49
D. Analisis Data
1. Statistik Deskriptif
Statistik deskriptif didefenisikan merupakan suatu metode dalam menganalisis data, sehingga diperoleh gambaran yang teratur mengenai
suatu kegiatan. Ukuran yang digunakan dalam deskriptif antara lain: frekuensi, tendensi sentral mean, median dan modus, dispersi standar
deviasi dan varian dan koefisien korelasi antara variabel penelitian. Statistik deskriptif memberikan gambaran atau deskripsi suatu data
yang dilihat dari nilai rata-rata mean, standar deviasi, maksimum, minimum, sum, range
, kurtosis dan skewness kemencengan distribusi Ghozali, 2013:19
2. Uji Kualitas Data
a. Uji Validitas Data
Uji validitas digunakan untuk mengetahui seberapa baik ketepatan dan kecermatan suatu instrumen untuk mengukur suatu
konsep yang seharusnya diukur. Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner
dinyatakan valid jika pertanyaan atau pernyataan pada kuesioner mampu mengungkapkan sesuatu yang akan diukur pada kuesioner
tersebut. Pengujian validitas dengan menggunakan Pearson Correlation
yaitu dengan cara menghitung korelasi antara nilai yang diperoleh dari pertanyaan-pertanyaan. Apabila Pearson
50
Correlation yang didapat memiliki nilai di bawah 0,05 berarti
data yang diperoleh adalah valid Ghozali, 2013. b.
Uji Realibilitas Data Uji realibilitas digunakan untuk mengetahui sejauh mana hasil
pengukuran tetap konsisten apabila dilakukan dua kali atau lebih terhadap gejala yang sama dengan menggunakan alat ukur yang
sama. mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal
jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu Ghozali, 2013.
Ghozali 2013 menyebutkan bahwa pengukuran reliabilitas dapat dilakukan dengan dua cara, yaitu:
1 Repeated Measure atau pengukuran ulang: Pengukuran ini
dilakukan dengan memberikan pertanyaan kepada seseorang yang sama pada waktu yang berbeda, dan kemudian dilihat apakah ia
tetap konsisten dengan jawabannya. 2
One Shot atau pengukuran sekali saja: Pengukuran yang dilakukan hanya sekali dan kemudian hasilnya dibandingkan dengan
pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan. 3.
Uji Model Struktural Equation Model SEM Structural Equation Model
SEM adalah teknik analisis multivariate yang merupakan kombinasi antara analisi faktor dan analisi
regresi korelasi, yang bertujuan untuk menguji hubungan-hubungan
51
antar variabel yang ada pada sebuah model, baik itu antar indikator pada konstruknya maupun hubungan antar konstruk. Sebuah model SEM
dibuat berdasarkan teori tertentu, kemudian diuji apakah model tersebut diterima atau ditolak. SEM tidak digunakan untuk membangun sebuah
model tanpa dasar teori yang ada sebelumnya Santoso, 2011. Analisa dalam SEM meliputi sejumlah langkah yang cukup kompleks, mulai dari
pemeriksaan data, pengembangan model, penilaian fit model, hingga interpretasi terhadap hasil analisis. Tahapan analisis yang ditempuh
kebanyakan tidak sekali jalan sekali jadi water fall, melainkan bersifat iteratif. Maksudnya adalah, model awal yang diajukan seringkali
disarankan untuk dimodifikasi sehingga perlu direspesifikasi. Demikian ini dilakukan hingga beberapa kali sampai diperoleh model akhir yang
bisa diterima
fit sekaligus
sesuai dengan
teori yang
melatarbelakanginya Usman, 2014. Adapun alat analisis yang digunakan peneliti adalah AMOS 18 Santoso 2011.
a. Uji Measurement Model
Tujuan utama analisis SEM adalah menguji apakah model tersebut fit dengan data yang ada. Dasar pengujian adalah
penghitungan kovarians untuk mengetahui hubungan variabel- variabel, sehingga analisis SEM sering juga disebut dengan
covariance structure analysis Santoso, 2011.
Ada pendapat yang menyatakan bahwa penghitungan korelasi dapat pula digunakan untuk menggantikan penghitungan kovarians.
52
Namun penghitungan kovarians dipandang memiliki keunggulan dibandingkan korelasi, khusunya bila jumlah sampel cukup banyak
200 dan distribusi data dapat dianggap normal Santoso, 2011. Tujuan pengujian ini adalah ingin mengetahui seberapa tepat
variabel-variabel laten yang ada. Dasar pengujian adalah sebagai berikut. Jika indikator teori sebuah indikator menjelaskan keberadaan
konstruk variabel laten, maka akan ada hubungan keduanya. Karena variabel latin tidak mempunyai nilai tertentu, maka proses pengujian
dilakukan di antara indikator-indikator yang membentuknya. Dilakukan penghitungan kovarians dari data sampel untuk
mengetahui hubungan indikator-indikator dengan konstruk. Dari penghitungan tersebut, karena melibatkan banyak variabel, akan
muncul matrik kovarians sampel. Penghitungan menggunakan prosedur estimasi maximum
likehood menghasilkan matriks kovarians estimasi. Selanjutnya dilakukan perbandingan matriks kovarians sampel dengan matriks
kovarians estimasi. Uji perbandingan ini dinamakan dengan uji goodness of fit.
1 Uji Goodness of Fit
Goodnes of Fit GOF adalah ukuran yang digunakan untuk
menliai fit suatu model. Dari ukuran ini kita bisa menginterpretasikan seberapa baik model yang dibangun secara
teoritis ini dapat merefleksikan realita. Dalam SEM akan ditemui
53
begitu banyak ukuran menilai fit model yang disebut indeks fit fit-indeks. Berbeda dengan analisis multivariat lainnya yang
dapat dengan mudah menilai fit model dengan satu ukuran saja Usman, 2014.
Sebelum membahas lebih lanjut mengenai GOF, terdapat instrumen derajat bebas degree of freedom yang juga memiliki
peran dalam analisa SEM. Degree of Freedom df merepresentasikan banyaknya informasi matematis independen
atau bebas yang terdapat dalam daata dan digunakan untuk menghitung berbagai nilai statistik termasuk statistik tentang
indeks fit. Dalam pengukuran GOF sebelumnya telah dijelaskan
bahwasanya GOF memiliki jenis ukuranindeks fit dalam SEM, untuk itu indeks tersebut dapat diklasifikasikan menjadi 3
kelompok besar, yaitu Fit Absolute, Fit Incremental, dan Fit Parsimoni
. Ketiga kelompok besar itu masing – masing memiliki
indeksnya tersendiri. Akan tetapi menurut Usman 2011 menyatakan dari sejumlah indeks yang tersedia tidak perlu
menggunakan semuanya. Namun setidaknya dapat digunakan ukuran statistik chi-kuadrat x
2
beserta p-valuenya, satu ukuran fit absolut dam satu ukuran fit incremental. Ukuran fit absolut
yang sering digunakan adalah The Root Mean Square Error of Appoximation
RMSEA, sedangkan untuk ukuran Fit
54
Incremental yang sering digunakan adalah Comparative Fit Index
CFI atau Incremental Fit Index IFI. Namun nanti akan dijabarkan beberapa indeks lainnya.
a Fit Absolut
Ukuran fit absolut digunakan untuk menentukan seberapa baik model yang dibangun measurement dan structural fit
dengan data sampel. Ukuran ini tidak secara eksplisit membandingkan tingkat fit sebuah model terhadap model
yang lain nilai relatif, melainkan evaluasi fit model dilakukan secara independen absolut untuk masing
– masing model yang ada.
Chi-Kuadrat X
2
Chi-Kuadrat adalah ukuran fit model yang paling fundamental dan merupakan satu-satunya ukuran kesesuaian
model dalam SEM yang dilengkapi dengan tingkat signifikansi secara statistik. Nilai X
2
berkisar dari 0 hinga tak hingga. Nilai X
2
= 0 menunjukan fit model yang sempurna. Semakin kecil X
2
semakin fit model tersebut. Dalam aplikasi AMOS X
2
dinotasikan dengan CMIN Chi-kuadrat minimum
. Dalam suatu penelitian menggunakan X
2
sebagai satu-satunya ukuran fit model akan memunculkan problem
serius. Oleh karena itu menggunakan indeks fit model lain bersama indeks fit X
2
sangat dianjurkan, termasuk
55
menggunakan indeks fit model modifikasi X
2
yang mengeliminasi pengaruh ukuran sampel dan df.
RMSEA The Root Mean Square Error of Appoximation
RMSEA merupakan indikator model fit yang paling informatif dan banyak digunakan. Indeks fit indi digunakan
dengan tujuan untuk memperbaiki indeks fit X
2
yang cenderung menolak model yang mempunyai variabel
observerd yang banyak dan ukuran sampel yang besar. Nilai
RMSEA antara 0,05 sampai 0,10 merupakan ukuran yang dapat diterima Usman, 2014.
GFI Goodness of Fit Index
Nilai GFI berkisar antara 0-1. Model GFI yang semakin mendekati 0 berarti model tersebut semakin tidak fit, dan
semakin mendekati angka 1 model tersebut semakin fit. GFI merupakan ukuran mengenai ketetapan model dalam
menghasilkan observed matriks kovarians. Meskipun secara teori GFI mungkin memiliki nilai negative tetapi seharusnya
tidak terjadi. Karena nilai negative menunjukkan bahwa model tersebut sangat buruk. Sebagai acuan, nilai GFI yang
disarankan untuk model yang fit adalah 0,9.
56
AGFI Adjusted Goodness of Fit Model
AGFI merupakan indeks fit GFI yang df nya disesuaikan terhadap banyaknya variabel. Nilai AGFI yang disarnaknan
untuk model fit adalah 0,9
CMIN DF
CMIN adalah the maximum sample discrepancy function yang dibagi dengan degree pf freedom. CMIN DF tidak lain
adalah statistic chi-square x
2
relative . bilai nilai x
2
relative kurang dari 2,0 atau 3,0 adalah indikasi dari acceptable fit
antara model dan data. Beberapa pengarang menganjurkan menggunakan rasio ukuran ini untuk mengukur fit. Menurut
Wheaton et al., 1997 dalam Ghazali 2011 nilai rasio 5 atau kurang dari 5 merupakan ukuran rasionable. Peneliti lainnya
seperti Byne 1988 dalam Ghazali 2011 mengusulkan nilai rasio 2 merupakan ukuran fit
b Fit Incremental
Ukuran fit incremental disebut juga comparison fit indeks adalah indeks-indeks fit yang menilai peningkatan relatif fit
model yang diajukan peneliti model hipotesis bilamana dibandingkan dengan beberapa model dasar alternatif.
57
NFI Normed Fit Index
NFI merupakan salah satu indeks yang populer dan termasuk dalam fit incremental yang original. Nilai indeks fit NFI
berkisar dari 0 tidak fit hingga 1 fit sempurna. Batas nilai indeks yang biasa digunakan untuk model yang fit adalah
≥0,9 Usman, 2014
CFI Comparative Fit Index
Merupakan salah satu alternatif menentukan model fit dan merupakan indeks perbaikan dari NFI. Untuk kategori fit
incremental indeks fit CFI juga termasuk yang paling sering
digunakan karena relatif tidak sensitif terhadap kompleksitas model. Nilai CFI berkisar antara 0-1. Pada umumnya nilai di
ata 0,9 menunjukkan model sudah fit dengan data yang ada Usman, 2014.
IFI Incremental Fit Index
IFI sebagaimana CFI merupakan indeks perbaikan dari NFI, yaitu mempertimbangkan kompleksitas dengan cara
menyertakan derajat bebas model dalam perhitungan. Nilai IFI berkisar antara 0-1. Pada umumnya nilai di ata 0,9
menunjukkan model sudah fit dengan data yang ada Usman, 2014
58
b. Uji Struktural Model
Jika sebuah measurement model tidak dapat dikatakan fit, maka proses pengujian seharusnya tidak diteruskan ke pengujian structural
model. Untuk itu beberapa tindakan perlu dilakukan, seperti meninjau kembali model, data sampel mungkin perlu ditambah, pertanyaan
kuesioner atau bentuk pengukuran lain pada sebuah indikator perlu ditinjau ulang.
Namun, jika sebuah measurement model telah lolos dalam pengujian, proses pengujian dapat dilakukan dengan menguji
structural model yang ada, inilah yang disebut dengan proses pengujian dua tahap two step SEM Process, yakni menguji fit serta
validitas sebuah measurement model, baru kemudian menguji atructural model, yang meliputi dua bagian utama:
Menguji keseluruhan model overall model fit dari structural model. Menguji structural parameter setimasi, yakni hubungan di antara
konstruk atau variabel independen-independen yang ada dalam structural model.
4. Uji Hipotesis
Hipotesis merupakan dugaan atau jawaban sementara terhadap masalah yang akan diuji kebenarannya melalui analisis data yang relevan
dan kebenarannya akan diketahui setelah penelitian. Dalam analisa menggunakan SEM tahap terakhir adalah uji hipotesis mengenai relasi
59
struktural antar konstruk. Uji hipotesis ini dilakukan dengan menguji signifikansi estimasi parameter model struktural loading struktural dari
konstruk eksogenus ke konstruk endogenus dan loading struktural dari kosntruk endogenus ke konstruk endogenus lainya. Pada program
aplikasi AMOS, estimasi loading struktrual dinyatakan sebagai nilai estimasi Regression Weight Usman 2014
Dalam penelitian ini pengujian hipotesis dilakukan dengan menggunakan nilai t-value dengna tingkat signifikansi 5. Nilai t-value
dalam program aplikasi AMOS 18 merupakan nilai Critical Rasio CR pada Regression Weight: Group number 1
– Default Model. Apabila nilai CR menunjukan nilai ≥1,967 atau nilai probability P ≤0,05 maka
hipotesis penelitian diterima. Nilai CR positif menunjukan bahwa pengaruh antar konstruk yang terjadi adalah positif, begitupun dengan
nilai CR yang negatif Usman 2014.
E. Operasionalisasi Variabel Penelitian