Normal Ganda Model Persamaan Struktural Delapan Standar Nasional Pendidikan Dengan Metode Generalized Structured Component Analysis

16 Analisis SEM-Likelihood dengan pendekatan varian kurang tepat dilakukan jika terdapat pelanggaran asumsi normal ganda Chou Bentler 1985. Untuk melihat hubungan antar peubah laten dengan indikatornya serta hubungan antara peubah laten, maka dalam penelitian ini digunakan pendekatan metode SEM-GSCA. Tabel 4 Hasil uji Hz Peubah Laten Statistik Hz P-value SI 2.712 0.000 SPR 2.546 0.000 SKL 1.417 0.000 SPT 1.589 0.000 SSP 1.698 0.000 SPL 2.305 0.000 SB 3.502 0.000 SPN 2.558 0.000

4.4 Model Pengukuran

Evaluasi model pengukuran dilakukan dengan melihat nilai loading Lampiran 1 pada peubah indikator terhadap peubah latennya. Nilai t hitung dari setiap peubah indikator yang nyata dan nilai factor loading 0.6 merupakan indikator konstruk laten yang memberikan convergent validity yang baik Chin 1998. Penggunaan kriteria loading lebih dari 0.6, dikarenakan persen keragaman yang mampu dijelaskan oleh peubah indikator terhadap peubah laten sudah cukup besar yaitu 60. Peubah indikator yang memiliki faktor loading 0.6 dikeluarkan dari analisis selanjutnya. Peubah indikator yang kurang baik dapat menjadi masukan dan dievaluasi lebih lanjut tentang indikator sebagai butir pertanyaan yang mampu merepresentasikan peubah laten oleh pihak berkepentingan. Peubah indikator dengan loading factor 0.6 pada masing-masing peubah laten disajikan pada Lampiran 5. Peubah indikator dengan loading factor 0.6 akan dikeluarkan karena peubah indikator tersebut tidak baik dalam mengukur peubah latennya. Tabel 5 menyajikan perbandingan jumlah peubah indikator total dan loading tinggi pada masing-masing peubah laten. Rasio peubah indikator pada peubah laten SKL dan SPR jauh lebih tinggi dibandingkan dengan peubah laten yang lain, sedangkan rasio terendah adalah peubah laten SPT. Peubah indikator dengan loading rendah dikeluarkan dari model, kemudian dianalisis lagi. Evaluasi model pengukuran dilakukan kembali dengan 3 kriteria yaitu convergent validity, reliabitias dan discriminant validity. Nilai reliabilitas konstruk peubah laten menggunakan Cronbach Alpha. Nilai Cronbach Alpha pada masing-masing peubah laten adalah peubah laten SI dengan alpha = 0.836, SPR alpha=0.826, SKL alpha=0.861, SPT alpha=0.747, SSP alpha=0.904, SPL alpha=0.861, SB alpha=0.876 dan SPN alpha=0.8601. Nilai Conbrach Alpha pada masing-masing peubah laten 0.7, hal ini menunjukkan jika reliabilitas konstruk pada masing-masing peubah laten baik. 17 Tabel 5 Perbandingan jumlah peubah indikator total dan loading tinggi No Peubah Laten Jumlah Peubah Indikator Rasio Total Indikator loading tinggi 1 SI 18 8 0.44 2 SPR 9 8 0.89 3 SKL 25 21 0.84 4 SPT 20 3 0.15 5 SSP 30 13 0.43 6 SPL 20 10 0.50 7 SB 24 9 0.38 8 SPN 19 7 0.37 Evaluasi kebaikan model pengukuran juga dapat dilihat melalui discriminant validity yaitu dengan membandingkan nilai akar kuadrat dari AVE dengan nilai korelasi peubah laten bersangkutan dengan peubah lainnya dalam model. Nilai akar kuadrat dari AVE adalah SB 0.711, SPL 0.671, SPT 0.82, SI 0.686, SPR 0.672, SSP 0.692, SPN 0.742 dan SKL 0.654. Nilai-nilai tersebut lebih besar daripada nilai korelasi antar peubah laten yang bersangkutan dengan peubah laten lainnya dapat dilihat pada Tabel 6, hal ini menunjukkan bahwa peubah indikator memiliki discriminant validity yang baik. Tabel 6 Matriks korelasi antar peubah laten dan p-value SB SPL SPT SI SPR SSP SPN SKL SB 0.547 0.023 0.327 0.026 0.495 0.027 0.499 0.032 0.453 0.031 0.486 0.033 0.494 0.026 SPL 0.503 0.022 0.721 0.016 0.714 0.020 0.693 0.015 0.628 0.023 0.743 0.014 SPT 0.562 0.019 0.472 0.024 0.607 0.019 0.401 0.026 0.582 0.019 SI 0.763 0.016 0.676 0.017 0.619 0.022 0.779 0.012 SPR 0.631 0.020 0.625 0.021 0.760 0.014 SSP 0.546 0.024 0.743 0.015 SPN 0.641 0.018 Lampiran 6 menyajikan peubah indikator dengan nilai loading tinggi pada masing-masing peubah laten berdasarkan Status Akreditasi. Hal ini bertujuan untuk mengetahui perbedaan indikator sekolah akreditas baik akreditasi A dan B dan akreditasi kurang baik akreditasi C dan TT. Berdasarkan hasil analisis, terlihat bahwa peubah laten SKL untuk akreditasi kurang baik hanya satu indikator yang memiliki loading tinggi. Hal ini perlu dilakukan kajian lebih lanjut dalam