Analisis Structural Equation Modelling SEM

2 1 σ = varian total ∑ 2 b σ Pengukuran reliabilitas dalam penelitian ini dilakukan dengan cara one shot pengukuran sekali saja. Disini pengukuran variabelnya dilakukan sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain untuk mengukur korelasi antar jawaban pertanyaan. Suatu kostruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha 0,60 Ghozali 2005. = jumlah varian butir

3.6.2. Analisis Structural Equation Modelling SEM

Analisis data yang dilakukan dengan menggunakan The Structural Equation Model SEM dalam model dan pengujian hipotesis. SEM atau model persamaan struktural adalah sekumpulan teknik-teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit, secara simultan Ferdinand, 2006. Yang dimaksud dengan rumit adalah model-model simultan yang dibentuk melalui lebih dari satu variabel dependen pada saat yang sama berperan sebagai variabel independen bagi hubungan berjenjang lainnya. Dalam penelitian ini digunakan dua macam teknik analisis, yaitu: 1. Analisis konfirmatori confirmatory factory analysis pada SEM yang digunakan untuk mengkonfirmatori faktor-faktor yang paling dominan dalam satu kelompok variabel. 2. Regression Weight pada SEM yang digunakan untuk meneliti seberapa besar pengaruh antar variabel-variabel. Menurut Ferdinand 2006 terdapat tujuh langkah yang harus dilakukan apabila menggunakan permodelan Structural Equation Model SEM. Sebuah permodelan SEM yang lengkap pada dasarnya terdiri dari dua bagian utama yaitu Universita Sumatera Utara Measurement Model dan Structural Model. Measurement Model merupakan model pengukuran untuk mengkonfirmasi indikator-indikator dari sebuah variabel laten, sedangkan model struktural yang menggambarkan hubungan kausalitas antar dua atau lebih variabel. Untuk membuat permodelan yang lengkap beberapa langkah berikut ini perlu dilakukan :

1. Pengembangan Model Teoritis

Langkah pertama dalam model pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat. Setelah itu, model tersebut divalidasi secara empirik melalui komputasi program SEM. Oleh karena itu dalam pengembangan model teoritis seorang peneliti harus menggunakan serangkaian eksplorasi ilmiah melalui telaah pustaka yang intens guna mendapatkan justifikasi atas model teoretis yang dikembangkannya. Dengan perkataan lain, tanpa dasar teoretis yang kuat, SEM tidak dapat digunakan. Hal ini diesbabkan karena SEM tidak digunakan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasikan model teoritis tersebut, melalui data empirik Ferdinand, 2006.

2. Pengembangan diagram alur Path Diagram

Pada langkah kedua, model teoretis yang telah dibangun pada langkah pertama akan digambarkan dalam sebuah path diagram. Path diagram tersebut akan mempermudah peneliti melihat hubungan-hubungan kausalitas yang ingin diujinya. Sedemikian jauh diketahui bahwa hubungan-hubungan kausal biasanya dinyatakan dalam bentuk persamaan. Tetapi dalam SEM termasuk didalamnya operasi program AMOS 16,18, 20 dan versi sebelumnya hubungan kausalitas itu Universita Sumatera Utara cukup digambarkan dalam sebuah path diagram dan selanjutnya bahasa program akan mengkonversi gambar menjadi persamaan, dan persamaan menjadi estimasi. Konstruk-konstruk yang dibangun dalam diagram alur di atas, dapat dibedakan dalam dua kelompok konstruk yaitu: a. Konstruk Eksogen Exogenus Constructs. Konstruk eksogen dikenal juga sebagai ”source variables” atau ”independent variables” yang tidak diprediksi oleh variabel yang lain dalam model. b. Konstruk Endogen Endogenous Constructs. Konstruk endogen adalah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk eksogen hanya dapat berhubungan kausal dengan konstruk endogen. Berdasarkan pijakan teoretis yang cukup, seorang peneliti akan menentukan mana yang akan diperlakukan sebagai konstruk endogen dan mana sebagai variabel eksogen. Diagram alur yang akan dikembangkan dalam penelitian ini adalah seperti terlihat pada gambar berikut : Universita Sumatera Utara Sumber : Dikembangkan penulis untuk penelitian ini, 2013 Kesadaran Wajib Pajak Kepatuhan Pembayaran Pajak PE Sektor Formal Kemudahan Perpajakan Biaya Kepatuhan Pajak Sanksi Perpajakan Sensus Pajak Nasional X1 X2 X3 X5 X6 X7 X8 X9 X10 X11 X12 X13 X17 X19 X20 X14 X15 X16 X4 X18 e 1 e 2 e 3 e 4 e 5 e 6 e 7 e 8 e 9 e 10 e 11 e 12 e 13 e 14 e 15 e 16 e 17 e 18 e 19 e 20 Gambar 3.7. Diagram Alur Model Penelitian Universita Sumatera Utara Tabel 3.3. Variabel, Dimensi dan Pengukuran Model Penelitian No Variabel Laten Indikator Variabel Manifes Skala Pengukuran Angket 1 Kemudahan Perpajakan X1 : tempat pelayanan terpadu X2 : pojok pajak X3 : e-regristation, e-filling, e- payment X4 : call centre Skala 5 likert : Sangat setuju = 5 Setuju informatif = 4 Ragu-ragu = 3 Tidak setuju = 2 Sangat tidak setuju = 1 2 Biaya Kepatuhan Pajak X5 : direct money cost uang yang dikeluarkan X6 : time cost waktu yang terpakai X7 : psychological cost kecemasan Skala 5 likert : Sangat tidak memberatkan = 5 Tidak memberatkan = 4 Ragu-ragu = 3 Memberatkan = 2 Sangat memberatkan = 1 3 Sanksi Perpajakan X8 : terlambat lapor pajak X9 : terlambat membayar pajak X10 : tidak menyetor pajak yang telah dipungut Skala 5 likert : Sangat setuju = 5 Setuju = 4 Ragu-ragu = 3 Tidak setuju = 2 Sangat tidak setuju = 1 4 Sensus Pajak Nasional X11 : penghasilan Wajib Pajak X12 : hartakekayaan Wajib Pajak X13 : jumlah pembayaran Wajib Pajak Skala 5 likert : Sangat setuju = 5 Setuju = 4 Ragu-ragu = 3 Tidak setuju = 2 Sangat tidak setuju = 1 5 Kesadaran Wajib Pajak X14 : memahi arti dan peranan pajak X15 : memahami manfaat pajak X16 : mengetahui peraturan perpajakan Skala 5 likert : Sangat setuju = 5 Setuju = 4 Ragu-ragu = 3 Tidak setuju = 2 Sangat tidak setuju = 1 6 Kepatuhan Pembayaran Pajak PE Sektor Formal X17 : tepat waktu bayar dan penyampaian SPT X18 : tidak mempunyai tunggakan pajak X19 : tidak pernah dipidana karena pajak X20 : mengisi formulir SPT benar dan lengkap Skala 5 likert : Sangat setuju = 5 Setuju = 4 Ragu-ragu = 3 Tidak setuju = 2 Sangat tidak setuju = 1 Universita Sumatera Utara

3. Konversi diagram alur ke dalam persamaan.

Setelah teori atau model teoretis dikembangkan dan digambarkan dalam sebuah diagram alur, peneliti dapat mulai mengkonversi spesifikasi model tersebut ke dalam rangkaian persamaan. Persamaan yang akan dibangun akan terdiri dari : a. Persamaan-persamaan struktural structural equations. Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Persamaan struktural pada dasarnya dibangun dengan pedoman berikut ini : Variabel Endogen = Variabel Eksogen + Variabel Endogen + Error b. Persamaan spesifikasi model pengukuran measurement model. Pada spesifikasi itu peneliti menetukan variabel mana mengukur konstruk mana, serta menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesakan antar konstruk atau variabel. Tabel 3.4. Persamaan Dalam Penelitian Konsep Exogenous Model Pengukuran Konsep Endogenous Model Pengukuran X1 = λ1 Kemudahan perpajakan + e1 X2 = λ2 Kemudahan perpajakan + e2 X3 = λ3 Kemudahan perpajakan + e3 X4 = λ4 Kemudahan perpajakan + e4 X14 = λ14 Kesadaran Wajib Pajak + e14 X15 = λ15 Kesadaran Wajib Pajak + e15 X16 = λ16 Kesadaran Wajib Pajak + e16 X5 = λ5 Biaya kepatuhan pajak + e5 X6 = λ6 Biaya kepatuhan pajak + e6 X7 = λ7 Biaya kepatuhan pajak + e7 X17 = λ17 Kepatuhan pembayaran pajak + e17 X18 = λ18 Kepatuhan pembayaran pajak + e18 X19 = λ19 Kepatuhan pembayaran pajak + e19 X20 = λ20 Kepatuhan pembayaran pajak + e20 X8 = λ8 Sanksi perpajakan + e8 X9 = λ9 Sanksi perpajakan + e9 X10 = λ10 Sanksi perpajakan + e10 X11 = λ11 Sensus Pajak Nasional + Lanjutan Tabel 3.4 Universita Sumatera Utara e11 X12 = λ12 Sensus Pajak Nasional + e12 X13 = λ13 Sensus Pajak Nasional + e13 Model struktural Kesadaran Wajib P ajak = γ1 kemudahan perpajakan + γ2 biaya kepatuhan pajak + γ3 sanksi perpajakan + γ4 Sensus Pajak Nasional + Z1 Kepatuhan pajak = β1 kemudahan perpajakan + β2 biaya kepatuhan pajak + β3 sanksi perpajakan + β4 Sensus Pajak Nasional + β5 kesadaran Wajib Pajak + Z2

4. Memilih Matriks Input dan Estimasi Model Kovarians atau Korelasi

Perbedaan SEM dengan teknik-teknik multivariat lainnya adalah dalam input data yang digunakan dalam permodelan dan estimasinya. SEM hanya menggunakan matriks VariansKovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya.

5. Menilai Problem Identifikasi

Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dan mengembangkan lebih banyak konstruk.

6. Evaluasi Kriteria Goodness-Of-Fit

Kesesuaian model dievaluasi melalui telaah terhadap beberapa kriteria Goodness-Of-Fit. Tindakan pertama adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM yaitu: ukuran sampel, normalitas, outliers dan multikolinearitas dan simularity. Setelah itu melakukan uji kesesuaian dan cut off value nya yang digunakan untuk menguji apakah sebuah model diterima atau ditolak Augusty Ferdinand, 2006, yaitu: Universita Sumatera Utara a. χ 2 Chi- Square Statistik. Model yang diuji dipandang baik atau memuaskan bila nilai Chi-Squarenya rendah. Semakin kecil nilai χ 2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cut off value sebesar p 0,05 b. RMSEA The Root Mean square Error of Appoximation. Menunjukkan nilai Goodness-Of-Vit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang kecil atau = 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close vit dari model tersebut berdasarkan degrees of freedom. c. GFI Goodness –Of-Fit- Index. Merupakan ukuran non statistikal yang mempunyai rentang nilai antara 0 poor fit hingga 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit. d. AGFI Adjusted Goodness-Of-Fit-IndeX. Tingkat penerimaan yang direkomendasikan adalah bila AGFI memiliki nilai yang sama atau lebih besar dari 0,09. e. CMINDF. Adalah The minimum sample discrepancy function yang dibagi dengan degree of freedom. CMINDF merupakan statistik chi square dibagi df-nya sehingga disebut χ 2 − relatif. Nilai χ 2 relatif kurang dari 2,0 atau 3,0 adalah indikasi dari acceptable fit antara model dan data. f. TLI Tucker Lewis Index. Merupakan incremental index yang membandingkan sebuah model yang diuji dengan sebuah base line model, dimana nilai yang direkomendasikan sebagai acuan diterimanya sebuah model adalah ≥ 0,95 Hair et al 1995 dalam Ferdinand, 2006 dan nilai yang mendekati satu menunjukkan a very good fit. Universita Sumatera Utara g. CFI Comparative Fit Index. Rentang sebesar 0-1 dimana semakin mendekati 1 mengindikasikan tingkat a very good fit yang tinggi. Dengan demikian indeks-indeks yang digunakan untuk menguji kelayakan atas model adalah sebagai berikut: Tabel 3.5. Indeks Pengujian Kelayakan Model Goodness of Fit Index Cut-off Value χ 2 Chi- Square Statistik df, α = 5 Probability ≥ 0,05 CMINDF ≤ 2.00 GFI ≥ 0.90 AGFI ≥ 0.90 TLI ≥ 0.95 CFI Bentler,2000 ≥ 0.90 RMSEA ≤ 0.08

7. Interpretasi dan Modifikasi Model

Setelah model diestimasi, residualnya haruslah tetap kecil atau mendekati nol dan distribusi frekuensi dari kovarian residual harus bersikap simetris. Model yang baik memiliki standardized residual variance yang kecil. Angka 1,96 merupakan batas nilai yang diperkenankan yang diinterpretasikan sebagai signifikan secara statistik pada tingkat 5 dan menunjukkan adanya prediction error yang substansial untuk sepasang indikator. Untuk mempermudah dalam melakukan modifikasi dapat digunakan indeks modifikasi yang dikalkulasi oleh program untuk tiap hubungan antar variabel yang diestimasi. Universita Sumatera Utara

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Karakteristik Responden