a. Setiap konstruk dari endogen merupakan variabel independen didalam
persamaan yang terpisah b.
Variabel independen adalah semua konstruk yang memiliki garis dengan anak panah yang menghubungkannya ke konstruk endogen.
Model Path merupakan dasar untuk mengestimasi kekuatan hubungan kausalitas yang terdapat dalam analisis jalur path model. Kekuatan hubungan
kausalitas ini diukur dengan korelasi atau kovarian antar konstruk. Hubungan korelasi sederhana antar dua konstruk dapat digambarkan sebagai penjumlahan
coumpound path hubungan kausalitas. A compound path adalah jalur dengan anak panah yng mengikuti tiga aturan yakni:
a. Setelah maju kedepan dengan anak panah, maka jalur path tidak data
bergerak ke belakang lagi b.
Jalur tidak dapat bergerak dengan konstruk yang sama lebih dari sekali c.
Jalur hanya berisi satu kurva anak panah menggambarkan regresi Menurut Rusiadi 2013, Path analysis pada prakteknya memiliki dua
variabel, yakni variabel mediasi intervening dan variabel moderating.Variabel mediasi atau intervening merupakan variabel antara yang berfungsi memediasi
hubungan antara variabel independen dengan variabel dependen. Hubungan yang terjadi dapat berupa hubungan langsung dan hubungan tidak langsung.
3.8.1. Uji Asumsi
Langkah pertama yang dilakukan adalah mengevaluasi data yang digunakan apakah memenuhi asumsi Path Analysis. Bila asumsi ini telah
terpenuhi maka langkah berikutnya adalah melakukan pengujian model dengan
Universitas Sumatera Utara
berbagai uji yang akan dilakukan dalam penelitian ini. Adapun asumsi-asumsi dalam Path Analysis yang harus dipenuhi adalah sebagai berikut:
a. Ukuran sampel yang biasanya harus dipenuhi dalam permodelan ini
adalah minimum 100 sampai dengan 200 sampel. Ketika sampel dinaikan diatas 100, metode maximum likelihood meningkat
sensitivitasnya untuk mendeteksi adanya perbedaan data.
b.
Outliers
Outliers adalah observasi yang muncul dengan nilai ekstrim baik secara univarian maupun multivarian, karena kombinasi karakteristik
yang unik yang dimilikinya dan keterkaitanyang sangat jauh berbeda dari observasi lainnya. Pada outliers dapat dilakukan penanganan
khusus asal diketahui bagaimana munculnya outliers itu, Outliers dapat muncul dalam empat kategori, yaitu:
1. Outliers muncul karena kesalahan prosedur yang ada seperti
kesalahan dalam memasukkan data atau karena kesalahan dalam mengkoding data.
2. Outliers muncul karena keadaan yang benar-benar khusus yang
memungkinkan datanya lain daripada yang lain tetapi peneliti memiliki alasan apa penyebab munculnya nilai ekstrim ini.
3. Ouliers muncul karena adanya suatu alasan yang penulis tidak
dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab-sebab tentang munculnya nilai ekstrim ini
4. Outliers muncul dalam rentang nilai yang ada, tetapi bila
dikombinasikan dengan variabel lainnya, kombinasi menjadi
Universitas Sumatera Utara
tidak lazim atau sangat ekstrim. Inilah yang disebut atau sering dikenal dengan multivarian atau singularitas.
c. Uji Normalitas
Sebaran data harus dianalisis untuk mengetahui apakah asumsi normalitas sudah terpenuhi sehingga data dapat diolah lebih lanjut
untuk permodelan ini.Normalitas dapat diuji dengan melihat gambar histogram data atau dapat pula dengan menggunakan uji statistik.Di
dalam pengujian dalam program AMOS, sebuah distribusi dikatakan normal apabila nilai critical ratio CR skewness dan nilai critical ratio
CR kurtosis berada antara -2,58 sampai dengan +2,58 pada tingkat signifikansi 0,01. Namun apabila diantara angka-angka tersebut
terdapat angka dibawah – 2,58 atau di atas +2,58 distribusi dapat dikatakan tidak normal.Uji normalitas ini perlu dilakukan baik untuk
normalitas terhadap data tunggal maupun normalitas multivariant dimana beberapa variabel digunakan sekaligus dalam analisis akhir.
d. Uji Multikolinearitas
Multikolinearitas dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks yang sangat kecil member indikasi adanya
problem multikolinearitas. e.
Uji kesesuaian dan uji statistik Dalam analisis ini tidak ada alat statistik tinggal untuk mengukur atau
menguji hipotesis mengenai model. Umumnya terdapat berbagai jenis fit indeks yang digunakan dalam mengukur derajat kesesuaian antara
model yang dihipotesiskan dan data yang disajikan.
Universitas Sumatera Utara
f. Interpretasi dan modifikasi model
Model yang telah diestimasi, nilai residualnya haruslah kecil atau mendekati nol dan distribusi frekuensi dari kovarians residual harus
bersifat simetrik. Dalam konteks ini residual yang dimaksud bukanlah residual dari skor seperti pada permodelan multivariant lainnya,
melainkan merupakan dari residual dari kovarians. Distribusi frekuensi dari residual yang tidak simetris mengindikasikan adanya signal atas
sebuah model yang kurang baik. Hal ini menunjukkan bahwa dalam proses estimasi, model yang telah diestimasikan memilikibeberapa
kovarians yang memiliki hasil secara memuaskan tetapi kovarians yang lainnyakurang begitu baik apabila diestimasi.
3.8.2. Uji Statistik
