60
2. Analisis SEM
Analisis data dapat diartikan sebagai suatu proses penyederhanaan data ke dalam bentuk yang mudah dibaca dan diinterpretasikan. Dengan kata lain,
suatu penelitian membutuhkan analisis data dan interpretasinya yang bertujuan untuk menjawab pertanyaan-pertanyaan peneliti dalam rangka
mengungkap fenomena. Teknik analisis yang digunakan dalam penelitian ini adalah Structural
Equation Model SEM yang dioperasikan melalui program Lisrel 8.80. Alasan penggunaan SEM adalah, karena SEM merupakan sekumpulan
teknik-teknik statistik yang memungkinkan pengukuran sebuah rangkaian hubungan yang relatif rumit secara simultan. Permodelan penelitian
melalui SEM memungkinkan seorang peneliti dapat menjawab pertanyaan penelitian yang bersifat regresif maupun dimensional yaitu mengukur
dimensi-dimensi dari sebuah konsep. SEM juga dapat mengidentifikasi dimensi-dimensi sebuah konsep atau konstruk pada saat yang sama dan
juga dapat mengukur pengaruh atau derajat hubungan faktor yang akan diidentifikasikan dimensi-dimensinya.
61
Ada beberapa hal perlu diperhatikan dalam analisis SEM diantaranya: 1. Confirmatory Factor Analysis
James et al. 1982 menjelaskan Analisis faktor konfirmatori pada SEM digunakan untuk mengkonfirmasikan faktor-faktor yang paling
dominan dalam satu kelompok variabel. 2.
Regression Weight Regression Weight pada SEM digunakan untuk meneliti seberapa
besar pengaruhnya variabel service climate terhadap variabel prestasi belajar siswa melalui variabel kompetensi.
3. Pengembangan model berbasis teori SEM mendasarkan diri dari sebab akibat atau kausal, dimana
perubahan yang terjadi pada suatu variabel diasumsikan untuk menghasilkan perubahan pada variasi yang lain.
4. Pengembangan diagram alur untuk menunjukkan hubungan kausalitas Diagram alur menggambarkan hubungan antar variabel pada sebuah
diagram alur yang secara khusus dapat membantu dalam menggambarkan serangkaian hubungan kausal antar konstruk dari
model teoritis yang telah dibangun pada tahap yang pertama. Adapun dalam menyusun bagan alur digambarkan dengan hubungan antar
konstruk dan anak panah. Anak panah yang digambarkan lurus menunjukkan hubungan kausal langsung dari suatu konstruk ke
konstruk lainnya.
62
menurut Ferdinand 2002 konstruk yang dibangun dalam diagram alur dapat dibedakan menjadi 2 kelompok yaitu:
a. Konstruk eksogen dikenal juga sebagai source variable atau independent variable yang tidak diprediksi oleh variabel yang lain
dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan satu ujung panah.
b. Konstruk endogen merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk endogen lainnya. Sedangkan konstruk eksogen
hanya berhubungan kausal dengan konstruk endogen. Gambar 3.1
Diagram alur penelitian
Sumber : Dikembangkan untuk penelitian
63
Adapun model persamaan structural equation modeling yang dapat diperoleh dalam penelitian ini adalah:
1
Keterangan: = Kompetensi
= Prestasi belajar
ξ
= Service climate = Hubungan langsung variabel eksogen terhadap variabel endogen
ζ
= Eror 5. Evaluasi kriteria goodness-of-fit
Tujuan utama dari analisis SEM adalah menguji fit suatu model yaitu kesesuaian model teoritik dengan data empiris. Kriteria Goodness of Fit
sebagai berikut:
Tabel 3.5 Indeks Pengujian Kelayakan Model
Goodness of Fit Index Cut-off Value
X
2
Chi-square Significance Probability
GFI AGFI
RMSEA ECVI
AIC X
2
Hitung X
2
Tabel ≥ 0,05
0,90 ≤ GFI 1
0,90 ≤ AGFI 1
≤ 0.08 ECVISaturated
AIC Saturated
64
CAIC NFI
CAIC Saturated 0,90
≤ NFI 1
Sumber : Dikembangkan untuk penelitian a
Chi-square statistics Pengukuran yang paling mendasar adalah dengan Likelihood ratio chi-
square statistics X2. Nilai X2 yang semakin rendah menandakan bahwa model yang digunakan dalam penelitian tersebut semakin baik
dan dapat diterima berdasarkan probabilitas dengan cut off value sebesar p
≥ 0,05 atau p ≥ 0,10 Hulland et al., 1996 dalam Ferdinand, 2005.
b. Probability Nilai probability yang dapat diterima adalah p
≥ 0,05. nilai probabilitas yang tidak signifikan menunjukan data empiris sesuai dengan model
Gozali:2010 hal.30 c. Goodness of Fit Index GFI
Merupakan pengukuran non-statistikal yang nilainya berkisar antara 0 poor profit sampai dengan 1,0 perfect profit. Sedangkan nilai-nilai
yang lebih besar dari 0,1 menandakan kelayakan yang baik Joreskog dan Sorbom, 1993; 1996
65
d. Adjusted Goodness of Fit Index AGFI Tingkat penerimaan yang direkomendasikan adalah bila AGFI
memiliki nilai yang sama dengan atau lebih besar dari 0,90 Hair et al., 1995; Hulland et al., 1996.
e. Root Mean Square Error of Approximation RMSEA Nilai RSMEA menunjukkan goodness of fit yang dapat diharapkan
bila model estimasi dalam populasi Hair et al., 1995. Nilai RSMEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat
diterimanya model yang menunjuukkan sebuah close fit dari model itu berdasarkan derajat bebas Browne dan Cudeck, 1993 dalam
Ferdinand, 2005. f.
Expected Cross Validation Index ECVI ECVI digunakan untuk menilai kecenderungan dan penyimpangan
antara fitted model covariance matrix pada sampel yang dianalisis dan kovarian matrix yang akan diperoleh pada sampel lain Byrne,
1998. Model ECVI terendah berarti model tersebut sangat potensial untuk direplikasi dan mengindikasi model adalah fit.
g. Akaike’s Information Criterion AIC dan CAIC
AIC dan CAIC digunakan untuk menilai masalah parsimony dalam penilaian model fit. Nilai AIC dan CAIC yang kecil dari pada AIC
model saturated dan independence berarti memiliki model fit yang lebih baik Bandalos, 1993.
66
h. Normed Fit Index NFI
NFI digunakan untuk mengatasi masalah yang timbul akibat kompleksitas model. Nilai NFI berkisar antara 0 dan 1, kemudian
diturunkan dari perbandingan antara model yang dihipotesiskan dan independensce model, suatu model dikatakan fit apabila memiliki nilai
NFI lebih besar dari 0.9 Bentler, 1992.
6. Asumsi Dasar Analisis SEM mensyaratkan data berdistribusi normal untuk
menghindari bias dalam analisis data. Data outlier harus dibuang karena menimbulkan bias dalam interpretasi dan mempengaruhi data lainnya.
Data dikatakan normal apabila multivariat critical ratio memiliki syarat –lebih besar dari batas kritis 0,05.
E. Operasional Variabel Penelitian
Kategori