15
2. Menjumlahkan varian semua item
2.4 3.
Menghitung varian total
2.5 4.
Melakukan proses perhitungan nilai cronbach alpha 2.6
keterangan: α  = nilai cronbach alpha
K
= banyaknya item pernyataan = varian tiap-tiap item;
j
= 1, 2, 3, … ,
K
= varian total
2.10 Transformasi Data Ordinal menjadi Interval
Pada  penelitian  ini  variabel  yang  digunakan  berskala  ordinal.  Oleh  karena  itu, untuk  pemenuhan  asumsi  pada  analisis  jalur  bahwa  variabel  endogen  harus
berskala  interval,  maka  terlebih  dahulu  data  ordinal  ditransformasikan  menjadi data  interval  menggunakan
Method  of  Successive  Interval
MSI.  Langkah- langkah transformasi data ordinal ke data interval adalah Riduwan, 2007: 30:
1. Pertama perhatikan setiap butir jawaban responden dari angket yang disebar.
2. Pada setiap butir ditentukan berapa orang yang mendapat  skor 1, 2, 3, dan 4
yang disebut sebagai frekuensi. 3.
Setiap  frekuensi  dibagi  dengan  banyaknya  responden  dan  hasilnya  disebut proporsi.
4. Tentukan nilai proporsi kumulatif dengan jalan menjumlahkan nilai proporsi
secara berurutan perkolom skor. 5.
Gunakan  tabel  distribusi  normal,  hitung  nilai  Z  untuk  setiap  proporsi kumulatif yang diperoleh.
16
6. Menghitung  nilai  densitas  dari  nilai  Z  yang  diperoleh  dengan  cara
memasukkan nilai Z ke dalam fungsi densitas normal baku. 7.
Tentukan nilai skala dengan menggunakan rumus:
–
2.7 8.
Menghitung skor nilai transformasi untuk setiap kategori dengan rumus: 2.8
Scale  value
min
artinya  adalah  nilai  scale  value  absolut  tanpa memperhatikan tanda positif atau negatif paling kecil.
2.11 Pengertian Analisis Jalur
Dalam  Sarwono  2007:  1  Robert  D.Rutherford  1993  menyatakan  bahwa analisis jalur adalah suatu teknik untuk menganalisa hubungan sebab akibat yang
terjadi  pada  regresi  berganda  jika  variabel  bebasnya  mempengaruhi  variabel tergantung  tidak  hanya  secara  langsung  tetapi,  juga  secara  tidak  langsung.
Defenisi  lain  mengatakan  analisis  jalur  merupakan  pengembangan  langsung bentuk  regresi  berganda  dengan  tujuan  untuk  memberikan  estimasi  tingkat
kepentingan
magnitude
dan  signifikansi  hubungan  sebab  akibat  hipotetikal dalam seperangkat variabel Paul Webley, 1997.
David Garson 2003 dari
North Carolina State University
mendefinisikan analisis  jalur  sebagai  model  perluasan  regresi  yang  digunakan  untuk  menguji
keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang  dibandingkan  oleh  peneliti.  Modelnya  digambarkan  dalam  bentuk  gambar
lingkaran dan panah di mana anak panah tunggal menunjukkan sebagai penyebab.
2.12 Diagram Jalur dan Persamaan Struktural