Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA.

Transkripsi

1

2 Structural Equation Modeling (SEM) adalah alat analisis statistik yang dipergunakan untuk menyelesaikan model bertingkat secara serempak yang tidak dapat diselesaikan oleh persamaan regresi linear. SEM dianggap sebagai gabungan dari analisis regresi dan analisis faktor. SEM dapat dipergunakan untuk menyelesaikan model persamaan dengan variabel terikat lebih dari satu dan juga pengaruh timbal balik (recursive). Analisis SEM berbasis pada analisis covarians sehingga memberikan matriks covarians yang lebih akurat dari pada analisis regresi linear.

3 Model yang dianalisis bertingkat dan relatif rumit, sehingga akan sangat sulit untuk diselesaikan dengan metode jalur analisis pada regresi linear. Mampu menguji hipotesis-hipotesis yang rumit dan bertingkat secara serempak atau simultan. Kesalahan (error) pada masing-masing observasi tidak diabaikan tetapi tetap dianalisis, sehingga SEM lebih akurat untuk menganalisis data kuesioner yang melibatkan persepsi. Mampu menganalisis model hubungan timbal balik (recursive) secara serempak, di mana model ini tidak dapat diselesaikan dengan analisis regresi linear secara serempak. Terdapat fasilitas bootstrapping, di mana hal tersebut tidak dapat dilakukan dengan analisis regresi linear. Untuk jumlah sampel yang relatif besar (di atas 2000) terdapat metode Asymtot Distribution Free (ADF) yang tidak memerlukan asumsi normalitas pada data. Peneliti dapat dengan mudah memodifikasi model dengan second order untuk memperbaiki model yang telah disusun agar lebih layak secara statistik.

4 Langkah pertama: Pengembangan Model Teoritis. Langkah kedua: Pengembangan Diagram Alur (Path Diagram). Langkah ketiga: Konversi Diagram Alur ke dalam Persamaan Struktural dan Model Pengukuran. Langkah keempat: Memilih Jenis Matrik Input dan Estimasi Model yang diusulkan. Langkah kelima: kemungkinan munculnya masalah identifikasi Langkah keenam: evaluasi kriteria Goodness of Fit Langkah ketujuh: menginterpretasikan hasil pengujian dan modifikasi model.

5 Goodness of Fit Index Cut off Value X 2 -Chi Square Diharapkan Kecil Significance Probability 0,05 RMSEA 0,05 GFI 0,90 AGFI 0,90 CMIN/DF 3,00 TLI 0,95 CFI 0,95

6 χ 2 Chisquare diharapkan kecil, dan probabilitas diharapkan > 0,05 yang berarti tidak ada perbedaan signifikan antara matris kovarians prediksi dengan data observasi, namun perhitungan ini dipakai pada jumlah sampel < 200. Significance Probability diterima berdasarkan probabilitas dengan cut-off value sebesar p 0,05.

7 RMSEA (Root Mean Square Error of Approximation) < 0,08 adalah ukuran model yang mencoba memperbaiki kecenderungan chisquare yang cenderng menolak model pada jumlah sampel yang besar (alternatif dari chisquare). RMSEA merupakan ukuran rata-rata perbedaan per degree of freedom yang diharapkan dalam populasi. Nilai RMSEA < 0,08 adalah good fit, sedangkan Nilai RMSEA < 0,05 adalah close fit. GFI (Goodness of Fit Index) diharapkan > 0,9 adalah menghitung proporsi tertimbang dari varians dalam matrik kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. Nilainya berkisar 0 hingga 1 (mendekati 0 = poor fit dan mendekati 1= perfect fit)

8 AGFI (Adjusted Goodness of Fit Index) diharapkan > 0,9. GFI adalah analog dari R 2 dalam regresi berganda. Ukuran AGFI merupakan modifikasi dari GFI dengan mengakomodasi degree of freedom model dengan model lain yang dibandingkan. AGFI > 0,9 adalah good fit, sedangkan 0,8 AGFI < 0,9 adalah marginal fit. CMIN/DF (the minimum sample discrepancy function/degree of freedom) diharapkan 3,00 dan tidak bernilai negatif. Ukuran ini adalah nilai yang diperoleh dari nilai Chi Square dibagi dengan degree of freedom. TLI (Tucker Lewis Index) diharapkan > 0,95. Nilai Alternative incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. CFI (Comparative Fit Index), rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi.

9

10

11 Variabel Motivasi Internal (X1) terdiri dari: X1.1= Istirahat dan rileksasi, X1.2= Tempat-tempat baru, X1.3= Pengetahuan dan pengalaman, X1.4= Keluar dari rutinitas, X1.5= Bertemu orang dan bersosialisasi, X1.6= Kesehatan dan kebugaran, X1.7= Melatih fisik, X1.8= Keluarga dan teman-teman, Variabel Motivasi External (X2) terdiri dari: X2.1= Sejarah Bali, X2.2= Budaya Bali, X2.3= Alam Bali, X2.4= Harga-harga di Bali, X2.5= Even and festival, X2.6= Liburan atau waktu luang, X2.7= Transportasi, X2.8= Jarak dari negara asal, X2.9= Makanan dan minuman, X2.10= Fasilitas dan pelayanan, X2.11= Fasilitas kesehatan, X2.12= Pelayanan dan prosedur imigrasi, X2.13= Keamanan, X2.14= Pelayanan biro perjalanan, X2.15= Pemandu wisata, Variabel Citra Destinasi (Y1) terdiri dari: Y1.1= Aktivitas wisata, Y1.2= Keindahan alam, Y1.3= Budaya Bali, Y1.4= Penduduk Bali, Y1.5= Infrastruktur Pariwisata, Y1.6= Stabilitas politik dan ekonomi, Y1.7= Suasana Bali, Variabel Kepuasan Wisatawan (Y2) terdiri dari: Y2.1= Atraksi, Y2.2= Aksesibilitas, Y2.3= Fasilitas wisata, Y2.4= Pelayanan, Variabel Loyalitas Wisatawan (Y3) terdiri dari: Y3.1= Kunjungan ulang, Y3.2= Merekomendasi.

12 Goodness of Fit Cut off Value Result Keterangan Index X 2 -Chi Square Diharapkan 2314,884 Kurang baik Kecil RMSEA 0,05 0,086 Kurang sesuai GFI 0,90 0,722 Kurang baik AGFI 0,90 0,684 Kurang baik CMIN/DF 3,00 3,957 Kurang baik TLI 0,95 0,708 Kurang baik CFI 0,95 0,729 Kurang baik

13 Setelah dilakukan pengujian, ternyata ada beberapa indikator yang dinyatakan kurang layak mewakili variabel latennya. Indikator-indikator yang kurang layak tersebut, tidak disertakan pada pengujian model berikutnya. Metode estimasi yang dipilih pada penelitian ini adalah Maximum Likelihood Estimates (MLE). Setelah dilakukan pengujian model dengan hanya menyertakan indikator-indikator yang memiliki nilai Standardized Regression Weights lebih besar dari 0,5 maka terbentuklah model yang dinyatakan fit. Hasil uji unidimensionalitas dengan CFA (confirmatory factor analysis)

14 Variabel Estimate Kode Indikator SRW Motivasi Meningkatkan kesehatan dan X1.6 Internal kebugaran 0,776 X1.7 Latihan fisik 0,753 X1.8 Mengunjungi kerabat dan teman 0,507 Motivasi X2.4 Harga-harga di Bali 0,517 Eksternal X2.6 Keuntungan liburan di Bali 0,505 X2.7 Transportasi ke Bali 0,656 X2.8 Jarak dari negara asal 0,680 X2.9 Kuliner Bali 0,544 X2.10 Fasilitas dan pelayanan hotel di Bali 0,666 X2.11 Fasilitas kesehatan di Bali 0,714 X2.12 Pelayanan imigrasi 0,663 X2.13 Keamanan pulau Bali 0,673 X2.14 Pelayanan Biro perjalanan 0,684 X2.15 Pelayanan pramuwisata 0,711 Citra Destinasi Y1.3 Budaya Bali yang unik 0,550 Y1.4 Masyarakat yang ramah 0,702 Y1.5 Infrastruktur pariwisata yang lengkap 0,736 Y1.7 Suasana yang nyaman 0,648 Kepuasan Y2.1 Daya tarik dan obyek wisata 0,780 Y2.2 Perjalanan dari dan ke Bali 0,799 Y2.3 Ketersediaan fasilitas pariwisata 0,810 Y2.4 Pelayanan selama berlibur 0,808 Loyalitas Y3.1 Niat berkunjung ulang 0,756 Y3.2 Kerelaan merekomendasi 0,877

15 Modifikasi Indices Saling berkorelasi Estimate P X2 <--> X1 Motivasi <- Motivasi 0,070 *** eksternal -> internal e23 <--> e22 Pelayanan <- Pelayanan Biro 0,170 *** pramuwisata -> perjalanan e20 <--> e21 Pelayanan <- Keamanan 0,129 *** imigrasi -> pulau Bali e21 <--> e22 Keamanan <- Pelayanan Biro 0,096 *** pulau Bali -> perjalanan e20 <--> e22 Pelayanan <- Pelayanan Biro 0,100 *** imigrasi -> perjalanan e27 <--> e37 Masyarakat <- Loyalitas 0,071 *** yang ramah -> Wisatawan e30 <--> e37 Suasana yang nyaman <- -> Loyalitas Wisatawan 0,050 *** e14 <--> e12 Keuntungan liburan di Bali e14 <--> e39 Keuntungan liburan di Bali e8 <--> X2 Mengunjungi kerabat dan teman e15 <--> e36 Transportasi ke Bali e28 <--> e31 Infrastruktur pariwisata yang lengkap e18 <--> e21 Fasilitas dan pelayanan hotel di Bali e19 <--> e23 Fasilitas kesehatan di Bali e15 <--> e21 Transportasi ke Bali <- -> <- -> <- -> <- -> <- -> <- -> <- -> <- -> Harga-harga di Bali 0,068 *** Citra Destinasi 0,062 *** Motivasi eksternal Merekomendasi Teman Daya tarik dan obyek wisata Keamanan pulau Bali Pelayanan pramuwisata Keamanan pulau Bali 0,070 *** -0,047 *** 0,046 *** -0,073 *** 0,054 *** -0,065 ***

16

17 Goodness of Fit Index Cut off Value Uji Pertama Uji Kedua Hasil Kesimpulan X 2 -Chi Square , ,050 Baik Baik RMSEA 0,05 0,086 0,053 Lebih Baik Cukup baik GFI 0,90 0,722 0,910 Lebih Baik Baik AGFI 0,90 0,684 0,883 Lebih Baik Cukup baik CMIN/DF 3,00 3,957 2,114 Lebih Baik Baik TLI 0,95 0,708 0,932 Lebih Baik Cukup baik CFI 0,95 0,729 0,943 Lebih Baik Cukup baik

18 Variabel ERW SRW S.E. C.R. P Keterangan Citra Motivasi -0,047-0,031 0,092-0,509 0,611 Tidak Destinasi Internal signifikan (Y1) (X1) Citra Destinasi (Y1) Kepuasan Wisatawan (Y2) Kepuasan Wisatawan (Y2) Kepuasan Wisatawan (Y2) Loyalitas Wisatawan (Y3) Loyalitas Wisatawan (Y3) Loyalitas Wisatawan (Y3) Motivasi Eksternal (X2) Motivasi Internal (X1) Motivasi Eksternal (X2) Citra Destinasi (Y1) Kepuasan Wisatawan (Y2) Motivasi Eksternal (X2) Motivasi Internal (X1) 0,690 0,659 0,078 8,808 *** Signifikan 0,060 0,041 0,077 0,780 0,435 Tidak signifikan -0,119-0,119 0,073-1,641 0,101 Tidak signifikan 0,833 0,871 0,083 10,019 *** Signifikan 0,562 0,560 0,066 8,468 *** Signifikan 0,194 0,193 0,065 2,998 0,003 Signifikan -0,094-0,064 0,083-1,139 0,255 Tidak signifikan

19 Pengaruh Variabel X1 M_Inter nal X2 M_Eksternal Y1 (Citra) Y2 (Kepuasan) Total Effects Y1 (Citra) -0,031 0,659 0,000 0,000 Y2 (Kepuasan) 0,014 0,455 0,871 0,000 Y3 (Loyalitas) -0,056 0,447 0,488 0,560 Direct Effects Y1 (Citra) -0,031 0,659 0,000 0,000 Y2 (Kepuasan) 0,041-0,119 0,871 0,000 Y3 (Loyalitas) -0,064 0,193 Nihil 0,560 Indirect Effects Y1 (Citra) 0,000 0,000 0,000 0,000 Y2 (Kepuasan) -0,027 0,573 0,000 0,000 Y3 (Loyalitas) 0,008 0,255 0,488 0,000