standar deviasi yang diperoleh dari hasil jawaban responden yang diterima. Sehingga bisa dilihat kondisi variabel penelitian merupakan kategori yang seperti
apa, apabila melihat kriteria rata-rata jawaban responden.
3.5.2 Analisis Second Confirmatory Factor Model
Pendekatan untuk menganalisis Second Order Factor seperti yang disarankan oleh Wold cf Lohmoller, 1989 dalam Chin et al, 1996 adalah
menggunakan repeated indicators approach atau juga dikenal dengan hierarchical component model. Pendekatan ini memiliki keuntungan karena
model ini dapat diestimasi dengan algoritma standar PLS Chin et al, 1996. Factor loading yang nilainya dibawah 0,50 akan didrop dari analisis
karena memiliki nilai convergent validity rendah. Indikator KSPI tidak dianalisis karena KSPI merupakan indikator formatif. Dapat dilihat dari Tabel dibawah ini
bahwa tidak ada indikator yang didrop karena nilai factor loading diatas 0,50.
3.5.3
Metode Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah teknik analisis SEM Structural Equation Model. SEM Structural Equation Model
adalah suatu teknik stastistik yang mampu menganalisis pola hubungan antara konstrak laten dan indikatornya, konstrak laten yang satu dengan lainnya, serta
kesalahan pengukuran secara langsung. SEM merupakan keluarga statistik multivariate dependent, SEM memungkinkan dilakukannya analisis di antara
beberapa variabel dependen dan independen secara langsung Hair et al, 1995 dikutip dalam Yamin dan Kurniawan, 2009:3.
SEM yang berbasis component atau variance merupakan alternatif covariance dengan pendekatan component based dengan PLS yang bertujuan
sebagai prediksi. Variabel laten didefinisikan sebagai jumlah dari indikatornya. Dikemukakan oleh Wold 1985 dalam Ghozali 2008 PLS merupakan metode
analisis yang powerfull, karena tidak didasarkan pada banyak asumsi. Data juga tidak harus berdistribusi normal multivariate indikator dengan skala kategori,
ordinal, interval sampai ratio dapat digunakan pada model yang sama, sampel tidak harus besar. PLS selain dapat mengkonfirmasi teori, juga untuk menjelaskan
ada atau tidaknya hubungan antar variabel laten sehingga dalam rangka penelitian berbasis prediksi PLS lebih cocok untuk menganalisis data. Selain itu, Dalam
penelitian ini, selain untuk melihat pengaruh langsung antar variabel, penulis juga ingin melihat arah hubungan antara indikator manifest dengan konstruk, baik
untuk indikator formatif maupun refleksif. Karena dalam penelitian ini penulis mengukur konstruk dengan indikator refleksif dan formatif, dan menurut
Ghozali, 2011:4 penelitian jenis ini paling tepat diukur dengan menggunakan alat analisis SmartPLS.
3.5.4 Menilai outer model atau measurement model