Metode Pengumpulan Data Teknik Analisis

65 b. Melakukan analisis faktor bersamaan dengan pengujian hipotesis. Selanjutnya Structural Equation Modeling memiliki tahapan-tahapan yang harus dilakukan, adapaun langkah atau proses tersebut antara lain : 1 Konseptualisasi Model Tahapan ini berhubungan dengan pengembangan hipotesis berdasarkan teori sebagai dasar dalam menghubungkan variabel latent dengan variabel latent lainnya, dan juga dengan indikator-indikatornya. Dengan kata lain, model yang dibentuk adalah persepsi kita mengenai bagaimana variabel laten dihubungkan berdasarkan teori dan bukti yang di peroleh dari disiplin ilmu yang kita miliki. Konseptualisasi model ini juga harus merefleksikan pengukuran variabel latent melalui berbagai indikator yang dapat diukur. 2 Penyusunan Diagram Alur Path Diagram Contruction Tahap penyusunan diagram alur ini memiliki fungsi untuk memudahkan peneliti dalam memvisualisasi hipotesis yang telah diajukan dalam sebuah konseptual model. Diagram alur merupakan representative grafis mengenai bagaimana beberapa variabel pada suatu model berhubungan satu sama lain, yang memberikan suatu pandangan menyeluruh menganai struktur model. 3 Spesifikasi Model Langkah ketiga ini adalah spesifikasi model, hal ini menggambarkan sifat dan jumlah parameter yang diestimasi. 66 4 Identifikasi Model Tahap keempat ini, menyajikan informasi yang diperoleh dari data yang diuji untuk menentukan apakah cukup untuk menentukan apakah cukup untuk mengestimasi parameter dalam model. Disini, kita harus dapat meperoleh nilai yang unik untuk seluruh parameter dari data yang telah diperoleh. Jika hal ini tidak dapat dilakukan, maka modifikasi model mungkin harus dilakukan untuk dapat diidentifikasi sebelum melakukan estimasi parameter. Untuk menentukan apakah model mengandungtidak masalah identifikasi, maka harus dipenuhi keadaan berikut : t s2 dimana : t = jumlah parameter yang diestimasi s = jumlah varians dan covarians antara variabel manifest observed; yang merupakan p + qp + q + 1 p = jumlah variabel y indikator variabel endogen q = jumlah variabel x indikator variabel eksoen Jika t ≥ β, maka model tersebut adalah unidentified. Masalah ini terjadi apabila informasi yang terdapat pada data empiris varians dan covarians variable manifest tidak cukup untuk menghasilkan solusi yang unik untuk memperoleh parameter model. Masalah tersebut dapat diatasi dengan mengkonstrain model, yang dapat dilakukan dengan : Pertama, menambah indikator variabel manifest kedalam model. Kedua, dengan menentukan fix parameter tambahan menjadi 0, metode ini adalah yang 67 paling sering digunakan. Ketiga, mengasumsikan bahwa parameter yang satu dengan parameter yang lainnyamemiliki nilai yang sama. Jika t = s2, maka model tersebut adalah just-identified; sehingga, solusi yang unik, tunggal, dapat diestimasi untuk mengestimasi parameter. Namun, pada model yang just-identified, seluruh informasi yang tersedia telah digunakan untuk mengestimasi parameter, sehingga tidak ada informasi yang tersisa untuk menguji model derajat kepercayaan adalah 0. Jika t ˂ s2, maka model tersebut adalah over-identified. Dalam hal ini lebih dari satu estimasi masing-masing parameter dapat diperoleh karena jumlah persamaan yang tersedia melebihi jumlah parameter yang diestimasi. 5 Estimasi Parameter Pada tahap ini, dilakukan pengujian signifikansi. Uji signifikansi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol. Pada setiap estimasi parameter dalam LISREL, terdapat tiga informasi yang sangat berguna; yaitu koefisien regresi, standart error , dan nilai t. Untuk mengetahui signifikan tidaknya hubungan antara variabel, maka nilai t harus lebih besar dari nilai t-tabel pada level tertentu yang tergantung dari ukuran sampel dan level signifikansi tersebut. 6 Penilaian Model Fit 68 Salah satu tujuan SEM adalah menentukan apakah model plausible masuk akal atau fit. Suatu model penelitian dikatakan baik, apabila memiliki model fit yang baik pula. Secara keseluruhan goodness of fit dari suatu model dapat di nilai berdasarkan ukuran fit berikut : 1. Absolute Fit Measure Absolute fit measure digunakan untuk menilai kesesuaian model secara keseluruhan baik model pengukuran maupun model structural, tanpa menyesuaikan kepada degree of freedomnya. Indikator –indikator dalam absolute fit diantaranya adalah sebagai berikut : a. Chi-Square dan Probabilitas Chi-Square merupakan ukuran mengenai buruknya fit suatu model. Nilai Chi-square sebesar nol menunjukan bahwa model memiliki fit yang sempurna perfect fit. Nilai Chi-square yang signifikan kurang dari 0.05 menunjukan bahwa data empiris yang diperoleh memiliki perbedaan dengan teori yang telah dibangun berdasarkan SEM. Sedangkan Probabilitas adalah ukuran kemungkinan terjadinya penyimpangan deviasi besar yang ditunjukan oleh nilai Chi-square. Nilai probabilitas yang diharapkan adalah nilai probabilitas yang tidak signifikan p ≥ 0.0ε, yang menunjukan bahwa data empiris sesuai dengan model. 69 b. Goodness of Fit Indices GFI GFI menunjukan suatu ukuran mengenai ketepatan model dalam menghasilkan observed market covarians. Nilai GFI ini harus berkisar antara 0 sampai 1. Nilai GFI yang lebih besar dari 0.9 menunjukan fit suatu model yang baik Diamantopaulus dan Siguaw, 2000, dalam Imam Ghozali, 2008. c. Adjusted Goodness of Fit Index AGFI AGFI adalah sama seperti GFI, tetapi telah menyesuaikan pengaruh degree of freedom pada suatu model. Model yang fit adalah yang memiliki nilai AFGI 0.9 Dinamanpaulus dan Siguaw,2000, dalam Imam Ghozali, 2008. Ukuran yang hampir sama dengan GFI dan AGFI adalah Parsimony goodness of fit index PGFI yang diperkenalkan oleh Mulaik et al.1989. Model yang baik apabila memiliki nilai PGFI jauh lebih besar dari pada 0.6 Byrne, 1998 dalam Imam Ghozali ,2008. d. Root Mean Square Error of Approximation RMSEA RSMEA digunakan untuk mengukur penyimpangan nilai parameter pada suatu model dengan matriks covarians populasinya Browne dan Cudeck, 1993 dalam Imam Ghozali, 2008. Nilai RMSEA yang kurang dari pada 0.05 mengindikasikan adanya model fit, dan nilai RMSEA yang berkisar antara 0.08 menyatakan bahwa model memiliki perkiraan kesalahan yang reasonable Byrne, 1998 70 dalam Imam Ghozali, 2008. Sedangkan menurut MacCallum et al. 1996 menyatakan bahwa RMSEA berkisar antara 0.08 sampai dengan 0.1 menyatakan bahwa model memiliki fit yang cukup mediocre, sedangkan RMSEA yang lebih besar daripada 0.1 mengindikasikan model fit sangat jelek. P-value for test of close juga merupakan indikator yang menilai fit atau tidaknya suatu model yang dapat dilihat dari kedekatannya terhadap model fit. Joreskog 1996 dalam Imam Ghozali 2008 menganjurkan bahwa nilai P-value for test of close fit RMSEA0.05 haruslah lebih besar daripada 0.05 sehingga mengindikasikan bahwa model adalah fit. e. Normed Chi-Square χβdf Normed chi-square adalah rasio perbandingan antara nilai chi- square dengan degrees of freedom χβdf. Wheaton 1977 dalam Imam Ghozali 2008 menyatakan besaran untuk cut-off model yaitu sebesar 5, sedangkan Carmines dan Melver 1981 dalam Imam Ghozali 2008 menyatakan untuk besaran cut-of model sebesar 2. 2. Comparative Fit Measure Comparative fit measure berkaitan dengan pertanyaan seberapa baikah kesesuain model yang dibuat dibandingkan dengan beberapa model alternatif. Indikator-indikator dari comparative fit measure di antaranya adalah : 71 a. Normed Fit Index NFI Suatu model dikatakan fit apabila memiliki nilai NFI lebih besar daripada 0.9. namun, ada kemungkinan bahwa nilai NFI yang kecil tersebut disebabkan oleh kompleksitas model. Untuk menghilangkan pengaruh kompleksitas model tersebut, ukuran yang lebih tepat adalah NNFI. b. Non-Normed Fit Index NNFI Seperti yang telah di jalaskan sebelumnya, NNFI digunakan untuk mengatasi permasalahan kompleksitas model dalam perhitungan NFI. Menurut Kelloway 1998 dalam Didi Achjari 2003 menyatakan bahwa model fit jika nilai NNFI 0.90. c. Comparative Fit Index CFI Suatu model dikatakan fit baik apabila memiliki nilai CFI yang mendekati 1 dan 0.90 adalah batas model fit Bentler, 1990 dalam Imam Ghozali . d. Relative Fit Index RFI Nilai RFI berkisar antara 0 sampai dengan 1 dimana nilai yang mendekati angka 1 tersebut menunjukan model fit. 3. Parsimonious Fit Measures a. Parsimony Goodness of Fit Index PGFI PGFI telah menyesuaikan adanya dampak dari degree of freedom dan kompleksitas model. Model yang baik apabila memiliki 72 nilai PGFI jauh lebih besar daripada 0.6 Byrne,1998 dalam Imam Ghozali, 2008. Lain halnya menurut Kellowy 1998 dalam Didi Ahjari 2003 nilai PGFI berkisar antara 0 sampai 1, dimana lebih besar nilai tersebut lebih baik. b. Parsimony Normed Fit Index PNFI Nilai PNFI berkisar antara 0 sampai 1, dimana semakin besar nilai PNFI maka middle semakin baik Kelloway, 1998 dalam Didi Achjari , 2003. 7 Modifikasi Model Peneliti sering kali di hadapkan pada hasil uji kesesuaian yang kurang memuasakan, maka dalam kasus ini SEM memberi alternatif solusi yang dinamakan respesifikasi yang diharapkan mampu meningkatkan kesesuaian model yang sedang di uji. Ada dua pendekatan dalam respesifikasi model, Pertama, theory trimming Pedhazur,1982 dalam Untung W. dan Hartini,2006 yang berusaha menjawab pertanyaan tentang parameter mana yang bisa dihilangkan agar meningkatkan kesesuaian model. Kedua, theory building Kelloway,1998 dalam Mala Bahagia, 2007 yang digunakan untuk menjawab pertanyaan mengenai parameter mana yang bisa ditambahkan dalam model untuk meningkatkan kesesuaian. Cara-cara di atas disebut dengan Lagrange Multiplier Test yang di dalam LISREL dikenal sebagai modification indices . Dengan kemampuan respesifikasi, maka SEM berbasis 73 kovarian ini memerlukan landasan teory yang kuat confirmatory sehingga ketika harus menambah atau mengurangi parameter akan bisa dijelaskan secara masuk akal dan bisa ditopang dengan teori yang memadai. Holmes – Smith 2000 menjelaskan beberapa alternatif untuk melaukukan respesifikasimodifikasi model : a Critical Ratio nilai t Semua parameter dalam suatu model diharapkan agar signifikan. Parameter yang tidak signifikan bisa dihapus secara teknis dilakukan dengan cara menetapkan parameter tersebut menjadi nol tidak diestimasi lagi. b Standardized Residuals Adanya standardized residual yang besar menandakan adanya mis-spesifikasi dan tingkat kesesuaian yang belum baik. Dengan memperhatikan standardized residual, maka untuk memperbaiki kesesuian model, dengan cara menghapus variabel yang menyebabkan ketidaksesuaian tersebut atau juga dengan mengestimasi parameter tambahan, perlu didukung oleh teori dan harus masuk akal. Holmes- Smith, 2000 dalam Malla Bahagia,2007. c Modification Indices Salah satu cara untuk mengetahui adanya mis-spesifikasi adalah melihat besaran modification indices. Menurut Holmes-Smith 2000 dalam Imam Ghozali 2008, nilai modification index yang lebih besar 74 dari 3.84 menunjukan bahwa chi-square model tersebut akan berkurang drastis semakin kecil kalau parameter yang bersangkutan diestimasi. Modification indices dalam LISREL merupakan salah satu alternatif terbaik untuk memodifikasi model dan meningkatkan kesesuaian model. Namun harus diperhatikan juga bahwa segala modifikasi walaupun sangat sedikit, harus berdasrkan teori yang mendukung. Beberapa cara yang dilakukan dalam memodifikasi model, diantaranya : 1. Mengkorelasikan antara dua indikator 2. Menambah hubungan path antara indikator dan variabel laten 3. Mengubah indikator dari suatu variabel Setelah melakukan modifikasi tersebut, maka yang seharusnya kita lakukan adalah mempertimbangkan dan mencari justifikasi teori yang kuat terhadap dilakukannya modifikasi tersebut. 8 Validasi Silang Model Validasi silang model merupakan tahap akhir dari analisis SEM, yaitu menguji fit atau tidaknya model terhadap suatu data baru atau validasi sub-sampel yang diperoleh melalui pemecahan sampel. Validasi silang ini penting apabila terdapat modifikasi yang substansial yang dilakukan terhadap model asli yang dilakukan pada tahap sebelumnya. 75 3. Uji Kesesuaian Model Uji kesesuaian model bertujuan untuk mengukur dan mengetahui drajat kesesuaian antara model yang dihipotesiskan dengan data yang disajikan berdasarkan pada kriteria seperti pada table berikut : Tabel 3.1 Kriteria Uji Kesesuaian Model Indikator Fit Nilai yang Direkomendasikan Evaluasi Model Absolute Fit Probabilitas P 0.05 Tidak Signifikan Normed chi-square χ2df 2 β χβdf ε Over Fiiting Good Fitting RMSEA 0.10 0.05 0.01 Good Fit Verry Good Fit Outstanding Fit P-value for test of close fit 0.05 Good Fit GFI 0. 90 Good Fit AGFI 0.90 Good Fit Comparative Fit NFI 0.9 Good Fit NNFI 0.9 Good Fit CFI 0.9 Good Fit RFI 0.9 Good Fit Parsimonius Fit PNFI – 1 Lebih besar lebih baik PGFI – 1 Lebih besar lebih baik Sumber : Imam Ghozali dan Fuad 2008 4. UJi Signifikan Uji signifikan dilakukan dengan cara melihat jalur-jalur pada model pengukuran dan model structural. Pada model pengukuran, jalur-jalur 76 pengaruh yang dapat dilihat adalah jalur-jalur pengaruh yang menghubungkan antara variabel latent dengan indikatornya variabel manifest, apakah mempunyai tingkat yang signifikan terhadap variabel latennya atau tidak. Uji signifikan pada model pengukuran bertujuan untuk menentukan kemampuan suatu indikator dalam mengukur variabel latennya. Pada model structural jalur-jalur pengaruh dapat dilihat dari jalur-jalur pengaruh yang menghubungkan antara variabel eksogen dengan variabel endogen dan antara variabel endogen sengan variabel endogen. Untuk mengetahui jalur-jalur hubungan pengaruh dapat dilihat uji koefisien secara parsial. Uji parsial terhadap koefisien path pada setiap jalur model pengukuran maupun structural dapat ditunjukan dari t-value nilai t sebagai berikut : H o : Koefisien jalur tidak signifikan H 1 : Koefisien jalur signifikan Jika t value t tabel atau t tabel t value, maka Ho ditolak dan H1 diterima. Namun jika t value t tabel atau t tabel t value, maka Ho diterima dan H1 ditolak.

E. Definisi Operasional Variabel

1. Variabel Eksogen Variabel eksogen adalah variabel yang tidak dipengaruhi oleh variabel lainnya dalam model Imam Ghozali, 2008. Indikator variabel ini terdiri atas : 1. Struktur Kepemilikan Saham X 1 77 Adapun indikator-indikator dari variabel eksogen struktur kepemilikan saham antara lain : a. Managerial Ownership X 1.1 Managerial ownership merupakan tingkat kepemilikan saham pihak manajemen yang secara aktif ikut dalam pengambilan keputusan, yang diukur oleh proporsi saham yang dimiliki manajer pada akhir tahu yang dinyatakan dalam persen . Hal ini merujuk pada penelitian yang dilakukan oleh Jensen dan mackling 1976; Friend and Lang 1988; Bathala et.al., 1994; Moh’d et.al.,1995; Chen dan Stainer 1999; Itturiaga dan Sanz 2000; Tendi Haruman 2008. Variabel ini diberi symbol X 1.1 yang diperoleh dalam ICDM pada bagian Shareholder Ownwership dan juga dilihat dari annual report perusahaan. Secara matematis managerial ownership diformulasikan sebagai berikut : b. Institusional Ownership X 1.2 Merupakan tingkat kepemilikan saham institusional dalam perusahaan, diukur oleh proporsi saham yang dimiliki institusional pada akhir tahun yang dinyatakan dalam persen . Hal ini merujuk pada penelitian yang dilakukan oleh Jensen dan mackling 1976; Friend and Lang 1988; Bathala et.al., 1994; Moh’d et.al.,1995; Chen dan Managerial Owner = Total Shrs it D + CShrs it 78 Stainer 1999; Itturiaga dan Sanz 2000; Tendi Haruman 2008. Variabel Institusional ownership diberi symbol X 1.2 . Secara matematis diformulasikan sebagai berikut : 2. Struktur Modal Y 1 James C. Van Horne 2005:232, Struktur modal adalah bauran atau proporsi pendanaan permanen jangka panjang perusahaan yang diwakili oleh hutang, saham preferen, dan ekuitas saham biasa. Variabel ini diukur dengan Debt Equity Ratio dan Long Term Debt to Equity Ratio . a. Debt to Equity Ratio Y 1.1 Henry Simamora 2000:533, Debt to Equity Ratio DER merupakan rasio yang digunakan untuk melihat struktur keuangan perusahaan dengan mengaitkan jumlah kewajiban dengan jumlah ekuitas pemilik. Menurut Toto Prihadi 2010:192, Debt to Equity Ratio adalah perbandingan antara hutang dengan modal sendiri. Ide dasar dari rasio utang ini adalah untuk mengetahui sampai sebaerapa besar utang dalam mendanai perusahaan. Semakin besar utang maka semakin besar risiko kebangkrutannya. Institusional Ownership = Total Shrs it Inst Shrs it 79 Menurut Mardiyanto 2009:59 DER digunakan untuk mengukur kemampuan perusahaan dalam membayar kewajiban- kewajibannya. Rumus DER menurut Mardiyanto 2009:59 : b. Long Term Debt Ratio LTDR Y 1.2 Long term debt ratio menunjukan perbandingan antara hutang jangka panjang dengan modal sendiri, yang menggambarkan kemampuan modal sendiri menjamin hutang jangka panjang Moeljadi, 2006 : 52. Variabel manifest ini diberi symbol Y 2.3 dan diukur dengan rumus : 3. Kebijakan Dividen Y 2 Kebijakan dividen merupakan kebijakan manajemen dalam membagi dividen kepada pemegang saham. Variabel ini diberi simbil LTDR = Total Ekuitas Total Hutang Jangka Panjang Total Hutang DER = Modal Sendiri