Full Structural Equation Model Analysis

77 Analisis menggunakan Structural Equation Model SEM yang dijalankan melalui program Amos 18 ini bertujuan menguji model dan ketiga hipotesis yang dibangun. Pengujian model ditempuh dengan: 1 uji kelayakan model dan 2 uji signifikansi kausalitas melalui uji koefisien regresi regression weight. Gambar 4.1 Full Structural Equation Model Model teoritis dikatakan layak jika didukung oleh data-data empiris. Hasil pengujian Goodness of Fit Overall Model digunakan untuk mengetahui apakah hipotesis didukung oleh data-data empiris. Hasil pengolahan menggunakan program Amos 18 untuk model Structural Equation Model SEM 78 ini menghasilkan indeks-indeks Goodnees of Fit seperti diberikan pada tabel 4.5 berikut: Tabel 4.5 Goodness of Fit Index Goodness of Fit Hasil Analisis χ 2 Chi-Square 512.342 Probability 0.003 GFI 0.827 AGFI 0.726 TLI 0.976 NFI 0.947 CFI 0.986 RMSEA 0.012 Sumber: data diolah 2015 Dari pengujian Goodness of Fit dapat dilihat bahwa pengujian hipotesis didukung oleh data-data empiris. Angka-angka tersebut menunjukkan bahwa penelitian ini didasarkan pada hal yang dapat diobservasi, diamati, dan diukur. Konsep-konsep yang ada sudah secara tegas diaplikasikan sehingga memunculkan data yang bisa dikuantifikasi dan dikonfrontasikan dengan asumsi-asumsi yang ada. Setelah pengujian Goodness of Fit dilakukan, dan didapatkan indeks- indeks seperti tampak pada tabel 4.5, pengujian selanjutnya adalah uji signifikansi kausalitas melalui uji koefisien regresi regression weight. Pengujian dilakukan melihat nilai C.R. dan probabilitasnya P. Jika level signifikansi yang didapatkan lebih kecil dari level konvensional yaitu 0,05 atau 5, dapat disimpulkan bahwa koefisien regresi yang diuji adalah signifikan. 79 Tabel 4.6 Regression Weight Estimate S.E. C.R. P Label LO --- KS 0.645 0.155 4.305 par_7 KK --- LO 0.26 0.072 3.614 par_8 VS --- KS 1.558 0.332 4.076 par_23 HR --- KS 1.351 0.263 3.745 par_24 Altruis --- KS 1 LO2 --- LO 1.332 0.197 6.765 par_1 LO3 --- LO 1.014 0.197 5.139 par_2 LO4 --- LO 0.914 0.162 5.637 par_3 KK1 --- KK 1 KK2 --- KK 1.878 0.335 5.6 par_4 KK3 --- KK 2.726 0.441 6.187 par_5 KK4 --- KK 2.496 0.457 5.456 par_6 LO1 --- LO 1 VS1 --- VS 0.451 0.075 6.844 par_9 VS2 --- VS 0.59 0.07 9.291 par_10 VS3 --- VS 0.844 0.061 13.936 par_11 VS4 --- VS 1 VS5 --- VS 0.836 0.063 13.29 par_12 HR1 --- HR 1.08 0.133 8.934 par_13 HR2 --- HR 0.968 0.144 7.857 par_14 HR3 --- HR 0.769 0.146 7.536 par_15 HR4 --- HR 0.925 0.137 8.63 par_16 HR5 --- HR 1 AL1 --- Altruis 0.682 0.092 8.164 par_17 AL2 --- Altruis 0.687 0.084 9.009 par_18 AL3 --- Altruis 0.655 0.077 9.337 par_19 AL4 --- Altruis 0.826 0.069 12.05 par_20 AL5 --- Altruis 0.973 0.075 12.977 par_21 AL6 --- Altruis 1.207 0.097 12.476 par_22 AL7 --- Altruis 1 Keterangan: menunjukkan nilai P yang lebih kecil dari 0,01 Sumber: data diolah 2015 80 Dari pengujian, didapatkan hasil uji koefisien regresi juga menunjukkan nilai yang memenuhi persyaratan, yaitu nilai C.R. berada di atas 2,0 dengan probabilitas 0,05. Angka 2,0 menjadi angka strandar paramater untuk mengukur apakah hasil penelitian signifikan atau tidak. Angka tersebut menunjukkan angka minimal yang harus dicapai sehingga data-data yang diperoleh dari penelitian adalah data-data yang berkorelasi secara signifikan. Angka C.R. terkecil dari hasil uji koefisien regresi dalam penelitian ini adalah 3.614, yakni hubungan yang terjadi antara kinerja karyawan dengan learning organization. Angka tersebut lebih besar dari 2,0 dengan probabilitas lebih kecil dari 0,01. Dengan demikian, dapat dipahami bahwa angka-angka yang tersaji dari uji koefisien regresi memberi makna adanya korelasi signifikan antarindikator yang diteliti.

2. Matrik Input dan Estimasi Model

Matriks input yang digunakan untuk model Structural Equation Model SEM dalam program Amos 18 adalah matriks kovarians. Menurut Hair et al 1995 dalam Ferdinand, 2002 dalam pengujian hubungan kausalitas, matriks kovarian diambil sebagai input untuk model Structural Equation Model SEM. Matrik kovarians lebih dipilih dibandingkan matriks korelasi dikarenakan matriks kovarians dapat menunjukkan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda. Validitas ini tidak dapat dilakukan oleh matrik korelasi. Data mentah yang disajikan pada program Excel kemudian dikonversi menjadi matrik kovarians menggunakan Data Analysis. Data hasil 81 konversi ini kemudian digunakan sebagai input data operasi Structural Equation Model SEM. Setelah mengonversi data menjadi matrik kovarians menggunakan Data Analysis, langkah selanjutnya adalah menentukan teknik estimasi. Teknik estimasi yang akan digunakan adalah Maximum Likehood Estimation Method karena jumlah sampel yang digunakan adalah 125, dalam kisaran antara 100-200. Teknik ini dimaksudkan untuk melihat kesesuaian model dan hubungan kausalitas yang dibangun.

3. Evaluasi Kriteria Goodness of Fit

Evaluasi kriteria Goodness of Fit dilakukan untuk menilai seberapa baik model penelitian yang telah dikembangkan. Pada tahapan ini, kesesuaian model penelitian dievaluasi tingkat Goodness of Fit, namun yang perlu dilakukan sebelumnya adalah mengevaluasi data yang digunakan agar dapat memenuhi kriteria yang disyaratkan oleh Structural Equation Model SEM. Tabel 4.7 Kriteria Goodness of Fit Goodness of Fit Hasil Analisis Cut-off Value Keterangan χ 2 Chi-Square 512.342 Diharapkan kecil 152.095 Kurang Probability 0.003 ≥ 0,05 Kurang GFI 0.827 ≥ 0,90 Cukup AGFI 0.726 ≥ 0,90 Cukup TLI 0.976 ≥ 0,90 Baik NFI 0.947 ≥ 0,90 Baik CFI 0.986 ≥ 0,95 Baik RMSEA 0.012 ≤ 0,08 Cukup Sumber: data diolah 2015