3.4.2.1. Uji Validitas
Validitas yang digunakan adalah validitas konstruk construct validity yang merujuk pada sejauh mana uji dapat mengukur apa yang
sebenarnya kita ukur. Uji validitas diukur ditafsirkan dengan menggunakan item to total correlation, jika nilai r 0,5 maka indikator
valid, dan jika nilai r 0,5 maka indikator tidak valid Augusty,2002 : 187.
3.4.2.2. Uji Reliabilitas
Uji ini ditafsirkan dengan menggunakan koefisien Alpha Cronbrach. Jika nilai alpha cukup tinggi berkisar 0,50 – 0,60 dapat
dtafsirkan suatu hasil pengukuran relatif konsisten apabila pengukuran diulangi dua kali atau lebih, dengan kata lain instrumen tersebut dapat
diandalkan Augusty, 2002 : 193.
3.4.3. Uji Normalitas Data
Adapun metode yang digunakan untuk mengetahui apakah data tersebut berdistribusi normal atau tidak adalah menggunakan uji critical
ratio dari Skewness dan Kurtosis Augusty,2002 : 95 dengan ketentuan sebagai berikut :
Kriteria Pengujian : Pedoman dalam mengambil keputusan apakah sebuah distribusi
data mengikuti distribusi normal adalah :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1. Jika nilai critical yang diperoleh melebihi rentang ± 2,58 maka
distribusi adalah tidak normal. 2.
Jika nilai critical yang diperoleh berada pada rentang ± 2,58 maka distribusi adalah normal.
3.4.4. Pemodelan SEM structural Equation Modeling
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling SEM. SEM adalah
sekumpulan teknik-teknik stasistical yang memungkinkan pengukuran sebuah rangkaian hubungan yang relatif “rumit” secara simultan. Sebuah
pemodelan SEM yang lengkap pada dasarnya terdiri dari Measurement Model dan Structural Model. Measurement model atau model
pengukuran ditunjukan untuk mengkonfirmasi sebuah dimensi atau faktor berdasarkan indikator-indikator empirisnya. Structural model
adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. Augusty,2002:33
Untuk membuat pemodelan yang lengkap beberapa langkah berikut ini yang perlu dilakukan:
a. Pengembangan model berbasis teori.
Langkah pertama dalam pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai
justifikasi teoritis yang kuat. Setelah itu, model tersebut divalidasi secara empirik melalui program SEM.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Pengembangan diagram alur untuk menunjukan hubungan kausalitas.
Pada langkah kedua model teoritis yang telah dibangun pada langkah pertama akan digambarkan dalam sebuah path diagram. Path
diagram tersebut akan memudahkan penelitian melihat hubungan- hubungan kausalitas yang ingin diujinya.
c. Konversi diagram alur kedalam persamaan.
Setelah teori model dikembangkan dan digambarkan dalam sebuah diagram alur, spesifikasi model dikonversikan ke dalam
rangkaian persamaan. Persamaan yang dibangun akan terdiri : 1.
Persamaan-persamaan struktural Structural Equations persamaan ini dirumuskan untuk menyatakan hubungan
kausalitas antara berbagai konstruk. 2.
Persamaan spesifikasi model pengukuran Measurement Model peneliti menentukan variabel mana mengukur
konstruk mana ,serta menentukan serangkaian matriks yang menunjukan korelasi yg dihipotesakan antara konstruk atau
variabel. d.
Memilih matriks input dan estimasi model. Perbedaan SEM dengan teknik multivariat lainny adalah dalam
input data yang akan digunakan dalam permodelan dan estimasinya. SEM hanya menggunakan matriks varians kovarians atau matriks
korelasi sebagaindata input untuk keseluruhan estimasi yang dilakukannya.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
e. Kemungkinan munculnya masalah identifikasi.
Problem identifikasi pada prinsipnya adalah problem-problem mengenai ketidakmampuan dari model yang dikembangkan untuk
menghasilkan estimasi yang unik. Problem identifikasi dapat muncul melalui gejala-gejala berikut :
1. Standart error untuk satu atau beberapa koefisien 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. Muncul korelasi yang sangat tinggi antar korelasi estimasi yang
didapat misalnya lebih dari 0,9. f.
Evaluasi kriteria Goodness-of-fit. Pada langkah ini kesesuaian model dievaluasi, melalui telaah
terhadap berbagai kriteria goodness-of-fit. Kriteria-kriteria tersebut adalah :
1. Ukuran sample yang digunakan adalah minimal berjumlah
100 dan selanjutnya menggunakan perbandingan 5 observasi untuk setiap estimated parameter.
2. Normalitas dan Linieritas.
3. Outliers
4. Multicillinearity and Singularity
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.5 Uji Hipotesis
Dalam analisis SEM umumnya berbagai jenis fit index yang digunakan untuk mengukur derajad kesesuaian antar model yang dihipotesakan dengan data yang
disajikan. Peneliti diharapkan untuk melakukan pengujian dengan menggunakan beberapa fit index untuk mengukur kebenaran modell yang dianjurkan. Berikut ini
adalah indeks kesesuaian dan cut-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau tidak.
a.
2
Chi Square Statistic Alat uji yang paling fundamental untuk mengukur overall fit adalah likehood
ratio Chi-Square Statistic. Model yang diuji akan dipandang baik atau memuaskan apabila nilai Chi-Squarenya rendah. Semakin kecil nilai
2
semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar
ρ 0,05 atau ρ 0,10. b. RMSEA The Root Mean Square Error Of Approximation
RMSEA adalahh sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam yang besar. Nilai RMSEA menunjukan goodness-
of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan index untuk dapat
diterimanya model yang menunjukan sebuah close fit dari model itu berdasarkan degree of freedom.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Kategori