Metode Analisis Data Korelasi Kanonikal

52 konstruk dengan memilih skala pengukuran yang digunakan untuk masing-masing konstruk tersebut. Tahap kedua, yaitu mengembangkan dan menspesifikasi model pengukuran. Pada tahap ini, peneliti mengidentifikasi setiap konstruk variabel laten yang tergabung dalam model dan menentukan variabel-variabel indikator dari masing- masing konstruk tersebut. Variabel-variabel indikator inilah yang nantinya akan menghubungkan variabel-variabel laten dengan data lapangan. Pada dasarnya model pengukuran memuat informasi mengenai operasionalisasi variabel-variabel teoritis. Model pengukuran terdiri atas dua macam persamaan, yaitu persamaan variabel laten eksogen dan persamaan variabel laten endogen yang dinotasikan sebagai berikut: Y n =   y + n  X n =   x + n  Di mana: Y n = indikator ke-n dari variabel laten endogen y  = koefisien model pengukuran konstruk y  = peubah laten endogen n  = kesalahan pengukuran untuk y X n = indikator ke-n dari variabel laten eksogen x  = koefisien model pengukuran konstruk x  = peubah laten eksogen n  = kesalahan pengukuran untuk x Tahap ketiga, yaitu merancang penelitian untuk memperoleh hasil secara empiris. Dengan basis model yang spesifik, peneliti harus menentukan beberapa hal yang terkait dengan rancangan penelitian, antaral lain: tipe data yang dianalisis, pengaruh missing data dan ukuran contoh yang diambil. Tahap keempat, yaitu validasi model pengukuran. Validasi model dilakukan dengan beberapa kriteria Good-of-fit GOF yang mengindikasikan derajat kesesuaian antara model yang dihipotesiskan dan data yang diperoleh. Secara umum, GOF dikelompokkan menjadi tiga, yaitu: 1 Absolute fit measures kecocokan absolut, yang hanya mengkaji model secara keseluruhan model struktural dan model pengukuran secara bersama- sama, tanpa penyesuaian derajat ‘overfitting’ yang mungkin 53 terjadi. Kriteria yang dapat digunakan adalah nilai: chi-square x 2 = diharapkan kecil atau signifikansi p 0,05, degree of freedom DF = diharapkan kecil, Goodness of Fit Index GFI = semakin besar semakin baiktidak ada batasan nilai, Root Mean Square Error of Approximation RMSEA 0.08, Root Mean Square Residual RMSR = tidak ada batasan nilai. 2 Incremental fit measures kecocokan inkremental, yang membandingkan model yang diusulkan dengan model lain yang ditetapkan peneliti. Kriteria yang dapat digunakan adalah nilai: Adjusted Goodness of Fit Index AGFI direkomendas ikan ≥ 0,90, Normed Fit Index NFI semakin tinggi semakin baikdirekomendasikan ≥ 0,90, Non-Normed Fit Index NNFI direkomendasikan ≥ 0,90, Comparative Fit Index CFI = semakin tinggi semakin baik, Incremental Fit Index IFI = semakin tinggi semakin baik, Relative Fit Index RFI = semakin tinggi semakin baik. 3 Parsimonious fit measures kecocokan parsimoni, yang menyesuaikan ukuran kecocokan untuk menghasilkan perbandingan antarmodel dengan membedakan jumlah koefisien yang diperhitungkan, yang bertujuan untuk menentukan jumlah kecocokan yang diperoleh masing-masing koefisien yang diperhitungkan. Kriteria yang dapat digunakan adalah nilai: Parsimonious Normed Fit Index PNFI = semakin tinggi semakin baik, dan Parsimonious Goodness of Fit Index PGFI = semakin tinggi semakin baik. Dalam SEM, tidak satupun pengukuran yang bersifat mutlak. Pada akhirnya peneliti yang memutuskan apakah pengukuran dapat diterima. Evaluasi model yang diusulkan perlu dilakukan terhadap sejumlah pengukuran dari setiap kelompok. Tahap kelima, yaitu menspesifikasi model struktural. Spesifikasi model struktural dilakukan dengan menentukan hubungan antara satu konstruk dengan konstruk lainnya berdasarkan teori-teori yang sudah dikembangkan cukup mapan atau teori baru yang dikembangkan sendiri oleh peneliti, yang pembuktiannya memerlukan pengujian empirik. Pengujian empirik menggunakan teknik SEM, tidak untuk membentuk sebuah teori kausalitas, tetapi digunakan untuk menguji 54 kausalitas yang sudah ada teorinya. Pada tahap ini, hipotesis untuk masing-masing hubungan antar konstruk ditentukan. Tahap keenam, yaitu validasi model struktural. Dengan menentukan tingkat signifikasi tertentu, maka setiap koefisien yang diestimasi dapat diuji signifikansi statistiknya untuk hubungan kausal yang telah dihipotesiskan. Kriteria yang digunakan adalah tingkat signifikansi 0,05 dengan nilai t pada koefisien persamaan struktural 1,96. Setelah model dapat diterima, maka dilakukan kajian korespondensi model terhadap teori yang diajukan. Dalam SEM, keluaran paling akhir yang diharapkan selalu merupakan kajian serangkaian hubungan. Penggunaan SEM bukan sekedar untuk menguji model secara empiris, melainkan juga memberikan alternatif respesifikasi modelnya. Tahapan pengembangan model SEM secara skematis ditampilkan pada Gambar 9. 55 Gambar 9 Tahapan Pengembangan Structural Equation Modeling Mengembangkan dan Menspesifikasi Model