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