95
X1
e1
X11
X2 Y
e2 e3
e4
e6 e5
e8 e7
X12 X13
X21 X22
X23 Y2
Y1
komuter
Waktu pribadi
Kehidupan berkeluarga
Kepuasan secara
keseluruhan
Stress individu
Kelebihan beban kerja
setuju
Sumber : Bunker, Barbara B; Rice, Robert W; et al 1992, Richard E. Wener; Gary W. Evans; Donald Phillips;
Natasha Nadler 2003, Leticia Ferna´ndez, Cheryl Howard, Jon Amastae 2007
4.8. Teknik Analisis Data
Teknik analisis data dalam penelitian ini adalah dengan menggunakan Structural Equation Modelling SEM. Adapun prosedur dalam analisis SEM
adalah sebagai berikut :
1. Menyusun diagram jalur
Diagram jalur dalam penelitian ini adalah sebagai berikut :
Gambar 4.1. Diagram Jalur
Universitas Sumatera Utara
96
e1..9 = Error Term
X1 = Faktor Pendorong Melakukan Komuter
X2 = Faktor Penarik Melakukan Komuter
Y = Pengembangan Wilayah
X11 = Biaya Perumahan
X12 = Rasio Ketergantungan
X13 = Pendapatan Pasangan
X21 = Pendapatan
X22 = Aksesibilitas Daerah Tujuan
X23 = Kesempatan Kerja
Y1 = Alokasi Pendapatan Ke Daerah Asal Komuter
Y2 = Kualitas Hidup
2. Persamaan Struktural dan spesifikasi
Pengaruh faktor pendorong melakukan komuter dan faktor penarik melakukan komuter terhadap pengembangan wilayah digambarkan melalui
persamaan sebagai berikut :
a. Persamaan struktutal :
η =
γ
x1
ξ
x1
+
γ
x2
ξ
x2
+
ζ
b. Persamaan pengukuran variabel endogen :
Y
1
= λ
1
η
1
+e
7
Y
2
= λ
2
η
2
+e
8
c. Persamaan pengukuran variable eksogen :
X
1
= λ
11
η
11
+e
1
X
2
= λ
12
η
12
+e
2
X
3
= λ
13
η
13
+e
3
X
4
= λ
21
η
21
+e
4
X
5
= λ
22
η
22
+e
5
X
6
= λ
23
η
23
+e
6
3. Spesifikasi Model Pengukuran untuk Masing-Masing Konstruk Variabel Laten.
Analisis faktor konfirmatory untuk model pengukuran akan dihasilkan koefisien standar loading atau lambda Value λ. Nilai lamda tersebut digunakan
untuk menilai kecocokan, kesesuaian atau unidimensionalitas dari instrumen- instrumen dalam membentuk sebuah faktor.
Universitas Sumatera Utara
97
4. Uji Asumsi Model Structural Equation Uji Normalitas
Sebaran data harus dianalisis untuk mengetahui apakah asumsi normalitas dipenuhi, sehingga data dapat diolah lebih lanjut pada path diagram. Uji
normalitas dapat dilakukan dengan metode-metode statistik. Pengujian yang paling mudah adalah dengan mengamati skewness value dan kurtosis. Nilai
statistik yang digunakan untuk menguji normalitas adalah Z-value yang dihasilkan melalui rumus berikut :
Keterangan : N = Ukuran Sample
Bila nilai Z lebih besar dari nilai kritis maka diduga distribusi data adalah tidak normal. Nilai kristis dapat digunakan berdasarkan tingkat signifikansi yang
dikehendaki, misalnya yang digunakan nilai kritisnya ± 2,58 tingkat signifikansi 0,01 1 berarti kita dapat menolak asumsi normalitas pada
probability level Hair et al, 1998.
Uji Outliers
Uji outliers dilakukan untuk menghilangkan nilai-nilai ekstrim pada hasil observasi.Menurut Hair et al 1998, outliers terjadi karena kombinasi unik yang
terjadi dan nilai-nilai yang dihasilkan dari observasi tersebut sangat berbeda dari observasi-observasi lainnya. Apabila ditemukan outliers, maka data yang
bersangkutan harus dikeluarkan dari perhitungan lebih lanjut. Dalam analisis multivariat, outliers dapat diuji dengan membandingkan nilai mahalanobis
Universitas Sumatera Utara
98
distance squared dengan nilai χ
2
- tabel pada jumlah tertentu dan tingkat p 0,001 Hair et al., 1998. Pengujian mahalanobis distance squared dapt dilakukan
dengan menggunakan program aplikasi statistik SPSS atau AMOS Version 4.01. Sedangkan untuk Univariate akan dikategorikan sebagai outliers dengan cara
mengkonversi nilai data penelitian ke dalam Z-score, yang mempunyai rata-rata
nol dengan standar deviasi satu.
Multikonearitas dan Singularitas
Untuk melihat apakah data penelitian terdapat multikonearitas multicollinearity atau singularity dalam kombinasi-kombinasi variabel, maka
yang perlu diamati adalah determinan dari matriks kovarians sampelnya. Determinan yang kecil atau mendekati 0 akan mengindikasikan adanya
multikolinearitas atau singularitas, sehingga data itu tidak dapat digunakan untuk penelitian Hair et al, 1998.
Uji Kesesuaian dan Uji Statistik Model
Analisis dengan menggunakan SEM memerlukan beberapa fit indeks untuk mengukur kebenaran model yang diajukan. Ada beberapa indeks kesesuaian
dan cut-off valuenya untuk menguji diterima atau ditolaknya sebuah model uji kelayakan model seperti yang disajikan dalam Tabel 4.4.
Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung koefisien jalur diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR Critical Ratio yang sama
dengan nilai thitung dengan t-tabel, apabila thitung lebih besar dari ttabel berarti
Universitas Sumatera Utara
99
signifikan. Dari keluaran program Amos 4.01 Analysis of Moment Structure akan diamati hubungan kausal antar variabel dengan melihat efek langsung
maupun efek tak langsung dan efek total.
Tabel 4.4. Indeks Kelayakan Model
No GOODNESS OF FIT
INDEX KETERANGAN
CUT-OF POINT
1. χ
2
– Chi Square Menguji apakah kovarians populasi yang
diestimasi sama dengan kovarians sample apakah model sesuai dengan data
Diharapkan kecil
2. Probability
Uji signifikansi terhadap perbedaan matrik kovarians data dengan matriks kovarians
yang diestimasi ≤ 0,05
3. RMSEA the Root Mean
Square Error of Approximation
Mengkompensasi kelemahan chi-square pada sampel yang besar
χ 0,08 4.
GFI good of Fit Index Menghitung proporsi tertimbang varians
dalam matriks sample yang dijelaskan oleh matriks kovarians populasi yang diestimasi
≤ 0,90 5.
AGFI Adjusted Goodness of Fit Indices
Merupakan GFI yang disesuaikan terhadap Degree of Fredom Analog dengan R
2
dan regresi berganda.
≤ 0,90 6.
CMINDF The Minimum Sample Discrepancy
Function Kesesuain antara data dengan model
χ 2,00 7.
TLI Tuckler Lewis Index Pembanding
antara model
yang diuji
terhadap baseline model ≤ 0,95
8. CFI Comparative Fit
Index Uji kelayakan model yang tidak sesnsitif
terhadap besarnya sampel dan kerumitan model
≤ 0,94
Sumber : Hair et al, 1998.
Universitas Sumatera Utara
100
BAB. V ANALISIS HASIL PENELITIAN
5.1. Deskripsi Lokasi Penelitian 5.1.1. Kota Medan
