Formulasi model Struktur Equation Model SEM

Contoh Skala Perbedaaan Sistemantik : Sangat Setuju Setuju Ragu- Ragu Tidak Setuju Sangat Tidak Setuju 1 2 3 4 5

3.5 Metode Pengolahan Data

Untuk mengolah data diperlukan suatu metode yang dapat menghasilkan nilai yang dapat digunakan dalam menentukan suatu keputuan. Metode ini dapat dilakukan dengan :

3.5.1 Formulasi model

Adapun alasan yang lain mengapa kita membuat model adalah dari pengertian adalah model merupakan represenrasi yang ideal dari system untuk menjelaskan prilaku dari sebuah karakteristik system. Disini model berfungsi sebagai pengganti teori namun bila teorinya sudah ada maka model dipakai sebagai konfirmasi atau koreksi terhadap teori tersebut.model dari segi manajerial berfungsi sebagai alat mengambil keputusan, komunikasi, belajar, dan memecahkan masalah. Terdapat komponen yang dibutuhkan dalam membentuk model yaitu variabel merupakan suatu atribut yang memiliki variasi nilai, Entity merupakan komponen penting dari real system yang sudah diidentifikasikan dan diproses atribut, dan Atribut merupakan komponen sifat yang yang dimiliki oleh sebuah entity.komponen yang dipengaruhi oleh atribut, atribut yaitu komponen yang mempengaruhi variable, entity yaitu komponen yang mempengaruhi faktor dari atribut yang mengahasilkan munculnya variabel. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Salah satu contoh dari tiap persamaan, yaitu X1.1 manfaat produk = f X1 kesadaran merek untuk variable dengan indikatornya, untuk variable berikutnya Y1 ekuitas merek = f X1 kesadaran merek dan seterusnya, dan untuk variable berikutnya Y2 Gain index = f Y1 ekuitas merek dan seterusnya.lihat gambar 3.1. Sedangkan modellingnya dioperasikan secara simultan.

3.5.2 Struktur Equation Model SEM

Penelitian manajemen umumnya merupakan penelitian multidimensi yang mencoba menjelaskan sebuah fenomena dengan mengamati berbagai fenomena praktis melalui berbagai dimensi atau indikator. Berbagai alat analisis yang selama ini kita kenal untuk penelitian multidimensi adalah: 1. Analisis faktor Eksploratori 2. Analisis Regresi berganda 3. Analisis Diskriminan Teknik – teknik tersebut hanya dapat menganalisis satu hubungan pada satu waktu atau hanya dapat menguji satu variable dependen melalui beberapa variabel independen. Padahal dalam kenyataannya, kita dihadapkan pada lebih dari satu variabel dependen yang harus saling berhubungan. Struktur Equation Model SEM merupakan kombinasi dari beberapa teknik multivariat adalah model yang paling tepat dalam menganalisa masalah yang rumit. SEM adalah sekumpulan teknik – teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif “ rumit “ secara simultan. Masing – masing variabel dependen dan independen dapat Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. berbentuk faktor konstruk yang dibangun dari beberapa variabel indikator dan vaeriabel – variabel itu dapat berbentuk sebuah variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian. a. SEM adalah sekumpulan teknik-teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif “rumit” secara simultan. b. Hubungan yang rumit ini dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. c. Masing-masing variabel dependen dan independen dapat berbentuk faktor konstruk yang dibangun dari beberapa variabel indikator dan variabel– variabel itu dapat berbentuk sebuah variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian. d. Indikator atau observed variable digambarkan dengan bentuk persegi sedangkan konstrukfaktorlatent variabelunobserved variable digambarkan dengan bentuk oval atau elips. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan satu ujung panah dan konstruk endogen adalah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Di dalam SEM analisa regresi ditunjukkan dengan garis anak panah satu arah yang menunjukkan adanya hubungan kausal dimana yang ditunjuk oleh anak panah merupakan variabel dependen dan analisa korelasi ditunjukkan dengan garis anak panah dua arah. Pengujian Model Untuk membuat pemodelan yang lengkap beberapa langkah berikut ini perlu dilakukan, yaitu sebagai berikut: Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

1. Pengembangan model berbasis teori

Langkah pertama dalam pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teorities yang kuat. Setelah itu model tersebut divalidasi secara empirik melalui komputasi program SEM. Oleh karena itu dalam pengembangan model teorities, seorang peneliti harus melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka yang intens guna mendapatkan justifikasi atas model teorities yang dikembangkannya. Dengan perkataan lai, tanpa dasar teorities yang kuat, SEM tidak dapat digunakan. Hal ini disebabkan karena SEM tidak digunakan untuk menghasilkansebuah model melainkan untuk mengkorfimasi model teorities tersebut, melalui data empirik.

2. Penyusunan Pathdiagram

Setelah model berbasis teori dikembangkan pada langkah pertama, model itu akan disajikan dalam sebuah pathdiagram untuk dapat diestimasi dengan menggunakan program AMOS 6.01. 3. Konversi diagram alur ke dalam serangkaian persamaan struktural dan spesifikasi model pengukuran Setelah teori atau model teorities dikembangkan dan digambarkan dalam sebuah alur, peneliti dapat mulai mengkonversi spesifikasi model tersebut ke dalam rangkaian persamaan. Persamaan yang dibangun akan terdiri dari: a. Persamaan Struktural Struktural Equation. Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 2 1 2 2 1 2 1 4 4 3 3 2 2 1 1 1 1 4 3 2 1 1 , , , Z Y Y Z Y f Y Z X X X X Y Z X X X X f Y                 Dimana : Y = konstruk endogen X = konstruk eksogen  = koefisien regresi konstruk eksogen ke konstruk endogen  = koefisien regresi konstruk endogen ke konstruk endogen Z = error structural b. Persamaan spesifikasi model pengukuran Measurement Model. Pada spesifikasi itu peneliti menentukan variabel mana mengukur konstruk mana, serta menentukan variabel serangkaian matriks yang menunjukkan korelasi yang dihipotesiskan antar konstruk atau variabel. n i n j i e X X   ,  Dimana : X i.j = indicator dari kontruk X i  = koefisien regresi indicator X i.j ke konstruk X i e n = error measurement 4. Pemilihan matriks input dan teknik estimasi atas model yang dibangun Setelah model dispesifikasikan secara lengkap, selanjutnya dipilih jenis input kovarians atau korelasi. Bila yang diuji adalah hubungan kausalitas maka disarankan input yang digunakan adalah kovarians. Matriks kovarians digunakan karena ia memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda, hal mana tidak dapat disajikan dalam korelasi. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Teknik estimasi yang dipakai peneliti yang tersedia dalam AMOS 6.01 adalah Maximum Likelihood Estimation MLE yang telah menjadi default dari program ini. Estimasi akan dilakukan secara bertahap yaitu: Teknik Confirmatory Factor Analysis Teknik ini ditujukan untuk mengestimasi measurement model menguji undimensionalitas dari konstruk-konstruk eksogen dan konstruk-kontruk endogen. Disebut sebagai teknik analisis faktor konfimatori, sebab pada tahap ini model akan mengkonfirmasi apakah variabel yang diamati dapat mencerminkan faktor yang dianalisis. Terdapat dua uji dasar dalam konfirmasi faktor analisis yaitu: a. Uji Kesesuaian Model Goodness of Fit Test Pengujian dilakukan dengan menggunakan parameter yang disajikan pada tabel sebagai berikut: Tabel 3.2 Indeks Kesesuaian Model Goodness of Fit Indices Cut – Off Value X 2 Chi Square Diharapkan kecil Probabilitas ≥ 0,05 CMINDF ≤ 2,00 RMSEA ≤ 0,08 GFI ≥ 0,09 AGFI ≥ 0,09 TLI ≥ 0,95 CFI ≥ 0,95 Sumber : Ferdinand Hal. 61 b. Uji Validitas Konvergen Uji Validitas konvergen dinilai dari bobot faktor yang dikembangkan dalam penelitian dengan menentukan apakah setiap indikator yang diestimasi secara valid mengukur dimensi dari konsep yang diujinya. Bila Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. setiap indikator memiliki C.R 2.SE, hal ini menunjukkan bahwa indikator itu secara valid mengukur apa yang sebenarnya diukur dalam model yang disajikan. c. Uji Signifikansi Sebuah variabel dapat digunakan untuk mengkonfirmasi sebuah variabel laten bersama-sama dengan variabel lainnya engan menggunakan tahapan analisis sebagai berikut: a. Nilai Lambda atau Loading Factor Nilai lambda yang dipersyaratkan adalah ≥ 0,40, bila nilai lambda atau Loading Factor ≤ 0,40 maka variabel itu tidak berdimensi sama dengan variabel lainnya untuk menjelaskan sebuah variabel laten. b. Bobot Faktor Regression Weight Kuatnya dimensi – dimensi itu membentuk variabel latennya dapat dianalisis dengan menggunakan uji – t terhadap regression weight. C.R atau Critical Ratio identik dengan t–hitung dalam analisis regresi. Oleh karena itu, C.R yang identik dengan t–hitung harus dibandingkan dengan t – tabel. Apabila C.R yang identik dengan t–hitung lebih besar dari t – tabel maka menunjukkan bahwa variabel itu secara signifikan merupakan dimensi dari variabel laten yang dibentuk d. Uji Validitas Diskriminan Validitas diskriminan dilakukan untuk menguji dua konstruk dengan melihat angka korelasinya. Hubungan kausalitas antar dua variabel terjadi bila kedua variabel tersebut mempunyai hubungan atau angka korelasi antar dua variabel tersebut besar. Sedangkan antar variabel independen Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. harus tidak mempunyai hubungan atau angka korelasi antar kedua variabel tersebut harus kecil. Dimana intepretasi mengenai besarnya angka korelasi adalah sebagai berikut: a. Antara 0,80 sampai dengan 1,00 : sangat tinggi b. Antara 0,60 sampai dengan 0,80 : tinggi c. Antara 0,40 sampai dengan 0,60 : cukup d. Antara 0,20 sampai dengan 0,40 : rendah e. Antara 0,00 sampai dengan 0,20 : sangat rendah Structural Equation Model SEM Setelah measurement model dianalisis melalui confirmatory factor analysis dan menghasilkan validitas konvergen dan validitas diskriminan, maka sebuah full – model SEM dapat dianalisis. 5. Menilai kemungkinan munculnya Identification Problem Dalam operasi program AMOS 6.01, program identifikasi akan diatasi langsung oleh program. Bila estimasi tidak dapat dilakukan, program akan memberikan pesan pada monitor komputer mengenai kemungkinan sebab – sebab mengapa program tidak dapat melakukan estimasi. 6. Evaluasi Model Evaluasi model pada dasarnya sudah dilakukan diatas pada waktu model diestimasi oleh program AMOS 6.01. Secara lebih lengkap evaluasi terhadap model ini dapat dilakukan sebagai berikut: a. Ukuran Sampel Ukuran sampel minimal. Menurut Hair, et al. yang dikutip Ferdinand, 2002 : 43 ukuran sampel data obsevasi yang sesuai adalah antara 100 – Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 200 atau minimal untuk selanjutnya menggunakan perbandingan 5 observasi untuk setiap observasi parameter. b. Asumsi Normalitas dan Linearitas Untuk asumsi Normalitas data dapat dilakukan dengan mengamati nilai kritis hasil pengujian assesment of normality dari program AMOS 6.01. Jika nilai diluar ring –2,58 ≥ C.R ≥ 2,58, maka dapat dikategorikan distribusi data tidak normal, oleh karenanya untuk kasus yang tidak memenuhi asumsi tersebut tidak diikutsertakan dalam analisis selanjutnya. Sedangkan untuk asumsi Linearitas data dapat dilakukan dengan menggunakan program SPSS 11.0 dimana gambar garis linier antara variabel X dan Y yang baik adalah dimulai dari kiri bawah menuju ke kanan atas. c. Evaluasi terhadap outlier Dapat dilakukan dengan salah satu cara berikut : i. Evaluasi atas Univariate Outliers dapat dilakukan dengan menggunakan program SPSS 11.0 dengan mengamati data yang memiliki –3 z-score 3 Jika dari hasil pengamatan terdapat kasus yang diluar nilai –3 z-score 3, maka tidak akan diikutsertakan dalam analisis selanjutnya. Pendekatan lain untuk mendeteksi outliers adalah dengan cara membandingkan standart deviasi SD dengan mean X . Apabila SD X maka diindikasikan terdapat outliers. ii. Evaluasi atas Multivariate Outliers dapat diamati pada output dari program AMOS 6.01 yang akan terlihat angka – angka Jarak Mahalanobis, bila Mahalanobis d-Squared pada komputasi AMOS Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 6.01 ada yang lebih besar dari nilai Chi-Square pada derajad bebas sebesar jumlah variabel dan pada tingkat signifikansi 0.001 maka data tersebut menunjukkan adanya Multivariate Outliers. d. Asumsi atas Multikolinearitas dan Singularitas Asumsi atas Multikolinearitas dan Singularitas dapat dideteksi dari nilai determinan matriks kovarians yang sangat kecil extremely small. Namun pada program AMOS 4.01 telah menyediakan fasilitas “Warning” apabila terdapat indikasi Multikolinearitas dan Singularitas. e. Evaluasi atas uji kriteria kesesuaian model Indeks – indeks uji kesesuaian model sebagai berikut : Tabel 3.3 Indeks Kesesuaian Model Goodness of Fit Indices Cut – Off Value X 2 Chi Square Diharapkan kecil Probabilitas ≥ 0,05 CMINDF ≤ 2,00 RMSEA ≤ 0,08 GFI ≥ 0,09 AGFI ≥ 0,09 TLI ≥ 0,95 CFI ≥ 0,95 Interpretasi dan Modifikasi Model Setelah estimasi model dilakukan, peneliti masih dapat melakukan modifikasi terhadap model yang dikembangkan, bila hasil estimasi model mempunyai residual yang besar. Namun demikian, modifikasi hanya dapat dilakukan bila peneliti mempunyai justifikasi teoritis yang cukup kuat. Bila nilai residual lebih besar dari 2,58 maka model perlu dilakukan modifikasi. Sumber : Ferdinand Hal. 61 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. f. Analisis Direct Efect, Indirect Efect dan Total Efect Peneliti dapat menganalisis kekuatan hubungan atau pengaruh antar konstruk baik hubungan langsung, tidak langsung maupun hubungan totalnya. Efek langsung direct effect adalah koefisien dari garis dengan anak panah satu ujung. Efek tidak langsung indirect effect adalah efek yang muncul melalui sebuah variabel antara. Efek total total effect adalah efek dari berbagai hubungan. Uji Reliabilitas Setelah kesesuaian model diuji model fit, evaluasi lain yang harus dilakukan adalah uji reliabilitas model menunjukkan bahwa dalam sebuah model, indikator – indikator yang digunakan memiliki derajad kesesuaian yang baik. Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut : Uji Reliabilitas dilakukan dengan menggunakan rumus : Construct Reliability =         j Loading Std Loading Std  2 2 . . Dimana : 1. Std. Loading diperoleh langsung dari standardized loading untuk tiap – tiap indikator diambil dari perhitungan komputer AMOS 6.01 yaitu nilai lambda yang dihasilkan oleh masing – masing indikator. 2. ε φ adalah measurement error dari tiap – tiap indikator. measurement error adalah sama dengan 1 – reliabilitas indikator yaitu pangkat dua dari standardized loading setiap indicator yang dianalisis Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Start Studi Literatur Survey Lapangan Perumusan Masalah Tujuan Penelitian Identifikasi Variabel Pengembangan Model Ekuitas Merek Model Konseptual Menyusun Pathdiagram Pembuatan Hipotesis Konversi Pathdiagram ke Persamaan Formulasi model Penyusunan Kuisioner Penyebaran Kuisioner Pengumpulan Data Data Cukup =100? T Y A B D Memperbaiki Kuisioner Perbaikan Model Pengurangan Penambahan Variabel Observer

3.6 Langkah-Langkah Pemecahan Masalah