2.7.3 Konversi Diagram Alur ke dalam Persamaan
Ada dua persamaan yang dibangun dalam penelitian ini yaitu persamaan struktural dan persamaan spesifikasi model. Jika persamaan struktural
dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk, maka persamaan struktural pada dasarnya dibangun dengan pedoman :
variabel endogen = variabel eksogen + variabel endogen + error. Selanjutnya dalam hal persamaan spesifikasi model pengukuran, peneliti
menentukan variabel yang mengukur konstruk dan menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesiskan antar konstruk atau
variabel yang menjadi objek pengamatan penelitian.
2.7.4 Memilih Matriks Input dan Estimasi Model
Penelitian ini menggunakan pemodelan SEM, sehingga matriks yang digunakan adalah matriks varianskovarians atau matriks korelasi sebagai data
input untuk keseluruhan estimasi yang dilakukan, seperti yang disarankan oleh Baumgartner dan Homburg dalam Ferdinand, 2000:72. Matriks
varianskovarians digunakan untuk lebih memenuhi asumsi-asumsi metodologis dan merupakan bentuk data yang lebih sesuai untuk memvalidasi
hubungan-hubungan kausalitas. Selanjutnya, guna kepentingan pemilihan matriks input dan estimasi
model, Hair dalam Ferdinand, 2000:72 mengemukakan bahwa ukuran sampel yang sesuai adalah antara 100-200. Oleh karena itu, sampel yang
diambil untuk kepentingan penelitian ini adalah sebanyak 200 orang.
SEM memiliki berbagai program, akan tetapi penelitian ini menggunakan program Linear Structural Relation LISREL.
2.7.5 Kemungkinan Munculnya Masalah Identifikasi
Jika model yang dikembangkan tidak mampu untuk menghasilkan estimasi yang unik, timbulllah apa yang disebut dengan problem identifikasi.
Wujudnya adalah berupa gejala-gejala seperti yang ditengarai oleh Ferdinand 2000:72 sebagai berikut 1 standar error untuk satu atau beberapa koefisien
adalah sangat besar, 2 program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan, 3 muncul angka-angka yang aneh seperti adanya
varians error yang negatif, 4 munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat.
Untuk mengantisipasi ada-tidaknya problem identifikasi, penelitian ini menempuh cara-cara sebagai berikut, seperti dituturkan oleh Rachman
2007:164. 1
Model yang akan dikembangkan diestimasi berulang-ulang kali, dan setiap kali estimasi dilakukan dengan menggunakan “starting value” yang
berbeda-beda. Bila ternyata hasilnya tidak konvergen pada titik yang sama pada saat reestimasi dilakukan, masalah identifikasi akan diamati lebih
dalam sebab hal itu menunjukkan ada indikasi kuat terjadinya problem ini. 2
Model yang akan dikembangkan diberi lebih banyak konstrain, yang berarti mengeliminasi jumlah etimated koefisiens. Dengan cara seperti itu
akan muncul model yang diharapkan.
2.7.6 Evaluasi Kriteria Goodness-of-fit
Kategori