45 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian 1. Waktu Penelitian Proses penelitian ini diawali dengan kegiatan mengidentifikasi permasalahan di tempat penelitian, melakukan perumusan masalah dan pengumpulan teori dasar untuk memperkuat landasan dari setiap variabel. Selanjutnya dilakukan penyusunan metode dalam pengumpulan data, penyusunan instrumen sampai teknik pengujian yang dilakukan. Pada proses penelitian ini dibutuhkan waktu penelitian sejak Juli sampai dengan Agustus 2016. 2. Tempat Penelitian Penelitian ini menganalisa bagaimana pengaruh kepercayaan, persepsi risiko, persepsi kemudahan dan harga terhadap keputusan pembelian. Adapun subjek yang digunakan peneliti adalah pengguna jasa Uber Taksi yang berada di wilayah Jakarta Selatan. Peneliti memilih tempat tersebut karena Jakarta Selatan merupakan pusat perkantoran yang berada di Jakarta. B. Desain Penelitian Dalam penyusunan penelitian ini peneliti menggunakan metode analisis Kausal. Analisis kausal adalah hubungan yang bersifat sebab akibat. Penelitian yang
dilakukan untuk mengetahui tentang pengaruh satu atau lebih variabel bebas (variabel eksogen) terhadap variabel terikat (variabel endogen). Variabel independen atau variabel eksogen adalah variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel dependen (terikat). Variabel dependen atau variabel endogen adalah variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas (Sugiyono, 2009). Tujuan penelitian kausal dalam hal ini adalah untuk mengetahui pengaruh kepercayaan, persepsi risiko, persepsi kemudahan dan harga terhadap keputusan pembelian. Pendekatan yang dilakukan dalam penelitian ini adalah pendekatan kuantitatif. Menurut (Noor, 2011), pendekatan kuantitatif merupakan metode untuk menguji teori-teori tertentu dengan cara meneliti hubungan antar variabel. Variabel-variabel ini diukur biasanya dengan instrumen penelitian sehingga data yang terdiri dari angka-angka dapat dianalisis berdasarkan prosedur statistik. C. Definisi dan Operasional Variabel 1. Pengertian Variabel Menurut (Sugiyono, 2009) variabel adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya, atau bisa ditarik sebagai suatu atribut, sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. 46
berikut : Pada penelitian ini terdapat jenis variabel dengan penjelasan sebagai a. Variabel bebas (Variabel Eksogen) merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel terikat. Dalam SEM (Structural Equation Modeling) variabel independen disebut sebagai variabel eksogen (Sugiyono, 2009). Variabel eksogen pada penelitian ini yaitu kepercayaan, persepsi risiko, persepsi kemudahan dan harga. b. Variabel Terikat (Variabel Endogen) merupakan variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas. Dalam SEM variabel dependen disebut sebagai variabel endogen. Variabel endogen pada penelitian ini yaitu keputusan pembelian. 2. Definisi Operasional Variabel Definisi operasional adalah suatu informasi ilmiah yang amat membantu penelitian lain yang ingin menggunakan variabel yang sama. Definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun operasionalisasi dari masing-masing variabel terdapat pada tabel berikut: 47
TABEL 3.1 OPERASIONAL VARIABEL Variabel Dimensi/Sub Variabel Indikator Skala Pengukuran Kepercayaan Sumber : Mayer et al. dalam Mulya dan Japarianto (2014) 1.Kemampuan (Ability) 1. Uber mampu menyediakan jasa yang dibutuhkan pelanggan 2. Uber mampu memberikan kenyamanan kepada pelanggan Persepsi Risiko Sumber : Schiffman dan Kanuk (2010) 2. Kebaikan Hati (Benevolence) 3. Ketulusan Uber dalam melayani pelanggan 4. Menyediakan fasilitas gratis 3. Integritas (Integrity) 5. Percaya terhadap perusahaan yang meningkatkan respon terhadap pelanggan 6. Kejujuran yang diberikan Uber kepada pelanggan 1.Risiko Keuangan 1. Harga yang ditawarkan sesuai dengan kualitas jasa yang diberikan 2. Jaminan atas metode pembayaran yang aman Skala Ordinal Skala Ordinal 48
TABEL 3.1 OPERASIONAL VARIABEL (LANJUTAN) Variabel Dimensi/Sub Variabel Indikator Skala Pengukuran 2. Risiko Sosial 3. Meningkatkan prestige pelanggan 4. Kebanggan tersendiri 3.Risiko Fisik 5. Mobil yang digunakan memenuhi syarat keselamatan 6. Mobil, pengemudi dan penumpang diasuransikan 4.Risiko Fungsional 7. Pengemudi tidak ugalugalan ketika membawa pelanggan 8. Aplikasi berfungsi dengan baik Persepsi Kemudahan Sumber : Davis dalam Jogiyanto (2007) 5.Risiko Psikologis 1.Mudah dipelajari 2.Mudah dikendalikan 9. Pelanggan puas akan layanan yang diberikan 10. Bangga menggunakan jasa tersebut 1. Terdapat tutorial pengoperasian aplikasi 2. Menggunakan beberapa bahasa 3. Tombol perintah jelas/sesuai fungsi 4. Mudah cara operasionalnya Skala Ordinal 49
TABEL 3.1 OPERASIONAL VARIABEL (LANJUTAN) Variabel Dimensi/Sub Variabel Indikator Skala Pengukuran 3.Jelas dan mudah dipahami 5. Format pemesanan yang mudah 6. Cara pembayaran yang mudah 4. Fleksibel 7. Pemesanan bisa dibatalkan 8. Tujuan bisa diubah 5.Mudah meningkatkan keterampilan 9. Akses lokasi driver 10. Akses saat perjalanan 6.Mudah digunakan 11. Aplikasi mudah diunduh 12. Registrasi mudah Harga Sumber : Elliott (2012) 1.Perkiraan harga 2.Kesesuaian pengorbanan 1. Kesesuaian harga dengan kualitas produk 2. Kesesuaian harga dengan keinginan konsumen. 3. Kesesuaian harga dengan manfaat Skala Ordinal 4. Kesesuaian harga dengan fasilitas 3.Kewajaran harga 5. Keterjangkauan harga 6. Daya saing harga 50
TABEL 3.1 OPERASIONAL VARIABEL (LANJUTAN) Variabel Dimensi/Sub Variabel Indikator Skala Pengukuran Pengambilan Keputusan Konsumen Sumber : Kotler (2008) 1. Pengenalan kebutuhan 2.Pencarian Informasi 1. Kebutuhan pribadi 2. Kebutuhan keluarga 3. Sumber pribadi 4. Sumber publik 3.Evaluasi alternative 5. Perbandingan harga 6. Perbandingan Skala Ordinal 4.Keputusan pembelian 7. Perbandingan kualitas 8. Keputusan pada pilihan merek 5.Perilaku pasca pembelian 9. Kepuasan atau ketidakpuasan 10. Pembelian ulang 51
D. Pengukuran Variabel Menurut Noor (2011) pengukuran variabel merupakan alat ukur yang digunakan untuk mengkuantifikasi informasi yang diberikan oleh konsumen jika mereka diharuskan menjawab pernyataan yang telah dirumuskan dalam suatu kuesioner. Skala pengukuran yang peneliti gunakan dalam penelitian ini yaitu menggunakan skala Likert. Skala Likert merupakan metode yang digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2011). Instrumen skala Likert dapat dilihat pada tabel 3.2 berikut: TABEL 3.2 INSTRUMEN SKALA LIKERT Pernyataan Kode Skor Sangat Setuju (SS) 5 Setuju (S) 4 Cukup Setuju (CS) 3 Tidak Setuju (TS) 2 SangatTidak Setuju (STS) 1 Sumber : Sugiyono (2011) 52
E. Populasi dan Sampel Menurut Sugiyono (2009) populasi adalah wilayah generalisasi yang terdiri atas obyek atau subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Dapat disimpulkan populasi merupakan pengamatan yang dilakukan oleh peneliti untuk mencari kesimpulan dari penelitian tersebut. Populasi juga dapat memudahkan peneliti dalam melakukan penelitiannya. Dalam penelitian ini populasinya adalah pengguna jasa Uber Taksi yang berada di wilayah Jakarta Selatan. Pengguna jasa Uber Taksi dalam hal ini tidak diketahui jumlahnya secara terperinci, hal ini dikarenakan Uber Taksi tidak mempublikasikan data tersebut (populasi tidak diketahui). 1. Sampel Menurut Sugiyono (2009) sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Bila populasi besar dan peneliti tidak mungkin mempelajari semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga, dan waktu, maka peneliti dapat menggunakan sampel dalam penelitian ini yaitu menggunakan teknik Convenience sampling (Cara dipermudah). Convenience sampling adalah sampel dengan pertimbangan kemudahan merupakan teknik penentuan sampel berdasarkan kemudahan atau kebetulan saja. Seseorang diambil sebagai sampel karena kebetulan, atau siapa 53
saja yang kebetulan bertemu dengan peneliti yang dianggap cocok dengan karakteristik sampel yang ditentukan akan dijadikan sampel. Dikarenakan peneliti tidak mengetahui jumlah populasi secara terperinci, Noor (2011) menyatakan bahwa ukuran sampel yang sesuai dalam metode persamaan SEM adalah antara 100-200 sampel, dan bergantung pada jumlah parameter yang diestimasi. Pedomannya adalah 5-10 kali parameter yang diestimasi. Ukuran sampel yang digunakan adalah 249 sampel, berdasarkan jumlah indikator dikalikan 5 (44 x 5 = 220). Karena sampel minimal dalam Lisrel adalah 220 maka sampel diubah menjadi 249 untuk hasil dan analisis data yang lebih akurat. Hal itu dilakukan juga untuk mengantisipasi kuisioner yang tidak kembali dan jawaban responden yang tidak bertanggung jawab. F. Teknik Pengumpulan Data Teknik pengumpulan data merupakan langkah yang paling utama dalam penelitian, karena tujuan utama dari penelitian adalah mendapatkan data (Sugiyono, 2009). Metode pengumpulan data yang digunakan dalam penelitian ini dengan menggunakan kuesioner/angket yaitu suatu teknik pengumpulan data dengan memberikan atau menyebarkan daftar pernyataan kepada responden dengan harapan memberikan respons atas daftar pernyataan tersebut (Noor, 2011). Peneliti mengajukan lembaran angket yang berisi daftar pernyataan kepada pengguna jasa Uber Taksi yang berada di area Thamrin Jakarta Pusat dan Kuningan Jakarta Selatan dan responden hanya bisa menjawab satu dari beberapa pilihan 54
jawaban yang telah disediakan oleh peneliti. Kuesioner dalam penelitian ini terdiri atas pernyataan mengenai pengaruh kepercayaan, persepsi risiko, persepsi kemudahan dah harga terhadap keputusan pembelian dengan sampel penelitian yang telah ditetapkan oleh peneliti. G. Jenis Data Penelitian Jenis data yang digunakan pada penelitian ini adalah data primer. Informasi yang berasal dari periset untuk tujuan investigasi yang sedang dilakukan disebut data primer (Churchill, 2005). Data primer mengacu pada informasi yang diperoleh dari tangan pertama oleh peneliti yang berkaitan dengan variabel yang akan diteliti untuk tujuan spesifik studi (Sekaran, 2006). Contoh dari data primer adalah data yang dikumpulkan melalui kuesioner, wawancara, observasi langsung di lapangan, dan melalui eksperimen. Dalam penelitian ini data primer yang digunakan dengan melakukan survei yang menggunakan alat yaitu kuesioner. H. Metode Analisis Data 1. SEM (Structural Equation Modeling) Structural Equation Modeling (SEM) merupakan teknik analisis yang memungkinkan pengujian sebuah rangkaian hubungan secara simultan (Noor, 2011). Hubungan ini dibangun antara satu atau beberapa variabel independen dengan satu atau beberapa variabel dependen. Permodelan pemasaran struktural (Structural Equation Modeling- SEM) merupakan suatu analisis yang menggabungkan pendekatan analisis faktor 55
(factor analysis), model struktural (structural model), dan analisis jalur (path analysis) dengan demikian, didalam analisis SEM dapat tiga macam kegiatan secara serentak yaitu pengecekan validitas dan reabilitas instrumen (berkaitan dengan analisis faktor konfirmatori), pengujian model hubungan antar variabel (berkaitan dengan analisis jalur) dan kegiatan untuk mendapatkan suatu model yang cocok untuk prediksi (berkaitan dengan analisis regresi atau analisis model struktural (Sugiyono, 2009). Selain itu, menurut (Noor, 2011) analisis SEM menggabungkan dua buah model yaitu : Model struktur (structural model), yang terdiri dari variabel laten eksogen (exogenous) dan variabel laten endogen (endogenous). Model pengukuran (measurenment model), yang merupakan indikator dari variabel laten eksogen dan endogen. Variabel laten adalah variasi yang tidak bisa diukur secara langsung dan memerlukan beberapa indikator sebagai produksi, karena SEM dianggap sebagai suatu alat statistik yang sangat berguna bagi para peneliti pada seluruh bidang ilmu social (ekonomi, sosiologi, antropologi, psikologi dan lain sebagainya), SEM telah menjadi suatu keharusan untuk penelitian non eksperimental, dimana metode untuk pengujian teori belum dikembangkan secara menyeluruh (Bentler dalam Ghozali & Fuad, 2005). 56
LISREL (linear structural relationship) adalah salah satu Software SEM yang beredar dipasaran, LISREL merupakan program yang paling banyak digunakan dan dipublikasikan pada berbagai jurnal ilmiah pada berbagai disiplin ilmu (Austin, Calderon; Bryne dalam Gozali & Fuad, 2005). LISREL adalah satu-satunya program yang tercanggih dan yang dapat mengestimasi berbagai masalah yang bahkan nyaris tidak mungkin dapat dilakukan oleh program lain, seperti AMOS, EQS dan lain sebagainya. Disamping itu, LISREL merupakan program yang paling informatif dalam menyajikan hasil-hasil statistik. a. Tahap-Tahap Dalam SEM Menurut Ghozali dan Fuad (2005), mendeskripsikan tahap-tahap dalam SEM sebagai berikut : 1) Konseptualisasi Model Langkah ini merupakan suatu proses pembuatan suatu model yang akan diteliti yang memiliki landasan teori yang kuat. Tanpa adanya justifikasi teoritis yang kuat, suatu model tidak ada artinya bila dianalisis SEM. SEM tidak digunakan untuk menghasilkan suatu model, tetapi untuk mengkonfirmasi suatu model yang didukung oleh teori berdasarkan data empirik. Dalam pengembangan model, seorang peneliti, berdasarkan pijakan teoritis yang cukup, membangun hubungan-hubungan mengenai sebuah fenomena. Peneliti mempunyai kebebasan untuk membangun 57
hubungan sepanjang terdapat justifikasi teoritis yang cukup. 2) Penyusunan diagram alur (Path Diagram) Tahap ini akan memudahkan kita dalam memvisualisasi hipotesis yang telah kita ajukan dalam konseptualisasi model. Visualisasi model akan mengurangi tingkat kesalahan dalam pembangunan suatu model pada LISREL. Path diagram merupakan representasi grafis mengenai bagaimana beberapa variabel pada suatu model berhubugan satu sama lain, yang memberikan suatu pandangan menyeluruh mengenai struktur model. 3) Spesifikasi model Spesifikasi model menggambarkan sifat dan jumlah parameter yang diestimasi, analisis data tidak dapat dilakukan sampai tahap ini selesai. Program LISREL memiliki dua bahasa yang digunakan, yaitu bahasa pemograman LISREL dan SIMPLIS. Pada bahasa pemograman LISREL, kita harus sangat berhati-hati dalam memastikan bahwa model yang kita susun telah direpresentasikan dalam model matematis. Sedangkan bahasa perintah SIMPLIS (terdapat pada program LISREL versi 8.0 dan lebih), tidak menggunakan model matematis yang kompleks dan memungkinkan kita untuk menulis nama variabel dan menentukan hubungannya dengan menggunakan tulisan serta simbol matematika dasar, seperti sama dengan (=) dan tanda panah ( ). 58
4) Identifikasi model Informasi yang diperoleh dari data diuji untuk menentukan apakah cukup untuk mengestimasi parameter dalam model. Disini, kita harus dapat memperoleh nilai yang unik untuk seluruh parameter dari data yang telah kita peroleh. Jika hal ini, tidak dapat dilakukan, maka modifikasi model mungkin harus dilakukan untuk dapat diidentifikasi sebelum melakukan estimasi parameter. 5) Estimasi parameter Pada tahap ini estimasi parameter untuk suatu model diperoleh dari data karena program LISREL maupun AMOS berusaha untuk menghasilkan matriks kovarians berdasarkan model yang sesuai dengan kovarians matriks sesungguhnya. Uji signifikansi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol. 6) Penilaian model fit Suatu model dikatakan fit apabila kovarians matriks suatu model adalah sama dengan kovarians matriks data. Model fit dapat dinilai berdasarkan dengan menguji berbagai index fit yang diperoleh dari LISREL seperti pada tabel 3.3 dibawah ini. 59
TABEL 3.3 GOODNESS OF FIT INDEX Goodness of Fit Index Cut-off Value X² - Chi Square Diharapkan kecil Sumber: Wijanto, 2008 RMSEA 0.08 GFI 0.90 AGFI 0.90 NFI 0.90 NNFI 0.90 CFI 0.90 IFI 0.90 RFI 0.90 Uraian masing-masing dari goodness of fit index dapat dijelaskan sebagai berikut: a) X 2 = Chi Square. Nilai statistik Chi-Square digunakan untuk mengukur overall fit sebuah model. Model yang dievaluasi akan dipandang baik apabila nilai Chi-Square kecil; semakin kecil nilai Chi-Sqaure, semakin baik sebuah model. Uji beda Chi-Square diharapkan menerima hipotesis nol dengan significance probability 0.05. 60
b) The Root Mean Square Error of Approximation (RMSEA). Karena χ 2 - Chi-Square sangat sensitif terhadap ukuran sampel (terlalu besar atau terlalu kecil), kriteria RMSEA digunakan untuk mengompensasi Chi-Square dengan sampel besar. Nilai RMSEA 0,08 direkomendasikan sebagai pedoman untuk menyatakan model dapat diterima. c) Goodness-of-Fit Index (GFI). Indeks ini menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan dengan rentang nilai antara nol hingga satu. Semakin mendekati satu nilai GFI ( 0.90) maka semakin baik model tersebut. d) Adjusted Goodness Of-Fit (AGFI). AGFI adalah analog R2 dalam regresi berganda. Fit Indeks ini dapat disesuaikan terhadap degrees of freedom yang tersedia untuk menguji diterima atau ditolaknya model. Tingkat penerimaan yang direkomendasikan adalah bila nilai AGFI 0.90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam suatu matriks kovarians sampel. Nilai 0.95 dapat diinterpestasikan sebagai tingkatan yang baik 61
(good overall model fit), sedangkan 0.90-0.95 menunjukkan tingkatan cukup (adequate fit). e) Tucker Lewis Index (TLI) atau Non-Normed Fit Index (NNFI). Kriteria ini digunakan dengan membandingkan antara model yang diuji dengan baseline model. Model TLI atau NNFI 0.90 direkomendasikan untuk menerima sebuah model yang diuji. f) Comparative Fit Index (CFI). Berbeda dengan χ 2 -Chi-Square, indeks ini sama sekali tidak dipengaruhi oleh besarnya sampel yang digunakan dalam penelitian. Nilai CFI 0.90 menunjukkan model yang baik bahkan jika mendekati satu menunjukkan a very good fit. 7) Modifikasi model Pengujian model penelitian untuk menentukan apakah modifikasi model diperlukan karena tidak fitnya hasil yang diperoleh pada tahap keenam, namun harus diperhatikan bahwa segala modifikasi (walaupun sangat sedikit), harus berdasarkan teori yang mendukung. Dengan kata lain, modifikasi model seharusnya tidak dilakukan hanya semata-mata untuk mencapai model yang fit. 62
8) Validasi silang model Pengujian atas fit tidaknya model terhadap suatu data baru. Validasi silang ini penting apabila terdapat modifikasi subtansial yang dilakukan terhadap model asli yang dilakukan pada langkah keenam. 2. Uji Validitas Uji keabsahan data dalam penelitian, sering hanya ditekankan pada uji validitas dan reliabilitas. Validitas merupakan derajat ketetapan antara data yang terjadi pada objek penelitian dengan daya yang dapat dilaporkan oleh peneliti (Sugiyono, 2011). Sebelum dilakukan pengolahan data, maka perlu dilakukan pengujian data terhadap variabel tersebut. Uji validitas menunjukan sejauh mana alat ukur dapat mengukur variabel yang akan diukur. Pengujian validitas dilakukan menggunakan analisis konfirmatori. Dalam analisis konfirmator, variabel laten dianggap sebagai variabel penyebab yang mendasari indikator-indikatornya (Ghozali, 2008). Dasar pengambilan keputusan uji validitas ini adalah jika Loading factor 0.5 maka item tersebut dikatakan valid. 3. Uji Reliabilitas Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator sebuah variabel yang menunjukan derajat masing-masing indikator itu 63
mengindikasikan sebuah konstruk / faktor laten yang umum. Pengujian reliabilitas instrumen bertujuan untuk mengetahui konsistensi suatu instrumen. Langkah selanjutnya adalah menghitung loadings dan menilai signifikansi statistik setiap indikator. Jika terbukti tidak signifikan, maka indikator harus dibuang atau mentransformasikannya agar menjadi fit untuk variabel laten (Noor, 2011). Menurut Sanusi (2011) nilai reliabilitas dapat dicari dengan rumus berikut ini : Construct Reliability = ² Dimana : a. Std. Loading diperoleh langsung dari Standardize Loading untuk tiap-tiap indikator. b. ej adalah measurement error dari tiap-tiap indikator. Nilai batas yang digunakan untuk menilai atau menguji apakah setiap variabel dapat dipercaya, handal dan akurat dipergunakan Construct Reliability. Variabel dapat dikatakan reliabel apabila Construct Reliability lebih besar dari 0.70. tingkat reliabilitas yang kedua adalah Variance Extract, yang menunjukan jumlah varians yang indikator-indikator yang diekstraksi oleh konstruk laten yang dikembangkan. Nilai Variance Extract yang tinggi 64
menunjukan bahwa indikator-indikator itu telah mewakili secara baik konstruk laten yang dikembangkan. Nilai Variance Extract ini direkomendasikan pada tingkat paling sedikit 0.50. Variance Extract diperoleh dari rumus berikut ini : Variance Extract = ² 4. Pengujian Hipotesis Dalam LISREL tidak terdapat nilai signifikansi yang langsung dapat memberi tahu apakah hubungan antara suatu variabel dengan variabel lainnya adalah signifikan. Pada setiap estimasi dalam lisrel, terdapat tiga informasi yang sangat berguna, yaitu koefisien regresi, standar erorr dan nilai t. Standar erorr digunakan untuk mengukur ketepatan dari setiap estimasi parameter. Dibawah standar erorr adalah nilai t yang diperoleh melalui perbandingan antara nilai estimasi dengan standar error. = Untuk mengetahui signifikan tidaknya hubungan antar variabel, maka nilai t harus lebih besar dari t-tabel pada level tertentu yang tergantung dari ukuran sampel dan level signifikansi, tetapi umumnya level signifikansi adalah 1%, 5% dan 10%. 65
Pada jumlah sampel besar (lebih besar 150), jika nilai t yang dihasilkan oleh LISREL lebih besar daripada nilai t tabel pada level 5%, yaitu 1,960, maka hubungan antara variabel adalah signifikan. 66