Anda di halaman 1dari 20

I. MODEL AWAL Model memiliki konstruk (variabel laten) dengan indikator refleksif dan formatif.

Konstruk dengan indikator refleksif adalah faktor internal penyuluh (InternalS), faktor internal kelompok tani (InternalT) dan Interaksi Partisipatif (Interaksi). Konstruk dengan indikator formatif adalah faktor eksternal penyuluh (EksternalS), dan faktor eksternal kelompok tani (EksternalT). Konstruk dengan indikator refleksif menunjukkan arah hubungan kausalitas mengalir dari konstruk ke indikator. Dengan kata lain indikator-indikator yang disusun merupakan penciri/manifestasi dari konstruk. Ini juga berarti bahwa perubahan pada konstruk akan mengakibatkan perubahan pada indikaktor. Konstruk dengan indikator formatif menunjukkan arah hubungan kausalitas mengalir dari indikator ke konstruk. Dengan kata lain indikator-indikator yang disusun mempengaruhi/mendefinisikan karakteristik konstruk. Ini juga berarti perubahan pada indikator akan mengakibatkan perubahan pada konstruk. Selanjutnya, dilihat secara keseluruhan, model dapat dikategorikan sebagai second order confirmatory factor analysis, karena konstruk laten dalam penelitian ini merupakan konstruk dengan multidimensi. Kapasitas penyuluh pertanian (KPP) (sebagai konstruk laten first order) diukur dengan dua dimensi yaitu faktor internal penyuluh (InternalS) dan faktor eksternal penyuluh (EksternalS) yang merupakan konstruk laten second order. Kapasitas kelompok tani (KKT) (sebagai konstruk laten first order) diukur dengan dua dimensi yaitu faktor internal kelompok tani (InternalT) dan faktor eksternal kelompok tani (EksternalT) yang juga merupakan konstruk laten second order. Dalam konteks model second order confirmatory factor analysis ini, maka indikator pada konstruk laten first order adalah gabungan seluruh indikator pada konstruk laten second ordernya

Gambar 1 Kerangka Model Awal

1. Evaluasi Outer Model atau Measurement Model Outer model atau sering juga disebut sebagai outer relation atau measurement model mendefinisikan bagaimana setiap blok indikator berhubungan dengan konstruk latennya. Evaluasi outer model untuk indikator refleksif Outer model untuk indikator refleksif dievaluasi dengan convergent dan discriminan validity dari indikatornya dan composite reliability untuk blok indikator. Covergent validity dinilai berdasarkan korelasi antara item score/component score dengan construct score. Ukuran refleksif individual dikatakan tinggi jika korelasinya (nilai loadingnya) lebih dari 0,70 dan cukup jika antara 0,50 sampai 0,60.

Discriminant validity indikator dinilai berdasarkan crossloading pengukuran dengan konstruk. Jika korelasi konstruk dengan item pengukuran lebih besar dari ukuran konstruk lainnya, maka hal ini menunjukkan bahwa konstruk laten memprediksi ukuran pada blok mereka lebih baik daripada ukuran pada blok lainnya. Metode lain untuk menilai discriminant validity adalah membandingkan nilai square root of average variance extracted (AVE) setiap konstruk dengan korelasi antar konstruk dengan konstruk lainnya dalam model. Jika nilai akar kuadrat AVE setiap konstruk lebih besar daripada nilai korelasi antara konstruk dengan konstruk lainnya dalam model, maka dikatakan memiliki nilai discriminant validity yang baik. Composite reliability blok indikator yang mengukur suatu konstruk dapat dievaluasi dengan dua macam ukuran yaitu internal consistency dan Crobanchs Alpha. Composite realibility nilainya harus diatas 0,60 Analisis dari konstruk-konstruk indikator reflesif (Tabel 1 sampai 6): Berdasarkan nilai loadingnya (Tabel 1), didapatkan hal-hal sebagai berikut: InternalS : satu indikator yaitu KS memiliki nilai loading dibawah 0,5 (-0,004) sedangkan indikator lainnya memiliki nilai loading di atas 0,5. InternalT: satu indikator yaitu KT memiliki nilai loading dibawah 0,5 (-0,477) sedangkan indikator lainnya memiliki nilai loading di atas 0,5. Interaksi: : dua indikator memiliki nilai loading dibawah 0,5 yaitu PIS (-0,362) dan PMS (0,471) sedangkan indikator lainnya memiliki nilai loading di atas 0,5. Berdasarkan analisis covergent yang disajikan pada tabel 2 (nilai cross loading) menunjukkan bahwa korelasi konstruk InternalT dengan indikatornya lebih tinggi dibandingkan dengan korelasi konstruk Interaksi dan InternalS dengan indikatornya. Korelasi konstruk InternalS dengan indikatornya lebih tinggi dibandingkan dengan korelasi konstruk Interaksi dan InternalT dengan indikatornya. Demikian juga korelasi konstruk Interaksi dengan indikatornya lebih tinggi dibandingkan dengan korelasi konstruk InternalS dan InternalT dengan indikatornya. Hal ini menunjukkan bahwa ketiga konstruk laten tersebut memprediksi indikator pada blok mereka lebih baik dibandingkan dengan indikator di blok lainnya. Dengan kata lain model memiliki discriminant validity yang baik. Berdasarkan akar AVE (tabel 4) terlihat bahwa model juga memiliki discriminant validity yang baik. Hal tersebut terlihat dari kenyataan bahwa akar AVE untuk masing-masing konstruk lebih tinggi dibandingkan dengan korelasi konstruk tersebut terhadap konstruk lainnya (lihat tabel 3). Sebagai contoh, akar AVE untuk konstruk interaksi sebesar 0,638 lebih tinggi dibandingkan korelasi antara konstruk interaksi dengan internalS yang sebesar -0,138 maupun dengan konstruk internalT yang sebesar 0,541

Berdasarkan composite reliability (Tabel 5) dan Crobanchs Alpha (Tabel 6) menunjukkan bahwa konstruk InternalS dan InternalT memiliki reliabilitas yang baik karena nilai composite reliability dan Crobanchs Alpha-nya di atas 0,6. Meskipun demikian konstruk Interaksi memiliki reliabilitas yang rendah karena nilai kedua pengukuran tersebut di bawah 0,6. Tabel 1. Outer Loading Konstruk dengan Indikator Refleksif
Interaksi InternalS InternalT EK KK KT SK KAS KKS KMS KS KSS PI 0.778154 0.694829 0.691910 0.857144 -0.004019 0.737746 0.833017 0.880628 0.477468 0.754006

PIS -0.362203 PM 0.745951

PMS -0.470733 PS 0.813076

PSS -0.519783

Tabel 2. Cross Loading

Interaksi EK KK KT SK KAS KKS KMS KS KSS PI PIS PM PMS PS PSS 0.444601 0.591897 0.140862 0.326078 -0.063564 -0.066943 -0.220536 0.065071 -0.020402 0.778154 -0.362203 0.745951 -0.470733 0.813076 -0.519783

InternalS -0.144199 -0.018659 0.064204 -0.019376 0.694829 0.691910 0.857144 -0.004019 0.737746 -0.098713 0.079958 -0.060953 0.161931 0.042426 0.324776

InternalT 0.833017 0.880628 0.477468 0.754006 0.039376 -0.030574 -0.113759 -0.097621 -0.039822 0.511260 -0.109403 0.454267 -0.209840 0.389369 -0.197074

Tabel 3. Latent Variable Correlations Interaksi InternalS InternalT Interaksi 1.000000 InternalS -0.138349 1.000000 InternalT 0.541422 -0.053248 1.000000

Tabel 4. AVE dan Akar AVE Akar AVE AVE Interaksi InternalS InternalT 0.407669 0.448102 0.566481 0.63849 0.669404 0.752649

Tabel 5. Composite Reliability Composite Reliability Interaksi InternalS InternalT 0.214268 0.762638 0.833387

Tabel 6. Cronbachs Alpha Cronbachs Alpha Interaksi InternalS InternalT 0.414704 0.642351 0.730143

Evaluasi outer model untuk indikator formatif Outer model untuk indikator formatif dievaluasi berdasarkan pada substantive contentnya yaitu dengan membandingkan besarnya relatif weight dan melihat signifikansi dari ukuran weight tersebut. Berdasarkan tabel 7 terlihat bahwa pada konsruks EksternalS hanya satu indikator yang berpengaruh signifikan yaitu SOS (dengan nilai t statistik sebesr 1,492 lebih besar dibandingkan t-tabel pada = 10% uji satu arah yang sebesar 1,29). Selanjutnya, untuk konstruk EksternalT , seluruh indikatornya menunjukkan pengaruh yang signifikan (seluruh indikator memperlihatkan nilai t-statistik lebih besar dibandingkan t-tabel pada =10% yaitu sebesar 1,29).

Tabel 7. Outer Weight Konstruk dengan Indikator Formatif (Mean, Standard Deviation, T-Values) Original Sample (O) DIS -> EksternalS KPS -> EksternalS SOS -> EksternalS SRS -> EksternalS SB -> EksternalT SP -> EksternalT SPR -> EksternalT 0.469998 0.404637 0.404149 0.056880 0.394881 0.459141 0.444762 Sample Mean (M) 0.375572 0.350976 0.363796 -0.059963 0.376150 0.452471 0.447358 Standard Deviation (STDEV) 0.430838 0.343532 0.270796 0.325608 0.195109 0.170575 0.131024 Standard Error (STERR) 0.430838 0.343532 0.270796 0.325608 0.195109 0.170575 0.131024 T Statistics (|O/STERR|) 1.090893 1.177873 1.492452 0.174689 2.023899 2.691732 3.394499

2. Evaluasi Inner Model atau Model Struktural Inner model dievaluasi dengan melihat prosentase variance yang dijelaskan yaitu dengan melihat nilai R2 untuk konstruk laten dependent dengan menggunakan ukuran Stone Geisser Q squares test dan juga melihat besarnya koefisien jalur strukturalnya. Stabilitas dari estimasi ini dievaluasi dengan menggunakan uji t-statistik yang didapat melalui prosedur bootstraping. Hasil R2 sebesar 0,67; 0,33; 0,19 mengindikasikan bahwa model baik, moderat dan lemah Pengujian terhadap model struktural dilakukan dengan melihat nilai R2 yang merupakan uji goodness-fit model. Dari tabel 8 memperlihatkan bahwa R2 untuk konstruk interaksi sebesar 0,396864 (berada pada kategori moderat). Ini menunjukkan bahwa variabilitas Interaksi yang dapat dijelaskan oleh variabilitas KKT dan KPP sebesar 39,69 persen, sedangkan 60,31 persen dijelaskan oleh variabel lain di luar yang diteliti. Nilai R2 untuk konstruk KKT sebesar 0,988332 memberikan arti bahwa variabilitas KKT yang dapat dijelaskan oleh variabilitas InternalT dan EksternalT sebesar 98,83 persen sedangkan 1,17 persen dijelaskan oleh variabel lain di luar yang diteliti.

Nilai R2 untuk konstruk KPP sebesar 0,994058 memberikan arti bahwa variabilitas KPP yang dapat dijelaskan oleh variabilitas InternalS dan EksternalS sebesar 99,40 persen sedangkan 1,17 persen dijelaskan oleh variabel lain di luar yang diteliti. Selanjutnya, Tabel 9 memberikan hasil hubungan antar konstruk. Dari tabel tersebut terlihat bahwa terdapat dua hubungan yang tidak signifikan yaitu konstruk InternalS terhadap KPP dan antara KPP dengan Interaksi. Hal ini karena nilai t-statistiknya lebih kecil dibandingkan t-tabel pada =10% (uji dua arah) yang sebesar 1,29. Berdasarkan konstruk yang memiliki hubungan signifikan, terlihat semua koefisien bernilai positif (kolom Original Sample) yang berarti semua konstruk memiliki pengaruh positif.
Tabel 8. R-Square R Square Interaksi 0.396864 KKT KPP 0.988332 0.994058

Tabel 9. Path Coeficient (Mean, Standard Deviation , T-Values) Original Sample (O) EksternalS -> KPP EksternalT -> KKT InternalS > KPP InternalT > KKT KKT -> Interaksi KPP -> Interaksi 0.722480 0.411550 0.384332 0.732626 0.597455 Sample Mean (M) 0.559282 0.417951 0.474292 0.712799 0.598498 Standard Deviation (STDEV) 0.426669 0.152533 0.411413 0.121281 0.099624 0.151134 Standard Error (STERR) 0.426669 0.152533 0.411413 0.121281 0.099624 0.151134 T Statistics (|O/STERR|) 1.693304 2.698102 0.934174 6.040718 5.997095 1.174721

-0.177540 -0.153490

Gambar 2. Faktor Loading dan Path Coeficient Model Awal

Gambar 3. Nilai t-statistik Faktor Loading dan Path Coeficient Model Awal

II MODIFIKASI MODEL 1 Model awal dimodifikasi dengan mengeluarkan indikator-indikator yang memiliki faktor loading kurang dari 0,50 pada konstruk refleksif dan indikator-indikator dengan outer weight yang tidak signifikan secara statistik pada konstruk formatif Berdasarkan hal tersebut, kerangka model modifikasi 1 diberikan sebagai berikut:

Gambar 4. Kerangka Model Modifikasi 1 Sebelum menganalisis lebih lanjut terhadap model modifikasi 1 ini terlebih dahulu dianalisis outer modelnya apakah semua loading faktor untuk indikator konstruk refleksif sudah bernilai diatas 0,50 dan apakah semua outer weight untuk indikator konstruk formatif sudah signifikan secara statistik. Hasil perhitungan menemukan bahwa ternyata masih terdapat satu indikator pada konstruk interaksi yang memiliki loading faktor di bawah 0,50 yaitu indikator PSS, sedangkan pengujian outer weight (tabel 11) untuk konstruk formatif seluruhnya sudah memenuhi persyaratan yaitu

semuanya sudah signifikan secara statistik. Berdasarkan hal tersebut, selanjutnya dikembangkan model modifikasi 2 dengan menghilangkan indikator PSS. Tabel 10. Outer Loading Konstruk dengan Indikator Refleksif
Interaksi InternalS InternalT EK KK SK KAS KKS KMS KSS PI PM PS 0.820119 0.783402 0.868064 0.846359 0.844606 0.709434 0.567945 0.852357 0.882174 0.785220

PSS -0.384764

Tabel 11. Outer Weight Konstruk dengan Indikator Formatif (Mean, Standard Deviation, T-Values) Standard Deviation (STDEV) 0.196908 0.000000 0.166668 0.127855 0.166668 0.127855 2.508354 3.926709 Standard Error (STERR) 0.196908

Original Sample (O) SB -> EksternalT SOS -> EksternalS SP -> EksternalT SPR -> EksternalT 0.386836 1.000000 0.418063 0.502049

Sample Mean (M)

T Statistics (|O/STERR|)

0.363330 1.000000 0.414395 0.503307

1.964553

III MODEL MODIFIKASI 2 Kerangka model modifikasi 2 diberikan sebagai berikut:

Gambar 5: Kerangka model modifikasi 2

3. Evaluasi Outer Model atau Measurement Model Analisis dari konstruk-konstruk indikator reflesif Berdasarkan nilai loadingnya (Tabel 12), didapatkan bahwa seluruh indikator sudah memenuhi kelayakan yang ditunjukkan oleh nilai loading yang lebih besar dari 0,50:

Berdasarkan analisis covergent yang disajikan pada tabel 13 (nilai cross loading) menunjukkan bahwa korelasi konstruk InternalT dengan indikatornya lebih tinggi dibandingkan dengan korelasi konstruk Interaksi dan InternalS dengan indikatornya. Korelasi konstruk InternalS dengan indikatornya lebih tinggi dibandingkan dengan korelasi konstruk Interaksi dan InternalT dengan indikatornya. Demikian juga korelasi konstruk Interaksi dengan indikatornya lebih tinggi dibandingkan dengan korelasi konstruk InternalS dan InternalT dengan indikatornya. Hal ini menunjukkan bahwa ketiga konstruk laten tersebut memprediksi indikator pada blok mereka lebih baik dibandingkan dengan indikator di blok lainnya. Dengan kata lain model memiliki discriminant validity yang baik. Berdasarkan akar AVE (tabel 15) terlihat bahwa model juga memiliki discriminant validity yang baik. Hal tersebut terlihat dari kenyataan bahwa akar AVE untuk masing-masing konstruk lebih tinggi dibandingkan dengan korelasi konstruk tersebut terhadap konstruk lainnya (lihat tabel 14). Berdasarkan composite reliability (Tabel 165) dan Crobanchs Alpha (Tabel 17) menunjukkan bahwa semua konstruk telah memiliki reliabilitas yang baik karena nilai composite reliability dan Crobanchs Alpha-nya di atas 0,6. Tabel 12. Outer Loading Konstruk dengan Indikator Refleksif
Interaksi InternalS InternalT EK KK SK KAS KKS KMS KSS PI PM PS 0.832159 0.785523 0.888762 0.858508 0.855295 0.692966 0.548019 0.852092 0.884259 0.782421

Tabel 13. Cross Loading Interaksi InternalS InternalT EK KK SK 0.431538 -0.124834 0.852092 0.605450 0.018211 0.884259

0.299799 -0.015334 0.782421

KAS -0.022512 0.858508 0.047116 KKS -0.004203 0.855295 -0.025565 KMS -0.125918 0.692966 -0.143198 KSS 0.037862 0.548019 -0.064913 PI 0.832159 -0.089776 0.513539

PM 0.785523 -0.050192 0.470560 PS 0.888762 0.046912 0.392724

Tabel 14. Latent Variable Correlations Interaksi InternalS InternalT Interaksi 1.000000 InternalS -0.039439 1.000000 InternalT 0.551335 -0.045085 1.000000

Tabel 15. AVE dan Akar AVE Akar AVE AVE Interaksi InternalS InternalT
0.699811 0.562273 0.706719

0.836547 0.749849 0.840666

Tabel 16. Composite Reliability Composite Reliability Interaksi InternalS InternalT 0.874622 0.832955 0.878206

Tabel 17. Cronbachs Alpha Cronbachs Alpha Interaksi InternalS InternalT 0.784323 0.743655 0.795035

Evaluasi outer model untuk indikator formatif Outer model untuk indikator formatif dievaluasi berdasarkan pada substantive contentnya yaitu dengan membandingkan besarnya relatif weight dan melihat signifikansi dari ukuran weight tersebut. Berdasarkan tabel 18 terlihat bahwa seluruh indikator menunjukkan pengaruh yang signifikan (dengan nilai t statistik lebih besar dibandingkan t-tabel pada = 10% uji satu arah yang sebesar 1,29).

Tabel 18. Outer Weight Konstruk dengan Indikator Formatif (Mean, Standard Deviation, T-Values)
Original Sample (O) SB -> EksternalT SOS -> EksternalS SP -> EksternalT SPR -> EksternalT 0.404965 1.000000 0.377920 0.529146 Sample Mean (M) 0.374059 1.000000 0.388824 0.523816 Standard Deviation (STDEV) 0.202417 0.000000 0.168289 0.120522 0.168289 0.120522 2.245663 4.390441 Standard Error (STERR) 0.202417 T Statistics (|O/STERR|) 2.000649

4. Evaluasi Inner Model atau Model Struktural Pengujian terhadap model struktural dilakukan dengan melihat nilai R2 yang merupakan uji goodness-fit model. Dari tabel 19 memperlihatkan bahwa R2 untuk konstruk interaksi sebesar 0,398061 (berada pada kategori moderat). Ini menunjukkan bahwa variabilitas Interaksi yang dapat dijelaskan oleh variabilitas KKT dan KPP sebesar 39,81 persen, sedangkan 40,19 persen dijelaskan oleh variabel lain di luar yang diteliti. Nilai R2 untuk konstruk KKT sebesar 0,9897 memberikan arti bahwa variabilitas KKT yang dapat dijelaskan oleh variabilitas InternalT dan EksternalT sebesar 98,97 persen sedangkan 1,03 persen dijelaskan oleh variabel lain di luar yang diteliti. Nilai R2 untuk konstruk KPP sebesar 0,999486 memberikan arti bahwa variabilitas KPP yang dapat dijelaskan oleh variabilitas InternalS dan EksternalS sebesar 99,95 persen sedangkan 0,05 persen dijelaskan oleh variabel lain di luar yang diteliti. Selanjutnya, Tabel 20 memberikan hasil hubungan antar konstruk. Dari tabel tersebut terlihat bahwa terdapat dua hubungan yang tidak signifikan yaitu konstruk InternalS terhadap KPP dan antara KPP dengan Interaksi. Hal ini karena nilai t-statistiknya lebih kecil dibandingkan t-tabel pada =10% (uji dua arah) yang sebesar 1,29.

Berdasarkan konstruk yang memiliki hubungan signifikan, terlihat semua koefisien bernilai positif (kolom Original Sample) yang berarti semua konstruk yang signifikan memiliki pengaruh positif. Tabel 19. R-Square
R Square Interaksi 0.398061 KKT KPP 0.989705 0.999486

Tabel 20. Path Coeficient (Mean, Standard Deviation , T-Values) Standard Deviation (STDEV) 0.581876 0.132529 0.462631 0.105954 0.077441 0.085047 Standard Error (STERR) 0.581876 0.132529 0.462631 0.105954 0.077441 0.085047

Original Sample (O) EksternalS > KPP EksternalT > KKT InternalS -> KPP InternalT -> KKT KKT -> Interaksi KPP -> Interaksi 0.857231 0.475748 0.261888 0.689778 0.627575 -0.031539

Sample Mean (M)

T Statistics (|O/STERR|)

0.308029 0.462391 0.609206 0.687184 0.638830 -0.029651

1.473220 3.589777 0.566084 6.510181 8.103863 0.370837

Gambar 6. Faktor Loading dan Path Coeficient Model Modifikasi 2

Gambar7. Nilai t-statistik Faktor Loading dan Path Coeficient Model Modifikasi 2

Anda mungkin juga menyukai