68
F. Uji Instrumen
1. Uji Validitas Uji validitas banyak digunakan dalam analisis data, yakni pengujian
validitas terhadap item pertanyaan. Pengertian secara umum mengenai validitas item ialah, bahwa sebuah item pertanyaan dapat dikatakan valid
jika mempunyai dukungan yang kuat terhadap skor total Alhusin, 2003. Untuk memperoleh validitas kuesioner, usaha yang dititikberatkan pada
pencapaian validitas isi. Validitas tersebut menunjukan sejauh mana instrumen ini mencakup topik penelitian. Jika instrumenya mengandung suatu
sampel yang dapat mewakili populasi dari subyek yang diteliti, maka validitas isinya baik Cooper dan Emory, 1996. Teknik validitas pada penelitian ini
dengan menggunakan confirmatory faktor analysis. Suatu alat analisis yang digunakan untuk menguji sebuah measurement model. Dengan alat ini, akan
diketahui apakah indikator-indikator yang ada memang benar-benar dapat menjelaskan sebuah konstruk. Dengan melakukan CFA, dapat saja sebuah
indikator dianggap tidak secara kuat berpengaruh atau dapat menjelaskan sebuah konstruk Santoso, 2011.
2. Uji Reliabilitas Pengujian Realibilitas adalah berkaitan dengan masalah adanya
kepercayaan terhadap alat test istrumen. Suatu instrumen dapat memiliki
commit to user
69
tingkat kepercayaan yang tinggi jika hasil dari pengujian testistrumen tersebut menunjukan hasil yang tetap. Dengan demikian, masalah reliabilitas
testinstrumen berhubungan dengan masalah ketetapan hasil Alhusin, 2003. Uji reliabilitas instrumen dengan menggunakan SPSS, dengan cara
menghitung tingkat reliabilitas suatu data menggunakan cronbach alpha. Reliabilitas yang tinggi ditunjukkan dengan nilai 1.00, reliabilitas yang
dianggap sudah cukup memuaskan atau tinggi adalah 0.70 Sugiyono, 2009.
G. Metode Analisis Data
Untuk menganalisis data yang diperoleh, dilakukan pengujian statistik SEM dengan bantuan komputer melalui progam Amos, antara lain :
1. Pengertian Structural Equation Modelling SEM Menurut Santoso 2011 Structural Equation Modelling SEM
merupakan alat analisis yang penyusunan model kerjanya merupakan gabungan dari analisis factor dan analisis regresi dengan menjelaskan
hubungan di antara variabel-variabel, variabel-variabel tersebut bisa diukur dengan sejumlah indicator variabel manifest, dan hubungan di antara
keduanya, serta antar variabel laten memunculkan model yang membutuhkan alat analisis lanjutan untuk menyelesaikannya.
commit to user
70
2. Tahapan Penerapan Structural Equation Modelling SEM Menurut Santoso 2011 tahapan pokok yang akan dilalui untuk
menggunakan SEM dalam sebuah kegiatan penelitian adalah sebagai berikut:
a. Membuat sebuah model SEM model specification Tahapan ini merupakan sebuah model berdasarkan teori tertentu, yaitu
sebuah bentuk equation persamaan-persamaan matematis maupun dalam bentuk diagram gambar, diagram akan memasukan
measurement model dan structural model. b. Menyiapakan desain penelitian dan pengumpulan data.
Setelah model dibuat dan sebelum model diuji, akan dilakukan pengujian asumsi-asumsi yang seharusnya dipenuhi dalam SEM,
perlakukan terhadap missing data jika ada dan cukup banyak, mengumpulkan data dan sebagainya.
c. Identifikasi model model identification Setelah sebuah model dibuat dan desain sudah ditentukan , pada model
dilakukan uji identifikasi, apakah model dapat dianalisis lebih lanjut, perhitungan besar degree of freedom.
d. Menguji model model testing dan model estimation Setelah model dibuat dan dapat diidentifikasi, tahapan dilanjutkan
dengan menguji measurement model kemudian menguji structural
commit to user
71
model. Dari pengujian measurement model, akan didapat keeratan hubungan antara indikator dengan konstruknya. Jika measurement
model dianggap valid, pengujian dilanjutkan pada structural model untuk memperoleh sejumlah korelasi yang menunjukan hubungan
antar konstruk. Termasuk dalam kegiatan ini adalah kemungkinan dilakukanya model respecification pada sebuah model SEM.
3. Asumsi dan Persyaratan pada Structural Equation Modelling SEM Berikut beberapa asumsi dan persyaratan penting yang perlu diperhatikan
saat menggunakan metode SEM menurut Santoso 2011 : a. Sample Size jumlah Sampel
Pada umunya penggunaan SEM membutuhkan jumlah sampel yang besar agar hasil yang didapat mempunyai kredibilitas yang cukup
trustworthy result, tetapi ada pertimbangan praktis yang dapat dijadikan acuan dalam menentukan ukuran sampel.
b. Normalitas Data SEM mensyaratkan data berdistribusi normal atau dapat dianggap
berdistribusi normal; untuk mengurangi ketidaknormalan sebuah distribusi data, penggunaan jumlah sampel yang besar dapat
dipertimbangkan.
commit to user
72
c. Metode Estimasi yang Digunakan Metode yang paling popular dalam analisis SEM adalah Maximun
Likelihood ML. Metode ML ini juga dipakai sebagai default oleh AMOS, disamping alternative metode lain, seperti GSL atau ULS.
Metode ML akan lebih efektif pada sampel 150 data sampai 400 data. d. Faktor lain
Faktor lain yang perlu diperhatikan adalah kompleksitas model dan banyaknya data yang tidak lengkap missing. Semakin kompleks
sebuah model tentu membutuhkan jumlah sampel yang banyak, demikian pula semakin banyak jumlah missing data lebih dari 10
dari total data yang ada akan membutuhkan jumlah sampel yang banyak pula.
Dari faktor-faktor diatas, secara umum jumlah sampel yang diperlukan pada SEM adalah:
1 Untuk model SEM dengan jumlah variabel laten konstruk sampai dengan lima buah, dan setiap konstruk dijelaskan oleh tiga atau
lebih indikator, jumlah sampel 100 – 150 data yang sudah dianggap memadai.
2 Namun, jika pada kondisi di atas korelasi antara indikator dengan konstruk tidak kuat di bawah 0,6 jumlah sampel sebaiknya perlu
ditingkatkan sampai 300 data.
commit to user
73
3 Pada model yang sangat kompleks, seperti terdapat lebih dari enam konstruk, atau ada konstruk dengan jumlah indikator kurang
dari dari tiga per konstruk, jumlah sampel sebaiknya mencapai 500 data.
4. Uji Measurement Model pada SEM Dalam praktek, ada beberapa alat uji model yang digunakan manurut
Santoso 2011 : a. Absolute Fit Indices
Pengujian dengan alat ini akan membandingkan secara langsung matrik kovarians sampel dengan estimasi, alat uji pada absolute fit indices
adalah: a Chi- Square
Tujuan pengujian Chi-Square adalah untuk mengetahui apakah matriks kovarians sampel berbeda secara signifikan dengan matriks
kovarians estimasi. Dalam pengujian ini nilai yang rendah dan
menghasilkan tingkat signifikansi yang lebih besar dari 0,05 akan mengidentifikasikan tidak ada perbedaan yang signifikan antara
matrik kovarians data dan matrik kovarian yang diestimasi. Chi Square sangat bersifat sensitif terhadap sampel yang terlalu kecil
maupun terlalu besar.
commit to user
74
b GFI, AGFI dan RMR Indeks yang mencerminkan tingkat kesesuaian model secara
keseluruhan, yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan data yang sebenarya. Nilai yang mendekati
1 mengisyaratkan model yang diuji memiliki kesesuaian dengan baik.
b. Incremental Fit Indices 1 NFI Normed Fit Index
Indeks ini pada dasarnya membandingkan Chi-square hitung pada berbagai model. Nilai yang direkomendasikan adalah NFI
≥ 0,90 2 CFI Comparative Fit Index
CFI merupakan indeks kesesuaian incremental mengidentifikasikan model memiliki tingkat kesesuaian yang baik. Indeks ini sangat
dianjurkan untuk dipakai karena indeks ini relative tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan
model. Nilai penerimaan yang direkomendasikan adalah CFI ≥
0,95. c. Parsimory Fit Indices
1 RMSEA Root Mean Square Error of Approximation Suatu indeks yang digunakan untuk mengukur fit model
menggantikan chi square statistic dalam jumlah sampel yang besar.
commit to user
75
Pedoman nilai RMSEA dibawah 0.05, menunjukan model yang baik.
2 HOETLER Suatu alat uji yang lebih memperhatikan kecukupan ukuran sampel
daripada model fit. Sebagai pedoman angka Hoetler di atas 200 menunjukan bahwa model fit dengan data yang ada. Signifikansi
menunjukan sebesar 0.05.
commit to user
76
BAB IV ANALISIS DAN PEMBAHASAN