Jenis Data Pengumpulan Data Asumsi Model

diambil sebanyak 100 10 10 = × responden, untuk menghindari outlier, kuesioner yang disebarkan 120 lembar kuesioner.

3.3 Jenis Data

a. Data Primer, data primer yaitu data yang diperoleh dari tangan pertama oleh peneliti yang berkaitan dengan variabel minat untuk tujuan spesifik studi. Data primer dapat diperoleh dari responden individu, kelompok fokus dan panel yang secara khusus ditentukan peneliti. b. Data Sekunder, data sekunder yaitu data yang diperoleh atau dikumpulkan dari sumber yang telah ada misalnya catatan atau dokumentasi perusahaan, publikasi, analisis industri oleh media, situs web, internet dan sebagainya.

3.4 Pengumpulan Data

a. Kuesioner, pengumpulan data dengan kuesioner membantu untuk membangun hubungan dengan responden ketika memperkenalkan survey, memberikan klarifikasi yang diminta oleh responden langsung ditempat dan mengumpulkan kuesioner segera setelah diisi. Adanya kontak langsung antara peneliti dan responden akan menciptakan suatu kondisi yang cukup baik sehingga responden dengan sukarela akan memberikan data atau jawaban yang obyektif dan cepat. b. Dokumentasi, pengumpulan data dilakukan dengan cara mencatat data, dokumen atau arsip dan mempelajari hal – hal yang diperlukan untuk penelitian.

3.5 Teknik Analisis

Teknik analisis data yang dipergunakan didalam penelitian ini adalah teknik Structural Equation Modeling SEM . SEM merupakan sekumpulan teknik – teknik statistical yang memungkinkan pengujian sebuah rangkaian hubungan yang relative “rumit” secara simultan. Ferdinand, 2002 : 06 . Sebuah pemodelan SEM yang lengkap pada dasarnya terdiri dari Measurement Model dan Structural Model. Measurement Model atau model pengukuran ditujukan untuk meninformasi sebuah dimensi atau faktor berdasarkan indikator empirisnya. Structural Model adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. Menurut Ferdinand, 2002 : 24 untuk membuat permodelan yang lengkap terdapat beberapa langkah yaitu: 1. Pengembangan model berbasis teori, dalam pengembangan model teoritis, seorang peneliti harus melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka yang intens guna mendapatkan justifikasi atas model teoritis yang dikembangkan. 2. Pengembangan diagram alur untuk menunjukan hubungan kausalitas. Model teoritis yang telah dibangun pada langkah pertama akan digambarkan dalam sebuah path diagram Diagram alur . Path diagram Diagram alur akan mempermudah peneliti melihat hubungan – hubungan kausalitas yang ingin diuji. 3. Konversi diagram alur kedalam serangkaian persamaan structural dan spesifikasi model pengukuran. Peneliti dapat memulai mengkonversi spesifikasi model tersebut kedalam rangkaian persamaan. Persamaan yang akan dibangun terdiri dari: a. Persamaan struktural structural equation . Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. b. Persamaan spesifikasi model pengukuran measurement model . Peneliti menentukan variabel mana mengukut konstruk mana serta menentukan serangkaian matriks yang menunjukan korelasi yang dihipotesakan antar konstruk atau variabel. 4. Memilih matrik input dan estimasi model, SEM hanya menggunakan matrik varians konvarians atau matrik korelasi sebagai data input untuk keseluruhan estimasi yang digunakan. 5. Menilai problem identifikasi pada prisipnya adalah problem mengenai ketidak mampuan dari model yang dikembangkan untuk menghasilkan yang unik. Problem indentifikasi dapat muncul melalui gejala berikut: a. Standard error untuk satu atau beberapa koefisien adalah sangat besar. b. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan. c. Muncul angka – angka yang aneh seperti adanya varians error yang negative. d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang di dapat. 6. Evaluasi model, pada langkah ini kesuksesan model dievaluasi melalui telaah terhadap berbagai criteria goodness of fit. 7. Interpretasi dan modifikasi model, menginterpretasikan model dan memodifikasikan model bagi model – model yang tidak memenuhi syarat pengujian yang dilakukan.

3.5.1 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 di ukur secara langsung. Analisis atas indikator – indikator yang digunakan itu memberi makna atas label yang diberikan pada variabel laten faktor laten yang dikonfirmasi itu.

3.6 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 multivarians 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 leneartas. Ferdinand, 2002 : 52 . b. Outliers, Outliers adalah observasi yang muncul dengan nilai – nilai ekstrem baik secara invarians maupun multivarians yaitu yang muncul karena kombinasi karakteristik 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 outliers. Perlakuaan terhadap outliers dilakukan bergantung pada bagaimana outliers 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 terhdap adanya outliers univariate dapat dilakukan dengan menentukan nilai ambang batas yang akan dikategorikan sebagai outlilers dengan cara mengkonversi nilai data penelitian ke dalam standart score atau yang biasa disebut Z-score yang mempunyai rata – rata nol dengan standart deviasi sebesar satu. Oleh karena itu kasus atau observasi yang mempunyai Z-score 30 ≥ akan dikategorikan sebagai outliers. 2. Multivariate Outiers, evaluasi terhdap multivariate outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukan 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 menunjukan jarak sebuah observasi dari rata – rata semua variabel dalam sebuah ruang multidimensional Hair dkk, 1995 : Nomusis, 1994 : Tabueric Fidell 1996 terhadap outliers multivariate dilakukan dengan menggunakan kriteria jarak Mahalanobis pada tingkat P0,001. jarak Mahalanobis itu dievaluasi dengan menggunakan 2 X pada derajat bebas sebesar jumlah variabel yang di gunakan dalam penelitian itu. Ferdinand, 2002 : 102 . c. Multicolinearity dan Singularity, Multikolinearitas dapat dideteksi dan determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil ectremely small memberi indikasi adanya problem multikolinearitas atau singularitas. d. Uji Validitas dan Reliabilitas, validitas berhubungan dengan apakah suatu variabel mengukur apa yang seharusnya diukur. Doll, Xia dan Torkzadeh 1994 seperti yang dikutip dari Wijanto 2008 : 65 mendefinisikan cara untuk menguji validitas adalah dengan melihat standard factor loading muatan faktor standar variabel – variabel teramati indikator terhadap veiabel laten faktor merupkan estimasi validitas variabel – variabel teramati tersebut. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator – indikator sebuah konstruk yang menunjukan derajat sampai dimana masing – masing indikator itu mengindikasikan sebuah konstruk faktor 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 stdloading stdloading ε ∑ + ∑ ∑ 2 2 Variance extracted = j stdloading stdloading ε ∑ + ∑ ∑ 2 2 Hair et.al 1998 menyatakan bahwa sebuah konstruk mempunyai reliabitas yang baik adalah jika:  Nilai Construct Reliability CR nya ≥ 0,70  Nilai Variance Extracted VE nya ≥ 0,50

3.7 Pengujian Model dengan One Step Approach