Uji Kesesuaian Model Memilih Input dan Teknik Estimasi

Tabel 4.3 Nilai Goodness of Fit dan Cut off Value Measurement Model Kriteria Hasil Uji Model Nilai Kritis Keterangan X 2 Chi square 743,507 Besar X 2 dengan df = 457 dengan α = 0.05 adalah 507,8387 Tidak baik Probabilitas 0,000  0,05 Tidak Baik CminDF 1,627  2,00 Baik RMSEA 0,080  0,08 Baik GFI 0,743  0,90 Tidak Baik AGFI 0,666  0,90 Tidak Baik TLI 0,713  0,95 Tidak Baik CFI 0,766  0,95 Tidak Baik Sumber : Lampiran 5, diolah Dari Tabel di atas dapat disimpulkan bahwa dimensi-dimensi yang digunakan oleh peneliti belum sepenuhnya mencerminkan variabel laten yang dianalisis, karena belum seluruhnya kriteria goodness of fit test terpenuhi. 4.3.2.2 Uji Validitas Konvergen Uji validitas konvergen digunakan untuk menentukan apakah setiap indikator yang diestimasi secara valid mengukur dimensi dari konsep yang diujinya. Bila setiap indikator memiliki C.R 2.SE, hal ini menunjukkan bahwa indikator itu secara valid mengukur apa yang sebenarnya diukur dalam model yang disajikan. Tabel 4.4 Regression Weight Measurement Model Estimate S.E. C.R. P X1.2 --- X1 ,684 ,127 5,404 X1.1 --- X1 1,000 Y4.2 --- Y4 ,747 ,081 9,270 Y4.1 --- Y4 1,000 X2.2.5 --- X4 2,824 1,025 2,755 ,006 X2.2.4 --- X4 1,000 X2.2.1 --- e4 1,000 X2.2.7 --- e10 1,000 X3.3.2 --- X3 1,220 ,304 4,017 X3.3.1 --- X3 1,000 X4.4.2 --- X4 ,010 ,224 ,043 ,965 X4.4.1 --- X4 1,000 X5.5.2 --- X5 1,000 X2.2.6 --- X4 2,192 ,829 2,646 ,008 X4.4.3 --- X4 1,119 ,479 2,337 ,019 X5.5.1 --- X5 1,675 ,644 2,600 ,009 X3.3.3 --- X3 1,171 ,299 3,916 Y1.1 --- Y1 1,000 Y1.2 --- Y1 ,831 ,102 8,122 Y1.3 --- Y1 1,091 ,132 8,272 Y1.4 --- Y1 ,644 ,131 4,910 X2.2.3 --- X3 ,894 ,210 4,259 X2.2.2 --- X3 1,000 X3 --- X1 ,746 ,125 5,964 X.1 --- X1 1,000 Sumber : Lampiran 5, diolah Tabel 4.5 Standardized Regression Weights Estimate X1.2 --- X1 ,640 X1.1 --- X1 ,883 Y4.2 --- Y4 ,684 Y4.1 --- Y4 ,996 X2.2.5 --- X4 ,790 X2.2.4 --- X4 ,313 X2.2.1 --- X1 ,075 X2.2.7 --- X5 ,092 X3.3.2 --- X3 ,716 X3.3.1 --- X3 ,599 X4.4.2 --- X4 ,005 X4.4.1 --- X4 ,313 X5.5.2 --- X5 ,492 X2.2.6 --- X4 ,625 X4.4.3 --- X4 ,443 X5.5.1 --- X5 ,652 X3.3.3 --- X3 ,706 Y1.1 --- Y1 ,821 Y1.2 --- Y1 ,776 Y1.3 --- Y1 ,797 Y1.4 --- Y1 ,507 X2.2.3 --- X3 ,785 X2.2.2 --- X3 ,900 X3 --- X1 ,730 X.1 --- X1 ,997 Sumber : Lampiran 5, diolah Berdasarkan Tabel di atas, semua indikator memiliki nilai C.R 2.SE, kecuali indikator daya tangkap x4.4.2 dan pemrakarsa y2.1, yang berarti indikator x4.4.2 dan y2.1 tidak valid, sedangkan 32 indikator lainnya valid mengukur variabel dimensi yang diuji. Berdasarkan hasil uji validitas konvergen, diketahui bahwa indikator daya tangkap x3.3.3 dan pemrakarsa y2.1 tidak valid, sehingga indikator tersebut dibuang. Selanjutnya dilakukan pengujian goodness of fit test pada measurement model menggunakan indikator-indikator yang telah dinyatakan valid. Berikut adalah hasil pengujian goodness of fit test measurement model valid: Tabel 4.6 Nilai Goodness of Fit dan Cut off Value Measurement Model Valid Kriteria Hasil Uji Model Nilai Kritis Keterangan X 2 Chi square 579,492 Besar X 2 dengan df = 394 dengan α = 0,05 adalah 441,282 Tidak baik Probabilitas 0,000  0,05 Tidak Baik CminDF 1,471  2,00 Baik RMSEA 0,069  0,08 Baik GFI 0,773  0,90 Tidak Baik AGFI 0,696  0,90 Tidak Baik TLI 0,793  0,95 Tidak Baik CFI 0,835  0,95 Tidak Baik Sumber : Lampiran 5, diolah Dari Tabel di atas dapat disimpulkan bahwa dimensi-dimensi yang digunakan setelah indikator tidak valid dihilangkan, masih belum sepenuhnya mencerminkan variabel laten yang dianalisis, karena belum seluruhnya kriteria goodness of fit test terpenuhi. Berikut adalah uji validitas konvergen pada measurement model menggunakan indikator-indikator yang telah dinyatakan valid: Tabel 4.7 Regression Weight Measurement Model Valid Estimate S.E. C.R. P X1.2 --- X1 ,684 ,127 5,404 X1.1 --- X1 1,000 Y4.2 --- Y4 ,747 ,081 9,270 Y4.1 --- Y4 1,000 X2.2.5 --- X4 2,825 1,026 2,754 ,006 X2.2.4 --- X4 1,000 X2.2.1 --- e4 1,000 X2.2.7 --- e10 1,000 X3.3.2 --- X3 1,220 ,303 4,029 X3.3.1 --- X3 1,000 X4.4.1 --- X4 1,000 .2 --- X4 1,180 ,319 3,696 X5.5.2 --- X5 1,000 X2.2.6 --- X4 2,195 ,830 2,645 ,008 X4.4.3 --- X4 1,117 ,474 2,356 ,018 X5.5.1 --- X5 1,669 ,634 2,631 ,009 X3.3.3 --- X3 1,172 ,298 3,929 Y1.1 --- Y1 1,000 Y1.2 --- Y1 ,831 ,102 8,122 Y1.3 --- Y1 1,091 ,132 8,272 Y1.4 --- Y1 ,643 ,131 4,907 X2.2.3 --- X3 ,894 ,209 4,275 X2.2.2 --- X3 1,000 X3 --- X1 ,746 ,125 5,964 X.1 --- X1 1,000 Sumber : Lampiran 5, diolah Berdasarkan Tabel di atas, semua indikator memiliki nilai C.R 2.SE, yang berarti indikator-indikator yang diestimasi tersebut secara valid mengukur dimensi dari konsep yang diuji. 4.3.2.3 Uji Validitas Diskriminan Setelah semua indikator dinyatakan valid pada uji validitas konvergen, selanjutnya dilakukan uji validitas diskriminan.Validitas diskriminan dilakukan untuk menguji dua konstruk dengan melihat angka korelasinya. Hubungan kausalitas antar dua variabel terjadi bila kedua variabel tersebut mempunyai hubungan atau angka korelasi antar dua variabel tersebut besar. Sedangkan antar variabel independent harus tidak mempunyai hubungan atau angka korelasi antar kedua variabel tersebut relatif kecil. Tabel 4.8 Angka Korelasi Measurement Model Valid Estimate keterangan X1 -- X3 ,367 Signifikan X1 -- X4 ,381 Signifikan Y1 -- X1 ,354 Signifikan X1 -- X1 -,062 Tidak Signifikan X1 -- Y1 -,131 Tidak Signifikan X1 -- Y2 ,210 Signifikan X1 -- Y3 ,227 Signifikan X1 -- Y4 ,157 Tidak Signifikan X3 -- X1 -,022 Tidak Signifikan Y1 -- X3 -,147 Tidak Signifikan X4 -- X1 -,098 Tidak Signifikan X4 -- Y1 -,152 Tidak Signifikan X2 -- X1 ,173 Tidak Signifikan X5 -- X1 ,128 Tidak Signifikan X2 -- X3 ,277 Signifikan X2 -- X4 ,247 Signifikan X2 -- X5 ,219 Signifikan X5 -- X3 ,138 Tidak Signifikan X5 -- X4 ,731 Signifikan X2 -- X1 -,007 Tidak Signifikan X2 -- Y1 -,008 Tidak Signifikan X5 -- X1 -,026 Tidak Signifikan X5 -- Y1 -,164 Tidak Signifikan Sumber : Lampiran 5, diolah Tabel di atas menunjukkan bahwa antara Kepemimpinan X1 dengan keputusan pembelian Y 2 mempunyai hubungan signifikan sebesar 0,210, , antara Budaya Organisasi X2 dengan Pengembangan Karier X3 mempunyai hubungan signifikan sebesar 0,227, Budaya Organisasi X2 dengan Motivasi X4 mempunyai hubungan signifikan sebesar 0,247, Budaya Organisasi X2 dengan Strategi X5 mempunyai hubungan signifikan sebesar 0,219, antara Strategi X5 dengan Motivasi X4 mempunyai hubungan signifikan sebesar 0,735, Strategi X5 dengan keragaman Kepemimpinan mempunyai hubungan signifikan sebesar 0,273, antara keragaman Kepemimpinan dengan kebijakan perusahaan X. 1 mempunyai hubungan signifikan sebesar 0,334. 4.3.2.4 Uji Signifikansi Setelah dilakukan uji validitas diskriminan, selanjutnya dilakukan uji signifikansi. Uji signifikan dapat dilihat melalui nilai lambda atau factor loading  dan bobot faktor regression weight. a. Nilai Lambda atau Loading Faktor Nilai lambda  yang dipersyaratkan adalah  0,40, bila nilai lambda kurang dari 0,40 maka variabel itu tidak berdimensi sama dengan variabel lainnya untuk menjelaskan sebuah variabel laten. Berikut adalah nilai lambda atau factor loading  masing-masing indikator: Tabel 4.9 Standardize Regression Weight Measurement Model Valid Estimate X1.2 --- X1 ,640 X1.1 --- X1 ,883 Y4.2 --- Y4 ,684 Y4.1 --- Y4 ,996 X2.2.5 --- X4 ,790 X2.2.4 --- X4 ,313 X2.2.1 --- X2 ,075 X2.2.7 --- X5 ,092 X3.3.2 --- X3 ,716 X3.3.1 --- X3 ,599 X4.4.1 --- X4 ,313 X5.5.2 --- X5 ,490 X2.2.6 --- X4 ,626 X4.4.3 --- X4 ,443 X5.5.1 --- X5 ,651 X3.3.3 --- X3 ,706 Y1.1 --- Y1 ,821 Y1.2 --- Y1 ,777 Y1.3 --- Y1 ,797 Sumber : Lampiran 5, diolah Berdasarkan Tabel di atas, semua nilai lambda yang dihasilkan pada measurement model valid di atas 0,40, sehingga 32 indikator di atas digunakan untuk menghasilkan estimasi model.

b. Bobot Faktor Regression Weight

Kuat tidaknya dimensi-dimensi dalam membentuk variabel latennya dapat dianalisis dengan menggunakan uji-t terhadap regression weight. Nilai C.R atau critical ratio identik dengan t hitung dalam analisis regresi. Oleh karena itu C.R yang identik dengan t hitung dibandingkan dengan t tabel dengan df = jumlah indikator masing-masing konstruk variabel. Apabila C.R lebih besar dari t tabel, maka menunjukkan variabel itu secara signifikan merupakan dimensi dari variabel laten yang dibentuk. Berdasarkan tabel t pada level 0,05 α =5, diketahui nilai t tabel variabel Budaya Organisasi X2, Strategi X5 dan kebijakan perusahaan X.1 dengan df =2 jumlah indikator adalah 6,314. Nilai t tabel variabel Pengembangan Karier X3, perangkat dan keunggulan bersaing berkelanjutan Y4 dengan df =2 jumlah indikator adalah 2,920. Nilai t tabel variabel Kepemimpinan X1 variabel Motivasi X4, keragaman Kepemimpinan , pelayanan dan Kinerja Pemasaran Y3 dengan df =3 jumlah indikator adalah 2,353. Nilai t tabel variabel Kinerja Karyawan Y1 dan keputusan pembelian Y2 dengan df =4 jumlah indikator adalah 2,132. Berikut adalah nilai C.R yang dihasilkan pada measurement model valid: Tabel 4.10 Regression Weight dan t Tabel Measurement Model Valid Estimate S.E. C.R. P-value T tabel X1.2 --- X1 ,684 ,127 5,404 2,353 X1.1 --- X1 1,000 2,353 X2.2.5 --- X4 2,825 1,026 2,754 ,006 2,920 X2.2.4 --- X4 1,000 2,920 X2.2.1 --- e4 1,000 6,314 X2.2.7 --- e10 1,000 6,314 X3.3.2 --- X3 1,220 ,303 4,029 2,353 X3.3.1 --- X3 1,000 2,353 X4.4.1 --- X4 1,000 2,353 X5.5.2 --- X4 1,000 2,920 X2.2.6 --- X4 2,195 ,830 2,645 ,008 2,353 X4.4.3 --- X5 1,117 ,474 2,356 ,018 2,353 X5.5.1 --- X3 1,669 ,634 2,631 ,009 2,353 X3.3.3 --- X3 1,172 ,298 3,929 2,353 Y1.1 --- Y1 1,000 2,132 Y1.2 --- Y1 ,831 ,102 8,122 2,132 Y1.3 --- Y1 1,091 ,132 8,272 2,132 X2.2.3 --- X3 ,894 ,209 4,275 2,353 X2.2.2 --- X3 1,000 2,353 X3 --- X1 ,746 ,125 5,964 2,353 Sumber : Lampiran 5, diolah Dari Tabel di atas dapat dilihat bahwa semua indikator, nilai C.R nya t tabel, sehingga dapat disimpulkan bahwa indikator-indikator itu secara signifikan merupakan dimensi dari variabel laten yang dibentuk. 4.4. Structural Equation Model SEM Setelah measurement model dianalisis melalui confirmatory faktor analysis dan menghasilkan validitas konvergen dan validitas diskriminan, maka sebuah full-model SEM dapat dianalisis. Analisis ini digunakan untuk mengetahui faktor-faktor apa saja yang mempengaruhi Kinerja Karyawan sehingga mengambil keputusan untuk pembelian Kepemimpinan. Analisis SEM memang diciptakan untuk memecahkan masalah-masalah atau model-model yang rumit dan sulit dipecahkan oleh analisis yang lain. Seperti halnya dalam confirmatory