Tabel 4.22. Penilaian Responden Terhadap Indikator Menguntungkan Y2.4.
Lanjutan Tabel 4.22. Penilaian Responden Terhadap Indikator Menguntungkan Y2.4.
Sumber: Data primer diolah, 2013
Indikator terjangkau Tabel 4.22 direpresentasikan oleh item pernyataan Program Studi Magister Ilmu Hukum UNPAB dalam menentukan biaya pendidikan tetap
memperhitungkan keuntungan yang akan digunakan untuk pengembangan, sebanyak 45 responden 36,9 menyatakan sangat setuju, dengan nilai rerata 3,62. Hal ini
menggambarkan bahwa Program Studi Magister Ilmu Hukum UNPAB sudah memiliki kebijakan yang cukup baik dalam menentukan biaya pendidikan tetap memperhitungkan
keuntungan yang akan digunakan untuk pengembangan.
4.1.4. Proses Analisis Data dan Pengujian Model Penelitian.
Proses analisis data dan pengujian model penelitian akan menjelaskan tentang langkah-langkah analisis yang digunakan dalam penelitian ini. Langkah-langkah tersebut
Frekuensi Sangat Tidak Setuju
12 9.8
Tidak Setuju 17
13.9 Netral
21 17.2
Jawaban Responden Item Pertanyaan
Menentukan biaya pendidikan tetap memperhitungkan keuntungan yang akan
digunakan untuk pengembangan
Frekuensi Setuju
27 22.1
Sangat Setuju 45
36.9 Total
122 100
Mean 3.6230
Jawaban Responden Item Pertanyaan
Menentukan biaya pendidikan tetap memperhitungkan keuntungan yang akan
digunakan untuk pengembangan
Universitas Sumatera Utara
mengacu pada proses analisis SEM sebagaimana dikemukakan oleh Ferdinand 2002. Adapun urutan langkah-langkah analisis tersebut meliputi:
4.1.4.1. Pengembangan Model Berdasarkan Teori. Pengembangan model dalam penelitian ini didasarkan atas kajian pustaka dan
kerangka pemikiran sebagaimana telah dijelaskan dalam Bab II. Secara umum model tersebut terdiri atas 3 konstruk eksogen yaitu kapabilitas, sumberdaya berwujud, dan sumberdaya tidak
berwujud, dan 2 konstruk endogen yaitu posisi bersaing dan keunggulan posisi dengan 20 indikator yang digunakan untuk menguji adanya hubungan kausalitas antara konstruk yang
diuji.
4.1.4.2. Menyusun Diagram Alur Path Diagram. Setelah pengembangan model berbasis teori dilakukan maka langkah selanjutnya
adalah model teoritis digambarkan dalam bentuk path diagram, untuk mempermudah melihat hubungan-hubungan kausalitas yang ingin diuji. Langkah ini telah dilakukan dan
penggambarannya dapat dilihat pada gambar 3.1 pada Bab III.
4.1.4.3. Konversi diagram alur kedalam serangkaian persamaan struktural dan spesifikasi model pengukuran.
Model yang telah dinyatakan dalam path diagram tersebut, selanjutnya dinyatakan ke dalam persamaan struktural dan spesifikasi model pengukuran. Kedua persamaan ini juga telah
dijelaskan pada Bab III sebelumnya.
4.1.4.4. Penilaian matriks input dan teknik estimasi atas model yang dibangun. Matriks input yang digunakan sebagai input adalah matriks kovarians. Hair et al,
dalam Ferdinand 2002, menyatakan bahwa dalam menguji hubungan kausalitas maka matriks
Universitas Sumatera Utara
kovarianlah yang diambil sebagai input untuk operasi SEM. Dari hasil pengolahan data yang telah dikumpulkan, matriks kovarians data yang digunakan tertuang dalam Tabel 4.23 di
bawah ini.
Tabel 4.23. Sample Covariances Group number 1.
Sumber: data primer diolah, 2013 Langkah selanjutnya setelah menyusun sampel kovarian sebagaimana tampak pada
Tabel 4.23 adalah menentukan teknik estimasi. Setelah mengkonversi data menjadi matrik kovarian maka langkah selanjutnya yang dilakukan adalah menentukan teknik estimasi. Teknik
estimasi yang akan digunakan adalah maximum likelihood estimation karena jumlah sampel yang digunakan dalam penelitian ini sebanyak 122.
4.1.4.5. Menilai Problem Identifikasi. Problem identifikasi model struktural adalah ketidakmampuan model untuk
menghasilkan estimasi yang unik unique solutionestimates untuk setiap parameter yang
Y1.4 Y1.3
Y1.1 Y1.2
Y2.1 Y2.2
Y2.4 Y2.3
X3.4 X3.3
X3.1 X3.2
X1.4 X1.3
X1.1 X1.2
X2.4 X2.3
X2.1 X2.2
Y1.4 1.524 Y1.3 0.801
1.636 Y1.1 0.809
0.867 1.740
Y1.2 0.808 0.971
0.903 1.673
Y2.1 0.626 0.713
0.661 0.624
1.706 Y2.2 0.609
0.567 0.592
0.533 0.998
1.654 Y2.4 0.648
0.714 0.688
0.669 1.214
1.121 1.841
Y2.3 0.847 0.874
0.774 0.755
1.209 1.052
1.217 1.995
X3.4 0.391 0.595
0.469 0.428
0.775 0.738
0.734 0.867
1.839 X3.3 0.569
0.579 0.426
0.450 0.639
0.534 0.555
0.808 1.160
1.971 X3.1 0.532
0.619 0.533
0.469 0.725
0.581 0.632
0.788 1.201
1.125 1.911
X3.2 0.572 0.653
0.608 0.494
0.767 0.697
0.775 0.933
1.200 1.210
1.218 2.003
X1.4 0.699 0.650
0.629 0.769
0.339 0.309
0.378 0.570
0.302 0.329
0.360 0.507
2.068 X1.3 0.646
0.562 0.615
0.576 0.315
0.376 0.386
0.542 0.333
0.395 0.304
0.488 1.221
1.911 X1.1 0.593
0.507 0.668
0.547 0.464
0.486 0.463
0.553 0.419
0.211 0.252
0.443 1.168
1.080 1.896
X1.2 0.581 0.450
0.490 0.463
0.300 0.307
0.348 0.533
0.472 0.514
0.380 0.513
1.075 1.183
0.915 1.739
X2.4 0.519 0.465
0.528 0.473
0.758 0.624
0.763 0.802
0.437 0.445
0.445 0.421
0.227 0.322
0.336 0.266
1.876 X2.3 0.522
0.602 0.586
0.524 0.808
0.719 0.865
0.776 0.403
0.462 0.392
0.395 0.397
0.482 0.472
0.377 1.256
1.765 X2.1 0.497
0.508 0.527
0.490 0.802
0.707 0.786
0.726 0.422
0.500 0.415
0.438 0.399
0.349 0.347
0.250 1.307
1.282 2.001
X2.2 0.590 0.535
0.637 0.601
0.706 0.759
0.781 0.696
0.377 0.414
0.403 0.352
0.379 0.444
0.434 0.179
1.346 1.296
1.319 2.153
Universitas Sumatera Utara
diestimasi pada model Hair et al, 2009. Indikator kunci untuk mengidentifikasi problem adalah degree of freedom. Jika df 0 maka model dapat diidentifikasi.
4.1.4.6. Evaluasi Kriteria Goodness of fit. Evaluasi kriteria Goodness-of-Fit yang dilakukan meliputi 2 langkah. Pertama, data
yang digunakan hanya dapat memenuhi asumsi-asumsi SEM. Kedua, dilakukan uji kesesuaian dan uji statistik terhadap model penelitian berdasarkan indeks kesesuaian dan cut-off value.
Dalam penelitian ini digunakan indeks untuk menguji Goodness-of-Fit dari model yang sedang dikembangkan seperti yang telah diuraikan pada Bab III.
4.1.4.7. Interpretasi dan modifikasi model. Pada langkah ini model yang sedang dikembangkan akan diinterpretasikan dan bagi
model yang tidak memenuhi syarat pengujian dilakukan modifikasi.
4.1.5. Analisa Faktor Konfirmatori
