3.2. Teknik Analisis dan Pengujian Hipotesis
3.2.1. Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modeling [SEM]. Model pengukuran factor sikap, perilaku
konsumen, keputusan pembelian, factor intern, factor ekstern, menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-masing variable bebas
terhadap variable terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pungukuran dengan contoh factor Pengembangan Organisasi,
Kemitraan usaha, dan Pembinaan Usaha sebagai berikut. Persamaan dimensi factor Pengembangan Organisasi :
X1 = λ 1 Efisiens Organisasi + er_1
X2 = λ 2 Efektifitas Organisasi + er_2
X3 = λ 3 Kesehatan Organisasi + er_3
Persamaan dimensi factor Kemitraan usaha : X1 =
λ 1 Bersifat Sinergis + er_1 X2 =
λ 2 Saling Mendukung + er_2 X3 =
λ 3 Saling Memperkuat + er_3 X4 =
λ 4 Saling Menguntungkan + er_4 Persamaan dimensi factor Pembinaan Usaha :
X1 = λ 1 Aspek Manajerial + er_1
X1 = λ 2 Aspek Permodalan + er_2
X1 = λ 3 Pembinaan Teknik Produksi + er_3
X1 = λ 4 Pembinaan Pemasaran + er_4
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pengembangan Organisasi
X1
Gambar 3.1 Contoh Model Pengukuran Pengembangan Organisasi
Keterangan: X1.1
= Pertanyaan tentang Efisiens Organisasi X1.2
= Pertanyaan tentang Efektifitas Organisasi X1.3
= Pertanyaan tentang Kesehatan Organisasi Er j
= error term X₁ j X1.1
X1.2
X1.3 er_1
er_2
er_3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Kemitraan Usaha
X2
Gambar 3.2 Contoh Model Pengukuran Kemitraan Usaha
Keterangan: X2.1
= Pertanyaan tentang Bersifat Sinergis X2.2
= Pertanyaan tentang Saling Mendukung X2.3
= Pertanyaan tentang Saling Memperkuat X2.4
= Pertanyaan tentang Menguntungkan Er j
= error term X₁ j X2.1
X2.1
X2.4 X2.3
er_1
er_2
er_4 er_3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pembinaan Usaha
X3
Gambar 3.3 Contoh Model Pengukuran Pembinaan Usaha
Keterangan: X3.1
= Pertanyaan tentang Aspek Manajerial X3.2
= Pertanyaan tentang Aspek Permodalan X3.3
= Pertanyaan tentang Pembinaan Teknik Produksi X3.4
= Pertanyaan tentang Pembinaan Pemasaran Er j
= error term X₁ j X3.1
X3.2 X3.3
X3.4 er_1
er_2 er_3
er_4
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pemberdayaan Usaha Kecil
Y
Gambar 3.4 Contoh Model Pengukuran Pemberdayaan Usaha Kecil
Keterangan: Y1.1
= Pertanyaan tentang Participatory Y1.2
= Pertanyaan tentang Peningkatan SDM Y1.3
= Pertanyaan tentang Mutu Produk IKM Y1.4
= Pertanyaan tentang Pemberdayaan Institusional Y1.5
= Pertanyaan tentang Pengembangan Jaringan Pemasaran Er j
= error term Y₁ j
Y
1.1
Y
1.5
Y
1.3
Y
1.4
Y
1.2
er_5 er_4
er_3 er_2
er_1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Kinerja Usaha Z
Gambar 3.5 Contoh Model Pengukuran Kinerja Usaha
Keterangan: Z1.1
= Pertanyaan tentang Kualitas Output Z1.2
= Pertanyaan tentang Kuantitas Output Z1.3
= Pertanyaan tentang Waktu Kerja Z1.4
= Pertanyaan tentang Negosiasi Z1.5
= Pertanyaan tentang Kerjasama “Cooperation” Z1.6
= Pertanyaan tentang Mengevaluasi Prestasi Kerja Z1.7
= Pertanyaan tentang Dengan Inseftif Upah Er j
= error term Z₁ j
Z
1.6
Z
1.7
Z
1.1
Z
1.2
Z
1.4
Z
1.5
Z
1.3
er_5
er_6 er_4
er_7 er_2
er_3 er_1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Bila persamaan dinyatakan dalam sebuah pengukuran model untuk di uji unidimensionalistasnya melalui confirmatory factor analysis, maka model
pengukuran dengan contoh factor Pengembangan Organisasi, Kemitraan usaha, dan Pembinaan Usaha sebagai berikut :
3.2.2. Pengujian Hipotesis
3.2.2.1. Asumsi Model Structural Equation Modeling
Pada permodalan SEM terdapat asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang di analisis adalah sebagai berikut:
1. Uji Normalitas Sebaran dan Linearitas
a Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji
dengan metode-metode statistic. b
Menggunakan Critical ratio yang diperoleh dengan membagi koefisien sampel dengan standart errornya dan Skewness Value yang biasanya disajikan
dalam deskriptif dimana nilai statistic untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikansi 1 jika nilai Z lebih besar dari nilai
kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. c
Normal Probability plot SPSS 10.1 d
Linieritas dengan mengamati scatter plots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya
liniearitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2. Evaluasi atas
Outlier
a Mengamati nilai Z-Score: ketentuannya diantara ± 3,0 non outler
b Multivariate Outlier diuji dengan criteria jarak Mahalonobis pada tingkat p
0,001. Jarak diuji dengan Chi-Square X pada df sebesar jumlah variable bebasnya. Ketentuan: bila Mahalonobis dari nilai x adalah multivariate
outlier. c
Outlier adalah observasi yang minvul dengan nilai-nilai ekstrim baik secara univariat maupun multivariate yaitu yang muncul karena kombinasi
karakteristik unik yang dimilikinya dan terlihat sangat jauh dari observasi- observasi lainnya.
d Deteksi Multicollinierity dan Singularity
e Dengan mengamati determinan matriks convarians. Dengan ketentuan apabila
determinan sample mendekati angka 0 kecil, maka terjadinya multicollinieritas dan singularitas [Tabachnick Fidel, 1998]
f Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indicator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya
diukur, sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indicator- indicator sebuah konstruk yang menunjukan derajat sampai
dimana masing-masing indicator itu mengidentifikasi sebuah konstruk yang umum. Karena indicator multidimensi, maka uji validitas dari setiap latent
variableconstruct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Sedangkan realibilitas
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
diuji dengan construct realiability dan variable - extracted dihitung rumus berikut:
Construct Reliability = [
∑ Standardize Loading ] [[
∑ Standardize Loading ] + ∑ ε j]
Variance Extracted = [
∑ Standardize Loading ] [[
∑ Standardize Loading ] + ∑ ε j]
Sementara εj dapat dihitung dengan formula ε j = 1 - standadisze loading.
Secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,7 dan
variance axtracted ≥ 0,5 [Hair et,al., 1998]. Standardize Loading dapat diperoleh dari
output AMOS 4.01, dengan melihat nilai estimasi setiap contuct standardize regression weinght terdapat setiap butir sebagai indikatornya.
3.2.2.2. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandat, dengan pengujian signifikan pembandingan nilai CR Critical Ratio atau p
Probability yang sama dengan nilai hitung t
hitung
. Apabila nilai t
hitung
lebih besar dari pada t
table
berarti signifikan.
3.2.2.3. Pengujian Model dengan One Step Approach
Dalam metode SEM, model pengukuran dan model structural parameter- parameternya diestimasi secara bersama-sama. Cara ini agal mengalami kesulitan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dalam memenuhi fit Model. One Step Approach to SEM digunakan apabila model di yakini landasan teori yang kuat serta validitas dan realibilitas yang sangat baik.
3.2.2.4. Evaluasi Model
Hair et.al., 1998, menjelaskan bahwa pola “confirmatory” menunjukan prosedur yangdirancang untuk mengavaluasi utilitas hipotesis-hipotesis dengan
pengujian fit antara model dan emperis. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang terkuat. Sebaliknya, suatu
model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data, Amos dapat mengujia apakah model “good fit” atau “poor fit” yang diuji
sangat penting dalam penggunaan structural equation modeling. Pengujian terhadap model yang dikembangkan dengan criteria Goodness of
Fit, yakni Chi-square, Probability, RMSEA, GFI, TLI, CFI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan
pendekatan two step approach to SEM. Dalam analisis SEM tidak ada alat uji statistic tinggal untuk mengukur atau
menguji hipotesis mengenai model. Beberapa indeks kesesuaian dan out-off value untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak
adalah : 1
X ² - CHI - SQUARE STATISTIC
Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio Chi-Square Statisric. Chi-Square ini bersifat sangat sensitive terhadap besarnya
sampel yang digunakan. Semakin kecil X
² semakin baik model.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2 SMSEA - The Root Mean Square Error of Approximation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi- square statistic dalam sampel yang besar. Nilai RMSEA menunjukan goodness-
off-it yang dapat diharapkan bila model diestimasi dalam populasi. 3
GFI - Goodness of Fit Index GFI adalah analog dari R² dalam regresi berganda. GFI adalah sebuah ukuran
non-statistical yang mempunyai rentang nilai antara, 0 poor fot sampai dengan 1.0 perfect fit. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari
varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasi.
4 AGFI - Adjusted Goodness of Fit Index
AGFI adalah kriteria yang memperhitungkan proposal tertimbang dari varians dalam sebuah matriks kovarians dalam sebuah matriks kovarians sampel.
5 CMIN DF
The meminum sampel discrepancy function CMIN dibagi dengan degree of freedom nya para peneliti sebagai salah satu indicator untuk mengukur tingkat
fitnya sebuah model. Dalam hal ini CMINDF tidak lain adalah statistic chi- square,
X ² dibagi DF nya sehingga disebut
X ² - relative.
6 TLI - Tucker Lewis indeks
TLI adalah alternative incremental fit index yang membandungkan sebuah model yang diuji terhadap sebuah baseline model.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
7 CFI - Comparative Fit Index
Bersaran ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengedentifikasi tingkat fit yang paling tinggi - a very good fit. Keunggulan dari
index ini adalah besrannya tidak dipengaruhi oleh ukuran sampel Karen itu sangat baik untuk mengukur tingkat penrimaan suatu model. Indeks CFI adalah odentik
dengan Relative Noncentrality index RNI. Dengan demikian indeks-indeks yang dapat digunakan untuk mengukur kelayakan sebuah model adalah seperti yang
diringkas dalam tabel berikut ini:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 3.6 Kriteria Goodness of Fot Indices
GOODNESS OF FIT INDEX
KETERANGAN OUT - OFF
VALUE X
² - Chi Square Menguji apakah covariance
populasi yang dietimasi dengan covariance sampel [apakah model
sesuai dengan data] Diharapkan kecil, 1s.d 5
atau paling bail di antara 1 dan 2
Probability Uji signifikan terhadap perbedaan
matriks covarians data dan matriks covariance yang diestimasi
Minimum 0,1 atau 0,2 atau
≥ 0,05 RMSEA
Mengkopensasi kelemahan Chi-Square apa sampel besar
≤ 0,08
GFI Menghitung proporasi tertimbang
varians dalammatriks sampel yang dijelaskan oleh matriks covariance
populasi yang diestimasi analog dengan R² dalam regresi berganda
≥ 0,90
AGFI GFI yang disesuaikan terhadap DF
≥ 0,90 CMIN DF
Kesesuaian antara data dan model ≤ 2,00
TL Pembandingan antara model yang
diuji terhadap baseline model ≥ 0,95
CFI Uji kelayakan model yang tidak
sensitive terhadapbesarnya sampel dan kerumitan model
≥ 0,95
Sumber: Hair et.al., [1998]
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
76
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian