BAB IV METODE PENELITIAN 4.1. Disain Penelitian Disain dalam penelitian ini menggunakan metode penelitian eksplanatif kuantitatif, dimana data yang akan digunakan adalah data kuantitatif yang berbentuk angka atau data yang diangkakan. Menurut Sugiyono (2012:92), penelitian eksplanatif adalah penelitian yang bertujuan untuk menguji berbagai hipotesa yang tujuannya untuk membenarkan atau memperkuat hipotesa tersebut serta menentukan sifat hubungan antara satu atau lebih Variabel Endogen dengan satu atau lebih Variabel Eksogen. Tujuan pemilihan metode eksplanatif karena peneliti ingin menguji hipotesis hubungan antar variabel nilai hubungan yang terdiri dari : Kualitas layanan, kualitas produk, dan citra perusahaan terhadap keputusan pembelian. Pengumpulan data dan informasi diambil dari sampel dengan menggunakan daftar pertanyaan (questioner), kemudian dianalisa untuk mendapatkan data yang akurat tentang fakta-fakta serta hubungan antara variabel penelitian. 4.2. Variabel Penelitian Variabel dalam penelitian ini dibedakan menjadi 3, yaitu variabel eksogen, variabel endogen dan variabel endogen mediasi. Variabel eksogen adalah variabel yang tidak diprediksi oleh variabel lain dalam model. Variabel eksogen dikenal juga sebagai independent variable. Variabel endogen, yakni variabel yang diprediksikan oleh satu atau beberapa variabel yang lain dalam model. Variabel endogen dikenal juga sebagai dependent variable. Sedangkan variabel endogen mediasi disebut juga variabel intervening atau antara. Variabel Eksogen kejadiannya adalah mendahului Variabel Endogen. Menurut Sugiyono (2012:73), variabel independen merupakan variabel yang menentukan atau mempengaruhi variabel dependen yang nilainya dapat mempengaruhi atau menentukan variabel dependen. Variabel mediadi merupakan variabel yang secara teoritis 39

40 mempengaruhi hubungan antara variabel independen dengan variabel dependen menjadi hubungan yang tidak langsung dan tidak dapat diamati dan diukur. Variabel ini merupakan variabel penyela atau antara variabel independen dengan variabel dependen, sehingga variabel independen tidak langsung mempengaruhi berubahnya atau timbulnya variabel dependen. Sementara variabel dependen merupakan variabel yang nilainya dapat berubah dikarenakan adanya perubahan variabel yang lain atau ditentukan oleh variabel independen, keterkaitan variabel independen dan dependen ditunjukan pada model persamaan fungsi atau model persamaan matematika tertentu yang menggambarkan hubungan sebab akibat. Tabel 4.1. menunjukkan variabel eksogen (independent variable), dan variabel endogen (dependent variable) dalam penelitian ini : Tabel 4.1. Variabel Penelitian Variabel Endogen No. Variabel Eksogen Variabel Endogen Mediasi 1 Kualitas layanan Keputusan Pembelian Loyalitas Pelanggan 2 Kualitas produk 3 Citra perusahaan Sumber: Diolah oleh peneliti (2016) 4.2.1. Definisi Konsep Sugiyono (2012:63) mendefinisikan variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, objek, atau kegiatan yang mempunyai variasi tertentu yang di tetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Variabel didalam penelitian ini terdiri dari dua variabel, yaitu : 1. Variabel Eksogen Sebagai variabel stimulus, predictor, antecedent yang mempengaruhi dan penyebab perubahan pada Variabel Endogen. Dalam penelitian ini Variabel Eksogen adalah kualitas produk (X1), kualitas layanan (X2) dan citra perusahaan (X3). 2. Variabel Endogen

41 Sebagai variabel ouput merupakan variabel yang dipengaruhi atau yang menjadi akibat dari Variabel Eksogen. Dalam penelitian ini Variabel Endogen adalah keputusan pembelian (Y). (Sugiyono, 2012:67). 4.2.2. Definisi Operasional Definisi operasional adalah suatu definisi yang didasarkan pada karakteristik yang dapat diobservasi dari apa yang sedang didefinisikan atau mengubah konsep-konsep yang berupa konstruk dengan kata-kata yang menggambarkan perilaku atau gejala yang dapat diamati dan yang dapat diuji dan ditentukan kebenarannya oleh orang lain. (Sugiyono, 2012:63) Tujuan adanya definisi operasional adalah untuk memudahkan didalam pengumpulan data dan menghindarkan perbedaan interpretasi serta membatasi ruang lingkup variabel. Selain itu adanya definisi operasional dapat mengukur definisi variabel secara operasional dan dapat dipertanggungjawabkan (referensi jelas) Untuk memudahkan instrumen penelitian, maka peneliti menggunakan matrik pengembangan instrumen. Menurut Sugiyono (2012:72), matrik pengembangan instrumen adalah matrik yang digunakan untuk memudahkan penyusunan instrumen penelitian. Titik tolak dari penyusunan instrumen penelitian ini adalah variabel-variabel yang ditetapkan untuk diteliti. Dari variabel-variabel ini kemudian ditetapkan indikator-indikator dari setiap variabel, yang selanjutnya dijabarkan menjadi butir-butir pertanyaan. Untuk bisa menetapkan indikator-indikator dari setiap variabel yang diteliti, maka peneliti mendasarkannya pada kajian teori-teori yang mendukung, hasil penelitian sebelumnya serta menganalisa data yang ada di lapangan. Penggunaan teori, hasil penelitian sebelumnya dan analisa data lapangan dilakukan secermat mungkin agar diperoleh indikator yang valid. Berdasarkan kajian teori, hasil penelitian sebelumnya dan analisa data lapangan, maka peneliti menyusun matrik pengembangan instrumen atau biasa disebut juga dengan operasional variabel penelitian sebagai berikut :

42 Variabel Eksogen Kualitas Produk (KP) Tabel 4.2. Variabel Operasional Penelitian Dimensi Indikator 1. Kinerja - KP 1 Fasilitas Produk Lengkap Produk - KP 2 Tujuan Produk Jelas (Performance) Tjiptono (2012) 2. Fitur Produk (Features) 3. Reliabilitas (Reliability) 4. Kesesuaian (Conformance) 5. Kemanfaatan - KP 3 Fleksibilitas Produk - KP 4 Struktur Produk Efektif - KP 5 Produk mudah dimengerti - KP 6 Mudah dalam bertransaksi - KP 7 Tersedia spesifikasi produk yang lengkap - KP 8 Informasi Produk yang akurat dan efektif - KP 9 Sesuai dengan kebutuhan pelanggan - KP 10 Sesuai dengan tujuan Bisnis - KP 11 Transaksi Real Time Online - KP 12 Jaringan yang lengkap dan terpadu - KP 13 Transaksi dapat dilakukan dimana saja Variabel Eksogen Kualitas Layanan (KL) Dimensi 1. Bukti langsung (tangibles) 2. Empati (empathy) Indikator - KL 1 Fasilitas memadai dan terjaga sesuai layanan yang diberikan - KL 2 Peralatan modern / canggih - KL 3 Karyawan memberi perhatian secara tulus - KL 4 Karyawan mau mendengarkan keluhan - KL 5 Karyawan mampu memahami pelanggan

43 Tjiptono (2012) 3. Kehandalan (reliability) 4. Daya Tanggap (responsiveness) 5. Jaminan (assurance) - KL 6 Pelayanan Tepat waktu - KL 7 Mampu memberikan solusi - KL 8 Responsif secara efektif - KL 9 Selalu bersedia membantu pelanggan - KL 10 Kecepatan karyawan - KL 11 Penguasaan pekerjaan - KL 12 Ramah dan sopan santun - KL 13 Menumbuhkan kepercayaan & keamanan Variabel Eksogen Citra Perusahaan (CP) Dimensi Indikator 1. Kualitas - CP 1 Perhatian terhadap pelanggan tinggi - CP 2 Produk / jasa berkualitas tinggi - CP 3 Perusahaan dipercaya - CP 4 Inovatif - CP 5 Pelayanan yang efektif dan efisien 2. Kinerja - CP 6 Perusahaan memiliki peluang untuk tumbuh dan berkembang - CP 7 Perusahaan yang dikelola dengan baik - CP 8 Perusahaan stabil & ekonomis 3.Tanggung - CP 9 Perusahaan memiliki tanggung Jawab jawab sosial - CP 10 Transparansi informasi kepada publik - CP 11 Sikap persaingan yang sehat terhadap kompetitor 4. Daya tarik - CP 12 Memiliki karyawan berkualitas - CP 13 Sikap profesional dalam penanganan masalah - CP 14 Daya tarik produk & jasa yang ditawarkan

44 Keller (2003) 5. Kompetensi - CP 15 Kapabilitas dengan rating yang baik - CP 16 Diakui secara nasional - CP 17 Memperoleh banyak penghargaan Variabel Endogen Mediasi Keputusan Pembelian (PD) Schiffman & Kanuk (2010) Dimensi 1. Faktor Individual 2. Faktor Sosial atau Lingkungan Indikator - PD 1 Adanya dorongan atas dasar kebutuhan akan layanan ATM Bersama - PD 2 Adanya persepsi tentang kualitas produk ATM Bersama - PD 3 Adanya persepsi terhadap merek ATM Bersama yang sudah dikenal - PD 4 Referensi keluarga - PD 5 Referensi teman - PD 6 Pengaruh dari kelompok rujukan Variabel Endogen Loyalitas Pelanggan (LP) Dimensi 1. Pembelian Ulang 2. Pembelian antar lini produk 3. Melanjutkan penggunaan produk / jasa 4. Memberikan rekomendasi Indikator - LP 1 Memprioritaskan Routing ke arah ATM Bersama - LP 2 Menggunakan layanan Artajasa yang lain selain ATM Bersama - LP 3 Terus menggunakan produk / jasa milik Artajasa di masa mendatang - LP 4 Merekomendasikan produk/ jasa milik Artajasa kepada pihak lain

45 Griffin (2005) 5. Kekebalan terhadap pesaing - LP 5 Tidak tertarik untuk Menggunakan produk/jasa milik kompetitor Artajasa Sumber: Diolah oleh penulis dari kajian pustaka dan penelitian terdahulu(2016) 4.3. Populasi dan Sample Penelitian 4.3.1 Populasi Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. (Sugiyono, 2009:27) Pada penelitian ini yang menjadi populasi adalah seluruh Bank anggota ATM Bersama yang berjumlah 87 Bank. Jumlah ini adalah berdasarkan data jumlah anggota ATM Bersama per Desember 2015. List anggota ATM Bersama dapat dilihat pada lampiran. 4.3.2 Sampel Sampel adalah anggota populasi yang memberi keterangan yang hendak diselidiki dan dianggap bisa mewakili keseluruhan dari populasi (Sugiyono, 2009:27). Menurut Sugiyono (2012), sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Dengan kata lain, sampel merupakan bagian yang diambil dari populasi dalam suatu penelitian. Metode pengambilan sampel pada penelitian ini dilakukan dengan menggunakan teknik acak berstrata (stratified random sampling) yaitu dengan cara mengelompokan populasi ke dalam strata agar lebih homogen. Penyusunan strata ini dilakukan sebelum pengambilan sampel. Hal ini dimaksudkan agar supaya populasi yang terpilih sebagai sampel benar-benar mewakili seluruh populasi dan bukan mewakili salah satu kelompok atau strata saja. Sampel yang akan digunakan dalam penelitian ini ditentukan berdasarkan rumus Hair dkk (Ferdinand, 2006:84): Jumlah Sampel = Jumlah variabel manifest dikalikan 5 sampai 10.

46 Karena dalam penelitian ini terdapat 54 variabel manifest, maka jumlah sampel yang digunakan adalah: Sampel minimum = Jumlah variabel manifest x 5 = 54 x 5 = 270 Responden. Menurut Hair, dkk dalam Ferdinand (2006:84) menemukan bahwa ukuran sampel yang sesuai untuk SEM adalah antara 100 200 sampel. Dengan mengacu pada pendapat Hair maka jumlah sampel 270 Responden telah memenuhi syarat. Dalam hal ini peneliti menetapkan kriteria bahwa sampel harus merupakan individu yang berhubungan baik dari sisi bisnis, teknis, dan operasional di dalam Bank yang menjadi anggota ATM Bersama, dengan demikian tidak semua Bank yang ada di Indonesia memiliki peluang yang sama untuk terpilih menjadi sampel (non-probability). 4.4. Jenis dan Sumber Data Sumber data yang akan diperoleh dalam penelitian ini adalah sebagai berikut : 1) Sumber data primer, merupakan data primer yaitu merupakan data yang di dapat dari sumber pertama baik individu atau perorangan, seperti hasil wawancara atau pengisian kuesioner, dalam hal ini adalah Bank bank yang merupakan anggota ATM Bersama 2) Dokumentasi atau arsip perusahaan, merupakan sumber data dalam bentuk informasi dan dokumen yang diperoleh dalam bentuk surat-surat, catatan atau laporan yang terkait dengan masalah penelitian yang telah tersusun dalam arsip pada PT. Artajasa Pembayaran Elektronis. 4.5. Teknik Pengumpulan Data Untuk mengumpulkan data, penggunakan teknik pengumpulan data dilakukan melalui teknik sebagai berikut: 1) Angket atau kuesioner, yaitu pengumpulan data melalui daftar pertanyaan secara tertutup dalam bentuk daftar pertanyaan tentang masalah penelitian yang harus diisi oleh reponden tanpa kehadiran peneliti. Untuk menghasilkan jawaban yang diharapkan, maka dalam angket diberikan

47 panduan pengisian, bahasa yang sederhana, dan item pertanyaan sesuai dengan permasalahan kajian. 2) Wawancara atau interview merupakan proses yang dilakukan dengan melalui tanya jawab langsung dengan sejumlah objek penelitian untuk tujuan tertentu. Wawancara dapat dilakukan di rumah, kantor, ruangan publik ataupun telepon. Wawancara dapat dilakukan dengan memberikan pertanyaan secara verbal dan peneliti membuat catatan hasil dari jawaban dari wawancara tersebut. 3) Studi dokumentasi, yaitu mengumpulkan data dari sumber laporan, arsip, petunjuk yang berkaitan dengan objek/masalah penelitian. 4.6. Teknik Analisa Data Alat ukur penelitian yang digunakan berbentuk daftar pertanyaan (quistioner) melalui angket. Kuesioner merupakan salah satu alat ukur yang dirancang dalam bentuk pertanyaan. Jawaban yang diharapkan bersifat tertutup, artinya pada setiap pertanyaan sudah diberikan pilihan-pilihan untuk menjawabnya. Tingkat pengukuran yang dipakai dalam penelitian ini adalah kuesioner yang dikonstruksi dalam bentuk skala bertingkat (rating scale) dengan menggunakan skala Likert, yang berisi pertanyaan yang berkaitan dengan masalah dan variabel penelitian. Responden diminta untuk memberikan jawaban terhadap setiap pertanyaan mengenai tingkat kesesuaian. Jawaban pada item terdiri atas lima alternatif sebagaimana tersaji dalam tabel 4.3. Data yang diperoleh dari responden akan terbentang dalam suatu kontinum negatif sampai dengan positif. (Sugiyono, 2012)

48 Tabel 4.3Alternatif Jawaban Responden Kategori Jawaban (+) Skor Kategori Jawaban (-) Skor Sangat Setuju (SS) 5 Sangat Setuju (SS) 1 Setuju (S) 4 Setuju (S) 2 Ragu-Ragu (R) 3 Ragu-Ragu (R) 3 Tidak Setuju (ST) 2 Tidak Setuju (ST) 4 Sangat Tidak Setuju 1 Sangat Tidak Setuju 5 (STS) (STS) Sumber: Sugiyono (2012) Teknik analisis data yang digunakan pada penelitian adalah analisis validitas dan reliabilitas, analisis structural equation model (SEM. Berbagai analisis tersebut akan dilakukan secara bertahap untuk mengolah data yang ada demi tercapainya tujuan awal penelitian. 4.6.1. Uji Validitas dan Realibilitas Instrumen 4.6.1.1. Uji Validitas Uji validitas dilakukan untuk mengetahui apakah suatu instrumen alat ukur telah menjalankan fungsi ukurnya. Menurut Ferdinand (2006:95) validitas menunjukkan ketepatan dan kecermatan alat ukur dalam melakukan fungsi ukurnya. Suatu skala pengukuran disebut valid bila ia melakukan apa yang seharusnya dilakukan dan mengukur apa yang seharusnya diukur. Ada berbagai metode yang digunakan dalam uji validitas seperti Analisis faktor konfirmatori / Confirmatory factor analysis (CFA) boleh digunakan untuk menegaskan bahwa semua indikator mengelompokan sendiri kedalam faktor-faktor yang berkaitan dengan bagaimana peneliti telah menghubungkan indikator-indikator dengan variabel-variabel laten. CFA mempunyai peranan penting dalam SEM. Modelmodel CFA dalam SEM digunakan untuk menilai peranan kesalahan pengukuran dalam model, untuk validasi model multifaktorial, dan untuk menentukan efek-efek kelompok pada faktor-faktor.

49 4.6.1.2. Uji Reliabilitas Uji reliabilitas adalah alat untuk mengukur suatu kuesioner yang mempunyai indikator dari variabel atau konstruk. Suatu kuesioner dinyatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. (Ferdinand, 2006:97). Pengukuran reliabilitas dapat dilakukan dengan dua cara yaitu : 1. Repeted measure atau pengukuran yaitu seseorang akan disodori pertanyaan yang sama pada waktu yang berbeda, dan kemudian dilihat apakah ia tetap konsisten dengan jawabannya. 2. One shot atau pengukuran sekali saja dan kemudian hasilnya dibandingkan dengan pertanyaan yang lain atau mengukur korelasi antara jawaban dengan pertanyaan. Uji reliabilitas menunjukkan sejauh mana suatu alat ukur yang dapat memberikan hasil yang relatif sama apabila dilakukan pengukuran kembali pada subyek yang sama. Tingkat yang dapat diterima adalah sebesar 0,70, walaupun angka itu bukanlah suatu ukuran mati (Ferdinand, 2006:97). Untuk mendapatkan nilai tingkat reliabilitas dengan rumus : Keterangan : Standard loading diperoleh dari standardized loading untuk tiap indikator yang didapat dari hasil perhitungan LISREL (Versi 8.7). ΣEj adalah measurement error dari tiap indikator. Measurement dapat diperoleh dari 1 - Standard loading.

50 4.6.2 Analisis Structural Equation Model (SEM) Pengujian terhadap model penelitian ini dilakukan dengan menggunakan structural equation model (SEM). Selain dikenal dengan analysis of moment structures, analisis statistik ini digunakan untuk mengestimasi beberapa regresi yang terpisah tetapi saling berhubungan secara bersamaan (simultaneously). Berbeda dengan analisis regresi, dengan SEM bisa terdapat beberapa variabel dependen dan variabel dependen ini bisa menjadi variabel independen bagi variabel dependen lain. Dengan kata lain, SEM dapat digunakan untuk model penelitian yang didalamnya terdapat variabel intervening seperti pada penelitian ini. Menurut Hair et. al dalam Sofyan Yamin dan Kurniawan (2009:36), SEM adalah sebuah teknik statistic multivariate yang menggabungkan aspek-aspek dalam regresi berganda (yang bertujuan untuk menguji hubungan dependen) dan analisis faktor (yang menyajikan unmeasured concept factors with multiple variable) yang digunakan untuk memperkirakan serangkaian hubungan dependen yang saling mempengaruhi secara bersama-sama. Teknik pengolahan data SEM dengan metode confirmatory analysis digunakan dalam penelitian ini. Observed variable menggambarkan satu latent variable tertentu. Sebagai suatu metode pengujian yang menggabungkan analisis faktor, analisis lintasan dan regresi, SEM lebih merupakan metode confirmatory dari pada explanatory yang bertujuan untuk mengevaluasi proposed dimensionally yang diajukan yang berasal dari penelitian sebelumnya. SEM memiliki dua elemen atau model, yaitu model struktural dan model pengukuran. Berikut terlampir Model Struktural Penelitian ini :

51 KP 1 KP 2 KP 3 KP 4 KP 5 KP 6 KP7 KP 8 KP 9 KP 10 KP 11 KP 12 KP 13 KL 1 KL 2 Kualitas Produk PD 1 PD 2 PD 3 KL 3 KL 4 KL 5 KL 6 KL13 Kualitas Layanan Keputusan Pembelian KL 7 KL 8 KL 9 KL 10 KL 11 KL 12 Citra Perusahaan PD 4 PD 5 PD 6 CP 1 CP 2 CP 3 CP 4 CP 5 CP 6 CP7 CP 8 CP 9 CP 10 CP 11 CP 12 CP 13 CP 14 CP 15 CP 16 CP 1 Gambar 4.1. Model Struktural Penelitian Sumber: Diolah oleh peneliti (2016) 4.6.2.1 Asumsi-asumsi Structural Equation Model (SEM) Asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM sebagai berikut. 1) Ukuran sampel Ukuran sampel yang harus dipenuhi dalam pemodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan 5 observasi untuk

52 setiap estimated parameter. Karena itu bila kita mengembangkan model dengan 54 parameter, maka minimum sampel yang harus digunakan adalah sebanyak 270 sampel. 2) Normalitas dan linearitas Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariat di mana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. 3) Outliers Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya. Selain itu, dapat diadakan perlakuan khusus pada outliers ini asal diketahui bagaimana munculnya outliers itu. Outliers pada dasarnya dapat muncul dalam empat kategori yaitu : a. outliers muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. Misalnya nilai 7 diketik 70 sehingga jauh berbeda dengan nilai-nilai lainnya dalam sebuah rentang jawaban responden antara 1-10. Bila hal semacam ini lolos dalam pengetikan data untuk pengolahan melalui komputer, maka angka 70 dapat menjadi sebuah nilai ekstrim; b. outliers dapat saja muncul karena keadaan yang benar-benar khusus yang memungkinkan profit datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai apa penyebab munculnya nilai ekstrim itu.

53 c. outliers dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab-sebab munculnya nilai ekstrim itu; d. outliers dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut dengan multivariate outliers. 4) Multikolinearitas dan singularitas Multikolinearitas dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil (extremely small) memberi indikasi adanya problem multikolinearitas atau singularitas. Pada umumnya program-program komputer SEM telah menyediakan fasilitas "warning" setiap kali terdapat indikasi multikolinearitas atau singularitas. Bila muncul pesan itu, telitilah ulang data yang digunakan untuk mengetahui apakah terdapat kombinasi linear dari variabel yang dianalisis. Perlakukan data (data treatment) yang dapat diambil adalah keluarkan variabel yang menyebabkan singularitas itu. Bila singularitas dan multikolinearitas ditemukan dalam data yang dikeluarkan itu, salah satu treatment yang dapat diambil adalah dengan menciptakan "composite variables", lalu gunakan composite variables itu dalam analisis selanjutnya. Setelah asumsi-asumsi SEM dilihat, hal berikutnya adalah menentukan kriteria yang akan digunakan untuk mengevaluasi model dan pengaruh-pengaruh yang ditampilkan dalam model. Hair, dkk. Ferdinand (2006:102) mengemukakan bahwa dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terhadap berbagai jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Peneliti diharapkan melakukan pengujian dengan menggunakan beberapa fit index untuk mengukur "kebenaran" model yang diajukannya. Beberapa indeks kesesuaian dan cut-off value-nya yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak seperti diuraikan berikut ini.

54 1) Chi-Square Statistic (C 2 ) Chi-square statistic merupakan alat uji paling fundamental untuk mengukur overall fit. Chi-square ini bersifat sangat sentitif terhadap besarnya sampel yang digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistik chi-square ini harus didampingi oleh alat uji lainnya menurut Hair,dkk Ferdinand (2006:102). Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Menurut Ferdinand (2006:102) bahwa semakin kecil nilai C 2 semakin baik model itu karena dalam uji beda chi-square, C 2 = 0, berarti benar-benar tidak ada perbedaan (Ho diterima) berdasarkan probabilitas dengan cut off value sebesar p>0,05 atau p>0,10. 2) RMSEA (The Root Mean Square Error of Approximatian) RMSEA adalah sebuah indeks yang dapat digunakan untuk menkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Menurut Ferdinand (2006:102) bahwa nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees offreedom. 3) GFI (Goodness of Fit Index) Indeks kesesuaian (fit index) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan menurut Ferdinand (2006:102). GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1,0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah "better fit". 4) AGFI (Adjusted Goodness-of-Fit Index) Ferdinand (2006:102) menyatakan bahwa GFI adalah anolog dari R2 dalam regresi berganda. Fit Index ini disesuaikan terhadap degrees of freedom yang tersedia untuk menguji diterima tidaknya model.menurut Hair, Ferdinand (2006:102) bahwa tingkat penerimaan yang

55 direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. Perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik good overall model fit (baik) sedangkan besaran nilai antara 0,90-0,95 menunjukkan tingkatan cukup (adequate fit). 5) CMIN/DF Indeks fit ini merupakan the minimum sample discrepancy function (CMIN) dibagi dengan degree of freedom-nya akan menghasilkan indeks CMIN/DF. Umumnya para peneliti melaporkannya sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik chi-square, C 2 dibagi DF-nya sehingga disebut chi square relatif. Nilai C 2 relatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 menunjukkan antara model dan data fit. 6) TLI (Tucker Lewis Index) TLI merupakan sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan > 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit. 7) CFI (Comparative Fit Index) Indeks ini mempunyai rentang nilai antara 0 sampai dengan 1. Semakin mendekati 1, mengindikasikan adanya a very good fit. Nilai yang direkomendasikan adalah CFI > 0,94. Indeks ini besarannya tidak dipengaruhi oleh ukuran sampel, karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Dalam penilaian model, indeks TLI dan CFI sangat dianjurkan untuk digunakan karena indeks-indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan model. Tabel 4.3 menunjukkan indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model.

56 Tabel 4.4 Goodness of Fit Index Goodness of Fit Measure Nilai Kritis (Cut of Value) Chi Square (λ 2 ) Diharapkan kecil Significance Probability (p) 0,05 RMSEA 0,08 GFI 0,09 AGFI 0,09 CMIN/DF 2,00 TLI 0,95 CFI 0,94 Sumber : Ferdinand (2006) 4.6.2.2 Prosedur SEM (Structural Equation Model) Menurut Hair et. Al dalam Ferdinand (2006:76) prosedur SEM terdiri dari 7 tahapan pembentukan dan analisis SEM yaitu : 1) Membentuk model teori sebagai dasar model SEM yang mempunyai justifikasi teoritis yang kuat. Merupakan suatu model kausal atau sebab akibat yang menyatakan hubungan antar dimensi atau variabel. 2) Membangun path diagram dari hubungan kausal yang dibentuk oleh teori dasar. Path diagram tersebut memudahkan peneliti untuk melihat hubungan-hubungan kausalitas yang diujinya 3) Membagi path diagram tersebut menjadi satu set dari model pengukuran (measurement model dan structural model) 4) Pemilihan matrik data input dan mengestimasi model yang diajukan. Perbedaan SEM dengan teknik multivariat lainya adalam dalam hal input data yang digunakan dalam permodelan dan estimasinya SEM hanya menggunakan matrik varian/kovarian atau matrik korelasi sebagai data input untuk keseluruhan estimasi yang dilakukan. 5) Menentukan the identification of the structural model. Langkah ini untuk model yang dispesifikasikan bukan model yang identified/underidentified. Problem identifikasi dapat muncul melalui :

57 a) Standard error untuk satu/beberapa koefisien adalah sangat besar. b) Program ini mampu menghasilkan matrik informasi yang seharusnya disajikan c) Muncul angka-angka yang aneh seperti adanya error varian yang negatif d) Muncul korelasi yang sangat tinggi antar korelasi estimasi yang didapat. 6) Mengevaluasi kriteria dari goodness of fit atau uji kecocokan. Pada tahap ini kesesuaian model dievaluasi melalui penelaahan terhadap berbagai kriteria goodness of fit sebagai berikut : a) Ukuran sampel minimal 160 dan dengan perbandingan 5 observasi untuk setiap parameter estimate b) Normalitas dan linearitas c) Multicolinearity & singularity 7) Menginterpretasikan hasil yang didapat dan mengubah model jika diperlukan. 4.6.2.3 Pengujian Hipotesis Setelah model tersebut memenuhi syarat, maka yang perlu dilakukan selanjutnya adalah uji regression weight/loading faktor. Uji ini dilakukan sama dengan uji t terhadap regression weight /loading faktor/ koefisien model). Pengujian ini dilakukan terhadap: 1) Hipotesis mengenai measurement model: Parameter Lambda ( ), yaitu parameter yang berkenaan dengan pengukuran variabel latent berdasarkan variabel manifest (berkaitan dengan validitas instrumen). Hipotesis yang di uji: H0 : i = 0 (tidak signifikan) H1 : i > 0 (signifikan) 2) Hipotesis mengenai structural model:

58 a. Parameter Beta ( ), yaitu parameter pengaruh variabel eksogen terhadap variabel endogen dalam structural model. Hipotesis yang di uji: H0 : i = 0 (tidak signifikan) H1 : i 0 (signifikan) b. Parameter Gama ( ), yaitu parameter pengaruh variabel endogen terhadap variabel endogen dalam structural model. Hipotesis yang di uji: H0 : i = 0 (tidak signifikan) H1 : i 0 (signifikan) Uji ini sama dengan uji t (uji parsial) dalam multiple regression, uji ini dilakukan dengan cara membandingkan nilai t hitung dengan t tabel, dengan ketentuan: jika t hitung > t tabel berarti variabel tersebut signifikan dan jika t hitung t tabel berarti variabel tersebut tidak signifikan Ferdinand (2006:75) menjelaskan bahwa t hitung identik dengan C.R (critical ratio) yang diuji dengan nilai probabilitas p, dimana jika p < 0,05 menunjukkan pengaruh yang signifikan dan jika p > 0,05 menunjukkan tidak signifikan.