Contoh Kasus Analisis Data

Dengan metode bootstrap, akan dilakukan analisis pada matriks kovarians populasinya. Untuk kasus standard error pada sampel bootstrap jika diketahui normal dari metode estimasi ML maka akan menghasilkan standard error yang kecil, sebaliknya jika diketahui non-normal, sampel bootstrap akan menghasilkan standard error yang besar. Begitu juga untuk nilai bias, bias yang mutlak kecil, menandakan distribusi empiris bootstrap hanya sedikit menyimpang dari distribusi normal. Keberhasilan analisis bootstrap tergantung pada sejauh mana perilaku sampling statistik saat sampel diambil dari distribusi empiris, dan ketika mereka diambil dari populasi asli. Akhirnya, ketika data multivariat normal, bootstrap standard error telah ditemukan lebih bias dari pada yang berasal dari metode ML. Sebaliknya, ketika distribusi yang mendasarinya tidak normal, perkiraan bootstrap kurang bias dari perkiraan ML. Hal ini merupakan fakta yang mendukung harapan teoritis.

4.2 Contoh Kasus dan Analisis Data

4.2.1 Contoh Kasus

Sebagai contoh kasus peneliti mengambil studi yang dilakukan oleh Ishak Soebekti 2002, yaitu menggunakan data penelitian mengenai model hubungan antara Komitmen Organisasi, Kinerja Kerja, Komitmen Profesional dan Kepuasan Kerja pada para Auditor yang bekerja di Badan Pengawasan Keuangan dan Pembangunan BPKP. Model tersebut terdiri dari tiga variabel laten endogen, Komitmen Organisasi, Kinerja Kerja dan Kepuasan Kerja serta satu variabel eksogen, Komitmen Profesional. Untuk model pengukuran laten endogen variabel laten Komitmen Organisasi diukur melalui variabel observasi X1, X2, X3, X4, X5, X6, X7, X8, X9, dan X10. Untuk model pengukuran laten endogen variabel laten Kinerja Kerja diukur melalui variabel observasi X20, X21, X22, X23, X24, X25, X26, X27, dan X28. Untuk model pengukuran laten endogen variabel laten Kepuasan Kerja diukur melalui variabel observasi X28, X29, X30, X31, X32, X33, dan X34. Serta untuk model pengukuran laten eksogen variabel laten Komitmen Profesional diukur melalui variabel observasi X11, X12, X12, X14, X15, X16, dan X17, X18, dan X19. Adapun model hubungan antara Komitmen Organisasi, Kinerja Kerja, Komitmen Profesional dan Kepuasan Kerja. Gambar 4.1. Model hubungan antara Komitmen Organisasi, Kinerja Kerja, Komitmen Profesional dan Kepuasan Kerja

4.2.2 Analisis Data

a. Merubah Diagram Jalur ke dalam Persamaan Struktural dan Model Pengukuran. Persamaan struktural dari model diagram jalur dinyatakan sebagai berikut: KO = β 1KP + z1 1 KPK = β 1KP + β 2KO + z2 2 KK = β 2KO + β 3KPK + z3 3 Keterangan KO = Komitmen Organisasi KP = Komitmen Profesional KPK = Kepuasan Kerja KK = Kinerja Kerja Sedangkan spesifikasi terhadap model pengukuran adalah sebagai berikut: Variabel Laten Eksogen Komitmen Profesional X11 = λ11KP + e11 X16 = λ16KP + e16 X12 = λ12KP + e12 X17 = λ17KP + e17 X13 = λ13KP + e13 X18 = λ18KP + e18 X14 = λ14KP + e14 X19 = λ19KP + e19 X15 = λ15KP + e15 Variabel Laten Endogen Komitmen Organisasi X1 = λ1KO + e1 X6 = 6KO+ e6 X2 = λ2KO+ e2 X7 = λ7KO + e7 X3 = λ3KO + e3 X8 = λ8KO + e8 X4 = λ4KO + e4 X9 = λ9KO + e9 X5 = λ5KO + e5 X10 = λ10KO + e10 Variabel Laten Endogen Kepuasan Kerja X28 = λ28KPK + e28 X32 = λ32KPK + e32 X29 = λ29KPK + e29 X33 = λ33KPK + e33 X30 = λ30KPK + e30 X34 = λ34KPK + e34 X31 = λ31KPK + e31 Variabel Laten Endogen Kinerja Kerja X20 = λ20KK + e20 X24 = λ24KK+ e24 X21 = λ21KK+ e21 X25 = λ25KK + e25 X22= λ22KK + e22 X26 = λ26KK + e26 X23 = λ23KK + e23 X27 = λ27KK + e27 b. Analisis Konfirmatori Variabel Laten 1 Analisis konfirmatori variabel laten eksogen Komitmen Profesional Gambar 4.2. Analisis Konfirmatori Variabel Laten Eksogen Komitmen Profesional a Chi-square Statistik Uji:  = n − 1 log θ + tr [ S Σ θ − log|S| − p + q ] Kriteria Uji: H ditolak jika  hitung  α, df dengan df = p + qp + q+ 1 – t, atau dengan menggunakan probabilitas p-value, H ditolak jika p-value α. Berdasarkan output AMOS 16.0 pada Lampiran 2b, diperoleh angka Chi-square sebesar 131,642 dengan derajat kebebasan df 27 dengan p-value sebesar 0,000. Dengan mengambil tingkat signifikan 0,05 maka H pada pengujian hipotesis ditolak. Sehingga dapat dikatakan model ditolak. Dan ada tiga indikator yang tidak signifikan yaitu X13, X14, dan X17 karena memiliki nilai convergen validity di bawah 0,50. Sehingga X13, X14, dan X17 drop out. Kemudian kita lakukan revisi, pemodelan ulang. Setelah dilakukan pemodelan ulang, hasil analisis berdasarkan output AMOS 16.0 pada Lampiran 3a, menunjukkan nilai Chi-square sebesar 18,133 dengan p-value sebesar 0,034 dengan df 9 dan 0,05 masih tidak fit. Namun nilai fit lainnya seperti TLI dn RMSEA menunjukkan nilai fit. TLI sebesar 0,976 0,90 dan RMSEA sebesar 0,077 0,80. 2 Analisis konfirmatori antar variabel laten endogen Komitmen Organisasi, Kepuasan Kerja, dan Kinerja Kerja. Gambar 4.3. Analisis Konfirmatori Variabel Laten Endogen Variabel Komitmen Organisasi, Kepuasan Kerja, dan Kinerja Kerja Berdasarkan output AMOS 16.0 pada Lampiran 4a, diperoleh angka Chi-square sebesar 894,663 dengan derajat kebebasan df 272 dengan p-value sebesar 0,000. Dengan mengambil tingkat signifikan 0,05 maka H pada pengujian hipotesis ditolak. Sehingga dapat dikatakan model ditolak. Dan ada beberapa indikator yang tidak signifikan yaitu X2, X3, X4, X9, X10, X22, X25, X26, X31, dan X32 karena memiliki nilai convergen validity di bawah 0,50. Sehingga X2, X3, X4, X9, X10, X22, X25, X26, X31, dan X32 drop out. Seperti analisis sebelumnya, kita lakukan revisi, pemodelan ulang. Setelah dilakukan pemodelan ulang, hasil analisis berdasarkan output AMOS 16.0 pada Lampiran 5a, menunjukkan nilai Chi-square sebesar 98,601 dengan p-value sebesar 0,186 dengan df 87 dan 0,05 telah fit. Begitu nilai fit lainnya seperti TLI dan RMSEA menunjukkan nilai fit. TLI sebesar 0,986 0,90 dan RMSEA sebesar 0,028 0,80. c. Estimasi Parameter Full Model Setelah dilakukan analisis konfirmatori langkah selanjutnya melakukan estimasi model full structural yang hanya memasukkan indikator yang telah diuji dengan konfirmatori. Berikut ini tampilannya. Gambar 4.4. Analisis Full Model Struktural Berdasarkan output AMOS 16.0, pada Lampiran 6a, model persamaan struktural ini ternyata telah memenuhi kriteria model fit yaitu ditunjukkan dengan nilai Chi-square sebesar 208,784 dengan probabilitas nilai p-value sebesar 0,102 dengan df 184 dan 0,05. Begitu juga dengan nilai kriteria lainnya seperti TLI sebesar 0,983 0,90 dan RMSEA sebesar 0,028 0,08. Maka dapat disimpulkan bahwa model persamaan struktural adalah fit. d. Pengujian Evaluasi Asumsi Model Struktural 1 Normalitas Data Uji Normalitas Multivariat Uji Hipotesis H : data mengikuti distribusi normal multivariat H 1 : data tidak mengikuti distribusi normal multivariat Statistik Uji z = ; z = Kriteria Uji H ditolak jika z z α atau z z α . Jika menggunakan software H ditolak jika nilai critical ratio skewness value di atas harga mutlak 2,58 untuk α 0,01 atau 1,96 untuk α 0,05. Kesimpulan Dari Lampiran 7, diperoleh nilai critical rasio skewness value semua indikator menunjukkan distribusi normal karena nilainya di bawah 2,58 kecuali indikator X21 yang memiliki critical rasio di atas 2,58 yaitu dengan nilai -2,636. Sedangkan uji normalitas multivariat memberikan nilai critical rasio 2,608 sedikit di atas nilai 2,58. Jadi secara multuvariat berdistribusi tidak normal. e. Metode Bootstrap untuk Mengatasi Pelanggaran Asumsi Normal Multivariat Analisis di atas menunjukkan bahwa data tidak mengikuti distribusi normal secara multivariat. Jika kita tetap melakukan analisis selanjutnya maka akan terjadi pelanggaran asumsi normal multivariat. Untuk mengatasi pelanggaran ini, kita gunakan metode alternatif dalam SEM yaitu metode bootstrap. Metode bootstrap berbasis resampling, dalam analisis ini, peneliti melakukan resampling sebanyak 500 kali dan bias corrected convidence intervals sebesar 90. Hasil uji Goodness-of fit: a Uji Chi-square Statistik Uji:  = n − 1 log θ + tr [ S ∑ θ − log|S| − p + q ] Kriteria Uji: H ditolak jika  hitung  , df dengan df = p + qp + q+ 1 – t, atau dengan menggunakan probabilitas p-value, H ditolak jika p-value . Berdasarkan output AMOS 16.0 pada Lampiran 10b, diperoleh angka Chi-square sebesar 208,784 dengan derajat kebebasan df 184 dengan p-value sebesar 0,102. Dengan mengambil tingkat signifikan 0,05 maka H pada pengujian hipotesis ditolak. Sehingga dapat dikatakan model diterima. b Uji RMSEA Root Mean Square Error Aproximate Statistik Uji: = dengan =  − df = 208,784 − 184 175 = 0,028 Kriteria Uji: Model dikatakan baik jika nilai RMSEA 0,08. Perhitungan RMSEA di atas sesuai dengan output AMOS 16.0 pada Lampiran 10b, yang menunjukkan nilai RMSEA sebesar 0,028 0,08. Sehingga dapat dikatakan bahwa model baik. Hasil estimasi parameter dari output AMOS 16.0 untuk Regression Weights pada Lampiran 10a dan bootstrap standard error pada Lampiran 10c diperoleh sebagai berikut: Tabel 4.1. Hasil Estimasi Parameter dan Standard Error Parameter Estimasi SE ML SE Bootstrap Komitmen_Organisasi --- Komitmen_Profesional 0,224 0,087 0,091 Kepuasan_Kerja --- Komitmen_Profesional 0,205 0,104 0,107 Kepuasan_Kerja --- Komitmen_Organisasi 0,282 0,117 0,130 Kinerja_Kerja --- Komitmen_Organisasi 0,204 0,104 0,125 Kinerja_Kerja --- Kepuasan_Kerja 0,166 0,078 0,085 X1 --- Komitmen_Organisasi 1,000 0,000 0,000 X5 --- Komitmen_Organisasi 1,332 0,168 0,179 X6 --- Komitmen_Organisasi 1,110 0,154 0,135 X7 --- Komitmen_Organisasi 1,151 0,156 0,179 X8 --- Komitmen_Organisasi 1,130 0,152 0,160 X11 --- Komitmen_Profesional 1,000 0,000 0,000 X12 --- Komitmen_Profesional 1,350 0,142 0,139 X15 --- Komitmen_Profesional 1,141 0,137 0,131 X16 --- Komitmen_Profesional 1,426 0,145 0,143 X18 --- Komitmen_Profesional 1,334 0,151 0,144 X19 --- Komitmen_Profesional 1,176 0,129 0,124 X20 --- Kinerja_Kerja 1,000 0,000 0,000 X21 --- Kinerja_Kerja 0,856 0,124 0,126 X23 --- Kinerja_Kerja 0,957 0,113 0,105 X24 --- Kinerja_Kerja 1,032 0,121 0,116 X27 --- Kinerja_Kerja 0,915 0,120 0,117 X34 --- Kepuasan_Kerja 1,000 0,000 0,000 X33 --- Kepuasan_Kerja 1,022 0,085 0,064 X30 --- Kepuasan_Kerja 0,926 0,091 0,102 X29 --- Kepuasan_Kerja 1,007 0,104 0,103 X28 --- Kepuasan_Kerja 0,848 0,087 0,077 Hasil dari nilai standard error di atas harus dibandingkan, untuk variabel laten Komitmen Profesional ke Komitmen Organisasi antara original sample dengan bootstrap sample ada perbedaan sebesar 0,091 - 0,087 = 0,004 yang berarti terdapat kenaikan 4,59 standard error dari bootstrap dibandingkan dengan standard error dari original sample. Variabel laten Komitmen Profesional ke Kepuasan Kerja antara original sample dengan bootstrap sample ada perbedaan sebesar 0,107 - 0,104 = 0,003 yang berarti terdapat kenaikan 2,88 standard error dari bootstrap dibandingkan dengan standard error dari original sample. Variabel laten Komitmen Organisasi ke Kepuasan Kerja antara original sample dengan bootstrap sample ada perbedaan sebesar 0,130 - 0,117 = 0,013 yang berarti terdapat kenaikan 11,11 standard error dari bootstrap dibandingkan dengan standard error dari original sample. Variabel laten Kepuasan Kerja ke Kinerja Kerja antara original sample dengan bootstrap sample ada perbedaan sebesar 0,085 - 0,078 = 0,007 yang berarti terdapat kenaikan 8,97 standard error dari bootstrap dibandingkan dengan standard error dari original sample. Tabel 4.2. Bootstrap Standard Error Parameter SE SE- SE Mean Bias SE- Bias Komitmen_Organisasi --- Komitmen_Professional .091 .003 .222 -.003 .004 Kepuasan_Kerja --- Komitmen_Professional .107 .003 .205 .000 .005 Kepuasan_Kerja --- Komitmen_Organisasi .130 .004 .276 -.006 .006 Kinerja_Kerja --- Komitmen_Organisasi .125 .004 .217 .013 .006 Kinerja_Kerja --- Kepuasan_Kerja .085 .003 .168 .001 .004 x1 --- Komitmen_Organisasi .000 .000 1.000 .000 .000 x5 --- Komitmen_Organisasi .179 .006 1.349 .017 .008 x6 --- Komitmen_Organisasi .135 .004 1.116 .006 .006 x7 --- Komitmen_Organisasi .179 .006 1.163 .012 .008 x8 --- Komitmen_Organisasi .160 .005 1.144 .014 .007 x11 --- Komitmen_Professional .000 .000 1.000 .000 .000 x12 --- Komitmen_Professional .139 .004 1.358 .008 .006 x15 --- Komitmen_Professional .131 .004 1.141 .001 .006 x16 --- Komitmen_Professional .143 .005 1.434 .008 .006 x18 --- Komitmen_Professional .144 .005 1.340 .007 .006 x19 --- Komitmen_Professional .124 .004 1.188 .012 .006 x20 --- Kinerja_Kerja .000 .000 1.000 .000 .000 x21 --- Kinerja_Kerja .126 .004 .867 .011 .006 x23 --- Kinerja_Kerja .105 .003 .961 .004 .005 x24 --- Kinerja_Kerja .116 .004 1.038 .006 .005 x27 --- Kinerja_Kerja .117 .004 .921 .006 .005 x34 --- Kepuasan_Kerja .000 .000 1.000 .000 .000 x33 --- Kepuasan_Kerja .064 .002 1.025 .004 .003 Parameter SE SE- SE Mean Bias SE- Bias x30 --- Kepuasan_Kerja .102 .003 .931 .005 .005 x29 --- Kepuasan_Kerja .103 .003 1.012 .005 .005 x28 --- Kepuasan_Kerja .077 .002 .852 .004 .003 Kolom kedua dengan label S.E.S.E adalah approximate standard error dari bootstrap standard error itu sendiri. Seperti dapat dilihat bahwa nilainya kecil. Kolom ketiga dengan label Mean yaitu nilai parameter mean yang dihitung dari 500 sampel bootstrap dan nilai ini tidak harus identik besarnya dengan mean original estimate. Kolom keempat dengan label Bias menggambarkan perbedaan antara mean bootstrap yang lebih tinggi dibandingkan dengan mean original sample dan kolom terakhir dengan label S.E bias merupakan approximate standard error dari bias estimate. Kita dapat menggunakan bootstrap Mean dan kolom SE untuk menghitung nilai rasio kritis berdasarkan hasil bootstrap. Standard error estimasi sampel bootstrap lebih besar dari standard error original sample. Meskipun lebih besar tetapi selisihnya kecil, perbedaan ini menandakan bahwa bootstrap tidak jauh berbeda dengan ML. Rasio kritis yang dihasilkan dari sampel bootstrap dapat diperoleh dengan membagi estimasi parameter sampel bootstrap dengan standard error estimasi. Untuk menguji, kita bisa menggunakan nilai p-nilai pada bias-corrected percentile. Pada Lampiran 10d, dengan interval kepercayaan 90, variabel laten Komitmen Profesional ke Komitmen Organisasi adalah 0,006; variabel laten Komitmen Profesional ke Kepuasan Kerja adalah 0,053; variabel laten Komitmen Organisasi ke Kepuasan Kerja adalah 0,019; variabel laten Komitmen Organisasi ke Kinerja Kerja adalah 0,055; dan variabel laten Kepuasan Kerja ke Kinerja Kerja adalah 0,058. Jadi hubungan antar variabel laten signifikan. Dan model sesuai yang dihipotesiskan dapat diterima. 2 Evaluasi Outlier Deteksi terhadap multivariat outlier dilakukan dengan memperhatikan nilai mahalanobis distance. Statistik Uji: Chi-square df; , di mana df jumlah variabel indikator pada 0,001. Kriteria Uji: Akan terjadi multivariat jika nilai Nilai mahalanobis distance Chi- square. Model yang baik adalah, apabilai tidak ada nilai mahalanobis distance yang lebih besar dari Chi-square df; . Hasil analisis output AMOS 16.0 pada Lampiran 8, menunjukkan bahwa semua nilai mahalanobis distance Chi-square df; . Dengan df sebesar 34 dan 0,001, nilai  34; 0,001 = 56,25. Jadi tidak ada outlier pada data. 3 Evaluasi Multikolineritas Multikolinieritas dapat dilihat melalui determinan matrik kovarian. Nilai determinan yang sangat kecil menunjukkan indikasi terdapatnya masalah multikolineritas atau singularitas, sehingga data tidak dapat digunakan untuk penelitian. Hasil output AMOS pada Lampiran 9, memberikan nilai determinan of sample covariance matrix sebesar 5,856. Nilai ini jauh dari angka nol sehingga dapat disimpulkan bahwa tidak terdapat masalah multikolinieritas dan singularitas pada data yang dianalisis. f. Estimasi Nilai Parameter Dari hasil output AMOS 16.0 untuk koefisien parameter pada Lampiran 2a, jelas bahwa semua hipotesis diterima hubungan variabel Komitmen Profesional ke Komitmen Organisasi signifikan dengan standardized koefisien parameter sebesar 0,236 H1, hubungan variabel Komitmen Organisasi ke Kinerja Kerja dengan standardized koefisien parameter sebesar 0,189 H2. Hubungan antar variabel Kepuasan Kerja ke Kinerja Kerja juga signifikan dengan nilai standardized koefisien sebesar 0,197 H3, hubungan Komitmen Profesional ke Kepuasan Kerja signifikan dengan nilai standardized koefisien sebesar 0,164 H4 dan hubungan Komitmen Organisasi ke Kepuasan Kerja dengan nilai standardized koefisien sebesar 0,221 H5. Dipeoleh estimasi model struktural adalah sebagai berikut: KO = 0,236 KP ; KPK = 0,164 KP + 0,221 KO KK = 0,189 KO + 0,197 KPK g. Pengukuran Model Fit a Uji Reliabilitas Constr uct Reliability = ∑ standar dized loading ∑ standar dized loading + ∑ ℰj Standardized loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator ℰ adalah measurement error = 1- standardized loading 2 Sum standardized loading untuk : Komitmen Organisasi = 0,639 + 0,819 + 0,664 + 0,719 + 0,700 = 3,541 Komitmen Profesional = 0,651 + 0,858 + 0,732 + 0,912 + 0,783 + 0,811 = 4,747 Kepuasan Kerja = 0,762 + 0,880 + 0,788 + 0,763 + 0,737 = 3,930 Kinerja Kerja = 0,784 + 0,596 + 0,713 + 0,748 + 0,642 = 3,483 Sum measurement error untuk : Komitmen Organisasi = 0,592 + 0,329 + 0,559 + 0,483 + 0,510 = 2,473 Komitmen Profesional = 0,576 + 0,264 + 0,464 + 0,168 + 0,387 + 0,342 = 2,201 Kepuasan Kerja = 0,419 + 0,226 + 0,379 + 0,418 + 0,457 = 1,899 Kinerja Kerja = 0,385 + 0,645 + 0,492 + 0,441 + 0,588 = 2,551 Perhitungan Reliabilitas : Komitmen Or ganisasi = 3,541 3,541 + 2,473 = 0,835 Komitmen Pr ofesional = 4,747 4,747 + 2,201 = 0,911 Kepuasan Ker ja = 3,930 3,930 + 1,899 = 0,891 Kiner ja Ker ja = 3,483 3,483 + 2,551 = 0,826 Reliabilitas untuk masing-masing variabel laten semua nilainya di atas cut-off value 0,70. b Variance Extracted Besarnya nilai variance extracted dihitung dengan rumus sebagai berikut: Var iance Extr acted = ∑ standar dized loading ∑ standar dized loading + ∑ ℰj Sum of squared standardized loading : Komitmen Organisasi = 0,639 2 + 0,819 2 + 0,664 2 + 0,719 2 + 0,700 2 = 2,527 Komitmen Profesional = 0,6512 +0,8582 + 0,7322 + 0,9122 + 0,7832 + 0,8112 = 3,799 Kepuasan Kerja = 0,7622 + 0,8802 + 0,7882 + 0,7632 + 0,7372 = 3,101 Kinerja Kerja = 0,7842 + 0,5962 + 0,7132 + 0,7482 + 0,6422 = 2,450 Perhitungan variance extracted : Komitmen Or ganisasi = 2,527 2,527 + 2,473 = 0,505 Komitmen Pr ofesional = 3,799 3,799 + 2,201 = 0,633 Kepuasan Ker ja = 3,101 3,101 + 1,899 = 0,620 Kiner ja Ker ja = 2,450 2,450 + 2,551 = 0,490 Hasil perhitungan variance extracted menunjukkan bahwa semua variabel laten memenuhi syarat cut-off value minimal 0,50, kecuali untuk variabel Kinerja Kerja dengan nilai variance extracted 0,490. c Uji Diskriminant Validity Nilai akar kuadrat dari AVE variabel laten sebagai berikut : Komitmen Or ganisasi = 0,505 = 0,711 Komitmen Pr ofesional = 0,633 = 0,796 Kepuasan Ker ja = 0,620 = 0,787 Kiner ja Ker ja = 0,490 = 0,700 Berikut ini hasil output korelasi antar variabel laten dan akar kuadrat AVE. Tabel 4.3. Korelasi antar Variabel Laten dan Akar Kuadrat AVE Komitmen Profesional Komitmen Organisasi Kepuasan Kerja Kinerja Kerja Komitmen Profesional 0,796 Komitmen Organisasi 0,236 0,711 Kepuasan Kerja 0,221 0,261 0.787 Kinerja Kerja 0,088 0,241 0,247 0,700 Berdasarkan tabel di atas jelas bahwa masing-masing variabel laten memiliki diskriminant validity yang baik, hal ini dapat dilihat dari nilai akar kuadrat AVE masing-masing variabel laten yang lebih tinggi nilainya dibandingkan dengan nilai korelasi antara variabel laten.

4.3 Pembahasan