Persamaan Model Struktural Teknik Analisis Data

3.6.2. Sampel

Pengambilan sampel pada penelitian ini menggunakan probability sampling dilakukan dengan mengambil secara langsung dari populasinya secara random. Pedoman ukuran sampel menurut Ferdinand 2005 : 75, yaitu: 1. 100-200 sampel untuk teknik maximum Likelihood Estimation 2. Tergantung pada jumlah parameter yang diestimasi. Pedomannya adalah 5-10 jumlah parameter yang diestimasi. 3. Tergangung pada jumlah indikator yang digunakan dalam seluruh variabel lain. Jumlah sampel adalah jumlah indikator dikali 5-10. Bila terdapat 20 indikator, besarnya sampel adalah antara 100-200. Berdasarkan pernyataan tersebut maka sampel yang diambil untuk penelitian ini sebanyak 110 orang nasabah, yang berasal dari jumlah indikator sebanyak 11 dikalikan 10.

3.7. Teknik Analisis Data

3.7.1. Persamaan Model Struktural

Untuk mencapai tujuan penelitian serta pengajuan hipotesis yang diajukan, maka seluruh data dan informasi yang dikumpulkan selanjutnya akan diolah sesuai dengan kebutuhan analisis. Untuk kepentingan pembahasan, data diolah dan disajikan berdasarkan prinsip-prinsip statistik deskriptif. Kemudian untuk kepentingan Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber analisis dan pengujian hipotesis digunakan pendekatan statstik inferensial. Analisis yang digunakan untuk menjawab hipotesis dalam penelitian ini menggunakan Model Persamaan Struktur atau Structural Equation Model SEM dengan menggunakan paket program aplikasi AMOS 4.10 H1 H2 H3 Y Kinerja Petugas Layanan X Pengetahuan Produk Z Reputasi Y2 Y3 Y1 Y4 X2.2 X2.1 X2.3 Z2 Z3 Z1 z4 Gambar 3.1 : Model Konseptual dan Indikator Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber Structural Equation Model SEM adalah sekumpulan teknik- teknik statistical yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif “rumit”, secara simultan. Hubungan yang rumit itu dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Masing-masing variabel dependen dan independen dapat berbentuk faktor atau konstruk, yang dibangun dari beberapa variabel indikator. Tentu saja variabel-variabel itu dapat berbentuk sebuah variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian Ferdinand, 2002:6. Penelitian yang dilakukan merupakan penelitian multidimensi dengan menggambarkan fenomena praktis yang diamati dalam berbagai dimensi atau indikator, untuk mendapatkan hasil penelitian yang mampu dalam mengakomodasi penelitian multidimensi maka peneliti menggunakan analisis statistik pemodelan persamaan struktural Structural Equation ModelSEM. Analisis SEM merupakan metode statistik yang menggunakan pendekatan uji hipotesis atau confirmatory. Artinya, hubungan kausal antar variabel konstruk eksogen dan variabel konstruk endogen serta variabel konstruk dengan variabel indikator didasarkan pada justifikasi pembenaran induktif maupun teori. Penelitian yang menggunakan SEM sebagai alat analisis, memiliki dua tujuan Suja’i, 2007:66, yaitu: Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber  Menguji kesesuaian model yang dihasilkan  Menguji hipotesis yang telah dibangun sebelumnya Menurut Hair et.al . 1992, dalam Suja’i 2007:67, ada tujuh langkah yang harus dilakukan apabila menggunakan Structural Equation Model SEM yaitu : 1. Pengembangan model teoritis. Langkah pertama prinsipnya merupakan pengujian kausalitas secara empiris dari teori yang sudah ada dan digunakan untuk mengkonfirmasi model teoritis melalui data empirik. 2. Pengembangan diagram jalur Path Diagram. Langkah kedua menunjukkan model teoritis yang telah dibangun pada tahap pertama akan digambarkan dalam sebuah diagram alur hubungan antara konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus akan menunjukkan sebuah hubungan kausal yang langsung antara satu konstruk dengan konstruk yang lain sedangkan garis lengkung antar konstruk dengan anak panah pada setiap ujungnya menunjukkan korelasi antar konstruk. Konstruk yang dibangun dalam diagram alur dapat dibedakan dalam dua kelompok yaitu: Konstruk eksogen exogenous constructs dan konstruk endogen endogenous construct. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 3. Konversi diagram path kedalam persamaan struktural dan model pengukuran. Langkah ketiga menjelaskan bahwa persamaan yang didapatkan dari diagram alur yang telah dikonversi terdiri dari : a. Persamaan struktural structural equation yang dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. b. Persamaan spesifik model pengukuran measurement models dengan menentukan variabel yang mengukur konstruk dan matriks yang menunjukkan korelasi menjadi hipotesis antar konstruk atau variabel. 4. Memilih matriks input dan estimasi model. Langkah keempat menjelaskan bahwa data input SEM adalah matriks varianskovarians atau teknik korelasi untuk keseluruhan model estimasi yang dilakukan. Matrik kovarian digunakan karena SEM memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda yang tidak dapat disajikan oleh korelasi. Dalam penggunaan SEM disarankan agar menggunakan matriks varianskovarians pada saat pengujian teori sebab akan lebih memenuhi asumsi metodologi dimana besarnya standart error yang diajukan akan menunjukkan angka yang lebih akurat dibandingkan apabila menggunakan matriks korelasi. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 5. Kemungkinan munculnya masalah identifikasi. Langkah kelima menjelaskan bahwa setelah dilakukan revisi model masih terdapat hasil estimasi yang unik maka perlakuan lainnya adalah menciptakan composite variabels melalui compusite measure atau mengembangkan lebih banyak konstruk. 6. Evaluasi kriteria goodness-of- fit Pada langkah keenam dilakukan pengujian terhadap kesesuaian model melalui evaluasi terhadap berbagai kriteria goodness-of-fit. Berikut beberapa indeks kesesuaian dan cut-off value untuk menguji apakah sebuah model dapat diterima atau ditolak. a. X 2 atau Chi-Square statistik, dimana model dipandang baik atau memuaskan apabila nilai Chi-Square rendah. Semakin kecil nilai X 2 maka model dinyatakan semakin baik dan diterima berdasarkan probabilitas dengan cut-of value sebesar P 0,05 atau P 0,010. b. RMSEA The Root Mean Square Error of Approximation yang menunjukkan goodness-of-fit yang dapat diharapkan apabila model diestimasi dalam populasi nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya suatu model berdasarkan degree of freedom. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber c. GFI Goodness of Fit Index adalah ukuran non statistikal yang mempunyai rentang nilai antara 0 poor of-fit sampai 1,0 perfect of-fit. Nilai yang tinggi dalam indeks tersebut menunjukkan sebuah better of-fit. d. AGFI Adjusted Goodness of fit Index adalah ukuran penerimaan yang direkomendasikan apabila mempunyai nilai sama dengan atau lebih besar dari 0,90. e. CFI Comparative Fit Index adalah ukuran tingkat fit dengan ketentuan apabila mendekati 1,00 maka mengindikasikan tingkat fit yang paling tinggi. Nilai yang merekomendasikan adalah CFI 0,95. Untuk lebih jelasnya Indeks yang digunakan untuk menguji kelayakan sebuah model adalah seperti pada tabel 3.1 berikut : Tabel 3.1: Goodness of – Fit Indices Goodness of- fit Index Kriteria X Chi-Square Diharapkan Kecil Significant Probability ≥ 0,05 RMSEA ≤ 0,08 GFI ≥ 0,90 AGFI ≥ 0,90 CMINDF ≤ 2,00 TLI ≥ 0,95 CFI ≥ 0,95 Sumber : Ferdinand 2002:61 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber Keterangan: 1 Chi-squarey statistics Likehod ratio chi-square satistcs merupakan alat uji statistik untuk mengetahui apakah terjadi perbedaan antara matrik kovarians populasi dan kovarians sampel. Hal ini sesuai dengan tujuan analisis yaitu untuk mengembangkan dan menguji sebuah model yang sesuai dengan data atau fit terhadap data. Oleh sebab itu dibutuhkan nilai Chi- square yang tidak signifikan, yang menguji hipotesis nol bahwa estimated population covarians tidak berbeda. Pengujian SEM nilai Chi-square yang rendah menghasilkan sebuah tingkat signifikansi yang lebih besar dari 0,05 akan mengindikasikan tidak adanya yang signifikan antara matrik kovarians data dan matrik kovarians yang di estimasi. 2 The Root Mean Square Error of Approximation RMSEA RMSEA merupakan sebuah indeks yang dapat dipergunakan untuk mengkompensasikan Chi-square Statistics dalam sampel ukuran besar. Nilai RMSEA menunjukkan Goodness of-fit yang dapat diharapkan apabila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan index untuk dapat diterimanya model yang menunjukkan sebuah Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber close fit dari model tersebut berdasarkan degree of freedom. 3 AGFI Adjusted Godness of-fit Index Fit Indeks dalam hal ini dapat disesuaikan terhadap degree of freedom yang tersedia untuk menguji diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI memiliki nilai sama dengan satu atau lebih besar dari 0,90. Baik GFI dan AGFI pada dasarnya merupakan kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matrik kovarians sampel. Nilai sebesar 0,90 dapat diinter-pretasikan diharapkan yaitu jika ditemukan residual yang besar. 7. Interpretasi dan Modifikasi Model Model dinyatakan fit kemudian diinterpretasikan sesuai dengan konsep dan hipotesis yang dibangun. Hasil estimasi model yang fit, residual dari covariansnya haruslah kecil di mana nilai residual covariance standard 2,58 atau mendekati nol Hair et.al ., 1992 dalam Suja’i, 2007:76. Model yang dinyatakan tidak fit perlu dilakukan modifikasi remodeling. Ada beberapa sebab mengapa model tidak fit, antara lain karena tidak dipenuhinya asumsi persamaan struktural pengukuran konstruk tidak valid dan tidak reliabel, ukuran sampelnya kurang atau terlalu besar serta adanya nilai varian negatif. Indikasi model yang tidak fit Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber bisa dilihat dari beberapa gejala, antara lain residual covariance relatif besar 2,58, goodness of fit statistik tidak memenuhi criteria yang ditentukan.

3.8. Uji Validitas dan Reliabilitas