commit to user
melakukan pengujian dengan pendekatan Structural Equation Model. Asumsi-asumsi SEM tersebut meliputi asumsi kecukupan sampel, normalitas, dan outliers
Ferdinand, 2002. Berikutnya dilakukan pembahasan mengenai asumsi-asumsi SEM.
1. Asumsi Kecukupan Sampel
Jumlah responden dalam penelitian ini yaitu sebanyak 200 orang. Dari seluruh kuesioner yang telah terisi, seluruhnya dapat digunakan dalam penelitian
ini. Jumlah sampel ini memenuhi prosedur Maximum Likelihood Estimation yaitu penarikan sampel antara 100-200 sampel Ghozali, 2008.
2. Asumsi Normalitas
Asumsi selanjutnya yang dibahas dalam analisis multivariate adalah
normalitas. Normalitas merupakan bentuk distribusi data pada variabel matriks tunggal yang menghasilkan distribusi normal Hair et al., dalam Ferdinand, 2002.
Pengujian normalitas bertujuan untuk mengetahui pola distribusi data yang mengikuti atau mendekati distribusi normal. Normalitas univariate dilihat dengan
nilai critical ratio c.r pada skewness yaitu di bawah 2,58. Sedangkan normalitas multivariate dilihat pada assessment of normality baris bawah kanan yaitu nilai
critical ratio c.r kurtosis dibawah 7 Ghozali dan Fuad, 2008. Normalitas univariate dan multivariate terhadap data yang digunakan
dalam analisis ini diuji dengan menggunakan AMOS 6. Hasil Uji asumsi normalitas dapat dilihat pada Tabel IV.4.
commit to user
Tabel IV.4 Hasil Uji Normalitas
Assessment of normality Group number 1
Variable min
Max skew
c.r. kurtosis
c.r. rs1
2.000 5.000
-.505 -2.918
.902 2.603
rs2 2.000
5.000 -.786
-4.541 1.339
3.864 rs3
2.000 5.000
-.811 -4.682
1.870 5.398
rs4 2.000
5.000 -.688
-3.973 1.003
2.895 rs6
2.000 5.000
-.808 -4.663
2.317 6.687
as1 2.000
5.000 -.251
-1.448 .296
.854 as2
2.000 5.000
-.729 -4.208
1.862 5.376
as3 2.000
5.000 -.780
-4.503 .919
2.653 as5
2.000 5.000
-.535 -3.091
.437 1.260
ep1 2.000
5.000 -.022
-.130 -.291
-.840 ep2
2.000 5.000
-.193 -1.117
-.089 -.258
ep4 2.000
5.000 -.644
-3.719 .760
2.193 ep5
2.000 5.000
-.133 -.770
-.166 -.480
tg1 2.000
5.000 -1.007
-5.817 1.695
4.893 tg2
2.000 5.000
-1.048 -6.052
1.021 2.946
tg3 2.000
5.000 -.788
-4.552 1.023
2.952 tg4
2.000 5.000
-1.002 -5.785
1.828 5.277
tg5 2.000
5.000 -1.007
-5.816 2.056
5.934 rl4
2.000 5.000
-.878 -5.069
.581 1.678
rl3 2.000
5.000 -.536
-3.093 1.817
5.244 rl2
2.000 5.000
-.876 -5.057
2.403 6.937
rl1 2.000
5.000 -.730
-4.215 1.995
5.759 ci4
2.000 5.000
-.406 -2.343
.320 .923
ci3 2.000
5.000 -.066
-.381 -.196
-.566 ci2
2.000 5.000
-.540 -3.117
-.261 -.753
ci1 2.000
5.000 -.431
-2.487 -.087
-.251 t1
2.000 5.000
-.410 -2.368
.210 .606
t2 2.000
5.000 -.367
-2.118 .011
.032 t3
2.000 5.000
-.378 -2.181
-.068 -.196
t4 2.000
5.000 -.359
-2.072 1.159
3.346 t5
2.000 5.000
-.305 -1.764
.523 1.511
t6 2.000
5.000 -.444
-2.565 .789
2.279 cs1
2.000 5.000
-.460 -2.653
.266 .767
cs2 2.000
5.000 -.112
-.649 -.423
-1.221 cs3
2.000 5.000
-.382 -2.208
.467 1.347
commit to user
Variable min
Max skew
c.r. kurtosis
c.r. cs4
2.000 5.000
-.008 -.047
-.240 -.694
cs5 2.000
5.000 -.222
-1.280 -.155
-.446 cl6
2.000 5.000
-.276 -1.591
.115 .333
cl4 2.000
5.000 -.486
-2.804 .621
1.792 cl3
2.000 5.000
-.462 -2.666
.449 1.297
cl2 2.000
5.000 -.149
-.863 -.167
-.482 cl1
2.000 5.000
-.639 -3.687
.222 .641
Multivariate 112.955
13.138
Sumber : Hasil olahan data, 2011
Tabel IV.4 menjelaskan bahwa secara univariate data dalam penelitian ini termasuk non-normal yang ditunjukkan dengan terdapatnya nilai skewness 2,58.
Begitu juga secara multivariate, data dalam penelitian ini termasuk non-normal karena memilki c.r kurtosis diatas 7 yaitu sebesar 13,138.
Analisis terhadap data yang tidak normal dapat mengakibatkan pembiasan intrepretasi karena nilai chi-square hasil analisis cenderung meningkat sehingga
nilai probability level akan mengecil. Namun demikian, teknik Maximum Likelihood Estimates MLE yang digunakan dalam penelitian ini tidak terlalu
terpengaruh robust oleh penyimpangan multivariate normality Ghozali, 2005. Selain itu, data yang digunakan dalam penelitian ini adalah data mentah dan
merupakan data primer berdasarkan jawaban responden yang sangat beragam, sehingga sulit untuk memperoleh data yang mengikuti distribusi normal secara
sempurna.
commit to user
3. Asumsi Outliers
