Analisis Data

3.7. Analisis Data

3.7.1. Teknik Analisis

Dalam penelitian ini, menggunakan teknik analisis inferensial melalui Structural Equation Modelling (SEM). Teknik ini untuk menguji secara empirik

hipotesis nihil ( H 0 ) yang sudah dirumuskan sebelumnya. Sementara SEM adalah model statistik yang unik karena fondasinya berada di antara dua teknik

multivariat yang familiar yaitu faktor analisis dan analisa regresi berganda. Namun, dalam penelitian ini peneliti menggunakan pendekatan Partial Least Squares (PLS) ke SEM (PLS-SEM) atau PLS Path Modeling (PLS-PM) yang berbasis varians. Sebab dalam penelitian ini peneliti menggunakan ukuran sampel kecil. Sementara dalam suatu studi yang menggunakan simulasi Monte Carlo menunjukkan bahwa PLS masih dapat menghasilkan hasil yang berarti bahkan pada ukuran sampel kecil seperti 20 sampel (Chin & Newsted, 1999).

3.7.2. Tahapan Analisis

Dalam pengujian model PLS-SEM terdapat beberapa langkah yang harus ditempuh, yaitu:

Langkah 1: Merancang inner model. Yaitu membangun model atau hubungan antar konstruk (variabel laten atau unobserved variable) berdasarkan pada teori substantif. Inner model merupakan model struktural yang merepresentasikan hubungan di antara variabel laten (Imam Ghozali, 2008). Dalam penelitian ini, inner model dirumuskan dengan relasi antara budaya organisasi, komitmen organisasi, modal intelektual dan kinerja SKPD.

Langkah 2: Merancang outer model. Yaitu mendefinisikan dan membuat spesifikasi hubungan antara konstruk dengan indikator (variabel manifest atau observed variable atau measured variable). Outer model merupakan model pengukuran yang merepresentasikan hubungan antara indikator-indikator dengan variabel latennya (Imam Ghozali, 2008).

Dalam penelitian ini, model pengukuran yang digunakan adalah “reflektif” (disebut juga sebagai mode A). Indikator dalam model ini mewakili efek (atau manifestasi) suatu konstruk yang mendasarinya. Sementara arah hubungan yang terbentuk adalah dari konstruk ke indikator. Artinya, jika evaluasi terhadap sifat latennya berubah (misalnya, karena perubahan dalam hal standar perbandingan) maka semua indikator akan ikut berubah secara bersamaan. Selain itu, kesemua indikator terkait dengan konstruk tertentu harus sangat berkorelasi dengan satu sama lain.

Dalam hal ini, untuk melengkapi keseluruhan konstruksi model diagram jalur maka keseluruhan indikator yang terdapat dalam masing-masing dimensi dari obyek penelitian ini ditetapkan sebagai bagian dari outer model.

Langkah 3: Evaluasi model pengukuran. Tujuannya untuk menganalisis validitas konstruk dan reliabilitas instrumen dari kontruksi model. Oleh karena dalam penelitian ini menggunakan model pengukuran “reflektif”, maka penilaiannya berdasarkan pada rule of thumb di bawah ini:

 Internal consistency reliability Menurut Hair et al. (2014), composite reliability (CR) harus lebih tinggi dari 0,708 (dalam penelitian eksplorasi diantara 0,60-0,70 dianggap

diterima atau akseptabel). Selain itu, Cronbach's alpha (CA) dapat pula dipertimbangkan sebagai ukuran konservatif. Nilai 0 , 6 CA 0 , 8 dianggap

diterima (dapat diterima) sementara 0 , 8 CA 1 diterima dengan baik (Imam Ghozali, 2008).  Indicator reliability Menurut Hair et al. (2014), outer loadings (OL) indikator harus lebih

tinggi dari 0,708. Lebih lanjut ia menyatakan bahwa indikator dengan outer loadings antara 0,40 dan 0,70 dapat dipertimbangkan untuk dihapus. Akan tetapi penghapusan indikator (variabel manifes) dari konstruk (variabel laten) dimaksud harus mengarah pada meningkatnya CR dan AVE. Sementara menurut Chin (1998) bahwa untuk penelitian tahap awal dari pengembangan dimana skala pengukuran nilai OL antara 0,50-0,60 tinggi dari 0,708. Lebih lanjut ia menyatakan bahwa indikator dengan outer loadings antara 0,40 dan 0,70 dapat dipertimbangkan untuk dihapus. Akan tetapi penghapusan indikator (variabel manifes) dari konstruk (variabel laten) dimaksud harus mengarah pada meningkatnya CR dan AVE. Sementara menurut Chin (1998) bahwa untuk penelitian tahap awal dari pengembangan dimana skala pengukuran nilai OL antara 0,50-0,60

indikator sekaligus dari suatu konstruk yang memilik nilai OL 0 , 5 . Kemudian dilanjutkan dengan OL 0 , 6 sampai tidak lagi ditemukan CR dan AVE di bawah nilai yang dipersyaratkan pada konstruk tersebut. Hal

yang sama dapat dilakukan untuk konstruk lainnya.  Convergent validity Menurut Hair et al. (2014), average variance extracted (AVE) harus sama dengan atau lebih tinggi dari 0,50.

 Discriminant validity Caranya adalah dengan membandingkan nilai square root of AVE setiap

konstruk dengan korelasi antara konstruk lainnya dalam model. Dikatakan memiliki nilai discriminant validity yang baik, jika nilai square root of AVE masing-masing konstruk lebih besar daripada nilai korelasi antar- konstruk dengan konstruk lainnya dalam model (kriteria Fornell-Larcker).

Langkah 4: Evaluasi model struktural. Tujuannya untuk memastikan bahwa model struktural yang dibangun kuat (robust) dan akurat. Penilaiannya berdasarkan pada rule of thumb di bawah ini:  PLS bertujuan memaksimalkan nilai 2 R dari konstruk laten dependen

(endogen) dalam model path. Dalam hal ini, tujuannya adalah memperoleh nilai-nilai 2 R yang tinggi. Namun, interpretasi yang tepat dari tingkat nilai

R tergantung pada model tertentu dan disiplin penelitiannya. Secara 2 R tergantung pada model tertentu dan disiplin penelitiannya. Secara 2

moderat dan lemah (Hair et al., 2014). Sementara Chin (1998) menyatakan bahwa hasil 2 R sebesar 0,67; 0,33 dan 0,19 mengindikasikan model baik,

moderat dan lemah (Imam Ghozali, 2008).  Relevansi prediktif adalah aspek lain yang dapat dieksplorasi untuk inner

model. Besaran 2 Q mengukur seberapa baik nilai observasi dihasilkan oleh model dan juga estimasi parameternya. Interpretasinya sama dengan

koefisien determinasi total pada analisis jalur (path analysis) dan mirip

2 dengan 2 R pada regresi. Chin (1998) menyatakan bahwa Q memiliki

nilai dengan rentang 2 0 Q 1 dimana semakin mendekati 1 berarti model semakin baik (Imam Ghozali, 2008). Diperoleh melalui prosedur

blindfolding yaitu ukuran cross-validated redundancy. Jarak kelalaian (OD) yang disarankan untuk sebagian besar penelitian antara 5-10 (Hair et al., 2014). Apabila nilai yang didapatkan 0,02 (kecil); 0,15 (sedang) dan 0,35 (besar). Hanya dapat dilakukan untuk konstruk laten endogen dengan indikator reflektif.

 Mengukur arah pengaruh serta tingkat signifikansinya melalui path coefficient sehingga dapat mengetahui pengaruh antar konstruk laten. Diperoleh

melalui prosedur bootstrapping ( penggandaan secara acak) dimana pendekatan ini merepresentasi non-parametrik untuk presisi dari estimasi PLS. Prosedurnya adalah menggunakan seluruh sampel asli untuk melakukan proses resampling. Metode resampling memungkinkan melalui prosedur bootstrapping ( penggandaan secara acak) dimana pendekatan ini merepresentasi non-parametrik untuk presisi dari estimasi PLS. Prosedurnya adalah menggunakan seluruh sampel asli untuk melakukan proses resampling. Metode resampling memungkinkan

 Ukuran efek 2 f digunakan untuk mengukur apakah predictor konstruk laten mempunyai pengaruh yang lemah, sedang atau kuat pada tingkat

struktural. Nilai 2 f terdiri dari 0,02; 0,15 dan 0,35 yang mengindikasikan efek konstruk laten independen kecil, menengah atau besar masing-masing

pada konstruk laten dependen (Hair et al., 2014).

Keseluruhan proses evaluasi ini dapat dilakukan hanya jika tidak lagi ditemukan CR dan AVE di bawah nilai yang dipersyaratkan pada semua konstruk laten yang ada.

Langkah 5: Pengujian hipotesis Statistik uji yang dipakai adalah dengan cara melihat pada nilai t-statistics (disebut juga dengan t-test atau uji-t) dan nilai p-values.

Rumusan hipotesa untuk uji-t:

Rumusan hipotesis utamanya adalah:

H 0 : i 1 , 2 , 3 0 Masing-masing variabel budaya organisasi, komitmen organisasi dan modal intelektual secara

parsial tidak memiliki pengaruh yang signifikan terhadap kinerja SKPD yang diproksikan oleh VfM

H a : i 1 , 2 , 3 0 Masing-masing variabel budaya organisasi, komitmen organisasi dan modal intelektual secara

parsial memiliki pengaruh yang signifikan terhadap kinerja SKPD yang diproksikan oleh VfM

Rumusan hipotesis tambahan untuk korelasi antara budaya organisasi dan komitmen organisasi adalah:

H 0 : 4 0 Budaya organisasi tidak memiliki korelasi dengan komitmen organisasi

H a : 4 0 Budaya organisasi memiliki korelasi dengan komitmen organisasi

Rumusan hipotesis tambahan untuk korelasi antara modal intelektual dan budaya organisasi adalah:

H 0 : 5 0 Modal intelektual tidak memiliki korelasi dengan budaya organisasi

H a : 5 0 Modal intelektual memiliki korelasi dengan budaya organisasi

Rumusan hipotesis tambahan untuk korelasi antara modal intelektual dan komitmen organisasi adalah:

H 0 : 6 0 Modal intelektual tidak memiliki korelasi dengan komitmen organisasi

H a : 6 0 Modal intelektual memiliki korelasi dengan komitmen organisasi

Dasar pengambilan keputusan untuk uji-t:

5 % ) atau nilai t statistics 1 , 96 maka dapat disimpulkan bahwa “ada pengaruh yang signifikan (nyata)” atau “ada korelasi ” antar variabel (dengan kata lain

Jika p value 0 , 05 (

0 H ditolak). Begitupula sebaliknya dapat disimpulkan “tidak signifikan” atau “tidak berkorelasi”

(dengan kata lain 0 H diterima). Dalam hal ini, tingkat/taraf signifikansi % 5 mengandung makna bahwa resiko salah dalam pengambilan keputusan untuk menolak hipotesis 0 H yang benar adalah sebanyak- banyaknya 5% dan benar dalam mengambil keputusan sedikit-dikitnya