Teknik Analisis Data

F. Teknik Analisis Data

1. Analisis Deskriptif

Analisis ini berisi tentang bahasan secara deskriptif mengenai tanggapan yang diberikan responden pada kuesioner. Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono, 2004). Statistik deskriptif membahas tentang deksripsi mengenai tanggapan jawaban responden.

2. Uji Validitas Data

Uji validitas dilakukan untuk menilai seberapa baik suatu instrument ataupun proses pengukuran terhadap konsep yang diharapkan untuk mengetahui apakah yang kita tanyakan dalam kuesioner sudah sesuai dengan konsepnya. (Ghozali, 2005 : 45) Penelitian ini menggunakan confirmatory factor analysis (CFA) untuk mengetahui validitas instrumen. Tinggi rendahnya validitas suatu angket dengan melihat factor loading dengan bantuan program komputer SPSS 15.0. Factor loading adalah korelasi item- item pertanyaan dengan konstruk yang diukurnya. Menurut Hair et al. (1998),

factor loading lebih besar ± 0.30 dianggap memenuhi level minimal, sangat disarankan besarnya factor loading adalah ± 0.40, jika factor loading suatu item pertanyaan mencapai ± 0.50 atau lebih besar maka item tersebut sangat penting dalam menginterprestasikan konstruk yang diukurnya. Dalam CFA

kita juga harus melihat pada output dari rotated component matrix yang harus secara ekstrak secara sempurna. Jika masing-masing item pertanyaan belum ekstrak secara sempurna, maka proses pengujian validitas dengan Factor

Analysis harus diulang dengan cara menghilangkan item pertanyaan yang memiliki nilai ganda.

3. Uji Reliabilitas Data

Uji reliabilitas merupakan uji yang dilakukan untuk mengukur apakah kuesioner benar-benar merupakan indikator yang mengukur suatu variabel. Suatu kuesioner dikatakan reliabel apabila jawaban seseorang konsisten dari waktu ke waktu. Reliabilitas dalam penelitian ini diuji dengan metode Cronbach’s Alpha. Dikatakan reliabel jika Nilai Cronbach’s Alpha diatas 5% (Ghozali, 2005 : 43).

4. Uji Asumsi Model

a. Normalitas data Asumsi yang paling fundamental dalam analisis multivariate adalah normalitas, yang merupakan bentuk suatu distribusi data pada suatu variabel metrik tunggal dalam menghasilkan distribusi normal (Hair et al. dalam Ghozali dan Fuad, 2005). Apabila asumsi normalitas tidak dipenuhi dan penyimpangan normalitas tersebut besar, maka akan mengakibatkan hasil uji statistik yang bias. Normalitas dibagi menjadi dua, yaitu:

1. Univariate normality

2. Multivariate normality Untuk menguji asumsi normalitas, maka dapat digunakan nilai statistik z untuk skewness dan kurtosisnya. Nilai z skewness dapat dihitung sebagai berikut: 2. Multivariate normality Untuk menguji asumsi normalitas, maka dapat digunakan nilai statistik z untuk skewness dan kurtosisnya. Nilai z skewness dapat dihitung sebagai berikut:

dimana N merupakan ukuran sampel. Nilai statistik z untuk kurtosisnya dapat dihitung dengan menggunakan formula berikut ini:

kurtosis Z kurtosis =

24 N

jika nilai z, baik z kurtosis dan/atau z skewness adalah signifikan (kurang dari 0,05 pada tingkat signifikansi 5%), maka dapat dikatakan bahwa distribusi data tidak normal. Sebaliknya, jika nilai z, baik z kurtosis dan/atau z skewness tidak signifikan (lebih dari 0,05 pada tingkat signifikansi 5%), maka dapat dikatakan bahwa distribusi data normal.

Disamping itu, Curran et al. (dalam Ghozali dan Fuad, 2005) membagi distribusi data menjadi tiga bagian:

a) Normal, apabila nilai z statistik (Critical Ratio atau C.R.) skewness < 2 dan nilai C.R. kurtosis < 7.

b) Moderately non-normal, apabila nilai C.R. skewness berkisar antara 2 sampai 3 dan nilai C.R. kurtosis berkisar antara 7 sampai 21.

c) Extremely non-normal, apabila nilai C.R. skewness > 3 dan nilai C.R. kurtosis > 21.

Dalam penelitian ini uji normalitas dihitung dengan bantuan program komputer AMOS 16.

b. Evaluasi outlier Outliers adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal atau variabel kombinasi (Hair et al. dalam Ferdinand, 2002). Uji terhadap multivariate outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada

tingkat p<0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan c 2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian

(Ferdinand, 2002). Evaluasi outliers ini dilakukan dengan bantuan program komputer AMOS 16.

5. Uji Hipotesis

Untuk menguji hipotesis dari penelitian ini digunakan Structural Equation Modeling (SEM). SEM merupakan sekumpulan teknik-teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan (Ferdinand, 2002). Hubungan yang rumit itu dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Masing-masing variabel dapat berbentuk faktor (atau konstruk yang dibangun dari beberapa variabel indikator). Variabel- variabel tersebut dapat berbentuk sebuah variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian.

Untuk mempermudah pengolahan data SEM maka digunakan program AMOS 4.01 (Ferdinand, 2002). Penggunaan AMOS 4.01 dimaksudkan untuk menguji apakah model yang diestimasi mempunyai kesesuaian yang baik dan apakah terdapat hubungan kausalitas seperti apa yang telah dihipotesiskan. Pengujian hipotesis yang dilakukan meliputi:

a. Analisis kesesuaian model (Goodness-of-fit)

Model struktural dikategorikan sebagai “good fit”, bila memenuhi beberapa persyaratan berikut ini:

1). Memiliki degree of freedom (df) positif, dapat dihitung dengan rumus:

df = 1 2 [ ( p + q )( p + q + 1 ) ] - t

dimana: p = jumlah indikator endogen q = jumlah indikator eksogen t = jumlah koefisien yang diestimasi dalam model yang diuji

(Hair et al., 1998) 2). Nilai level probabilitas minimum yang disyaratkan adalah 0,1 atau 0,2, tetapi untuk level probabilitas sebesar 0,05 masih diperbolehkan (Hair et al. , 1998).

3). Mengukur chi-square ( 2 c ) statistic untuk memastikan bahwa tidak ada perbedaan antara matriks kovarian data sampel dan matriks kovarian

populasi yang diestimasi. Nilai chi-square ( 2 c ) sangat sensitif terhadap besarnya sampel dan hanya sesuai untuk ukuran sampel antara 100 – 200.

Jika lebih dari 200, maka chi-square ( 2 c ) statistic ini harus didampingi alat uji lainnya (Hair et al.; Tabachnick dan Fidell dalam Ferdinand, 2002).

Model yang diuji akan dipandang baik bila nilai 2 c -nya rendah dan diterima berdasarkan probabilitas dengan cut-off value sebesar p > 0.05

atau p > 0.1, sehingga perbedaan matriks aktual dan yang diperkirakan adalah tidak signifikan (Hair et al.; Hulland et al. dalam Ferdinand, 2002).

4). CMIND/DF, adalah statistik chi-square dibagi DFnya, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur 4). CMIND/DF, adalah statistik chi-square dibagi DFnya, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur

5). Menguji kesesuaian model dengan beberapa indeks tambahan, seperti: Goodness of Fit Index (GFI), Adjusted Goodness of Fit Index (AGFI), Tucker-Lewis Index (TLI), Comparative Fit Index (CFI), dan Root Mean Square Error of Approximation (RMSEA).

Indeks-indeks yang digunakan untuk menguji kelayakan sebuah model dapat diringkas dalam tabel berikut ini:

Tabel III.4

Goodness-of-fit Indices

Goodness-of-fit Indices Cut-off Value Chi-square 2 ( c )

Diharapkan kecil

Significance Probability (p)

CMIN/DF

Sumber: Ferdinand (2002), Ghozali (2004)

b. Analisis koefisien jalur

Analisis ini dilihat dari signifikansi besaran regression weight model. Kriteria bahwa jalur yang dianalisis signifikan adalah apabila memiliki tingkat signifikansi uji hipotesis yang lebih kecil dari 5%. Analisis ini juga menunjukkan besaran dari efek total, efek langsung serta efek tidak langsung dari satu variabel terhadap variabel lainnya. Efek langsung adalah koefisien dari semua garis koefisien dengan anak panah satu ujung. Efek tidak langsung adalah efek yang muncul melalui sebuah variabel antara (mediasi) dan efek total adalah efek dari berbagai hubungan.