itu dan melemahkan sumber daya energinya. Tingkat sedang dari stres yang dialami terus menerus selama waktu yang panjang dapat mengakibatkan
kinerja yang lebih rendah. Meskipun model U-Terbalik ini populer dan secara intuisi menarik,
namun model ini tidak mendapatkan banyak dukungan empiris, sehingga para peneliti maupun para manajer perusahaan harus berhati-hati dalam
mengandaikan bahwa model ini dengan tepat melukiskan hubungan stres – kinerja Robbins, 1996.
2.6. Model Persamaan Struktural Structural Equation Modeling – SEM
Stuctural Equation Modeling SEM adalah suatu teknik peubah
ganda yang dapat digunakan untuk mendeskripsikan keterkaitan hubungan linear peubah-peubah pengamatan secara simultan dan sekaligus melibatkan
peubah laten yang tidak dapat diukur diamati secara langsung Ferdinand, 2000.
Salah satu paket perangkat lunak komputer yang digunakan untuk mengoperasikan metode SEM adalah Linear Structural Relationship
LISREL. Metode LISREL mengestimasi koefisien-koefisien dari sejumlah persamaan struktural yang linear. SEM melibatkan sejumlah simbol-simbol
matematis greek. Untuk dapat melihat hubungan antar variabel dapat dilihat pada Gambar 3 berikut.
X
1
X
2
ξ η
δ
1
λ
1
ε
1
δ
2
λ
2
λ
3
λ
4
Y
2
Y
1
ε
2
ζ Gambar 3. Model Hubungan Antar Variabel
Joreskog dan Sorbom, 1996
Dari gambar diatas dapat disusun persamaan-persamaan yaitu : - Model persamaan structural SEM :
η = β η + ζ ………….. 1 - Model persamaan pengukuran untuk Y : Y =
λ
y
η + ε ……….... 2 - Model persamaan pengukuran untuk X : X =
λ
x
ξ + δ ……….... 3 Notasi dari persamaan diatas antara lain :
Y = vektor variabel endogen yang dapat diamati berukuran pxl X = vektor variabel eksogen yang dapat diamati berukuran qxl
η = vektor random dari variabel laten endogen berukuran mxl ξ = vektor random dari variabel laten eksogen berukuran nxl
ε = vektor kekeliruan pengukuran dalam Y berukuran pxl
δ = vektor kekeliruan pengukuran dalam X berukuran qxl λ
y =
matriks koefisien regresi Y atas η berukuran pxm
λ
x =
matriks koefisien regresi X atas ξ berukuran qxn
β = matriks koefisien variabel η dalam persamaan struktural berukuran mxn
ζ = vektor kekeliruan persamaan dalam hubungan struktural antara η dan ξ berukuran mxl
Ada beberapa asumsi permodelan Persamaan Struktural yaitu : -
ε tidak berkolerasi dengan η -
δ tidak berkolerasi dengan ξ -
ζ tidak berkolerasi dengan ξ
-
ε, δ, ζ saling bebas Ukuran yang dapat dijadikan patokan kesesuaian model dalam SEM
adalah sebagai berikut : a. Ukuran kebaikan suai Khi-Kuadrat Chi-Square
Ukuran ini pada dasarnya merupakan pengujian seberapa dekat matrik hasil dugaan dengan matriks data asal dengan menggunakan uji
Chi-Square . Semakin kecil nilai ukuran ini maka model yang digunakan
semakin baik. Ukuran kebaikan Chi-Square ini sensitif terhadap ukuran contoh sehingga harus didampingi dengan ukuran kebaikan model yang
lain.
b. P-value P-Value
diharapkan untuk lebih besar dari 0.05 atau 0.1 yaitu uji tidak signifikan. Bila hasil menunjukkan tidak signifikan, yang berarti
matrik input dan matrik estimasi tidak berbeda, maka model yang diajukan layak. Nilai p berkisar antara 0 sampai 1 dan model persamaan
struktural akan semakin baik jika nilai p mendekati 1. c. Root Mean Square Error of Approximation RMSEA
Ukuran ini merupakan ukuran ketidakcocokan model dengan data. Semakin kecil nilai ini berarti model semakin baik. Patokan antara 0.05-
0.08 sering dijadikan acuan bagi model ideal. d. Goodness-of-Fit Index GFI
Ukuran GFI pada dasarnya merupakan ukuran seberapa besar model mampu menerangkan keragaman data. Semakin besar nilai ini
berarti model semakin baik. Batas minimal 0.9 sering dijadikan patokan suatu model dikatakan layak.
e. Adjusted Goodness-of-Fit Index AGFI
Ukuran ini merupakan modifikasi dari GFI dengan mengakomodasi derajat bebas model dengan model lain yang
dibandingkan. Nilai AGFI paling tidak sebesar 0.8 sering dijadikan patokan suatu model dikatakan layak.
2.7. Penelitian Terdahulu yang Relevan
