74 Gambar 6.1
Analisis Faktor Konfirmatori
Dalam analisis faktor konfirmatori terdapat dua uji dasar yaitu uji kesesuaian model dan uji signifikansi bobot faktor.
6.1.1. Uji Kesesuaian Model
Uji kesesuaian model
goodness of fit test
merupakan uji untuk mengukur derajat kesesuaian antara model yang dihipotesakan dengan data
yang disajikan. Uji dilakukan dengan menggunakan beberapa fit indeks yang mengukur kebenaran model yang diajukan dengan membandingkan hasil uji
dan nilai
cut-off value
. Hasil uji dapat dilihat dari indeks kesesuaian model sebagai berikut:
75
Tabel 6.1 Hasil Indeks Kesesuaian Model
Goodness of fit Index
Cut-off value Hasil analisis
Evaluasi
Chi square Diharapkan kecil
623,954 Kurang baik
Probability ≥ 0,05
0,000 Kurang baik
RMSEA ≤ 0,08
0,191 Kurang baik
GFI ≥ 0,90
0,727 Kurang baik
AGFI ≥ 0,90
0,609 Kurang baik
CMINDF ≤ 2,00
7,428 Kurang baik
TLI ≥ 0,95
0,808 Marginal
CFI ≥ 0,95
0,847 Marginal
Sumber: Data primer diolah
Jika dilihat dari Tabel 6.1, nilai
chi square
623,954 relatif tinggi yang menunjukkan bahwa matriks kovarian yang diobservasi berbeda secara nyata
dengan yang diprediksi dan ini menghasilkan probabilitas lebih kecil dari tingkat signifikansi 0,000. Nilai Chi Square sangat sensitif terhadap jumlah
sampel. Oleh karena itu perlu dilihat nilai indeks lainnya. Sebagian besar indeks kesesuaian model masih belum memenuhi
cut-off value
yang dipersyaratkan RMSEA, GFI, AGFI dan CMINDF. Indeks TLI dan CFI
menunjukkan tingkat penerimaan marginal. Hasil indeks kesesuaian model di atas menunjukkan bahwa model belum fit atau memadai. Oleh karena itu
model fit perlu diperbaikidirevisi, dengan melakukan uji signifikansi bobot faktor.
6.1.2. Uji Signifikansi Bobot Faktor
Uji signifikansi bobot faktor dilakukan untuk melihat apakah sebuah indikator dapat digunakan untuk mengkonfirmasi bahwa indikator tersebut
dapat bersama-sama dengan indikator lainnya menjelaskan sebuah variabel laten. Uji ini dilakukan dengan dua tahapan analisis yaitu analisis
berdasarkan nilai lambda atau
factor loading
dan bobot faktor
regression weight
.
76
Berdasarkan nilai lambda atau
factor loading
dari masing-masing indikator Tabel 6.2, terdapat tiga indikator yang nilainya kurang ideal. Nilai
lambda yang dipersyara tkan adalah harus mencapai ≥ 0,5. Kedua indikator
tersebut adalah NS4 dukungan pemerintah, λ=0,069, KPD1 kemampuan
menyediakan jaminan, λ=0,272, dan KPD4 kemampuan memiliki modal
sendiri, λ=0,406
Tabel 6.2 Nilai Lambda
Factor Loading
Estimate STH1
--- Sikap Terhadap Hutang
,956 STH2
--- Sikap Terhadap Hutang
,912 STH3
--- Sikap Terhadap Hutang
,853 NS1
--- Norma Sosial
,944 NS2
--- Norma Sosial
,951 NS3
--- Norma Sosial
,960 NS4
--- Norma Sosial
,069 KPD1
--- Kontrol perilaku yang dipersepsikan
,272 KPD2
--- Kontrol perilaku yang dipersepsikan
,918 KPD3
--- Kontrol perilaku yang dipersepsikan
,911 KPD4
--- Kontrol perilaku yang dipersepsikan
,406 KPD5
--- Kontrol perilaku yang dipersepsikan
,928 NB1
--- Niat Berhutang
,985 NB2
--- Niat Berhutang
,957 NB3
--- Niat Berhutang
,981
Sumber: data primer diolah
Selain melihat nilai Lambda, uji signifikansi bobot faktor dapat dilihat juga dengan menggunakan uji-t, yang dapat dilihat dari nilai Critical Ratio
c.r.. Nilai cr harus lebih besar dari 2,0 yang menunjukkan bahwa indikator- indikator secara signifikan merupakan dimensi dari variabel laten yang
dibentuk.
77
Tabel 6.3
Regression Weights
Estimate
S.E. C.R.
P STH1 - Sikap Terhadap Hutang
1,000 STH2 - Sikap Terhadap Hutang
,974 ,043
22,699 STH3 - Sikap Terhadap Hutang
,936 ,051
18,498 NS1
- Norma Sosial 1,000
NS2 - Norma Sosial
,947 ,035
26,868 NS3
- Norma Sosial ,933
,033 28,064
NS4 - Norma Sosial
,094 ,105
,902 ,367
KPD1 - Kontrol perilaku yang dipersepsikan 1,000
KPD2 - Kontrol perilaku yang dipersepsikan 5,174
1,425 3,632
KPD3 - Kontrol perilaku yang dipersepsikan 4,741
1,306 3,630
KPD4 - Kontrol perilaku yang dipersepsikan 1,471
,476 3,089
,002 KPD5 - Kontrol perilaku yang dipersepsikan
4,653 1,280
3,635 NB1
- Niat Berhutang 1,000
NB2 - Niat Berhutang
1,011 ,027
37,011 NB3
- Niat Berhutang 1,025
,021 48,085
Sumber: data primer diolah
Berdasarkan Tabel 6.3 dapat dilihat bahwa indikator NS4 memiliki c.r. 2,0. Oleh karena itu ketiga indikator NS4, KPD1, dan KPD4 dapat
dikatakan tidak berdimensi dengan indikator lainnya dalam menjelaskan variabel laten.
Berdasarkan uji kesesuaian model dan signifikansi bobot faktor, maka perlu dilakukan analisis faktor konfirmatori ulang dengan membuang ketiga
indikator yang bermasalah. Hasil analisis faktor konfirmatori ulangan dapat dilihat pada gambar di bawah ini:
78 Gambar 6.2
Analisis Faktor Konfirmatori Ulangan
Berdasarkan gambar 6.2 di atas, hasil analisis faktor konfimatori ulangan memperlihatkan walaupun nilai signifikansi probabilitas dibawah
dari nilai standar atau tingkat penerimaan marginal, sebagian besar indeks kesesuaian model telah memenuhi syarat
cut-off value
. Selengkapnya dapat dilihat pada Tabel 6.4. Oleh karena itu dapat disimpulkan bahwa model dapat
diterima.
79
Tabel 6.4 Hasil Indeks Kesesuaian Model
Setelah Analisis Faktor Konfirmatori Ulangan Goodness of
fit Index Cut-off value
Hasil analisis Evaluasi
Chi square Diharapkan kecil
83,877 Baik
Probability ≥ 0,05
0,001 Marginal
RMSEA ≤ 0,08
0,065 Baik
GFI ≥ 0,90
0,928 Baik
AGFI ≥ 0,90
0,883 Marginal
CMINDF ≤ 2,00
1,747 Baik
TLI ≥ 0,95
0,983 Baik
CFI ≥ 0,95
0,988 Baik
Sumber: data primer diolah
Jika dilihat dari nilai lambda atau
factor loading
, maka semua indikator memiliki nilai lambda
≥ 0,5, yang berarti semua indikator berdimensi dengan indikator lainnya dalam menjelaskan sebuah variabel
laten. Demikian juga bila dilihat dari nilai c.r., dimana semua indikator lebih besar dari 2,0 dan signifikan. Nilai lambda dan c.r. selengkapnya dapat
dilihat pada tabel berikut:
Tabel 6.5 Estimasi Parameter
Estimat e
Stand ard
Estim ate
λ S.E.
C.R. P
STH1 -
Sikap Terhadap Hutang 1,000
,956 STH2
- Sikap Terhadap Hutang
,973 ,911
,043 22,669
STH3 -
Sikap Terhadap Hutang ,937
,854 ,051
18,547 NS1
- Norma Sosial
1,000 ,944
NS2 -
Norma Sosial ,947
,951 ,035
26,922 NS3
- Norma Sosial
,932 ,960
,033 28,072
KPD2 -
Kontrol perilaku yang dipersepsikan 1,000
,925 KPD3
- Kontrol perilaku yang dipersepsikan
,911 ,912
,044 20,679
KPD5 -
Kontrol perilaku yang dipersepsikan ,883
,918 ,042
21,038 NB1
- Niat Berhutang
1,000 ,985
NB2 -
Niat Berhutang 1,011
,957 ,027
37,016 NB3
- Niat Berhutang
1,025 ,981
,021 48,083
Sumber: data primer diolah
80
6.2. Uji Reliabilitas
