mengkonversi nilai data penelitian ke dalam standar score atau yang biasa disebut dengan z-score, yang mempunyai rata-rata nol dengan standar deviasi sebesar
satu. Bila nilai-nilai itu telah dinyatakan dalam format yang standar z-score, maka perbandingan antar besaran nilai dengan mudah dapat dilakukan. Untuk
sampel besar diatas 80 observasi, pedoman evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 Hair dkk, 1995 dalam
Ferdinand, 2002 : 98. Oleh karena itu apabila ada observasi-observasi yang memiliki z-score
≥ 3,0 akan dikategorikan sebagai outlier.
3.4.1.2. Uji Outlier Multivariat
Evaluasi terhadap multivariat outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariat, tetapi
observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis the Mahalanobis distance untuk tiap observasi dapat dihitung dan
menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap multivariat dilakukan dengan menggunakan
kriteria Jarak Mahalanobis pada tingkat ρ 0,001. Jarak Mahalanobis itu dapat
dievaluasi dengan menggunakan nilai χ² pada derajat kebebasan sebesar jumlah
item yang digunakan dalam penelitian. Dan apabila nilai Jarak Mahalanobisnya lebih besar dari nilai
χ² Tabel adalah Outlier Multivariat.
3.4.2. Uji Validitas dan Reliabilitas
Variabel atau dimensi yang diukur melalui indikator-indikator dalam daftar pertanyaan perlu dilihat reliabilitasnya dan validitasnya, dimana hal ini
dijelaskan sebagai berikut :
a. Uji Validitas
Validitas yang digunakan disini adalah validitas konstruk construct validity yang merujuk pada sejauh mana uji dapat mengukur apa yang
sebenarnya yang kita ukur. b.
Uji Reliabilitas Uji ini ditafsirkan dengan menggunakan koefisien Alpha Cronbach.
Jika nilai alpha cukup tinggi berkisar 0,50 – 0,60 dapat ditafsirkan suatu hasil pengukuran relatif konsisten apabila pengukuran diulangi
dua kali atau lebih, dengan kata lain instrumen tersebut dapat
diandalkan Ferdinand, 2002 : 193. 3.4.3.
Uji Normalitas Data
Adapun metode yang digunakan untuk mengetahui apakah data tersebut berdistribusi normal atau tidak adalah menggunakan uji critical ratio dari
Skewness dan Kurtosis dengan ketentuan sebagai berikut : a
Jika nilai critical yang diperoleh melebihi rentang ± 2,58 maka distribusi adalah tidak normal.
b Jika nilai critical yang diperoleh berada pada rentang ± 2,58 maka
distribusi adalah normal.
3.5. Teknik Analisis dan Pengujian Hipotesis 3.5.1. Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling [SEM]. Model pengukuran variabel atribut
lingkungan, penetrasi teknologi komunikasi terhadap struktur organisasi menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-
masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Persamaan Dimensi variabel kepuasan kerja :
Z1 = λ1 penetrasi teknologi komunikasi + er_1
Z2 = λ2 penetrasi teknologi komunikasi + er_2
Z3 = λ3 penetrasi teknologi komunikasi + er_3
Z4 = λ4 penetrasi teknologi komunikasi + er_4
Z5 = λ5 penetrasi teknologi komunikasi + er_5
Bila persamaaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model
pengukuran dengan contoh faktor penetrasi teknologi komunikasi akan nampak sebagai berikut:
Gambar 4.1 : Contoh Model Pengukuran Faktor penetrasi teknologi komunikasi
`
Penetrasi Teknologi
Komunikasi Z1
Z5 Z2
Z3 Z4
Er_1 Er_2
Er_3 Er_4
Er_5
Keterangan : X1.1 = pertanyaan tentang perancanaan strategi
X1.2 = pertanyaan tentang analisis penjualan X1.3 = pertanyaan tentang desain produk
X1.4 = pertanyaan tentang pembelian X1.5 = pertanyaan tentang perencanaan
er_j = error term X1j
3.6. Asumsi Model [Structural Equation Modelling]
a. Uji Normalitas Sebaran dan Linieritas
1 Normalitas dapat diuji dengan melihat gambar histogram data atau dapat
diuji dengan metode-metode statistik. 2
Menggunakan Critical Ratio yang diperoleh dengan membagi koefisien sampel dengan standard errornya dan Skewness value yang biasanya
disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikansi 1, jika
nilai Z lebih besar dari nilai kristis, maka dapat diduga bahwa distribusi data adalah tidak normal.
3 Normal Probability Plot [SPSS 10.1].
4 Linieritas
dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada
tidaknya linieritas.
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