis dengan lambing β untuk regresi satu variabel laten endogen ke variabel endogen yang lainnya. (Ghozali, 2005:11). 11 Β Gambar 3.3 Pemberian Lambang untuk Model Struktural Hubungan antara kualitas layanan dan kepuasan ditulis dengan lambang ( 11 ). Hubungan antara kualitas layanan dan loyalitas ditulis dengan lambang ( 21). Hubungan antara kepuasan dan loyalitas ditulis dengan lambang (β 21 ). 4. Model Pengukuran (Measurement Model) Setiap variabel laten biasanya dihubungkan dengan multiple measure. Hubungan antar variabel laten dengan pengukurannya, dilakukan lewat factor analytic measurement model, yaitu setiap variabel laten dibuat model sebagai faktor umum dari pengukurannya. Nilai yang menghubungkan variabel laten dengan pengukurannya diberi simbol lamda ( ). Penjelasan mengenai measurement model dapat dilihat pada gambar Gambar 3.4 Pemberian Nilai pada Model Pengukuran

14 50 6. Kesalahan Pengukuran (Measurement Error) Kesalahan pengukuran yang berhubungan dengan pengukuran X diberi lambang delta ( ) sedangkan kesalahan pengukuran yang berhubungan dengan pengukuran Y diberi lambang epsilon ( ). Penjelasan mengenai measurement error dapat dilihat pada gambar 3.5. Gambar 3.5 Notasi Kesalahan Pengukuran pada Model Tabel 3.5 Cara Penggambaran variabel dalam SEM Simbol Penjelasan X Z Y Kotak yang menggambarkan variabel manifes. Bulat atau oval yang menggambarkan variabel laten. Menggambarkan laten variabel yang dipengaruhi variabel laten yang lain dengan error laten. X Z Y Hubungan dua variabel manifes yang dipengaruhi variabel manifes yang lain dengan nilai error. Variabel laten yang dipengaruhi variabel manifes dengan nilai error yang independent. Sumber : Timm (2002:560)

15 Pendekatan Umum SEM Model persamaan structural dengan variabel laten dan manifest dengan menggunakan model Linear Structural Relationship (Timm, 2002:560) adalah : Model persamaan struktural Model persamaan pengukuran untuk y (3.1) Model persamaan pengukuran untuk x (3.2) dengan : (3.3) Keterangan : Y : X : : : : : Ζ : variabel manifest untuk variabel laten endogen variabel manifest untuk variabel laten eksogen (eta), variabel laten endogen (ksi), variabel laten eksogen (epsilon), kesalahan pengukuran (error) yang berhubungan dengan Y (delta), kesalahan pengukuran (error) yang berhubungan dengan X (zeta), kesalahan pengukuran (error) dalam persamaan structural

16 52 Γ : (gamma), matriks koefisien jalur untuk hubungan variabel laten endogen dan variabel laten eksogen Β : (beta), matriks koefisien jalur untuk hubungan antar variabel laten endogen Notasi pembentukan model structural dalam SEM dapat pula ditulis dalam bentuk matriks. Tabel di bawah ini menunjukkan penulisan notasi matriks pada SEM. Tabel 3.6 Notasi Matriks SEM dengan Model Lisrel Elemen Model Lisrel Model Struktural Beta Gamma Phi Keterangan Hubungan dari konstruk endogen ke konstruk eksogen Hubungan dari konstruk eksogen ke konstruk endogen Korelasi antara konstruk eksogen Notasi Matriks Element Psi Kesalahan pada persamaan struktural Model Pengukuran Korespondensi antar indikator LambdaX eksogen LambdaY Thetadelta Thetaepsilon Korespondensi antar indikator endogen Matriks untuk estimasi kesalahan pada indikator konstruk eksogen Matriks untuk estimasi kesalahan pada indikator konstruk endogen dengan : n : Banyaknya variabel laten eksogen m : Banyaknya variabel laten endogen p : q : Banyaknya variabel manifest untuk variabel laten endogen Banyaknya variabel manifest untuk variabel laten eksogen

17 53 Contoh diagram jalur pada SEM yang mengandung variabel laten dan manifest adalah sebagai berikut : Gambar 3.6 Contoh diagram Model struktural 1. Terdapat 1 variabel eksogen yaitu, variabel diukur dengan variabel manifest yang dilambangkan dengan X. Untuk nilai eror yang berhubungan dengan X dilambangkan dengan. 2. Terdapat 2 variabel laten endogen yaitu 1 dan 2, masingmasing variabel diukur dengan variabel manifest yang dilambangkan dengan Z dan Y. Untuk nilai eror yang berhubungan dengan Z dan Y dilambangkan dengan. 3. Koefisien regresi antara variabel laten eksogen dengan variabel laten endogen diberi lambang. 4. Hubungan antar 2 variabel endogen dilambangkan dengan β.

18 54 5. Model untuk pengukuran untuk X adalah : X 1 = X 2 = X 3 = X 4 = X 5 = Model pengukuran untuk Z dan Y a. Variabel laten endogen 1 Z 1 = Z 2 = Z 3 = Z 4 = Z 5 = b. Variabel laten endogen 2 Y 1 = Y 2 = Y 3 = Y 4 = Model persamaan structural adalah hubungan antar variabel laten yang dapat ditulis sebagai persamaan berikut ini : 1 = ζ 1 (3.4) 2 = β ζ 2 (3.5)

19 55 Atau bila ditulis dalam bentuk matriks Matriks Kovariansi SEM Berdasarkan asumsiasumsi dasar SEM, didapat matriks kovarians dari variabel observasi sebagai berikut (Timm, 2002:559) : Matriks kovariansi dapat ditulis sebagai berikut : (3.6) Pertama anggap yy ( ) sebagai matriks kovariansi y, (3.7) (3.8) E( ) dapat diperoleh dengan terlebih dahulu mengubah dalam bentuk tereduksi. Bentuk terduksi dari persamaan simultan/ structural adalah bentuk di mana variabel endogen dinyatakan sebagai fungsi dari variabel eksogen dan variabel kesalahan saja. Bentuk terduksi dari (3.1) adalah sebagai berikut :

20 56 (3.9) Persamaan (3.9) inilah yang dinamakan sebagai bentuk persamaan terduksi dari (3.1). Dengan demikian, didapatkan : Dengan mensubstitusikan (3.10) ke (3.8), diperoleh : (3.10) Matriks kovariansi x, (3.11) (3.12) Komponen terakhir dari matriks kovariansi adalah matriks kovariansi X dan Y, (3.13)

21 57 Kembali dengan terlebih dahulu mengubah dalam bentuk tereduksi, E( ) dapat diperoleh sebagai berikut : (3.14) Dengan mensubstitusikan persamaan (3.14) dank e (3.13), didapatkan : (3.15) (3.16) Dengan mensubstitusikan (3.11), (3.12), (3.13) dan (3.14) ke matriks paling kanan pada (3.7), diperoleh matriks kovariansi sebagai berikut : Dengan demikian matriks kovariansi telah dibuktikan. (3.17)

22 Tahapan SEM dilakukan : Untuk membuat permodelan yang lengkap beberapa langkah berikut ini 1. Pengembangan Model Teoritis Langkah pertama dalam model pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat. Setelah itu, model tersebut di validasi secara empiris melalui komputasi program SEM. Oleh karena itu dalam pengembangan model teoritis seorang peneliti harus menggunakan serangkaian eksplorasi ilmiah melalui telaah pustaka yang intens guna mendapatkan justifikasi atas model teoritis yang dikembangkannya. Dengan perkataan lain, tanpa dasar teoritis yang kuat, SEM tidak dapat digunakan. Hal ini disebabkan karena SEM tidak digunakan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasikan model teoritis tersebut, melalui data empiris. 2. Pengembangan diagram alur (Path diagram) Pada langkah kedua, model teoritis yang telah dibangun pada langkah pertama akan digambarkan dalam sebuah path diagram. Path diagram tersebut akan mempermudah peneliti melihat hubunganhubungan kausalitas yang ingin diujinya. Sedemikian jauh diketahui bahwa hubunganhubungan kausal biasanya dinyatakan dalam bentuk persamaan. Tetapi dalam SEM hubungan kausalitas itu cukup digambarkan dalam sebuah path diagram dan selanjutnya bahasa program akan mengkonversi gambar menjadi persamaan, dan persamaan menjadi estimasi.

23 59 Konstrukkonstruk yang dibangun dalam diagram alur di atas, dapat dibedakan dalam dua kelompok konstruk yaitu : a. Konstruk Eksogen (Exogenus Constructs) Konstruk eksogen dikenal juga sebagai source variables atau independent variables yang tidak diprediksi oleh variabel yang lain dalam model. b. Konstruk Endogen (Endogenous Constructs) Merupakan konstruk yang dapat diprediksi oleh satu atau beberapa konstruk. Konstruk endogen ditandai dengan didatangi anak panah saja atau didatangi dan ditinggalkan anak panah. Konstruk endogen dapat memprediksi satu atau beberapa faktor. 3. Konversi diagram alur ke dalam persamaan Setelah teori atau model teoritis dikembangkan dan digambarkan dalam sebuah diagram alur, peneliti dapat mulai mengkonversi spesifikasi model tersebut ke dalam rangkaian persamaan. Persamaan yang akan dibangun akan terdiri dari : a. Persamaanpersamaan structural (structrural equations) Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. b. Persamaan spesifikasi model pengukuran (measurement model) Dimana harus ditentukan variabel yang mengukur konstruk dan menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesiskan antar konstruk atau varibel.

24 60 4. Memilih Matriks Input dan Estimasi Model Kovarians atau korelasi Perbedaan SEM dengan teknikteknik multivariate lainnya adalah dalam input data yang digunakan dalam permodelan dan estimasinya. SEM hanya menggunakan matriks Varians/ Kovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. 5. Menilai Problem Identifikasi Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkannya untuk menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dan mengembangkan lebih banyak konstuk. 6. Evaluasi Kinerja GoodnessOffit Kesesuaian model dievaluasi melalui telaah terhadap beberapa kriteria GoodnessOffit. Tindakan pertama adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsiasumsi SEM yaitu : ukuran sampel, normalitas, linearitas, outliers dan multikolinearity dan similarity. Setelah itu melakukan uji kesesuaian dan cut off value yang digunakan untuk menguji apakah sebuah model diterima atau tidak. a. 2 Chi Square Statistik Model yang diuji dipandang baik atau memuaskan bila nilah Chi Square nya rendah. Semakin kecil nilai 2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cut off value sebesar p> 0.05 (Haier et all dalam Ferdinand, 2006:57).

25 61 b. RMSEA (The Root Mean Square Error of Approximation) menunjukkan nilai GoodnessOffit yang dapat diharapkan bila model diestimasi dalam populasi (Haier et all dalam Ferdinand, 2006:59). Nilai RMSEA yang kecil atau = 0.08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close vit dari model tersebut berdasarkan degress of feedom. c. GFI (Goodness OfFit Index) merupakan ukuran non statistical yang mempunyai rentang nilai antara 0 (poor fit) hingga 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit (Ferdinand, 2006:60). d. AGFI (Adjusted Goodness OfFit Index), tingkat penerimaan yang direkomendasikan adalah bila AGFI memiliki nilai yang sama atau lebih besar dari 0.09 (Hulland dalam Ferdinand, 2006:61). e. CMIN/DF adalah The minimum sample discrepancy function yang dibagi dengan degree of freedom. CMIN/DIF merupakan statistik chi square dibagi dfnya sehingga disebut 2 relatif kurang dari 2.0 atau 3.0 adalah indikasi dari acceptable fit antara model dan data (Arbuckle dalam Ferdinand, 2006:63). f. TLI (Tucker Lewis Index), merupakan incremental index yang membandingkan sebuah model yang diuji dengan sebuah base line model, dimana nilai yang direkomendasikan sebagai acuan diterimanya sebuah model adalah 0.95 (Haier et all dalam

26 62 Ferdinand, 2006:66) dan nilai yang mendekati satu menunjukkan a very good fit (Arbuckle dalam Ferdinand, 2006: 66). g. CFI (Comparative Fit Index), rentang sebesar 01 dimana semakin mendekati 1 mengindikasikan tingkat a very good fit yang tinggi (Arbuckle dalam Ferdinand, 2006:67). Tabel 3.7 Indeks Pengujian Kelayakan Model Goodness of Fit Index Cutoff Value 2 Chi Square Statistik Diharapkan kecil Significant Probability 0.05 RMSEA 0.08 GFI 0.90 AGFI 0.90 CMIN / DF 2.00 TLI 0.90 CFI 0.90 Sumber: SEM dalam Penelitian Manajemen (Ferdinand, 2006) 7. Interpretasi dan Modifikasi Model Setelah model diestimasi, residualnya haruslah tetap kecil atau mendekati nol dan distribusi frekuensi dari kovarian residual harus bersikap simetris. Model yang baik memiliki standardized residual variance yang kecil. Angka 1,96 merupakan batas nilai yang diperkenankan yang diinterpretasikan sebagai signifikan secara statistik pada tingkat 5% dan menunjukkan adanya prediction error yang substansial untuk sepasang indikator. Untuk mempermudah dalam melakukan modifikasi dapat digunakan indeks modifikasi yang dikalkulasi oleh program untuk tiap hubungan antar variabel yang diestimasi.