penelitian ini berjumlah 120, dan jumlah butir instrumentasi penelitian berjumlah 12 butir pertanyaan.
Yang dilakukan dalam One-Step Approach to SEM adalah estimasi terhadap measurement model dan estimasi terhadap structural model
Anderson dan Gerbing, 1998. Cara yang dilakukan dalam menganalisis SEM dengan One-Step Approach adalah sebagai berikut:
1. Menjumlahkan skala butir-butir setiap konstruk menjadi indikator
summed-scale bagi setiap kontrak. Jika terdapat skala berbeda setiap indikator tersebut distandardisasi [Z-scores] dengan mean = 0, deviasi
standar = 1, yang bertujuan adalah untuk mengeliminasi pengaruh- pengaruh skala yang berbeda-beda tersebut Hair et at, 1998.
2. Menetapkan error [
ε] dan lamda [λ] terms, error terms dapat dihitung dengan rumus 0,1 kali
σ² dan lamda terms dengan rumus 0,95 kali σ Anderson dan Gerbing, 1998. Perhitungan construct reliability [
α] telah dijelaskan pada bagian sebelumnya dan dviasi standar [
σ] dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error
[ ε] dan lamda [λ] terms diketahui skor-skor tersebut dimasukkan
sebagai parameter fix pada analisis model pengukuran SEM.
3.3.5 Evaluasi Model
Hair et al, 1998 menjelaskan bahwa pola “confirmatiry” menunjukan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teoritis
menggambarkan “good fit” dengan kata, maka model dianggap sebagai yang diperkuat. Sebaliknya suatu model toeritis tidak diperkuat jika teori
tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji apakah model “good fit” atau “poor fit”. Jadi “good fit” model yang diuji
sangat penting dalam penggunaan structural equation modeling. Pengujian terhadap model yang dikembangkan dengan berbagai
criteria Goodness of Fit, yakni Chi-square, probability, RMSEA, GFI, TLI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data
maka model dikembangkan dengan pendekatan Two-Step Approach to SEM.
Tabel 3. Goodness of Fit Indices
Godness of Fit Index Keterangan
Cut-Off Value
X²- Chi-square
Menguji apakah covariance populasi yang di estimas sama
dengan covariance sample apakah model sesuai dengan
data Diharapkan kecil 1 s.d 5
atau paling baik diantara 1dan 2
Probality Uji signifikan terhadap
perbedaan matriks covariance dta dan matriks covariance
yang diestimasi Minimum 0,1 atau 0,2
atau ≥ 0,05
RMSEA Mengkompensasi kelemahan
Chi-Square pada sampel besar ≤ 0,08
GFI Menghitung proporsi
tertimbang varians dalam matriks sampel yang
dijelaskan oleh matriks covarians populasi yang
diestimasi analog dengan R² dalam regresi berganda
≥ 0,90
AGFI GFI yang disesuaikan
terhadap DF ≥ 0.90
CMIN DF
Kesesuaian antara data dan model
≤ 2,00 TLI
Pembandingan antara model yang diuji terhadap baseline
model ≥ 0,95
CFI Uji kelayakan model yang
tidak ensitive terhadap besarnya sampel dan
≥ 0,94
kerumitan model
Sumber: Hair et al 1998
Keterangan: 1.
X² CHI SQUARE STATISTIK Alat uji paling fundamental untuk mengukur overall fit adalah likehood
ratio chi-square ini bersifat sangat sensitive terhadap besarnya sampel yang digunakan. Karenanya bila jumlah sampel cukup besar lebih dari
200. Statistik chi-square ini harus didampingi oleh alat uji lain. Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya
rendah. Semakin kecil X² semakin baik model itu. Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan
data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai X² yang kecil dan signifikan.
X² bersifat sangat sensitive terhadap besarnya sampel yaitu terhadap sampel yang teralalu kecil maupun yang terlalu besar. Penggunaan chi-
square hanya sesuai bila ukuran sampel antara 100-200, bila ukuran luar tentang itu, uji signifikan akan menjadi kurang reliable oleh karena itu
pengujian ini perlu dilengkapi dengan uji yang lain. 2.
RMSEA-THE ROOT MEAN SQUARE ERROR OF APPROXIMATION RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi
chi-square statistik dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila mode diestimasi alam populasi.
Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya degress of freedom.
3. GFI = GOODNESS of FIT INDEKS
GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi terimbang dari varians dalam matriks
covariance sampel yang dijelaskan oleh covariance matriks populasi yang terestimasi. GFI adalah sebuah ukuran non-statistika yang mempunyai
rentang nilai antara 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
4. AGFI = ADJUST GOODNESS of FIT INDEX
AGFI = GFIdf tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai yang sama dengan atau lebih besar dari 0,09. GFI
maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks covariance sampel. Nilai sebesar 0,95
dapat diinterpretasikan sebagai tingkatan yang baik good overall model fit sedangkan besarnya nilai antara 0,09-0,95 menunjukkan tingkatan
cukup adequate fit. 5.
CMIN DF Sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model.
Dalam hal ini CMINDF tidak lain adalah statistik chi-square, X² dibagi Df-nya sehingga disebut X² relative. Nilai X² relative
≤ 2,0 atau bahkan ≤ 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X²
relative yang tinggi menandakan adanya perbedaan yang signifikan antara matriks covariance yang diobservasikan dan diestimasi.
6. TLI = TUCKER LEWIS INDEX
TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model
adalah penerimaan ≥ 0,95 dan nilai yang sangat mendekati 1 menunjukkan
A Very Good Fit. 7.
CFI = COMPERATIF FIT INDEX Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin
mendekati 1, mengidentifikasikan tingkat fit yang paling tinggi A Very Good Fit. Nilai yang direkomendasikan adalah CFI 0,95. Keunggulan
dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Indeks CFI
adalah identik dengan Relatif Non Indeks RNI.
BAB IV HASIL DAN PEMBAHASAN
4.1 Deskripsi Obyek Penelitian
4.1.1 Sejarah Singkat Perusahaan
PT.Surya Timur Sakti Jatim berdiri pada tanggal 16 Desember 1984 di Surabaya terletak di jalan Basuki Rahmat 45-47.Perusahaan ini merupakan
distribur utama main dealer sepeda motor Yamaha untuk wilayah Jawa Timur,Kalimantan Selatan,Kalimantan Tengah,Kalimantan Timur,Lombok,Nusa
tengara Timur,Nusa Tenggara Barat. PT Surya Timur Sakti Jatim memiliki ratusan jaringan dealer resmi dan
bengkel resmi Yang tersebar luas di berbagai wilayah Jawa Timur,Kalimantan,dan Kepulauan Nusa Tenggara. Ditambah dengan dukungan sumber daya manusia
yang professional dan cakap di semua lini,PT Surya Timur Sakti Jatim telah sukses mendistribusikan produk sepeda motor Yamaha lebih dari 20 tahun
Seiring dengan filosofi “Yamaha semakin di depan yang lain jelas makin ketinggalan” PT Surya Timur Sakti Jatim bertekad untuk selalu mengabdi dan
memberikan yang terbaik kepada masyarakat.
4.1.3. Struktur Organisasi
Organisasi dipakai untuk mengetahui hubungan organisassi antara bagian yang ada dalam perusahaan dengan kedudukan dan wewenang masing –
masing.Dengan mengetahui kedudukan dan wewenang masing – masing bagian
47