3.5. Teknik Analisis Data dan Uji Hipotesis
3.5.1. Structural Equation Modeling SEM
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modeling SEM. Model pengukuran
faktor-faktor penentu tingkat preferensi nasabah dalam penggunaan produk barang dan jasa bank konensional, menggunakan Confirmatory
Factor Analisis. Penaksiran pengaruh masing-masing variabel bebas terhadap variabel terikat menggunakan koefisien jalur. Langkah-langkah
dalam analisis SEM model pengukuran dengan cara sebagai berikut: Sebagai contoh kita gunakan variabel Tangibles
Persamaan dimensi faktor Tangible : X
8.1
= λ1 Tangibles + er_1
X
8.2
= λ2 Tangibles + er_2
X
8.3
= λ3 Tangibles + er_3
X
8.4
= λ4 Tangibles + er_4
Bila persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui convirmatory factor analysis, maka
model pengukuran dengan contoh variabel Tangibles akan nampak sebagai berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
er_1
X
8.1
Tangibles
er_4 er_3
er_2
X
8.2
X
8.3
X
8.4
1
1
1
1 Gambar 3.1 : Model Pengukuran Variabel Tangibles
Keterangan : X
8.1
= Pertanyaan tentang jumlah teller yang banyak X
8.1
= Pertanyaan tentang fasilitas parkir dan keamanan X
8.1
= Pertanyaan tentang jumlah cabang bank yang banyak dan lokasinya yang strategis
X
8.1
= Pertanyaan tentang adanya TV, alunan musik atau ruangan ber-AC er_j = error term X
13j
3.5.2. Asumsi Model [Structural Equation Modeling]
a. Uji Normalitas Sebaran dan Linieritas
1 Normalitas dapat diuji dengan melihat gambar histogram data atau
dapat diuji dengan metode-metode statistik
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2 Menggunakan Critical Ratio yang diperoleh dengan membagi
koefisien sampel dengan standard errornya dan Skewness Value yang biasanya disajikan dalam statistik deskriktif dimana nilai
statistikuntuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikan 1, jika nilai lebih besar dari nialli kritis, maka
dapat diduga bahwa distribusi data adalah tidak normal 3
Normal Propability Plot [spss 10.1] 4
Linieritas dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk
menduga ada tidaknya linieritas b.
Evaluasi atas Outlier 1
Mengamati nilai Z-core : ketentuan diantaranya ± 3,0 non outliner 2
Multivariate Outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p0,001. jarak diuji dengan Chi-Square [
χ] pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari
nilai χ adalah multivariate outlier
Outlier adalah observasi atau data yang memilliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan
muncul dalam bentuk nilai ekstim untuk sebuah variabel tunggal atau variabel kombinasi [Hair, 1998]
c. Deteksi Multicolinier dan Singularity
Dengan mengamati Determinant Matriks Covarians. Dengan ketentuan apabila Determinant Sample Matrix mendekati angka 0
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
kecil, maka terjadi multikolinieritas dan singularitas tabacnick Fidell, 1998
d. Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuahh indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa
yang seharusnya diukur. Sedangkan reabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang
menunjukkan derajat sampai dimana masing-masing indikator yang mengindikasikan sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari setiap Latent Variable Construck akan diuji dengan melihat loading faktor
dari hubungan antara setiap Observed Variable. Sedangkan reabilitas diuji dengan Construck Reliability dan Varience Extrackted. Construck
Reliability dan Variance Extrackted. Dihitung dengan rumus berikut :
Σ Standardize Loading
2
Construct Reliability = Σ Standardize Loading
2
+ Σ ε
j
Σ Standardize Loading
2
Variance Extracted = Σ Standardize Loading
2
+ Σ ε
j
Sementara ε
j
dapat dihitung dengan formula ε
j
= 1 – Standardize Loading secara umum, nilai construck reability yang dapat diterima
adalah ≥ 0,7 dan variance extracted ≥ 0,5 Hair et.al., 1998.
Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
melihat nilai estimasi setiap construct standardize regresion weigths terhadap setiap butir sebagai indikatornya.
3.5.3. Pengujian Hipotesis dan Hubungan Kausal
Kategori