Koefisien regresi terstandarisasi model signifikan apabila nilai CR berada pada posisi nilai p
≤ 0,05 atau nilai CR sama dengan nilai t hitung ≥ nilai t tabel.
4.4.4. Memilih Matriks Input dan Estimasi Model
Oleh karena penelitian ini akan menguji hubungan kausalitas, maka dalam pemodelan SEM, data input yang dipilih adalah matriks varian kovarian. Program
aplikasi LISREL memiliki fasilitas untuk mengkonversi data input menjadi matriks varian kovarian. Oleh karena besar sampel pada penelitian ini sebanyak
186 sampel perusahaan dan observasi selama lima tahun, maka teknik estimasi model yang dipilih adalah Unweighted Least Square ULS. Teknik estimasi
model Unweighted Least Square tersedia dalam program LISREL.
4.4.5. Menilai Masalah Identifikasi
Salah satu masalah yang dihadapi pada penggunaan program komputer untuk mengestimasi model kausalitas adalah masalah identifikasi. Masalah
identifikasi pada prinsipnya adalah masalah ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik untuk setiap parameter
yang diestimasi. Masalah identifikasi timbul disebabkan oleh adanya ketidaksesuaian struktur atau perhitungan matematik pada model dikembangkan,
sehingga estimasi tidak dapat dilakukan, maka program akan memberi pesan pada monitor komputer mengenai kemungkinan sebab mengapa program tidak dapat
melakukan estimasi. Pada proses analisis model pada penelitian ini, tidak terdapat indikasi adanya masalah identifikasi seluruh parameter dan dapat diestimasi.
Analisis selanjutnya adalah analisis secara Full Model yang dimaksudkan untuk menguji model dan hipotesis yang dikembangkan dalam penelitian ini.
Pengujian model dilakukan dengan dua pengujian, yaitu uji kesesuaian model dan uji signifikansi kausalitas melalui uji koefisien regresi. Hasil awal pengolahan
data untuk analisis SEM terlihat pada Gambar 12. Variabel PRICE dan QR dihilangkan dari model awal karena memiliki Chi-Square yang sangat besar.
Meskipun terdapat variabel DER dan CR yang memiliki nilai muatan faktor yang kecil, namun jika kedua variabel tersebut dihilangkan, model tidak terbentuk
karena matriks model tidak fit membentuk path diagram. Sehingga variabel yang dihilangkan dari model hanya variabel PRICE dan QR untuk model selanjutnya.
Gambar 12. Hasil diagram jalur pada model awal
Gambar 13 Diagram jalur setelah modifikasi
Pada model awal yang terbentuk menghasilkan nilai Chi-Square yang sangat besar dan setelah dilakukan uji kecocokan, banyak komponen uji
kecocokan yang tidak terpenuhi. Output pada LISREL seperti yang terdapat pada Lampiran 5 memunculkan modification index untuk respesifikasi model, maka
dilakukan penambahan lintasan dan penambahan kovariasi antara 2 kesalahan errors. Meski demikian, penambahan ini tetap berdasarkan pada teori yang kuat.
Sehingga model akhir yang terbentuk adalah seperti terdapat pada Gambar 13.
4.4.6. Pengolahan Data Single step
Dalam penelitian ini, responden yang memenuhi syarat untuk dianalisis sebanyak 186 dan jumlah seluruh variabel manifest indikator adalah 16. Rule of
thumb untuk perbandingan jumlah sampel terhadap jumlah indikator adalah 1:5 Wijanto, 2008. Jadi jika indikator dalam penelitian ini sebanyak 16, maka
minimum sampel yang dibutuhkan adalah 80. Karena jumlah objek dalam penelitian ini adalah 186 maka sudah memadai untuk melakukan pengolahan data
secara single step. Di dalam penelitian ini, cara mengoperasikan LISREL dipilih yang paling sederhana, yaitu dengan program SIMPLIS.
1. Pengujian Normalitas dan Multikolinearitas
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model memenuhi asumsi normalitas. Jika data menyebar jauh dari
garis diagonal dan atau tidak mengikuti garis diagonal, maka model tidak memenuhi asumsi normalitas .
Dalam LISREL, model yang memenuhi asumsi normalitas akan menghasilkan 2 jenis chi square, yaitu minimum fit function chi square C1 dan
normal theory weighted least squares chi square C2. Sedangkan jika asumsi normalitas tidak terpenuhi akan menghasilkan 4 jenis chi square yaitu C1, C2,
sutora-bentler scaled chi square C3 dan chi square corrected for non-normality C4. Pada lampiran bagian kedua terlihat bahwa model penelitian ini hanya
menghasilkan C1 dan C2. Data dengan sampel besar , berdasarkan Dalil Limit Pusat Central Limit Theorm, yaitu bilamana n sample size besar, maka statistik
dari sampel tersebut akan mendekati distribusi normal, walaupun populasi dari mana sampel tersebut diambil tidak berdistribusi normal. Jumlah sampel yang
