A.

Metode Analisis Data Berdasarkan data yang telah diperoleh dan dikumpulkan dari pengisian kuisioner, maka tahap berikutnya adalah menganalisis data tersebut. Metode analisis yang digunakan Structural Equation Model (SEM). Analisis statistik ini mengestimasi beberapa persamaan regresi yang terpisah, tetapi saling berhubungan secara bersamaan (simultaneously). Dalam analisis ini terdapat beberapa variabel dependen, dan variabel dependen ini bisa menjadi variabel independen bagi variabel dependen lainnya. Dalam penelitian ini analisis menggunakan software AMOS versi 6.00 untuk menganalisis hubungan struktural model yang diusulkan. 1. Uji Asumsi a. Uji Kecukupan Data Sampel yang harus dipenuhi dalam permodelan ini minimum berjumlah 100 atau 5 kali jumlah estimated parameter (Ferdinand, 2005:80). b. Uji Normalitas Data Nilai statistik untuk menguji normalitas disebut Z value (Critical Ratio atau CR pada output AMOS) dari ukuran kurtosis sebaran data. Bila nilai CR lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikasi 1% yaitu sebesar 2,58 (Ferdinand, 2005:80).

31

32

c. Uji Outliers Dalam analisis multivariat adanya outlier dapat diuji dengan Chi Square (2) terhadap nilai mahalanobis distance squared pada tingkat signifikasi 0,001 dengan degree of freedom sejumlah konstruk yang digunakan dalam penelitian (Ferdinand, 2005:81). 2. Uji Goodness of Fit Dalam analisis Structural Equation Model (SEM), tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model (Ferdinand, 2005:83). Terdapat berbagai fit index yang digunakan untuk mengukur derajat kesesuaian antara model dan data yang disajikan. Fit index yang digunakan meliputi : Chi square (X2), Goodness of Fit Index (GFI), Root Mean Square Error of Approximation (RMSEA), Adjusted Goodness of Fit Index (AGFI), Tucker Lewis Index (TLI), Normed Fit Index (NFI), Comparative Fit Index (CFI), dan Normed Chi square atau Minimum Sample Discrepancy Function (CMIN/DF). a. Chi square (2) Model yang diuji dapat disimpulkan sebagai model yang baik, jika nilai (2) rendah. Semakin kecil nilai X2 dapat disimpulkan bahwa semakin baik model tersebut, karena dalam uji beda Chi square, nilai 2 = 0 berarti tidak ada perbedaan. Perbedaan yang dimaksud adalah perbedaan antara model yang diuji dengan saturated model. Chi square bersifat sangat sensitif terhadap besarnya sampel yang digunakan, oleh karena itu 2 perlu dilengkapi dengan alat uji lainnya.

33

b. Goodness of Fit Index (GFI) Index ini mencerminkan tingkat kesesuaian model secara keseluruhan, yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan dengan data sebenarnya. Nilai yang mendekati 1 mengisyaratkan model yang diuji memiliki kesesuaian yang baik. c. Root Mean Square Error of Approximation (RMSEA) RMSEA adalah index yang digunakan untuk mengukur fit model menggantikan Chi square statistik dalam jumlah sampel yang besar. Nilai RMSEA 0,08 mengindikasikan index yang baik untuk menerima kesesuaian sebuah model. d. Adjusted Goodness of Fit Index (AGFI) AGFI merupakan pengembangan dari GFI, yang telah disesuaikan dengan rasio dari degree of freedom model yang diajukan dengan degree of freedom dari null model (model konstruk tunggal dengan semua indikator pengukuran konstruk). Nilai yang direkomendasikan adalah AGFI 0,90. e. Tucker Lewis Index (TLI) TLI merupakan index kesesuaian incremental yang membandingkan model yang diuji dengan null model. Index kesesuaian ini kurang dipengaruhi oleh ukuran sampel. Nilai penerimaan yang

direkomendasikan adalah TLI 0,90. f. Normed Fit Index (NFI) NFI juga merupakan index kesesuaian incremental. Nilai penerimaan yang direkomendasikan adalah NFI 0,90.

34

g. Comparative Fit Index (CFI) CFI juga merupakan index keseuaian incremental, yang

membandingkan model yang diuji dengan null model. Index ini sangat baik untuk mengukur tingkat penerimaan model, karena seperti CMIN/DF, nilainya tidak dipengaruhi oleh ukuran sampel. Nilai index ini dalam rentang 0 sampai 1 dan nilai yang mendekati 1 mengidentifikasikan model memiliki tingkat kesesuaian yang baik. Nilai penerimaan yang direkomendasikan adalah CFI 0,95. h. The Minimum Sample Discrepancy Function (CMIN/DF). CMIN/DF merupakan ukuran yang diperoleh dari nilai Chi square dibagi dengan degree of freedom. Index ini adalah kesesuaian parsimonious yang mengukur hubungan goodness of fit model dan jumlah koefisien-koefisien estimasi yang diharapkan untuk mencapai tingkat kesesuaian. Nilai yang direkomendasikan untuk menerima kesesuaian sebuah model adalah CMIN/DF 2 atau 3. Indeks-indeks yang digunakan untuk menguji kelayakan sebuah model tersebut diringkas dalam Tabel 3.1 berikut ini. Tabel 3.5. Goodness-of-Fit Index Goodness-of-Fit Index Nilai kesesuaian Chi square (2) Goodness of Fit Index (GFI) Root Mean Square Error of Approximation (RMSEA) Adjusted Goodness of Fit Index (AGFI) Tucker Lewis Index (TLI) Normed Fit Index (NFI) Comparative Fit Index (CFI) The Minimum Sample Discrepancy Function (CMIN/DF) Diharapkan rendah 0,90 0,08 0,90 0,90 0,90 0,95 2 atau 3

35

3. Uji Hipotesis Hipotesis yang mempresentasikan pengaruh langsung suatu konstruk terhadap konstruk lain diuji dengan memeriksa apakah koefisien path (Regression Weights Estimate) signifikan pada taraf signifikasi tertentu. Untuk pengujian satu arah (one tailed) dengan tingkat signifikansi 0,05 nilai critical ratio 1,96 atau P < 0,05.