Menginterpretasikan model dan memodifikasikan model bagi model-model yang tidak memenuhi syarat pengujian yang
dilakukan.
3.4.1. Confimatory Factor Analysis
Model pengukuran variabel bebas dan terikat dalam penelitian ini menggunakan Confimatory Factor Analysis. Pada Confimatory Factor
Analysis atau CFA peneliti menggunakan variabel-variabel yang diteliti untuk mendefinisikan sebuah faktor yang tidak dapat diukur secara
langsung. Analisis atas indikator-indikator yang digunakan itu memberi makna atas label yang diberikan pada variabel laten atau faktor laten yang
dikonfirmasi itu.
3.4.2. Asumsi Model
a. Uji Normalitas dan Linearitas
Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk
permodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data dapat diuji dengan metode-metode statistik. Uji normalitas
ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariant dimana beberapa variabel digunakan sekaligus
dalam analisis akhir uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola
penyebarannya untuk menduga ada tidaknya linearitas. Ferdinand, 2002 : 52.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Outliers
Outliers adalah observasi yang muncul dengan nilai-nilai ekstrem baik secara invariant maupun multivariant yaitu yang muncul karena
kombinasi kharakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya. Outliers pada dasarnya dapat
muncul dalam 4 kategori : 1.
Outliers muncul karena kesalahan prosedur. 2.
Outliers muncul karena keadaan yang benar-benar khusus yang memungkinkan profil aktanya lain daripada yang lain.
3. Outliers muncul karena adanya sesuatu alasan tetapi peneliti tidak
dapat mengetahui apa penyebabnya. 4.
Outliers dapat muncul dalam mengenali yang ada, tetapi bila dikombinasi dengan variabel lainnya. Kombinasinya menjadi tidak
lazim atau sangat ekstrim atau yang biasa disebut multivariate outlier. Perlakuan terhadap outliers dilakukan bergantung pada bagaimana outlier
itu muncul. Dalam analisis ini outliers dapat dievaluasi dengan dua cara yaitu analisis terhadap univariate outliers dan analisis terhadap
multivariate outliers. 1.
Univariate Outlier Deteksi terhadap adanya outlier univariate dapat dilakukan dengan
menentukan nilai ambang batas yang akan dikategorikan sebagai outliers dengan cara mengkonversi nilai data penelitian ke dalam
standart score atau yang biasa disebut Z-score yang mempunyai rata-
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
rata nol dengan standar deviasi sebesar satu. Oleh karena itu kasus atau observasi yang mempunyai Z-score 30 akan dikategorikan sebagai
outliers. Ferdinand, 2002 : 98. 2.
Multivariate Outlier Evaluasi terhadap multivariate outliers perlu dilakukan sebab
walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila
sudah saling dikombinasikan. Jarak Mahalanobis the Mahalanobis distance untuk tiap observasi dapat dihitung dan akan menunjukkan
jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair dkk, 1998. Uji terhadap outliers
multivariate dilakukan dengan menggunakan kriteria jarak Mahalanobis pada tingkat P 0,001. jarak Mahalanobis itu dievaluasi
dengan menggunakan X
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian itu. Ferdinand, 2002 : 102.
c. Multicolinearity dan Singularity
Multikolinearitas dapat dideteksi dan determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil
extremely small memberi indikasi adanya problem multikolinearitas atau singularitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
d. Uji Validitas dan Reliabilitas
Validitas berhubungan dengan apakah suatu variabel mengukur apa yang seharusnya diukur. Seperti yang dikutip dari Wijanto 2008:65 yaitu
bagaimana mendefinisikan cara untuk menguji validitas adalah dengan melihat standard factor loadings muatan faktor standar variabel-variabel
teramati indikator terhadap variabel laten faktor merupakan estimasi validitas variabel-variabel teramati tersebut .
Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator suatu konstruk yang menunjukkan derajat sampai
dimana masing-masing indikator itu mengindikasikan sebuah konstrukfaktor laten yang umum Ferdinand, 2002 : 62. Reliabilitas diuji
dengan construct reliability dan variance extracted. construct reliability dan variance extracted dapat dihitung dengan rumus sebagai berikut :
Construct reliability = j
loading std
loading std
2 2
Variance extracted = j
loading std
loading std
2 2
Hair et.al 1998 menyatakan bahwa sebuah konstruk mempunyai reliabilitas yang baik adalah jika :
Nilai Construct Reliability CR nya 0,70
Nilai Variance Extracted VE nya 0,50
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4.3. Pengujian Model dengan One Step Approach