commit to user
44
a Normal, bila nilai skewness 2 dan nilai kurtosis 7. b Moderately non-normal, besarnya data yang tidak normal adalah moderat
sedang. Nilai skewness antara 2 sampai 3 dan nilai kurtosis antara 7 sampai 21.
c Extremely non-normal, yaitu distribusi data sangat tidak normal. Nilai skewness
diatas 3 dan nilai kurtosis diatas 21. Dalam SEM terutama bila diestimasi dengan teknik Maximum
Likelihood ML mensyaratkan sebaiknya asumsi normalitas pada data
terpenuhi. 3 Asumsi Outliers
Menurut Hair et al. dalam Ghozali, 2008: 227 “Outlier adalah kondisi observasi dari suatu data yang memiliki karakteristik unik yang sangat
terlihat berbeda jauh dari observasi-observasi lainnya yang muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal ataupun variabel-
variabel kombinasi”. Deteksi terhadap multivariate outliers dilakukan dengan memperhatikan nilai mahalanobis distance. Kriteria, yang digunakan adalah
berdasarkan nilai chi-squares 2 pada derajat kebebasan degree of freedom yaitu jumlah observed variables pada output AMOS 18, dengan tingkat
signifikansi p 0,001.
c. Pengujian Hipotesis
Langkah selanjutnya setelah model dinyatakan fit, atau diterima secara statistik adalah melakukan pengujian hipotesis dengan bantuan AMOS
18 dengan menganalisis hubungan diantara variabel-variabel laten. SEM juga dapat mengestimasi nilai-nilai path dari setiap hubungan variabel. Dengan
menggunakan analisis SEM maka semua hipotesis dalam studi ini dapat diuji dengan melihat nilai probability yang ditunjukkan oleh output AMOS 18.
Pengujian yang dilakukan meliputi : 1 Analisis Kesesuaian Model Goodness-of-fit
Dalam analisis SEM, tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model Hair et all, 2006. Tetapi berbagai fit index
commit to user
45
yang digunakan untuk mengukur derajat kesesuaian antara model yang disajikan dan data yang disajikan. Fit index yang digunakan meliputi:
a Chi Square 2 Tujuan analisis ini adalah mengembangkan dan menguji sebuah model
yang sesuai dengan data. Chi square sangat bersifat sensitif terhadap sampel yang terlalu kecil maupun yang terlalu besar. Oleh karenanya
pengujian ini perlu dilengkapi dengan alat uji lainnya. “Nilai Chi- squares
merupakan ukuran mengenai buruknya fit suatu model” Ghozali dan Fuad, 2005: 29. Nilai chi-square yang tinggi relatif
terhadap degree of freedom menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata
dan ini menghasilkan probabilitas p lebih kecil dari tingkat signifikansi . Sebaliknya nilai chi square yang kecil akan
menghasilkan nilai probabilitas p yang lebih besar dari tingkat signifikansi , dan ini menunjukkan bahwa input matrik kovarian
antara prediksi dengan observasi sesungguhnya tidak berbeda secara signifikan Ghozali, 2005.
Tingkat signifikansi penerimaan yang direkomendasikan adalah apabila p 0,05 Hair et al., 1998, yang berarti matriks input yang
sebenarnya dengan matriks input yang diprediksi secara statistik tidak berbeda.
b Goodness Of Fit Index GFI Indeks yang menggambarkan tingkat kesesuaian model secara
keseluruhan yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan data yang sebenarnya. Nilai GFI
0,90 mengisyaratkan model yang diuji memiliki kesesuaian yang baik
Diamantopaulus dan Siguaw dalam Ghozali dan Fuad, 2005: 31. c Root Mean Square Error of Approximation RMSEA
RMSEA adalah ukuran yang mencoba memperbaiki kecenderungan statistik Chi-squares menolak model dengan jumlah sampel yang besar
commit to user
46
Ghozali, 2008: 67. Nilai RMSEA 0,08 mengindikasikan indeks yang baik untuk menerima kesesuaian sebuah model.
d Adjusted Goodness Fit of Index AGFI Indeks ini merupakan pengembangan dari Goodness Fit Of Index
GFI yang telah disesuaikan dengan ratio dari degree of freedom model Ghozali dan Fuad, 2005: 31. Nilai yang direkomendasikan
adalah AGFI 0,90, semakin besar nilai AGFI maka semakin baik kesesuaian modelnya.
e Tucker Lewis Index TLI TLI digunakan untuk mengatasi permasalahan yang timbul akibat
kompleksitas model. TLI merupakan indeks kesesuaian incremental yang membandingkan model yang diuji dengan null model. Nilai
penerimaan yang direkomendasikan adalah nilai TLI 0,90. TLI merupakan indeks yang kurang dipengaruhi oleh ukuran sampel.
f Normal Fit Index NFI Indeks ini juga merupakan indeks kesesuaian incremental dan dapat
dijadikan alternatif untuk menentukan model fit. Nilai yang direkomendasikan adalah NFI 0,90.
g Normed Chi Square CMINDF Menurut Ghozali 2005: 67 “CMINDF adalah ukuran yang diperoleh
dari nilai chi square dibagi dengan degree of freedom”. Indeks ini merupakan indeks kesesuaian parsimonious yang mengukur hubungan
goodness of fit model dan jumlah-jumlah koefisien estimasi yang
diharapkan untuk mencapai tingkat kesesuaian. Nilai yang direkomendasikan untuk menerima adalah CMINDF 2,0.
commit to user
47
Berikut ini adalah tabel Goodness-of-fit Indices menurut Ghozali 2005: Tabel 4. Goodness-of-fit-indices.
Goodness-of-fit Indices Cut of value
Significance Probability p
0,05 CMINDF
2,0 3,0 GFI
0,90 AGFI
0,90 TLI
0,90 NFI
0,90 RMSEA
0,08
2 Analisis Koefisien Jalur Analisis koefisien jalur bertujuan untuk melihat signifikansi besaran
koefisien path regression weights estimate untuk membuktikan hipotesis yang ada. Pada pengujian dua arah two tailed, hipotesis diterima H
a
diterima dan H ditolak jika dengan tingkat signifikansi 0,05 nilai critical
ratio adalah 1,96. Kesesuaian arah hubungan path dengan arah
hubungan yang telah dihipotesiskan sebelumnya juga diperhatikan, jika arah hubungan positif atau negatif sesuai dengan yang dihipotesiskan
dan nilai critical ratio-nya juga memenuhi syarat, maka dapat dikatakan bahwa hipotesis yang diuji memperoleh dukungan yang kuat.
commit to user
48
BAB IV HASIL PENELITIAN
A. Deskripsi Data
1. Deskripsi Data Penelitian
Metode pengumpulan data dalam penelitian ini dilakuan dengan menggunakan kuesioner. Populasi dalam penelitian ini adalah mahasiswa Universitas
Sebelas Maret Surakarta yang menggunakan digilib.uns.ac.id atau e-library. Sampel yang digunakan dalam penelitian ini adalah sebanyak 170 mahasiswa. Teknik
pengambilan sampel menggunakan accidental sampling. Penelitian ini menggunakan 3 variabel eksogen dan 3 variabel endogen. Variabel eksogen tersebut adalah kualitas
sistem, kualitas informasi, kualitas layanan. Sedangkan variabel endogen adalah penggunaan, kepuasan pemakai, dan net benefit. Hasil pengumpulan kuesioner yang
berhasil di himpun dan layak untuk di analisis dapat ditunjukkan pada tabel 5 berikut:
Tabel 5. Hasil Pengumpulan Data Keterangan
Jumlah Kuesioner yang terkumpul
190 100
Kuesioner yang pengisiannya tidak lengkap 8
4,21 Kuesioner yang memenuhi syarat
182 95,79
Sumber: Data primer yang diolah, 2011
Dari tabel 5 ditunjukkan bahwa jumlah kuesioner yang terkumpul dan terisi oleh responden sebanyak 190 100, kuesioner yang memenuhi syarat
sebanyak 182 95,79 dan kuesioner yang pengisiannya tidak lengkap sebanyak 8 4,21.
