3.5.2. Metode Analisis Data
1. Teknik Analisis Data
SEM merupakan salah satu jenis analisis multivariate multivatiate analysis dalam ilmu sosial yang membagi menjadi dua kelompok tujuan untuk
penggunaannya, 1 bertujuan konfirmasi primarily confirmatory dan 2 bertujuan eksplorasi primarily exploratory. Analisis multivariat digunakan untuk
menguji hipotesis yang dikembangkan berdasarkan teori dan konsep yang sudah ada, sedangkan analisis multivariat eksploratoris digunakan untuk mencari pola
data dalam kasus di mana belum ada atau masih terbatasnya teori yang menyatakan bagaimana hubungan antarvariabel Sholihin dan Ratmono, 2013.
Analisis data dan pengujian hipotesis ini menggunakan metode Structural Equation Model
– Partial Least Square SEM-PLS. Model persamaan struktural SEM merupakan suatu teknik analisis multivariat yang menggabungkan analisis
faktor dan analisis jalur sehingga memungkinkan peneliti untuk menguji dan mengestimasi secara simultan hubungan antara variabel eksogen dan endogen
multiple dengan banyak faktor Ghozali dan Latan, 2012. PLS merupakan metode analisis yang powerfull dan sering disebut juga
sebagai soft modeling karena meniadakan asumsi-asumsi OLS Ordinary Least Squares regresi, seperti data harus terdistribusi normal secara multivariate dan
tidak adanya problem multikolonieritas antar variabel eksogen Ghozali dan Latan, 2012. Partial Least Square PLS adalah bagian dari SEM. PLS adalah
teknik terbaru yang banyak diminati, karena tidak membutuhkan data yang terdistribusi normal atau sebuah penelitian dengan sampel yang sedikit. Tujuan
dari penggunaan PLS yaitu untuk menjelaskan ada tidaknya hubungan antar variabel laten dan untuk perluasan teori yang sudah ada.
Tahapan analisis menggunakan PLS-SEM setidaknya harus melalui lima proses tahapan dimana setiap tahapan akan berpengaruh terhadap tahapan
selanjutnya Ghozali dan Latan, 2012, yaitu: a.
Konseptualisasi model, pada tahap awal peneliti harus melakukan pengembangan dan pengukuran konstruk.
b. Menentukan metode analisis algorithm, dalam PLS-SEM menggunakan
program SmartPLS 3.0 M3, metode analisis algorithm yang disediakan hanyalah algorithm PLS dengan tida pilihan skema yaitu, factorial,
centroid, dan path atau structural weighting. c.
Menentukan metode resampling, umumnya terdapat dua metode yang digunakan oleh peneliti di bidang SEM untuk melakukan proses
penyempelan kembali resampling yaitu, bootstrapping dan jackknifing. d.
Menggambar diagram jalur, pada tahap ini Falk dan Miller, 1992 dalam Ghozali dan Latan, 2012 merekomendasikan untuk menggunakan
prosedur nomogram reticular action modeling RAM dengan ketentuan sebagai berikut:
1 Konstruk teoritikal theoretical constructs yang menunjukan variabel laten harus digambar dengan bentuk lingkaran atau buletan elips
circle. 2 Variabel observed atau indikator harus digambarkan dengan bentuk
kotak square.
3 Hubungan-hubungan asimetri
asymmetrical relationships
digambarkan dengan arah panah tunggal single headed arrow 4 Hubungan-hubungan
simetris symmetrical
relationships digambarkan dengan arah panah dobel double headed arrow
e. Evaluasi model, dalam PLS-SEM dengan program SmartPLS 3.0 dapat
dilakukan dengan menilai hasil pengukuran model kemudian dilanjutkan dengan evaluasi model structural dan pengujian signifikansi.
2. Model Pengukuran
Kategori