Pemodelan Persamaan Struktural dengan Penduga Kemungkinan Maksimum dan Kuadrat Terkecil Parsial (Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green Audits)

PEMODELAN PERSAMAAN STRUKTURAL DENGAN PENDUGA
KEMUNGKINAN MAKSIMUM DAN KUADRAT TERKECIL PARSIAL
(Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green
Audits)

FIRMINA ADLAIDA

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Pemodelan Persamaan
Struktural dengan Penduga Kemungkinan Maksimum dan Kuadrat Terkecil
Parsial (Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green
Audits) adalah benar karya saya dengan arahan dari komisi pembimbing dan
belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam

Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Desember 2014

Firmina Adlaida
G151120041

RINGKASAN
FIRMINA ADLAIDA. Pemodelan Persamaan Struktural dengan Penduga
Kemungkinan Maksimum dan Kuadrat Terkecil Parsial (Studi Kasus Pengukuran
Tingkat Kepuasan Auditor Program Green Audits). Dibimbing oleh HARI
WIJAYANTO dan I MADE SUMERTAJAYA.
Peubah laten merupakan peubah yang tidak dapat diobservasi secara
langsung artinya pengukuran terhadap peubah yang akan diteliti dilakukan secara
tidak langsung melalui peubah-peubah lain yang dianggap berhubungan atau
menggambarkan peubah tersebut. Adanya jalur hubungan antara peubah-peubah
laten dan indikator ini digambarkan dalam suatu diagram jalur. Pemodelan
persamaan struktural digunakan untuk menganalisis data seperti ini secara
simultan.

Pemodelan persamaan struktural merupakan salah satu analisis multivariat
yang dapat menganalisis hubungan peubah secara kompleks. Pemodelan ini
merupakan model sebab akibat yang dapat menampilkan model secara
komprehensip bersamaan dengan kemampuan untuk mengkonfirmasi dimensi
atau faktor dari sebuah konsep yang diujikan melalui indikator-indikator empiris.
Perkembangan analisis pemodelan persamaan struktural menghasilkan
beragam metode pendugaan parameter. Metode pendugaan yang umum digunakan
adalah metode penduga kemungkinan maksimum (PKM) yang menggunakan
struktur koragam dalam pendugaannya dan digunakan pada data yang
berdistribusi normal ganda. Metode lain yang kemudian berkembang adalah
metode penduga kuadrat terkecil parsial (KTP). Metode ini menggunakan struktur
ragam dalam pendugaan parameternya dan tidak mensyaratkan data yang
berdistribusi normal ganda.
Metode PKM dan KTP ini diterapkan untuk mengukur tingkat kepuasan
auditi terhadap auditor program green audits serta menganalisis faktor-faktor yang
mempengaruhi kepuasan tersebut. Faktor-faktor yang mempengaruhinya diambil
dari konsep pengukuran kepuasan pelayanan jasa dari Zeithml et al. (1990). Hasil
pemodelan struktural yang dilakukan menunjukkan bahwa dengan metode PKM
dan KTP menghasilkan peubah laten eksogen yang signifikan berpengaruh
terhadap peubah laten endogen (kepuasan) yang sama yaitu peubah tangible.

Peubah tersebut berpengaruh positif terhadap kepuasan artinya semakin baik
wujud fisik, fasilitas, proses, dan hasil audit internal maka auditi semakin puas
dengan kinerja dari auditor yang telah bekerja. Peubah ini dibangun oleh empat
peubah indikator dan yang paling berpengaruh adalah peubah TB2 yang
menggambarkan pelaksanaan audit maupun jasa konsultasi didukung fasilitas fisik
yang memadai.
Perbandingan metode PKM dan KTP ditinjau dari nilai sisaan model
pengukuran dan model strukturalnya. Nilai sisaan kedua model tersebut
menunjukkan bahwa metode penduga KTP dapat membentuk model yang lebih
baik dari metode PKM untuk data tingkat kepuasan auditi terhadap auditor
program green audits ini.
Kata kunci: peubah laten, pemodelan persamaan struktural, penduga kemungkinan
maksimum, kuadrat terkecil parsial, tingkat kepuasan

SUMMARY
FIRMINA ADLAIDA. Structural Equation Modeling with Maximum Likelihood
and Partial Least Square Estimator (Case Study in Measurement of The Level of
Satisfaction Auditor of Green Audits Program). Supervised by HARI
WIJAYANTO and I MADE SUMERTAJAYA.
Latent variables are variables that can not be observed directly. It means

that measurement of variables that will be studied indirectly through other
variables are considered to relate or describe the variables. The relationship
between latent variables and indicators are described in a path diagram. Structural
equation modeling was used to analyze data such as this simultaneously.
Structural equation modeling is a multivariate analysis that can analyze the
relationship between variables in complex form. This modeling is causal models
that can comprehensively display models along with the ability to confirm the
dimensions or factors of a concept that is tested through empirical indicators.
The development of structural equation modeling produces a variety of
parameter estimation methods. Estimation methods commonly used is maximum
likelihood estimators (MLE), which uses covariance structure in estimates and
have normal multivarite distribution. Other method developed is partial least
squares (PLS) method. This method uses variance structure for estimating
parameters and do not need normal multivariate distribution.
This method was applied to measure the satisfaction levels of the auditee
to the auditor of green audits program and the factors that influence the
satisfaction were analyzed. Latent variables used the four major dimensions from
the service quality concept of Zeithaml et al. (1990). Structural model formed by
the MLE and PLS method gave exogenous latent variables that significant
effected to the endogenous latent variables (satisfaction) was tangible variable.

The variable had positive influence on the satisfaction which means better
physical form, facilities, processes and results of the internal audit would make
the auditee satisfied with the performance of the auditor. This variable constructed
by four variables and most influential indicator was TB2 that describe the
implementation of audit and advisory services supported by adequate physical
facilities.
Comparison between MLE and PLS method in terms of residuals rate
measurement models and structural models. Residual values both models
indicated that the method of estimation PLS could form a better model than MLE
method for satisfaction level of the auditor's green audits programs.
Key words: latent variables, Structural equation modeling, maximum likelihood
estimator, partial least square, satisfaction level.

© Hak Cipta Milik IPB, Tahun 2014
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
IPB

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB

PEMODELAN PERSAMAAN STRUKTURAL DENGAN
PENDUGA KEMUNGKINAN MAKSIMUM DAN KUADRAT
TERKECIL PARSIAL (Studi Kasus Pengukuran Tingkat
Kepuasan Auditor Program Green Audits)

FIRMINA ADLAIDA

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Penguji Luar Komisi pada Ujian Tesis: Dr Ir Erfiani, MSi

Judul Tesis

Nama
NIM

: Pemodelan
Persamaan
Struktural
dengan
Penduga
Kemungkinan Maksimum dan Kuadrat Terkecil Parsial
(Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program
Green Audits)
: Firmina Adlaida
: G151120041

Disetujui oleh
Komisi Pembimbing

Dr Ir Hari Wijayanto, MSi
Ketua

Dr Ir I Made Sumertajaya, MSi
Anggota

Diketahui oleh

Ketua Program Studi Statistika

Dekan Sekolah Pascasarjana

Dr Ir Anik Djuraidah, MS

Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian: 20 November 2014

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah yang berjudul “Pemodelan Persamaan
Struktural dengan Penduga Kemungkinan Maksimum dan Kuadrat Terkecil
Parsial (Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green
Audits)” ini dapat diselesaikan.
Terima kasih penulis sampaikan kepada
1. Bapak Dr Ir Hari Wijayanto, MSi selaku pembimbing I dan Bapak Dr Ir I
Made Sumertajaya, MSi selaku pembimbing II yang telah banyak
memberi bimbingan, arahan, serta saran dalam penulisan karya ini
2. Ibu Dr Ir Erfiani, MSi selaku penguji luar komisi pada ujian tesis
3. Seluruh dosen dan staf Program Studi Statistika yang telah banyak
berbagi ilmu dan bantuan selama proses perkuliahan
4. Teman-teman Statistika dan Statistika Terapan 2012 atas persahabatan,
berbagi ilmu, tawa, dan kebersamaannya
5. Mama, Dae, Kakak-kakak dan adik yang selalu mendoakan dan
mendukung penulis dalam setiap langkah yang diambil.
Penulis menyadari masih banyak kekurangan dalam penulisan karya ilmiah
ini. Oleh karena itu, kritik dan saran yang membangun sangat diperlukan oleh

penulis untuk penulisan karya ilmiah selanjutnya. Semoga karya ilmiah ini dapat
bermanfaat.
Bogor, Desember 2014

Firmina Adlaida

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

1 PENDAHULUAN

Latar Belakang
Tujuan Penelitian

1
1
2

2 TINJAUAN PUSTAKA

3

3 METODE
Data
Metode Analisis Data

8
8
9

4 HASIL DAN PEMBAHASAN
Deskripsi Data
Pendugaan Parameter dengan Metode PKM
Pendugaan Parameter dengan Metode KTP
Perbandingan Hasil Dugaan Kedua Metode

13
13
15
21
25

5 SIMPULAN

26

DAFTAR PUSTAKA

27

LAMPIRAN

28

RIWAYAT HIDUP

29

DAFTAR TABEL
1
2
3
4
5
6

Sebaran frekuensi jawaban pada peubah kepuasan
Pengujian validitas dan reliabilitas
Kriteria kelayakan model dugaan
Besar nilai t-hitung peubah laten eksogen awal
Besar nilai t-hitung peubah laten eksogen
Composite Reliability ρc dan Average Variance Extracted (AVE)

15
20
20
22
24
25

DAFTAR GAMBAR
1 Bentuk hubungan peubah laten kinerja pelayanan jasa audit dengan
tingkat kepuasan auditi
2 Diagram alir metode analisis
3 Grafik persebaran data indikator-indikator peubah laten tangible dan
responsiveness
4 Grafik persebaran data indikator-indikator peubah laten reliability dan
assurance
5 Model persamaan struktural awal dengan metode PKM
6 Nilai loading factor peubah peubah indikator model awal
7 Nilai t-hitung peubah peubah indikator model awal
8 Model persamaan struktural dengan metode PKM
9 Nilai loading factor peubah peubah indikator
10 Nilai t-hitung peubah peubah indikator
11 Model persamaan struktural awal dengan metode KTP
12 Nilai loading factor peubah peubah indikator model awal
13 Model persamaan struktural dengan metode KTP
14 Nilai loading factor peubah peubah indikator
15 Grafik perbandingan nilai sisaan model pengukuran metode PKM dan
KTP

10
12
14
15
16
17
17
18
19
20
21
22
23
24
26

DAFTAR LAMPIRAN
1 Peubah laten dan peubah indikator model persamaan struktural
kepuasan auditi terhadap auditor di Kementerian Pertanian

28

1 PENDAHULUAN
Latar Belakang
Kementerian Pertanian Republik Indonesia sebagai salah satu lembaga
negara diharuskan memiliki Inspektorat Jenderal sesuai dengan terbitnya
keputusan Presidium Kabinet Nomor 15 tahun 1966 yang mengharuskan adanya
Inspektorat Jenderal pada setiap kementerian. Inspektorat Jenderal Kementerian
Pertanian sebagai lembaga pengawas intern Kementerian Pertanian dituntut untuk
menciptakan suasana pengawasan yang profesional yang dilandasi kompetensi,
kapabilitas, dan integritas sesuai dengan tekad reformasi birokrasi pemerintahan
di Lembaga Kementerian Pertanian yang diarahkan pada pencapaian good
governance, transparan, dan akuntabel.
Inspektorat Jenderal Kementerian Pertanian mencanangkan program green
audits dalam rangka mewujudkan pengawasan yang profesional serta
mewujudkan visi dan misinya. Program green audits bertujuan agar auditor
melaksanakan kegiatan pengawasan yang lebih fokus dengan tersedianya dasar
perumusan kebijakan pengawasan (outcome) melalui program dan kegiatan
(output) sehingga akan berdampak efektifitas, efisiensi, ekonomis, dan taat
peraturan (impact). Auditor dapat memberikan motivasi dan saran kepada objek
pemeriksaan (auditi) secara bijaksana dan ramah serta mampu memberikan
kepercayaan dan kenyamanan terhadap objek pemeriksaan dan jujur dalam
mengungkap temuan.
Aktifitas pengawasan lebih menekankan pencegahan daripada penindakan
sehingga pola pengawasan terhadap kegiatan-kegiatan strategis menjadi prioritas
sebelum dilakukan pemeriksaan. Pengawasan juga berorientasi kepada perbaikan
bukan menghukum sehingga apabila ditemukan penyimpangan maka akan
ditemukan penyelesaian secara internal sebelum dilakukan upaya pelimpahan
permasalahan yang terjadi kepada pihak yang terkait. Diharapkan dengan
dicanangkannya green audits dapat menciptakan kenyamanan antara auditor dan
auditi dalam proses pemeriksaan di lingkungan Kementerian Pertanian.
Evaluasi atas kinerja auditor yang telah melakukan proses audit dilakukan
setelah proses audit selesai. Analisis ini menyangkut tingkat kepuasan auditi
terhadap kinerja auditor yang telah bekerja. Faktor-faktor yang mempengaruhi
tingkat kepuasan auditi juga akan diteliti. Peubah kepuasan merupakan peubah
yang tidak dapat diobservasi secara langsung. Artinya, pengukuran terhadap
peubah yang diteliti tidak dapat dilakukan secara langsung tetapi diukur melalui
indikator-indikator sebagai refleksi atau penjelas dari konstruk atau konsep yang
hendak diukur. Oleh karena itu, konstruk seperti itu disebut peubah laten,
sedangkan indikator-indikator konstruk yang diukur disebut peubah indikator
(Schumacker dan Lomax 1996).
Faktor-faktor yang mempengaruhi kepuasan auditi dapat diamati melalui
peubah tangible (wujud fisik fasilitas, personil, proses dan hasil audit internal),
reliability (kehandalan/profesionalisme auditor merupakan perpaduan antara
pengetahuan, keahlian dan kemampuan auditor sehingga dapat melaksanakan
penugasan sesuai standar audit), responsiveness (kecepattanggapan auditor untuk
membantu dan memberikan jasa audit maupun konsultansi), assurance (jaminan

2
kepastian yang dapat diberikan oleh auditor untuk menumbuhkan rasa percaya
auditi terhadap pelayanan audit, terkait dengan independensi dan integritas
auditor) (Zeithaml et al. 1990). Keempat faktor-faktor yang dianggap
mempengaruhi kepuasan auditi tersebut juga merupakan peubah laten.
Boolen (1989) menggunakan pemodelan persamaan struktural (structural
equations modeling) yang dapat menganalisis secara simultan hubungan yang
relatif rumit dengan sebagian atau seluruh peubahnya berupa peubah laten.
Hubungan antara peubah laten diduga melalui model struktural yang dibangun
oleh model pengukuran yang berisi hubungan antara indikator-indikator dengan
peubah latennya.
Pemodelan persamaan struktural yang lengkap terdiri dari model struktural
dan model pengukuran. Model pengukuran digunakan untuk mengkonfirmasi
dimensi-dimensi yang dikembangkan pada peubah laten dan model struktural
merupakan hubungan yang membentuk kausalitas antara peubah laten.
Perkembangan analisis pemodelan persamaan struktural menghasilkan
beragam metode pendugaan parameter yang dapat digunakan diantaranya penduga
kemungkinan maksimum (PKM), kuadrat terkecil terboboti, kuadrat terkecil tidak
terboboti, kuadrat terkecil umum, dan kuadrat terkecil parsial (KTP). Masingmasing metode tersebut mempunyai kriteria sendiri dalam proses pendugaannya.
Penduga kemungkinan maksium (PKM) menggunakan struktur koragam
dalam proses pendugaannya. Metode ini berusaha meminimumkan perbedaan
antara koragam matriks prediksi oleh model teoritis dengan koragam matriks
contoh sehingga proses estimasi menghasilkan sisaan matriks koragam yang
mendekati nol. Metode ini merupakan bentuk hard modeling yang berarti
memerlukan asumsi sebaran normal ganda dalam pendugaannya. Kuadrat terkecil
parsial (KTP) menggunakan struktur ragam dalam proses pendugaannya. KTP
merupakan metode soft modeling yang tidak mendasarkan pada asumsi skala
pengukuran, distribusi data dan jumlah contoh yang digunakan sehingga
merupakan metode yang fleksibel dan dapat digunakan untuk data yang tidak
ideal. Adanya perbedaan pendekatan dari metode PKM dan KTP ini menarik
untuk dikaji secara empirik perbandingan hasil dugaan parameter kedua metode
tersebut.
Tujuan Penelitian
1. Menduga parameter model persamaan struktural (MPS) dengan metode
penduga kemungkinan maksimum (PKM) dan kuadrat terkecil parsial (KTP)
pada data tingkat kepuasan auditi terhadap kinerja auditor dan faktor-faktor
yang mempengaruhinya di lingkungan Kementerian Pertanian Republik
Indonesia.
2. Membandingkan hasil pendugaan parameter dengan metode PKM dan KTP
berdasarkan besar nilai sisaan model pengukuran dan model strukturalnya.

3

2 TINJAUAN PUSTAKA
Model Persamaan Struktural (MPS)
Model persamaan struktural (MPS) merupakan salah satu analisis
multivariat yang dapat menganalisis hubungan peubah secara kompleks. Analisis
ini pada umumnya digunakan untuk penelitian-penelitian yang menggunakan
banyak peubah dan dapat menganalisis model yang rumit secara simultan. MPS
juga merupakan model analisis sebab akibat yang dapat menampilkan model
secara komprehensip bersamaan dengan kemampuan untuk mengkonfirmasi
dimensi atau faktor dari sebuah konsep yang diujikan melalui indikator-indikator
empiris. Umumnya analisis MPS digunakan untuk menguji sebuah konsep teoritis
atau melakukan konfirmasi terhadap sebuah konsep teoritis.
Model hubungan yang menjelaskan keterkaitan antarpeubah laten pada
pemodelan persamaan struktural didefinisikan sebagai model struktural. Peubah
laten yang merupakan peubah bebas di dalam model struktural disebut dengan
peubah laten eksogen, sedangkan peubah laten yang diukur dari peubah-peubah
laten eksogen disebut peubah laten endogen.
Peubah-peubah pada model struktural merupakan peubah laten sehingga
pendugaan terhadap parameter-parameternya tidak dapat dilakukan secara
langsung. Hal ini disebabkan karena peubah laten tersebut bukan merupakan hasil
pengukuran dari suatu peubah pengamatan. Oleh karena itu, pendugaan dan
pengujian model struktural dibangun melalui model pengukuran yang berisi
hubungan antara peubah laten dengan peubah-peubah penjelas. Peubah penjelas
tersebut diasumsikan sebagai pengukur (indikator) dari peubah laten yang
dijelaskan.
MPS terdiri dari dua model persamaan yaitu model struktural dan model
pengukuran. Model struktural pada MPS adalah
η=Bη+Γξ+ζ
sedangkan model pengukurannya adalah
y=Λy η+ϵ
x=Λx ξ+δ
dengan asumsi E( )=0, E( )=0, E( )=0, cov( , )=0, cov( , )=0, cov ( , )=0
dan matriks B non-singular.
η : vektor (px1) peubah laten endogen
ξ : vektor (qx1) peubah laten eksogen
B : matriks (pxp) koefisien lintas antarpeubah laten endogen
Γ : matriks (pxq) koefisien lintas antara peubah laten endogen dengan peubah
laten eksogen
y : vektor (rx1) peubah penjelas dari peubah laten endogen
x : vektor (sx1) peubah penjelas dari peubah laten eksogen
Λy : matriks (rxp) koefisien lintas antara peubah laten endogen dengan peubah
penjelasnya
Λx : matriks (sxq) koefisien lintas antara peubah laten eksogen dengan peubah
penjelasnya
ζ : vektor (px1) galat model struktural

4
: vektor (rx1) galat model pengukuran antara peubah laten endogen dengan
peubah penjelasnya
δ : vektor (sx1) galat model pengukuran antara peubah laten eksogen dengan
peubah penjelasnya
matriks ragam-peragam ∑ dari indikator-indikator x dan y adalah:
Σxx Σxy
=
Σyx Σyy
penguraian komponen matriks ∑ adalah sebagai berikut
Σxx = E(xxT )
= E[(Λx ξ+δ)(Λx ξ+δ)T ]
= E Λx ξξT Λx T +E Λx ξδT +E Λx T ξT δ +E(δδT )
suku kedua dan ketiga dari penguraian di atas adalah nol karena diasumsikan δ
dan ξ tidak berkorelasi sehingga
Σxx =Λx ΦΛx T +Θδ
dengan Φ(n×n)=E ξξT dan Θδ (q×q)=E(δδT )
Penguraian komponen matriks ∑ lainnya adalah
Σxy =Λy (I-B)-1 ΓΦΛx T
Σyy =Λy (I-B)-1 ΓΦΓT +Ψ (I-B)-1 +Θϵ
dengan Ψ(m×m)= E ζζT dan Θϵ (p×p)=E(ϵϵT )
Jadi, matriks ∑ merupakan fungsi dari θ= Λx , Λy , B, Γ, Φ, Ψ, Θδ ,Θϵ sehingga
model persamaan struktural dapat dituliskan sebagai berikut :
Λy (I-B)-1 ΓΦΛx T
Λx ΦΛx T +Θδ
(θ) =
T
Λy (I-B)-1 ΓΦΛx T
Λy (I-B)-1 ΓΦΓT +Ψ (I-B)-1 +Θϵ
Model persamaan struktural pada dasarnya bertujuan untuk mencari fungsi
penduga parameter-parameter dalam model yang menghasilkan matriks koragam
contoh S yang sama atau mendekati matriks koragam populasi (θ). Pendugapenduga akan konsisten jika F(S, ( (θ)) memiliki sifat-sifat :
1. F(S,( (θ) ) adalah skalar
2. F(S,( (θ) )≥0
3. F(S,( (θ))=0 jika dan hanya jika (θ) =S
4. F(S,( (θ)) kontinu di S dan (θ)
ϵ

Metode Penduga Kemungkinan Maksimum (PKM)
Penduga kemungkinan maksimum (PKM) sejauh ini merupakan metode
yang paling sering digunakan untuk menduga koefisien model persamaan
struktural. Pada pendugaan analisis koragam, nilai awal parameter bebas dipilih
supaya menghasilkan dugaan matriks koragam populasi dari model konvergen
terhadap matriks koragam contoh S. Perbedaan kedua matriks tersebut diharapkan
relatif kecil agar menghasilkan penduga yang konsisten.
Matriks koragam populasi dari model tidak dapat diduga secara langsung,
karena dan bukan merupakan peubah pengamatan dari suatu hasil pengukuran.
Pendugaan matriks koragam populasi dapat dilakukan dengan menggunakan
metode pendugaan melalui beberapa tahapan. Metode kemungkinan Maksimum
pada dasarnya bertujuan meminimumkan fungsi

5
FML (θ)=log|Σ(θ)|+tr SΣ-1 (θ) -log|S|-(p+q)
dengan asumsi S dan Σ(θ) adalah matriks-matriks definit positif, sedangkan p+q
adalah banyaknya peubah teramati dalam model.
Pada metode kemungkinan maksimum diasumsikan bahwa peubah indikator
yang datanya menyebar normal ganda sehingga akan menghasilkan PKM yang
efisien untuk ukuran contoh yang cukup besar. Menurut Bollen (1989), PKM
mempunyai sifat-sifat penting, yaitu tak bias secara asimtotis yaitu ada
kemungkinan berbias pada ukuran contoh kecil, konsisten, efisien secara asimtotis,
dan invariant terhadap skala pengukuran (suatu pengukuran tidak mempengaruhi
nilai dugaan parameter model).
Ukuran Kebaikan Penduga Kemungkinan Maksimum
Menguji model mengandung dua hal. Pertama, menguji kesesuaian model
secara keseluruhan (overall model fit test). Kedua, menguji secara individual
kebermaknaan (test of significance) hasil estimasi parameter model. Pengujian
pertama erat berhubungan dengan persoalan generalisasi, yaitu sejauh mana hasil
estimasi parameter model dapat diberlakukan terhadap populasi, sedangkan
pengujian kedua berhubungan dengan menguji hipotesis penelitian yang diajukan
(Bachrudin A & Tobing 2003).
Kesesuaian model dalam format model-model persamaan struktural adalah
kesesuaian antara matriks koragam data contoh dengan matriks koragam populasi
yang diestimasi, oleh karena itu suatu model dikatakan sesuai apabila matriks
koragam data contoh tidak berbeda dengan matriks koragam populasi yang
diestimasi.
Langkah pertama dalam menafsirkan model yang dihasilkan adalah menilai
apakah model tersebut sudah layak atau belum. Tidak ada ukuran tunggal untuk
menilai kelayakan sebuah model. Beberapa peneliti menyarankan untuk
menggunakan paling sedikit tiga uji kelayakan model (Kusnendi 2008). Ada
beberapa ukuran kesesuaian model yaitu uji , uji Root Mean Square Error of
Approximation (RMSEA), uji Goodness of Fit Index (
), uji Root Mean Square
Residual (RMR), dan Adjusted GFI (AGFI). Berikut ini beberapa ukuran
kesesuaian model yang akan digunakan untuk menilai kelayakan model dalam
tulisan ini.
• Uji Root Mean Square Galat of Approximation (RMSEA)
RMSEA merupakan ukuran atau indeks yang mencoba memperbaiki
karakteristik statistik
yang cenderung menolak model jika ukuran contoh
relatif besar. Kriteria RMSEA adalah semakin rendah nilai RMSEA
menunjukkan matriks koragam contoh dengan matriks koragam populasi
cenderung tidak berbeda. Beberapa pakar merekomendasikan nilai RMSEA
maksimum sebesar 0.05 sampai 0.08 merupakan ukuran yang dapat diterima
sebagai dasar untuk mengatakan model sesuai dengan data.
RMSEA=

db
χ2
(n-1)db (n-1)db

6
• Uji Goodness of Fit Index (
)
GFI merepresentasikan persen keragaman S yang dapat diterangkan oleh ,
yakni keragaman yang dinyatakan dengan model. Interpretasi nilai GFI analog
dengan
pada model regresi. GFI diperoleh dari rumus berikut :
-1

Σ -S-I

tr
GFI=1-

2

2

tr Σ-S
Batas minimal nilai GFI yaitu 0.9. GFI sebesar 0.9 mengandung arti bahwa
sebesar 90% model memiliki kesesuaian dengan data. Dengan kata lain,
sebesar 90% model mampu mengestimasi matriks koragam populasi yang tidak
berbeda dengan matriks koragam contoh (Sharma diacu dalam Kusnendi 2008).
• Uji Root Mean Square Residual (RMR)
RMR didefinisikan sebagai
p+q
I=1

i
j=1

2

sij -σij
RMR=
(p+q)(p+q+1)/2
dengan : p adalah banyaknya indikator bagi peubah laten endogen
q adalah banyaknya indikator bagi peubah laten eksogen
adalah unsur matriks S
adalah unsur matriks
RMR merupakan ukuran rata-rata dari kuadrat sisaan, semakin besar nilai
RMR maka semakin buruk model hipotesis dalam mengepas data dan begitu
pula sebaliknya (Sharma 1996 diacu dalam Kusnendi 2008).
Metode Kuadrat Terkecil Parsial (KTP)
KTP dikembangkan oleh Wold (1982) sebagai metode umum untuk
pendugaan model persamaan struktural yang memuat peubah laten. Pendugaan
parameter dan pengujian kelayakan model KTP tidak memerlukan asumsi sebaran
(distribution-free) dari peubah pengamatan dan ukuran contoh tidak harus besar.
Spesifikasi model pada metode KTP didefinisikan dari model struktural (inner
model) yang menyatakan hubungan antara peubah-peubah laten dan model
pengukuran (outer model) yang menyatakan hubungan antara peubah laten dengan
indikator-indikatornya. Adapun formula inner model pada metode KTP adalah
sebagai berikut
ηj =
ηj
βji
ηi
γjb
ξb
ζji

i

βji ηi +

i

γjb ξb + ζj

: peubah laten endogen ke-j
: koefisien lintas antara peubah laten endogen ke-j dengan peubah laten
endogen ke-i
: peubah laten endogen ke-i untuk
: koefisien lintas antara peubah laten endogen ke-j dengan peubah laten
eksogen ke-b
: peubah laten eksogen ke-b
: sisaan inner model

7
p
q

: banyaknya peubah laten endogen.
: banyaknya peubah laten eksogen.
Formula outer model pada model KTP untuk hubungan reflektif adalah
x=Λx ξ+δ
y=Λy η+ϵ
dengan
x
: indikator peubah laten eksogen (ξ)
y
: indikator peubah laten endogen (η)
Λx dan Λy : matriks loading yang menghubungkan peubah laten dengan
indikatornya
δ dan ϵ
: sisaan outer model
Hubungan antara peubah laten dan indikator-indikatornya telah dijelaskan
melalui outer model, namun nilai sebenarnya dari suatu peubah laten tidak
mungkin didapatkan. Oleh karena itu, dilakukan pembobotan pada outer model
untuk mendekati nilai peubah laten yang ada. Menurut Chin (1998), peneliti dapat
menggunakan pembobot-pembobot awal dengan nilai yang sama untuk
mendapatkan pendekatan awal sebuah peubah laten berupa penjumlahan
sederhana dari indikator-indikatornya.
Inti dari prosedur KTP adalah menentukan pembobot-pembobot yang akan
digunakan untuk menduga peubah laten pada outer model. Pembobot-pembobot
diperoleh dari regresi KTP yang diterapkan pada setiap blok peubah indikator.
Ada dua cara pada pendugaan pembobot yaitu outward mode dan inward mode.
Untuk bentuk hubungan reflektif pada outer mode menggunakan cara outward
mode yaitu menggunakan regresi sederhana yang pendugaannya menggunakan
metode kuadrat terkecil. Formula pendugaannya yaitu
Yj =

wkj yk +dj
j

kj

pendugaan pembobot dengan outward mode melalui formula
yk =wk 0 +wkj Yj +ekj
j

j

proses iterasi pada pendugaan pembobot selesai pada saat
-5
*
*
w**
kj -wkj /wkj ≤10
setelah proses iterasi selesai, kemudian dilakukan pendugaan outer model
Yj =
kj

wkj ykj

Pada dasarnya pendekatan KTP adalah penggabungan model pendugaan di
atas sebagai pengembangan model-model lintas yang melibatkan lebih dari dua
peubah laten. Proses pendugaannya menggunakan metode kuadrat terkecil yang
diaplikasikan pada persamaan hubungan inner model dan outer model karena
metode KTP tidak memerlukan asumsi yang ketat terhadap sebaran dari peubah,
sisaan dan parameter maka metode ini sering disebut model lunak.
Ukuran Kebaikan Kuadrat Terkecil Parsial (KTP)
Metode KTP pada dasarnya untuk menduga kuadrat terkecil melalui
indikator yang dibatasi oleh hubungan-hubungan inner model dan outer model.
Bagian yang sangat penting selain menduga pembobot dan koefisien lintas adalah

8
mengevaluasi kesesuaian model dugaan dan memeriksa kekuatan pendugaan dari
inner model dan outer model. Evaluasi model dugaan menggunakan metode KTP
dilakukan dengan menghitung indeks-indeks kecocokan model yang diperoleh
dari inner model dan outer model.
• Pengujian outer model (model reflektif)
Pada prinsipnya adalah menguji indikator terhadap peubah laten atau dengan
kata lain mengukur seberapa jauh indikator itu dapat menjelaskan peubah
latennya.
1. Validitas Kekonvergenan
Nilai loading 0.5 sampai 0.6 dianggap cukup untuk menggambarkan
indikator tersebut mampu menggambarkan peubah latennya.
2. Validitas Diskriminan
Validitas diskriminan diukur menggunakan nilai average variance
extracted (AVE), yaitu mengukur keragaman peubah laten yang dapat
dijelaskan oleh keragaman model pengukuran. Menurut Tan et al. (1999)
nilai AVE yang mengindikasikan keragaman yang cukup baik adalah di
atas 0.5. Formula AVE sebagai berikut :
2
i λi
AVE=
n
3. Reliabilitas Gabungan
Reliabilitas gabungan (ρ c) digunakan untuk mengukur reliabilitas setiap
peubah laten, dengan formula sebagai berikut:
(Σλi )2
ρc =
(Σλi )2 +Σ 1-λi 2
dengan merupakan koefisien lintas ke-i. Nilai ini menunjukkan stabilitas
dan konsistensi dari suatu pengukuran. Nilainya berkisar 0 sampai 1. Nilai
batas yang diterima untuk tingkat reliabilitas komposit (ρ c) adalah ≥ 0.8,
walaupun bukan merupakan standar absolut (Chin 1998).
• Pengujian inner model yaitu :
1. Pengujian pengaruh hubungan peubah laten eksogen terhadap peubah
endogen dengan melihat nilai t-hitung tiap koefisien lintas tiap peubah
pada inner model.
2. Nilai R2 yang menunjukkan besarnya keragaman peubah endogen yang
dapat dijelaskan oleh peubah eksogen (prediktif).

3 METODE
Data
Data yang digunakan dalam penelitian ini adalah data penyusunan persepsi
terhadap pelayanan audit (tingkat kepuasan auditi terhadap kinerja auditor) dan
faktor yang mempengaruhinya yang dikelompokkan dalam dimensi tangible,
reliability, responsiveness, dan assurance. Data ini bersumber dari Winniasri

9
(2013). Peubah laten tangible, reliability, responsiveness, assurance merupakan
peubah eksogen sedangkan peubah kepuasan merupakan peubah endogen. Peubah
tangible berkaitan dengan wujud fisik fasilitas, personil, proses dan hasil audit
internal. Peubah laten reliability mencakup kehandalan/profesionalisme auditor.
Peubah responsiveness berarti kecepattanggapan auditor untuk membantu dan
memberikan jasa audit maupun konsultasi. Peubah assurance menyangkut
jaminan kepastian yang dapat diberikan oleh auditor untuk menumbuhkan rasa
percaya auditi terhadap pelayanan audit. Indikator-indikator yang digunakan
untuk setiap peubah disajikan pada Lampiran 1.
Data diperoleh dari responden yaitu pejabat pengelola keuangan di 12 unit
kerja Eselon 1 di lingkungan Kementerian Pertanian Pusat dan tersebar di Unit
Pelaksana Teknis (UPT). Kepuasan auditi yang diteliti merupakan persepsi yang
dirasakan oleh pejabat pengelola keuangan di masing-masing satuan kerja sebagai
pihak-pihak yang sering berhubungan dengan auditor Itjentan. Empat peubah dari
konsep kualitas pelayanan Zeithaml et al. (1990) yaitu tangible, reliability,
responsiveness, dan assurance digunakan dalam penelitian ini. Keempat dimensi
tersebut digunakan sebagai peubah laten eksogen untuk mengukur peubah laten
endogen kepuasan.
Metode Analisis data
Secara garis besar, tahapan analisis data pada penelitian ini terdiri dari
empat tahapan yaitu analisis deskriptif data, pengepasan model dengan metode
pendugaan kemungkinan maksimum (PKM), pengepasan model dengan metode
pendugaan kuadrat terkecil parsial (KTP), perbandingan metode PKM dan KTP.
Analisis Deskriptif
Analisis data diawali dengan analisis deskriptif bertujuan untuk
menggambarkan sesuatu sifat yang sedang berlangsung pada saat riset dilakukan
dan memeriksa sebab-sebab yang ada dari gejala tertentu.
1. Deskripsi data tiap unit Eselon 1 di bawah Kementerian Pertanian
2. Deskripsi data tiap peubah yang digunakan
Metode Pendugaan Kemungkinan Maksimum (PKM)
Analisis data contoh dengan menggunakan metode PKM melalui tahapantahapan sebagai berikut:
1. Spesifikasi model
Hubungan peubah-peubah yang digunakan dalam penelitian ini dapat dibentuk
dalam diagram jalur pada Gambar 1 sehingga dapat dibentuk model
pengukuran dan model strukturalnya.
• Model pengukuran
Model pengukuran untuk semua peubah laten menggunakan hubungan
reflektif. Model pengukurannya sebagai berikut :
untuk peubah endogen
y
λ11
ε1
Y1
y
Y2 = λ21 kepuasan+ ε2
y
ε3
Y3
λ
31

10
untuk peubah eksogen

•

λx11
δ1
X1
x
X2
λ
δ2
= 21
x tangible+
X3
δ3
λ31
x
X4
δ4
λ41
x
λ52
δ5
X5
λx62
δ6
X6
x
X7 = λ72 reliability+ δ7
X8
δ8
λx82
x
X9
δ9
λ92
x
λ103
δ10
X10
λx113
X11
δ11
= x responsiveness+
X12
δ12
λ123
x
X13
δ13
λ133
x
λ144
δ14
X14
x
X15
λ
δ
= 154
assurance+ 15
x
X16
δ16
λ164
x
X17
δ17
λ174

Model Struktural
kepuasan=γ11 tangible+γ12 reliability+γ13 responsiveness+γ14 assurance+ζ

Gambar 1 Bentuk hubungan peubah laten kinerja pelayanan jasa audit
dengan tingkat kepuasan auditi

11
2. Menduga parameter
Tahapan ini dimaksudkan untuk memperoleh koefisien lintas model struktural
dan pengukuran dengan membentuk matriks koragam kemungkinan
maksimum, yaitu S=Σ(θ) maka diperoleh persamaan matriks sebagai berikut.
'
Λy (I-Β)-1 ΓΦΓ' +Ψ [(I-Β)-1 ]'Λ y +Θε Λy (I-Β)-1 ΓΦΛ'x
Cov(y,y) Cov(y,x)
=
'
Cov(x,y) Cov(x,x)
Λ ΦΓ'[(I-Β)-1 ]'Λ y
Λ ΦΛ' +Θ
x

x

x

δ

Estimasi sudah cukup dekat dapat diketahui menggunakan fungsi yang
diminimumkan, yaitu fungsi dari S dan Σ(θ) ( F(S,Σ(θ ))). PKM ini secara
iteratif akan meminimumkan fungsi ( , ) sebagai berikut:
FML (θ)=log|Σ(θ)|+tr SΣ-1 (θ) -log|S|-(p+q)
dengan asumsi S dan Σ(θ) adalah matriks-matriks definit positif, sedangkan
p+q adalah banyaknya peubah teramati dalam model.
3. Menguji validitas dan reliabilitas peubah laten
Validitas dapat diartikan sebagai kemampuan suatu alat ukur dalam menggali
informasi yang ingin didapatkan dari responden secara tepat mengenai hal yang
ingin diukur sesuai dengan tujuan penelitian. Reliabilitas adalah kekonsistenan
suatu hasil pengukuran dalam mengukur nilai pada suatu objek. Untuk
menduga nilai reliabilitas secara keseluruhan dan untuk masing-masing peubah
laten digunakan nilai constuct reliability dihitung dengan menggunakan
formula berikut :
CR=

4.

5.
6.
7.

λi *

2

2

λi * + ei
Dengan λi * adalah nilai factor loading yang telah distandarkan dan adalah
besar sisaan pengukuran untuk peubah indikator ke-i dalam satu peubah laten.
Menguji indikator yang signifikan untuk setiap peubah laten
Pengujian menggunakan nilai factor loading tiap indikator peubah laten
(signifikan jika ≥ 0.4). Apabila terdapat indikator yang memiliki nilai factor
loading yang kurang dari 0.4 maka indikator tersebut akan dihilangkan
kemudian akan dilakukan pembentukan model yang baru.
Menguji pengaruh antara peubah laten dengan menggunakan uji t
Menguji kesesuaian model dengan menggunakan nilai RMSEA, GFI, RMR
Menginterpretasi hasil

Metode Pendugaan Kuadrat Terkecil Parsial (KTP)
Pengolahan data contoh pada metode KTP adalah sebagai berikut :
1. Spesifikasi model
2. Menentukan pembobot-pembobot, koefisien-koefisien lintas dan nilai-nilai
peubah laten dengan menggunakan algoritma KTP untuk analisis lintas peubah
laten dengan langkah-langkah sebagai berikut :
Tahap 1 : pendugaan iteratif dari pembobot-pembobot awal dan nilai-nilai
peubah laten awal dimulai pada langkah d dan selanjutnya langkah a
sampai langkah d diulang sampai kovergen dengan batas kekonvergenan
yang telah ditentukan.

12

a. Pembobot model struktural
1
jika η dan ξ berhubungan
vji =
0 jika η dan ξ tidak berhubungan
b. pendugaan model struktural
ηj =

i

vij ηi

c. pembobotan model pengukuran
yk =wk ηj +ek
d. pendugaan model pengukuran
ξj =
ηj =
3.
4.
5.
6.

(outward)

wki xki

ki
kj

wkj ykj

Tahap 2 : Pendugaan koefisien-koefisien lintas
Menguji validitas kekonvergenan
Menguji validitas diskriminasi
Menguji koefisien lintas model
Menguji besarnya keragaman statistik ( ) dan menginterpretasi hasil

Perbandingan Metode PKM dan KTP
Perbandingan antara metode pendugaan PKM dan KTP dilakukan dengan
membandingkan besar nilai sisaan model pengukuran dan model struktural kedua
metode tersebut. Gambaran mengenai alur metode analisis yang akan digunakan
dapat dilihat pada Gambar 2 :
mulai

Data tingkat
kepuasan audit

Analisis deskriptif

Pendugaan parameter
model persamaan struktural

Model inner (struktural)
Model outer (pengukuran)

Model struktural
Model pengukuran

Perbandingan hasil dugaan dengan
metode PKM dan KTP

Selesai

Gambar 2 Diagram Alir Metode Analisis

13

4 HASIL DAN PEMBAHASAN
Pada bab ini akan dibahas deskripsi data yang digunakan dalam penelitian.
Selanjutnya akan dilakukan pemodelan dengan menggunakan penduga
kemungkinan maksimum (PKM) dan kuadrat terkecil parsial (KTP). Pada bagian
akhir akan dilakukan perbandingan kedua metode tersebut berdasarkan besar nilai
sisaan model pengukuran dan model strukturalnya.
Deskripsi Data
Deskripsi Per-Unit Eselon Satu
Unit Sekretariat Jenderal (Sekjen), Inspektorat Jenderal (intjen), Ditjen
Tanaman Pangan (DTP), Ditjen Hortikultura (DH), Ditjen Peternakan dan
Keswan (DP&K), Ditjen Perkebunan (DP), Badan Litbang (BL), Badan Karantina
(BK), Badan Sumber Daya Manusia (BSDM) secara umum memiliki kepuasan
yang cukup yaitu skor rata-rata kepuasan pada skor 3. Jika ditinjau dari faktorfaktor yang mempengaruhinya yaitu peubah tangible dengan skor rata-rata 4
menunjukkan bahwa auditi merasa wujud fisik fasilitas yang digunakan baik.
Begitupula dengan peubah reliablility, responsiveness, dan assurance yang
memiliki rata-rata skor 4 yang menunjukkan auditor yang sudah bekerja tingkat
kehandalan/profesionalisme, kecepattanggapan dan jaminan kepastian berada
pada taraf baik.
Unit Badan Ketahanan Pangan (BKP) juga berada pada tingkat kepuasan
yang cukup. Namun, untuk faktor-faktor yang mempengaruhinya terdapat sedikit
perbedaan. Peubah tangible, reliablility, dan assurance memiliki skor rata-rata 4
yang berarti auditi merasa wujud fisik fasilitas dan personil,
kehandalan/profesionalisme auditor dan jaminan kepastian yang diberikan oleh
auditor berada pada taraf baik. Sedangkan, untuk peubah responsiveness yang
menyangkut kecepattangapan auditor untuk membantu dan memberikan jasa audit
memiliki skor 3 yang berarti berada pada taraf cukup.
Unit Pengolahan dan Pemasaran Hasil Pertanian (P2HP) memiliki skor ratarata kepuasan 2 yang menunjukkan bahwa auditi tidak puas dengan kinerja auditor
yang sudah bekerja. Jika ditinjau dari faktor-faktor yang mempengaruhinya untuk
peubah tangible, reliablility, dan assurance memiliki skor rata-rata 3 yang berarti
auditi merasa wujud fisik fasilitas dan personil, kehandalan/profesionalisme
auditor dan jaminan kepastian yang diberikan oleh auditor berada pada taraf
cukup. Sedangkan, untuk peubah responsiveness yang menyangkut
kecepattangapan auditor untuk membantu dan memberikan jasa audit memiliki
skor 4 yang berarti berada pada taraf baik.
Unit Prasarana dan Sarana Pertanian (PSP) memiliki skor rata-rata kepuasan
4 yang menunjukkan bahwa auditi puas dengan kinerja auditor yang telah bekerja.
Hasil tinjauan faktor-faktor yang mempengaruhinya untuk keempat peubah
tangible, reliablility, responsiveness, dan assurance memiliki skor rata-rata 5
yang berarti auditi merasa wujud fisik fasilitas dan personil,
kehandalan/profesionalisme auditor, kecepattangapan auditor untuk membantu

14
dan memberikan jasa audit dan jaminan kepastian yang diberikan oleh auditor
berada pada taraf yang sangat baik.
Dari deskripsi awal diperoleh informasi bahwa sebagian besar unit Eselon
1 di bawah Kementerian Pertanian memiliki tingkat kepuasan yang cukup
terhadap kinerja auditor yang telah bekerja. Ditinjau dari faktor-faktor yang
dianggap mempengaruhinya diperoleh gambaran bahwa keempat peubah
komponen-komponen auditor baik wujud fisik fasilitas dan personil,
kehandalan/profesionalisme auditor, kecepattangapan auditor, serta jaminan
kepastian yang dapat diberikan oleh auditor sudah pada taraf baik.
Adanya perbedaan pada tingkat kepuasan beberapa unit Eselon 1 dengan
sebagian besar lainnya umumnya dipengaruhi oleh kenaikan/penurunan taraf pada
peubah tangible, reliablility, dan assurance. Untuk lebih mengetahui secara
struktural peubah mana saja yang benar-benar mempengaruhi akan digunakan
model persamaan struktural pada bab pembahasan ini.
Deskripsi Per-peubah Data
Deskripsi data untuk setiap peubah laten dilakukan melalui grafik skor
jawaban untuk setiap peubah indikator yang ditetapkan untuk setiap peubah laten.
Skor 1 menunjukkan ketidaksesuaian dengan keterangan indikator menuju skor 5
yang paling sesuai dengan keterangan indikator.
Berdasarkan Gambar 3, peubah laten tangible diketahui responden sebagian
besar menjawab sesuai dengan keterangan yang ada pada tiap indikator yang
diberi skor 4 sehingga data terlihat berkumpul di tengah dan sebagian lainnya
menjulur ke kiri dan ke kanan. Hal sama juga terjadi pada peubah responsiveness.
Tangible
skor 1
skor 2
skor 4
skor 5
11
16
24

Responsiveness
skor 3
31

skor 1 skor 2 skor 3
skor 4 skor 5
15
16
18
18
69

63

73

79

11
2
1

21
2
0

30
0
1

20
2
0

12
1
0

x4

x10

x11

x12

x13

83

75

71

65

14
1

15
3
1

12
2
1

x1

x2

x3

Gambar 3 Grafik persebaran data indikator-indikator peubah laten tangible
dan responsiveness
Gambar 4 menunjukkan bahwa peubah laten reliability responden sebagian
besar menjawab sesuai dengan keterangan yang ada pada tiap indikator (skor 4)
sehingga data terlihat berkumpul diikuti yang menjawab sangat sesuai dengan
keterangan sehingga data cenderung menjulur ke kanan. Untuk peubah laten
assurance, peubah indikator X14, X15, dan X16 cenderung memiliki pola yang
sama yaitu responden menjawab sesuai dengan pernyataan yang ada di indikator
yaitu skor 4. Sedangkan untuk X17 responden menjawab beragam, namun yang
terbesar tetap pada skor 4.

15
Reliability
skor 1
skor 4
29

24

61

68

skor 2
skor 5

Assurance
skor 3

40

42

39

66

63

64

15
4
1

15
2
1

2
1

4
0
1

6
0
1

x5

x6

x7

x8

x9

skor 1

skor 2

skor 4

skor 5

skor 3

14
41

22

32

25

76

66

67

10
1

9
2
1

15
1
2

29
22
4

x14

x15

x16

x17

Gambar 4 Grafik persebaran data indikator-indikator peubah laten reliability
dan assurance
Peubah laten kepuasan disajikan pada Tabel 1 menunjukkan bahwa
responden merasa cukup (skor 3) dengan tingkat kepuasan yang digambarkan
melalui ketiga indikator tersebut, dan sebagian lainnya menyebar di empat skor
yang lain sehingga data berkumpul di tengah yaitu di skor 3 kemudian menjulur
ke kiri dan ke kanan.
Tabel 1 Sebaran frekuensi jawaban pada peubah kepuasan
Skor Jawaban y1
y2
y3
Skor 1
1
2
2
Skor 2
2
5
6
Skor 3
105
101
96
Skor 4
2
2
6
Skor 5
0
0
0
Pendugaan Parameter dengan Metode Pendugaan Kemungkinan Maksimum
Data tingkat kepuasan auditor program Green Audits dimodelkan dengan
menggunakan model persamaan struktural (MPS) dengan metode penduga
kemungkinan maksimum (PKM). Hasil dugaan koefisien lintas model pengukuran
dengan metode MPS pada model awal disajikan pada Gambar 5.
Berdasarkan hasil tersebut dapat dibentuk model pengukuran dan model
strukturalnya yaitu:
• Model pengukuran untuk peubah endogen
Y1
0.82
1.26
Y2 = 0.98 kepuasan+ 0.97
Y3
0.94
1.03
• Model pengukuran untuk peubah eksogen
X1
1.60
0.58
X2
0.78
tangible+ 1.28
=
X3
0.72
1.39
0.66
1.49
X4

16
X5
0.68
1.46
X6
0.71
1.41
X7 = 0.86 reliability+ 1.11
0.86
1.12
X8
0.87
1.10
X9
X100
1.53
0.63
X111
= 0.82 responsiveness+ 1.21
X122
1.26
0.79
1.33
0.75
X133
X14
1.37
0.73
X15
0.76
assurance+ 1.31
=
X16
1.10
0.87
1.96
0.12
X17
ya
• Model strukturalnya
angible-0.18 reliability+0.16 responsiveness+0.10
0.10 assurance+0.56
k epuasan=0.60 tangi

amaan struktural awal dengan metode PKM
Gambar 5 Model persam
odel pengukuran yang dihasilkan metode P
PKM pada
Koefisien lintas mode
semua peubah indikator signifikan dalam mer
erefleksikan
Gambar 6 menunjukkan se
sajikan pada
peubah latennya kecuali X17. Nilai t-hitung tiap koefisien yang disaj
bahwa hanya satu peubah laten eksogen yait
aitu tangible
Gambar 7 menunjukkan ba
erhadap peubah laten endogen kepuasan.
yang berpengaruh nyata terha

17

Gambar 6 Nilaii lloading factor peubah-peubah indikator mode
odel awal

Gambar 7 Nilaii tt-hitung peubah-peubah indikator model awal
al
Indikator yang
ng tidak signifikan yaitu X17 dihilangkann dan dilakukan
pembentukan model
odel yang baru. Peubah indikator tersebut adala
dalah penilaian tim
auditor dipengaruhi
uhi pelayanan audit. Peubah tersebut tidakk si
signifikan dalam
menggambarkan peuba
ubah assurance. Hal ini dikarenakan auditi m
merasa pelayanan
yang diberikan auditi
uditi se
selama proses audit tidak akan mempengaruhi
ruhi penilaian atau
objektivitas dari audit
uditor yang bekerja.
ukuran dan model struktural baru setelah X17 ddihilangkan dari
Model pengukur
model ditunjukkan pa
pada Gambar 8.

18

Gambar 8 Model persa
rsamaan struktural dengan metode PKM
•

Model pengukurann uuntuk peubah endogen
1.27
0.82
= 0.98 kepuasan + 0.96
1.03
0.94
• Model pengukurann uuntuk peubah eksogen
X1
1.60
0.58
X2
0.78
tangible+ 1.27
=
X3
1.39
0.72
1.49
0.66
X4
X5
0.68
1.46
X6
0.71
1.41
X7 = 0.86 reliability+ 1.11
0.86
1.12
X8
0.87
1.10
X9
X100
1.53
0.63
X111
0.82
responsiveness+ 1.21
=
X122
1.27
0.79
1.33
0.75
X133
X14
0.73
1.36
X15
= 0.75 assurance+ 1.33
X16
0.87
1.09
X17
ya
• Model strukturalnya
angible-0.18 reliability+0.16 responsiveness+0.10
0.10 assurance+0.56
kepuasan=0.60 tangi
Model pengukurann yang terbentuk menunjukkan bahwa untuk peubah
oleh tiga indikator, yang paling dominan mer
erefleksikan
kepuasan yang dibangun ol
kepuasan terhadap laporan hasil audit yang di
ditunjukkan
peubah kepuasan adalah ke
yang terbesar dan yang terkecil adalah kepuas
puasan secara
dengan koefisien lintas yan
yang paling dominan adalah pelaksanaan audit
udit didukung
umum. Peubah tangible yan
ng terkecil adalah hasil audit mudah dipaham
hami. Peubah
fasilitas lengkap dan yang

19
reliability dominann di
direfleksikan oleh indikator temuan auditor m
membantu satuan
kerja meningkatkann eefektivitas operasional organisasi dan yang
ng terkecil adalah
indikator pelaksanaan
an audit dilakukan dalam kerangka waktu yang
ng jelas. Indikator
auditor mampu membe
mberikan solusi atas permasalahan satuan ker
kerja dengan cepat
merupakan indikator
or dominan yang merefleksikan peubah responsi
responsiveness dan
lah indikator auditor memberikan rekomenda
ndasi yang dapat
yang terkecil adalah
ubah assurance dominan direfleksikan oleh indi
ndikator penyajian
ditindaklanjuti. Peuba
secara objektif dan yang terkecil adalahh indi
indikator auditor
temuan dilakukan se
Nilai p sebesar 0.29 menunjukkan bahwa
hwa model secara
berperilaku sopan. N
memenuhi kriteria kebaikan model.
keseluruhan sudahh me
nilai loading factor yang tertera pada Gam
mbar 9 diketahui
Berdasarkann ni
ubah indikator yang digunakan sudah signifikan
kan merefleksikan
bahwa semua peubah
peubah latennya.

oading factor peubah-peubah indikator
Gambar 9 Nilai loadi
tap menghasilkan
Gambar 10 meenunjukkan model baru yang terbentuk teta
pengaruh terhadap
laten eksogen (tangible) yang signifikan berpe
hanya satu peubah lat
uh positif terhadap
gen (kepuasan). Peubah tersebut berpengaruh
peubah laten endogen
oses dan hasil audit
rtinya semakin baik wujud fisik, fasilitas, prose
peubah kepuasan artin
ang telah bekerja.
semakin puas dengan kinerja dari auditor yan
internal maka auditii se
berpengaruh atau
un oleh 4 peubah indikator dan yang paling be
Peubah ini dibangun
audit maupun jasa
ung terbesar yaitu peubah TB2 (pelaksanaann audi
memiliki nilai t-hitung
ng ffasilitas fisik yang memadai).
konsultasi didukung
negatif walaupun
ability memiliki nilai t-hitung yang bernilai ne
Peubah reliabil
ng menunjukkan
tidak signifikan. IIni menunjukkan bahwa peubah yang
auditi. Hal ini bisa
uditor berpengaruh negatif tehadap kepuasan audi
profesionalisme audit
kerja maka auditi
eh semakin profesionalnya auditor yang beke
saja disebabkan oleh
kepuasan.
bebani yang berakibat pada rendahnya tingkatt ke
merasa semakin terbe
tanggapan auditor
sponsiveness yang menggambarkan kecepattan
Peubah responsi
jaminan kepastian
assurance yang menggambarkan adanya jam
dalam bekerja dan assu

20
yang dapat diberikan olehh auditor berpengaruh positif terhadap kepua
puasan auditi
walaupun pengaruhnya tida
dak signifikan.

Gambar 10 Nilai t-hitung
ung peubah-peubah indikator
ukur tingkat
Setelah model baruu te
terbentuk, langkah selanjutnya adalah mengukur
ubah latennya.
kereliabelan atau kehanda
dalan peubah dalam merefleksikan peubah
Pengujian dilakukan denga
ngan menggunakan Nilai construct reability ((CR) yang
hasilnya terdapat pada Tabe
bel 2.
Tabel
bel 2

Pengujian validitas dan reliabilitas
Nilai construct
Kriteriaa
Keterangan
reability (CR)
Semua Peubahh (T
(Total)
0.87 Sangat reliabel
Tangible
0.57 Cukup reliabel
Reliability
0.72 Reliabel
Responsiveness
ss
0.63 Reliabel
Assurance
0.59 Cukup reliabel
Nilai construct reabi
ability (CR) terlihat hasil yang cukup berag
agam tetapi
masih dalam batas peubahh di
dinyatakan reliabel. Pengukuran kelayakann m
model yang
terbentuk menggunakan nila
nilai-nilai yang tertera pada Tabel 3.
Tabel
bel 3 Kriteria kelayakan model dugaan
Kr
Kriteria
Nilai
Nilai Ideal
RMS
MSEA
0.02
≤ 0.08
GFI
FI
0.87
≥ 0.90
RMR
MR
0.30 Relatif kecil

21
N