Mesran Prima generasi sebelumnya. Pelumas ini diakui approved dan memperoleh sertifikat dari The American Petroleum Institute API Engine Oil
Licensing and Certification System EOLCS. PERTAMINA Lubricants Guide, 2006: 52-53
2.2 Metode Analisis Data
Dimana dalam mengolah suatu data yang akan diolah diperlukan analisis dari hasil output dari sebuah metode. Disini data diolah dengan menggunakan
metode Struktur Equation Modelling SEM yang akan kita analisis.
2.2.1 Struktural Equation Modelling SEM
Sebuah pemodelan SEM yang lengkap pada dasarnya terdiri dari Measurement Model dan Structural Model. Measurement Model atau model
pengukuran ditujukan untuk mengkonfirmasi sebuah dimensi atau faktor berdasarkan indikator-indikator empirisnya. Structural Model adalah model
mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. Untuk membuat pemodelan yang lengkap beberapa langkah berikut ini
perlu dilakukan : 1. Pengembangan model berbasis teori.
2. Pengembangan diagram alur untuk menunjukkan hubungan kausalitas. 3. Konversi diagram alur kedalam serangkaian persamaan structural dan
spesifikasi model pebgukuran. 4. Pemilihan matriks input dan teknik estimasi atas model yang dibangun.
5. Menilai problem identifikasi. 6. Evaluasi
model. 7. Interpretasi dan modifikasi model.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.2.2 Kapan SEM Digunakan
SEM digunakan karena keunggulan yang mempunyai kemampuan untuk menampilkan sebuah model komprehensif bersamaan dengan kemampuan untuk
mengkonfirmasikan dimensi atau faktor dari sebuah konsep melalui indikator – indikator empiris serta kemampuannya untuk mengukur pengaruh antar faktor
yang secara teoritis ada. Oleh karena itu, SEM biasanya dipandang sebagai kombinasi antara analisis faktor dan analisis regresi, dan tentu saja dapat
diaplikasikan secara terpisah hanya dalam analisis faktor yaitu Comfirmatory Factor Analysis ataupun hanya dalam analisis regresi.
2.2.3 Asumsi-asumsi Dasar yang Digunakan SEM
Asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM adalah sebagai berikut :
a. Ukuran Sampel
Karena dalam penelitian ini menggunakan maximum likelihood estimation dimana data yang dibutuhkan adalah antara 100-200. Data dalam penelitian
yang didapat dari pengembalian kuisioner yang berisi lengkap minimal sebanyak 100 kuisioner, sehingga asumsi SEM bahwa data harus
≥ 100 terpenuhi. Jadi sampel yang diolah sebagui input adalah minimal 100.
b. Normalitas atau Linearitas
Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diperoleh lebih lanjut untuk pemodelan SEM ini.
Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. Uji normalitas ini perlu dilakukan baik untuk
normalitas terhadap data tunggal maupun normalitas multivariat dimana
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan
memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas.
c. Outlier
Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara
univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari
observasi-observasi lainnya. Dapat diadakan treatment khusus pada outliers ini asal diketahui bagaimana munculnya outliers itu. Outlier pada dasarnya
dapat muncul dalam empat kategori : 1
Pertama, outlier muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data.
Misalnya, nilai 7 diketik 70 sehingga jauh berbeda dengan nilai-nilai lainnya dalam sebuah rentang jawaban responden antara 1 – 10. Bila hal
semacam ini lolos supervisi pengetikan data untuk pengolahan melalui komputer, maka angka 70 dapat menjadi sebuah nilai ekstrim.
2 Kedua, outlier dapat saja muncul karena keadaan yang benar – benar
khusus yang memungkinkan profil datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai apa penyebab munculnya nilai
ekstrim itu. Misalnya pertanyaan mengenai pandangan ibu yang sedang hamil terhadap asap rokok dari sesama penumpang bis, dimana diperoleh
bahwa rata-rata mempunyai pandangan yang negatif. Tetapi dari 105 seratus lima responden, ternyata diketahui bahwa terdapat 2 dua orang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ibu dijelaskan. Jawaban yang positif ini dapat menjadi outliers dalam panel data.
3 Ketiga, outlier dapat muncul karena adanya sesuatu alasan tetapi peneliti
tidak dapat mengetahui apa penyebab atau tidak ada penjelasan mengenai sebab-sebab munculnya nilai ekstrim itu. Contohnya, sama dengan survai
pendapat mengenai, dimana datanya menunjukkan hanya ada 1 satu orang ibu yang sangat senang. Jawaban ini akan menjadi outliers, dimana
peneliti tidak tahu penyebab munculnya nilai ekstrim itu. 4
Keempat, outlier dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel lainnya, kombinasinya menjadi tidak lazim
atau sangat ekstrim. Inilah yang disebut dengan multivariate outliers. d.
Multicollinearity dan Singularity Multikolinearitas dapat dideteksi dari determinan matriks kovarians. Nilai
determinan matriks kovarians yang sangat kecil extremely small memberi indikasi adanya problem multikolinearitas atau singularitas. Pada umumnya
program-program komputer SEM telah menyediakan fasilitas “warning” setiap kali terdapat indikasi multikolinearitas atau singularitas. Bila muncul
pesan itu, telitilah ulang data yang digunakan untuk mengetahui apakah terdapat kombinasi linear dari variabel yang dianalisis. Perlakuan data data
treatment yang dapat diambil adalah keluarkan variabel yang menyebabkan singularitas itu. Bila singularitas dan multikolinearitas ditemukan dalam data
yang dikeluarkan itu, salah satu treatment yang dapat diambil adalah dengan menciptakan “composite variables”, lalu gunakan composite variable itu
dalam analisis selanjutnya. Augusty, 2002 : 51 – 54.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.2.4 Perbedaan SEM dengan Alat Multivariat yang Lain
