Statistik Deskriptif Analisis Jalur

3.5 Metode Analisis Data

3.5.1 Statistik Deskriptif

Statistik deskriptif merupakan alat statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel. Statistik deskriptif digunakan untuk mendeskripsikan suatu data yang dilihat dari nilai minimum, nilai maksimum, mean dan standar deviasi. Pengujian ini dilakukan untuk mempermudah dalam memahami variabel-variabel yang digunakan dalam penelitian.

3.5.2 Analisis Jalur

Analisis jalur merupakan prosedur empiris untuk mengestimasi keeratan hubungan dependensi atau kausalitas antar variabel observed. Untuk melakukan analisis jalur diperlukan diagram jalur path diagram yang menggambarkan relasi antar variabel yang terlibat dalam analisis dalam bentuk visual. Analisis jalur hanya digunakan untuk menguji keeratan hubungan antar variabel dalam model yang telah diajukan berdasarkan pertimbangan teoritis fungsi explanasi, dan hubungan antar variabel yang diuji tersebut pada umumnya merupakan hubungan kausalitas atau dependensi secara statistik Dachlan, 2014:60. Berikut beberapa indeks kesesuaian dan cut off value dalam analisis jalur untuk digunakan dalam menguji apakah model diterima atau ditolak : 1. Statistik Statistik chi-kuadrat adalah ukuran fit model yang paling fundamental, dan merupakan satu-satunya ukuran kesesuaian model dalam SEM yang dilengkapi dengan tingkat signifikansi secara statistik. Dengan menggunakan distribusi teoritis chi-kuadrat kita bisa menentukan besarnya taraf signifikan observasi p-value berdasarkan harga statistik yang dihasilkan dan derajat bebasnya. Nilai p-value digunakan untuk menguji hipotesis nol yang menyatakan bahwa tidak ada perbedaan antara matriks kovarian sampel dan matriks kovarian hasil estimasi Dachlan, 2014:166. 2. GFI Goodness of Fit Index Goodness of Fit Index adalah ukuran fit model yang menjelaskan jumlah varian varians dan kovarians dalam matriks kovarians sampel yang diprediksi oleh matriks kovarian hasil estimasi. Nilai GFI berkisar dari 0 hingga 1. Model dengan GFI yang semakin mendekati 0 berarti model tersebut semakin tidak fit, dan semakin mendekati 1 semakin fit Dachlan, 2014:168. 3. AGFI Adjusted Goodness of Fit Index Adjusted Goodness of Fit Index merupakan indeks fit yang derajat bebasnya disesuaikan adjusted terhadap banyaknya jumlah variabel. AGFI ekuivalen dengan joefisien determinasi yang disesuaikan adjust- dalam analisis regresi konvensional. Nilai AGFI berkisar dari 0 hingga 1 Dachlan, 2014:168. 4. RMSEA Root Mean Square Error of Approximation Root Mean Square Error of Approximation termasuk indeks fit yang paling banyak digunakan. Indeks fit ini ditujukan untuk memperbaiki indeks fit statistik chi-kuadrat yang cenderung menolak model yang mempunyai variabel observed yang banyak dan ukuran sampel yang besar. Model yang fit mempunyai RMSEA 0,05. Model yang tidak fit mempunyai RMSEA 0,10 Dachlan, 2014:171. 5. Normed CMINDF Indeks fit statistik chi-kuadrat sangat sensitif terhadap ukuran sampel dan kompleksitas model yng ditunjukkan derajat bebasnya. Untuk mengatasi hal tersebut salah satunya dengan cara membagi statistik chi-kuadrat dengan derajat bebasnya db, sehingga akan memperoleh nilai yang lebih rendah yang disebut Normed Chi-square NC. Bollen 1989 menyatakan bahwa nilai NC sebesar 5,0 sudah cukup bisa diterima untuk menunjukkan model fit Dachlan, 2014:172. 6. TLI Tucker Lewis Index Tucker Lewis Index merupakan indeks yang paling banyak digunakan uuntuk incremental fit. Indeks TLI yang juga dikenal sebagai NNFI Non Normed Fit Indeks ini digunakan untuk secara matematis membandingkan dengan model hipotesis yang diajukan dengan model nol. Harga indeks TLI berkisar 0 tidak fit hingga 1 fit sempurna. Batas nilai indeks yang biasa digunakan untuk model yang fit adalah 0,90 Dachlan, 2014:175. 7. CFI Comparative Fit Index Comparative Fit Index merupakan hasil indeks fit perbaikan dari NFI. Sebagaimana diketahui bahwa NFI seringkali memberikan hasil yang underestimate untuk ukuran sampel kecil pada umumnya diperuntukkan bagi model yang tidak begitu kompleks. CFI mempertimbangkan kompleksitas model yaitu dengan cara menyatakan derajat bebas model dalam perhitungan. Batas nilai indeks yang biasa digunakan untuk model yang fit adalah 0,90. Analisis jalur digunakan untuk mengetahui pola hubungan antara variabel bebas terhadap variabel terikat dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung. Pada penelitian ini menggunakan path analysis dengan program AMOS 21. Karena menggunakan path analysis sehinga perlu pengujian kelayakan model dengan standar yang telah dijelaskan sebelumnya yang dikemas dalam tabel 3.1. sebagai berikut : Tabel 3.1 Goodness of Fit Index Goodness of Fit Index Cut of Value – Chi Square Kecil Significance Probability ≥ 0,05 GFI ≥ 0,90 AGFI ≥ 0,90 RMSEA ≤ 0,05 CMINDF ≤ 5,00 TLI ≥ 0,90 CFI ≥ 0,90 Pengujian terhadap hipotesis dilakukan dengan menganalisis regression weight masing-masing variabel independen terhadap variabel dependen. Pengujian ini dilakukan untuk mengetahui signifikan atau tidaknya pengaruh masing-masing variabel independen terhadap variabel dependen. Apabila t hitung t tabel dan nilai signifikansi 0,05 5, maka diterima dan ditolak, Sedangkan jika t hitung t tabel dan nilai signifikansi 0,05 5, maka ditolak dan diterima.

3.5.3 Uji Deteksi Pengaruh Mediasi Intervening