b. Evaluasi atas Outlier
1 Mengamati nilai Z-score : ketentuanya diantara ± 3,0 non outlier.
2 Multivariate outlier
diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square x
2
pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai x
2
adalah multivariate outlier.
Outlier adalah observasi atau data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel
kombinasi [Hair,1998]. c.
Deteksi Multicollinierity dan Singularity Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila
determinant sample matrix mendekati angka 0 [kecil], maka terjadi
multikolinieritas dan singularitas d.
Uji Validitas dan Reliabilitas Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator
dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal
dari indikator-indikator sebuah konstruk yang menunjukkan derajad sampai dimana masing-masing-masing indikator itu mengindikasikan sebuah konstruk
yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent variabel
construct aka diuji dengan melihat loading faktor dari hubungan antara setiap
obseverd variable dan latent variable . Sedangkan reliabilitas diuji dengan
construct reliability dan Variance-extracted. Construct reliability dan
Variance-extracted dihitung dengan rumus berikut :
[ΣStandardize Loading]
Var iance Ext r act ed = [Σ Standardize Loading]
Const r uct Reliabilit y = [ΣStandardize Loading] + Σ
ε
j
]
[Σ Standardize Loading] + Σ ε
j
]
Sementara Σ
j
dapat dihitung dengan formula ε
Ψ j
= 1 - [Standardize Loading
]
Secara umum, nilai construct reliability yang dapat diterima adalah 0,7 dan variance extracted 0,5 [Hair et.al.,1998]. Standardize Loading dapat
diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize regression weigths
terhadap setiap butir sebagai indikatornya.
3.6.1. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR [Critical Ratio] atau p
[probability] yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t table berarti signifikan.
3.6.2. Pengujian model dengan Two-Step Approach
Two-Step Approach to structural equation modelling [SEM] digunakan
untuk menguji model yang diajukan pada gambar 3.7. Two-Step Approach digunakan untuk mengatasi masalah sampel data yang kecil jika dibandingkan
dengan jumlah butir instrumentasi yang digunakan dan keakuratan reliabilitas indikator-indikator terbaik dapat dicapai dalam two-step approach ini. Two-Step
Approach bertujuan untuk menghindari interaksi antara model pengukuran dan
model struktural pada One Step Approach [Hair et.al., 1998]. Yang dilakukan dalam dalam two step approach to SEM adalah: estimasi terhadap measurement
model dan Estimasi terhadap structural model [Anderson dan Gerbing, 1988].
Cara yang dilakukan dalam menganalisis SEM dengan Two step approach adalah sebagai berikut:
a. Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indikator
summed-scale bagi setiap konstrak. Jika terdapat skala yang berbeda setiap
indikator tersebut distandardisasi [Z-scores] dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala
yang berbeda-beda tersebut [Hair et.al.,1998]. b.
Menetapkan error [ ε] dan lambda [λ] terms, error terms dapat dihitung
dengan rumus 0,1 kali dan lamda terms dengan rumus 0,95 kali [Anderson dan Gerbing,1988]. Perhitungan construct reliability [
ε
Ψ
] telah dijelaskan pada bagian sebelumnya dan deviasi standar [
σ] dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error [
ε] dan lambda [λ] terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fix pada
analisis model pengukuran SEM. Keterangan akan symbol-simbol di dalam S.E.M adalah sebagai berikut :
: faktorconstructlatent variableunobserved variable yaitu sebuah variabel bentukan, yang dibentuk melalui indikator-
indikator yang diamati dalam dunia nyata. : variabel
terukurobseverd variableindicators variables yaitu variabel yang datanya harus dicari melalui observasi, misalnya
melalui instrumen-instrumen survei. Garis dengan anak panah satu arah = garis yang menunjukkan hubungan
yang dihipotesiskan antara dua variable dimana variable yang dituju anak panah merupakan variable dependen.
Garis dengan anak panah dua arah = garis yang menunjukkan hubungan
yang tidak dihipotesiskan antara dua variable dimana kedua variabel berkorelasi.
3.6.3. Evaluasi
Model
H air et.al., 1998 menjelaskan bahwa pola “confirmatory” menunjukkan
prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis
menggambarkan “good fit” dengan data, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teotitis tidak diperkuat jika teori tersebut
mempunyai suatu “poor fit” dengan data. Amos dapat menguji apakah model “good fit”
atau “poor fit”. Jadi, “good fit” model yang diuji sangat penting dalam penggunaan structural equation modelling.
Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit
, yakni Chi-square, Probality, RMSEA, GFI, TLI, CFI, AGFI,
CMINDF. Apabila model awal tidak good fit dengan data maka model
dikembangkan dengan pendekatan two step approach to SEM.
Goodness of Fit Indices
GOODNESS OF FIT
INDEX KETERANGAN
CUT-OFF VALUE
X
2
- Chi- square
Menguji apakah covariance populasi yang destimasi sama dengan cova-riance sample
[apakah model sesuai dengan data]. Diharapkan
Kecil, 1 s.d 5. atau paling baik
diantara 1 dan 2.
Probability Uji signifikansi terhadap perbedaan matriks
covariace data dan matriks covariance yang diestimasi.
Minimum 0,1 atau 0,2, atau
≥ 0,05
RMSEA Mengkompensasi kelemahan Chi-Square pada
sample besar. ≤ 0,08
GFI Menghitung proporsi tertimbang varians dalam
matrtiks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi [analog
dengan R
2
dalam regresi berganda]. ≥ 0,90
AGFI GFI yang disesuaikan terhadap DF.
≥ 0,90 CMINDDF Kesesuaian
antara data dan model ≤ 2,00
TLI Pembandingan antara model yang diuji
terhadap baseline model. ≥ 0,95
CFI Uji kelayakan model yang tidak sensitive
terhadap besarnya sample dan kerumitan model.
≥ 0,94
Sumber : Hair et.al., [1998]
1. X² CHI SQUARE STATISTIK
Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio chi-square ini bersifat sangat sensitif terhadap besarnya sampel yang
digunakan. Karenanya bila jumlah sampel cukup besar lebih dari 200, statistik chi-square ini harus didampingi oleh alat uji lain. Model yang diuji akan
dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X² semakin baik model itu. Karena tujuan analisis adalah mengembangkan
dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai X² yang kecil dan signifikan.
X² bersifat sangat sensitif terhadap besarnya sampel yaitu terhadap sampel yang terlalu kecil maupun yang terlalu besar. Penggunaan Chi-Square hanya
sesuai bila ukuran sampel antara 100-200. Bila ukuran luar tentang itu, uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini perlu
dilengkapi dengan uji yang lain.
2. RMSEA-THE ROOT MEAN SQUARE ERROR Of APPROXIMATION
RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi chi-square statistik dalam sampel yang besar. Nilai RMSEA menunjukkan
goodness-of-fit yang dapat diharapkan bila model diestimasi alam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0, 08 merupakan indeks untuk dapat
diterimanya degress of freedom.
3. GFI – GOODNES of FIT INDEKS
GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kiovarians
sampel yang dijelaskan oleh kovarians matriks populasi yang terestimasi. GFI adalah sebuah ukuran non- statistika yang mempunyai rentang nilai antara 0 poor
fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
4. AGFI – ADJUST GOODNES of FIT INDEX
AGFI = GFIdf Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai niali yang sama dengan atau lebih besar dari 0.09. GFI maupun
AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians alam sebuah matriks kovarians sampel. Nilai sebesar dapat diinterprestasikan
sebagai tingkatan yang baik good overall model fit sedangkan besaran nilai antara 0,09-0,95 menunjukkan tingkatan cukup adequate fit.
5. CMINDF
Sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMNIDF tidak lain adalah statistik chi-square, X² dibagi Dfnya
sehingga disebut X² relatif. Nilai X² relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X² relatif
yang tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasikan dan diestimasi.
6. TLI – TUCKER LEWIS INDEKS
TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah
penerimaan ≥ 0,95 dan nilai yang mendekati 1 menunjukkan a very good fit.
7. CFI – COMPERATIF FIT INDEX
Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mendidentifikasikan tingkat fit yang paling tinggi avery good fit.
Nilai yang direkomendasikan adalah CFI 0.95. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk
mengukur tingkat penerimaan sebuah model. Indeks CFI adalah identik dengan Relative Non centrality Indeks
RNI.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1.Deskripsi Obyek Penelitian 4.1.1. Lokasi Penelitian
Nama Perusahaan : PT. SULFATAMA KENCANA
Tempat Kedudukan : Surabaya Jawa Timur, Indonesia
Kantor Pusat : JI. Teluk Kumai Barat 70
Email : pt_sulfarad.net.id
Nama Direktur Utama : Drs. H. Abdul Murady Darmansyah
Akta Pendirian : Nomor 112
Tanggal 14 Januari 1980 Notaris Sutjipto, SH Akta Perubahan
: Nomor 3 Tanggal 26 Maret 2008
Notaris : Wina Ustriani, SH
Pengesahan : Dep. Kehakiman Nomor AHU—27493.AH.01.02
Tahun 2008 Tanggal 26 Mei 2008
Surat Izin Usaha Perdagangan Nomor 5036491A436.5.92007
Tanggal 5 Nopember 2007
Nomor Pokok Wajib Pajak : 01.108.282.3-631.000 Pengusaha Kena Pajak
: PEM-01533-WPJ.11KP.11032008 Tanda Daftar Perusahaan : Nomor 13.01.1.51.04738
Tanggal 21 Nopember 2007 Bidang Usaha Perdagangan Umum - Usaha dibidang Pembangunan
- Usaha di bidang perdagangan umum - Usaha dibidang pertanian, perkebunan, peternakan dan agrobisnis
- Usaha di bidang transportasi darat dan jasa
4.1.2. Kegiatan Perusahaan
Kegiatan Utama :
a. SPBU 54. 61 115 Segoromadu Gresik
SPBU yang terletak di Jl. Veteran 168 A Gresik mulai dioperasikan pada tanggal 16 September 1999, merupakan Stasiun Pengisian Bahan Bakar
Minyak untuk Umum SPBU untuk melayani kebutuhan masyarakat yang terdiri 5 lima tangki pendam dan 4 empat pompa dengan 12 dua belas
nozzle yang terdiri atas 6 enam nozzle Premium, 4 empat nozzle Solar dan 2 dua nozzle Pertamax. Sampai saat ini beberapa perusahaan yang sudah
menjadi pelanggan tetap di SPBU 54.61115 Gresik antara lain : PT. Semen Gresik, PT. Varia Usha, PT. Swadaya Graha, KWSG, PT. Kodeco.
PT. Barata, PT. Marga Bumi Matraraya, PT. Indospring, PT.Nippon Paint dll. Surat Perjanjian Penunjukan Pengelolaan Penggunaan Stasiun Pengisian
Bahan Bakar Minyak untuk Umum SPBU No. 4.0354F5000SPBUIII1999 tanggal 16 September 1999.
