Anda di halaman 1dari 221

Konsep Penelitian

1
Konsep Penelitian

BAB I
KONSEP PENELITIAN

A. Pendahuluan

Bab ini membahas tentang penelitian secara umum, yang diawali dengan
suatu tinjauan mengapa perlu mempelajari penelitian, apa manfaat penelitian
bagi manajer perusahaan dan
apa manfaatnya bagi
mahasiswa, dan kemudian
dilanjutkan dengan definisi
penelitian. Definisi ini perlu
diketahui untuk memperoleh
pemahaman penelitian dengan
baik, sehingga dapat dipahami
arti dan manfaat dari suatu
penelitian. Pembahasan dilanjutkan dengan memberikan suatu pengertian, serta
beberapa karakteristik dari metode ilmiah. Metode ilmiah perlu diketahui karena
ini merupakan prosedur atau cara-cara tertentu yang digunakan untuk
memperoleh pengetahuan yang disebut dengan ilmu/pengetahuan ilmiah.
Beberapa peneliti mempunyai pendapat bahwa suatu penelitian itu harus
dilakukan secara ilmiah. Untuk itu perlu diketahui beberapa criteria yang harus
dipenuhi agar suatu penelitian dikatakan suatu penelitian ilmiah. Selanjutnya
pembahasan membicarakan beberapa tujuan yang akan dicapai dalam
melakukan penelitian, dan pada akhir bab ini dibahas masalah paradigma
penelitian. Paradigma penelitian merupakan kerangka berpikir yang menjelaskan
bagaimana cara pandang peneliti terhadap fakta kehidupan sosial dan perlakuan
peneliti terhadap ilmu atau teori. Paradigma penelitian juga menjelaskan
bagaimana peneliti memahami suatu masalah, serta kriteria pengujian sebagai
landasan untuk menjawab masalah penelitian.

1
Konsep Penelitian

B. Definisi Penelitian

Mengapa Perlu Mempelajari Penelitian? Metode penelitian memberikan


pengetahuan dan keterampilan yang diperlukan untuk mengatasi masalah serta
menghadapi tantangan lingkungan di mana pengambilan keputusan harus
dilakukan dengan cepat. Keputusan yang diambil akan bersifat lebih ilmiah jika
dilakukan melalui proses penelitian.
Ada dua faktor yang mendorong perhatian dalam pengambilan keputusan yang
ilmiah: (1) kebutuhan manajer akan informasi yang lebih banyak dan lebih baik,
(2) tersedianya teknik dan peralatan yang lebih baik untuk memenuhi kebutuhan.
Manajer masa depan dituntut untuk mengetahui lebih banyak hal dibandingkan
manajer masa lalu. Untuk ini, penelitian akan memberikan kontribusi yang cukup
besar. Penelitian bisnis merupakan satu diantara alat manajerial yang penting
dalam proses pengambilan keputusan. Akhir-akhir ini, penelitian bisnis menjadi
fondasi untuk meningkatkan laba perusahaan juga mendorong perusahaan tetap
bertahan dalam menjalankan usahanya.
Penelitian bisnis dapat mendukung
efektifitas manajemen dalam proses
pengambilan keputusan. Penelitian bisnis ini
bermanfaat untuk mengurangi ketidakpastian
dengan menyediakan informasi yang akurat
untuk memperbaiki proses pembuatan
keputusan itu. Para manajer merasa bahwa
pengetahuan tentang metode-metode
penelitian akan berguna dalam banyak hal. Bagi mahasiswa saat ini pentingnya
mempelajari penelitian bukan hanya sebagai dasar untuk penulisan skripsi atau
tesis saja, akan tetapi juga untuk pelatihan dalam metode ilmiah serta
penerapannya dalam pengambilan keputusan. Dengan kata lain, mempelajari
dan melakukan penelitian pada saat kuliah merupakan suatu pelatihan bagi
mahasiswa tersebut dalam mengambil keputusan.

Ada beberapa alasan yang dapat dikemukakan mengapa seorang perlu


memiliki keterampilan dalam bidang penelitian (Cooper & Emory, 1995), di
antaranya adalah:

2
Konsep Penelitian

1) Seorang manajer sering memerlukan lebih banyak informasi sebelum


mengambil keputusan tertentu. Jika
manajer tersebut memiliki
keterbatasan kemampuan dan juga
tidak mempunyai bawahan yang
memiliki kemampuan untuk mencari
informasi tersebut, maka manajer
tersebut harus mencari sendiri dengan
keterampilan yang terbatas atau tidak
mencari informasi itu.
2) Jika Anda sebagai karyawan baru, diminta oleh atasan Anda untuk
melakukan suatu penelitian, hal ini merupakan kesempatan bagi Anda
untuk menunjukkan kesan baik kepada atasan Anda.
3) Jika Anda memiliki keterampilan penelitian, maka Anda dapat menilai
proposal yang diajukan oleh konsultan yang akan melakukan penelitian
untuk perusahaan yang Anda pimpin. Anda juga dapat menilai dari desain
penelitian yang dipakai apakah hasil penelitiannya akan bermanfaat atau
tidak, apakah tujuan penelitian akan tercapai atau tidak.

Penelitian akan menawarkan kesempatan-kesempatan menarik


khususnya dalam analisis keuangan, penelitian pemasaran, dan penelitian
operasional. Oleh karena itu, sebelum memahami pentingnya suatu penelitian,
maka perlu dipahami pengertian dari penelitian itu. Jika Anda memiliki
keterampilan dalam penelitian, maka Anda akan mendapat posisi sebagai ahli
dalam penelitian di suatu perusahaan. Penelitian akan menawarkan kesempatan-
kesempatan menarik khususnya dalam analisis keuangan, penelitian pemasaran,
dan penelitian operasional. Oleh karena itu, sebelum memahami pentingnya
suatu penelitian, maka perlu dipahami pengertian dari penelitian itu. Ada
beberapa definisi penelitian yang telah dikemukan oleh beberapa ahli, antara
lain: Penelitian adalah investigasi yang sistematis, terkontrol, empiris dan kritis
dari suatu proposisi hipotesis mengenai hubungan tertentu antarfenomena
(Kerlinger, 1986: 17-18). Penelitian merupakan refleksi dari keinginan untuk
mengetahui sesuatu berupa fakta-fakta atau fenomena alam. Perhatian atau
pengamatan awal terhadap fakta atau fenomena merupakan awal dari kegiatan
penelitian yang menimbulkan suatu pertanyaan atau masalah (Indriantoro &
Supomo, 1999: 16).

3
Konsep Penelitian

Penelitian pada dasarnya merupakan penelitian yang sistematis dengan


tujuan untuk memperoleh pengetahuan yang bemanfaat untuk menjawab
pertanyaan atau memecahkan masalah dalam kehidupan seharihari (Indriantoro
& Supomo, 1999: 16).

Pengertian atau definisi penelitian bisnis secara khusus juga


dikemukakan. Mereka mengatakan bahwa penelitian bisnis adalah suatu proses
sistematis dan obyektif yang meliputi pengumpulan, analisis data untuk
membantu pengambilan keputusan bisnis (Zikmund, 2000: 5). Suatu penelitian
sistematis yang memberikan informasi untuk menuntun keputusan bisnis (Cooper
& Emory, 1995: 11). Suatu upaya sistematis dan terorganisasi untuk menyelidiki
suatu masalah yang muncul dan dunia kerja yang memerlukan solusi (Sekaran,
2000: 3). Suatu investigasi yang sistematis, terkontrol, empiris, dan kritis
mengenai suatu fenomena yang menjadi perhatian pengambilan keputusan
manajerial (Davis & Cosenza, 1993: 9).

Berdasarkan beberapa definisi penelitian yang diungkapkan sebelumnya


dapat diambil kesimpulan bahwa penelitian bisnis merupakan suatu proses
pengumpulan, pencatatan, dan analisis data yang sistematis untuk pengambilan
kesimpulan yang objektif dalam rangka membantu dalam pembuatan keputusan-
keputusan bisnis. Perhatian utama dalam penelitian bisnis adalah proses
perubahan pembuatan keputusan yang selama ini dilakukan berdasarkan intuisi
menjadi pengambilan keputusan yang berdasarkan pada proses investigasi yang
dilakukan secara sistematis dan objektif.

C. Metode Ilmiah

Definisi-definisi penelitian yang diungkapkan di atas menunjukkan


penelitian yang menggunakan metode ilmiah (scientific method). Secara umum
penelitian itu dapat dilakukan dengan metode ilmiah dan metode naturalis
(naturalistic approach). Penelitian yang menggunakan metode naturalis sejalan
dengan grounded theory atau metode ini sering juga disebut dengan pendekatan
kualitatif. Pembahasan mengenai perbedaan kedua pendekatan ini akan dibahas
lebih lanjut dalam sub-bab paradigm penelitian. Metode ilmiah merupakan
prosedur atau cara-cara tertentu yang digunakan untuk memperoleh
pengetahuan yang disebut dengan ilmu/pengetahuan ilmiah (Senn,1971:4-6).

4
Konsep Penelitian

Epistemoligi (filsafat pengetahuan) merupakan suatu cara untuk memperoleh


pengetahuan dalam kajian filsafat. Dengan demikian, metode ilmiah merupakan
epistemologi ilmu yang mengkaji sumber-sumber untuk memperoleh kajian yang
benar. Penelitian ilmiah berfokus pada metode yang kokoh untuk
mengidentifikasi permasalahan, mengumpulkan data, menganalisis data dan
menarik kesimpulan yang valid. Penelitian ilmiah bersifat lebih obyektif karena
tidak berdasarkan pada perasaan, pengalaman dan intuisi peneliti semata yang
bersifat subyektif. Penelitian ilmiah melibatkan theory construction dan theory
verification. Kontruksi teori merupakan suatu proses untuk membentuk struktur
dan kerangka teori yang akan digunakan untuk mengembangkan suatu hipotesis
yang relevan dengan struktur teorinya. Selanjutnya dengan menggunakan fakta,
maka hipotesis tersebut diuji secara empiris. Meskipun tidak ada konsensus
tentang urutan dalam metode ilmiah, metode ilmiah umumnya memiliki beberapa
karakteristik umum sebagai berikut (Davis & Cosenza, 1993: 37; Sekaran, 1992,
2003):

1) Kritis dan analitis: mendorong suatu kepastian dan proses penelitian


untuk mengidentifikasi masalah dan metode untuk mendapatkan
solusinya.
2) Logis: merujuk pada metode dari argumentasi ilmiah. Kesimpulan
rasional diturunkan dari bukti yang ada.
3) Testabiity: penelitian ilmiah harus dapat menguji hipotesis dengan
pengujian statistik yang menggunakan data yang dikumpulkan.
4) Obyektif: hasil yang diperoleh ilmuwan yang lain akan sama apabila
studi yang sama dilakukan pada kondisi yang sama. Hasil penelitian
dikatakan ilmiah apabila dapat dibuktikan kebenarannya.
5) Konseptual dan Teoretis: ilmu pengetahuan mengandung arti
pengembangan suatu struktur konsep dan teoretis untuk menuntun
dan mengarahkan upaya penelitian.
6) Empiris: metode ini pada prinsipnya berstandar pada realitas.
7) Sistematis: mengandung arti suatu prosedur yang cermat. Suatu
penelitian dikatakan penelitian ilmiah yang baik jika memenuhi criteria
berikut (Sekaran, 1992, 2003); Indriantoro & Supomo, 1999: 14-15).
Menyatakan tujuan secara jelas.
Rigor (kokoh): penelitian ilmiah menunjukkan proses penelitian
yang dilakukan secara hati-hati (prudent) dengan keakurasian

5
Konsep Penelitian

yang tinggi. Basis teori dan rancangan penelitian yang baik


akan menambah kekokohan dari penelitian ilmiah.
Menggunakan landasan teoretis dan metode pengujian data
yang relevan.
Mengembangkan hipotesis yang dapat diuji dari telaah teoretis
atau berdasarkan pengungkapan data.
Mempunyai kemampuan untuk diuji ulang (replikasi).
Memilih data dengan presisi sehingga hasilnya dapat
dipercaya. Tidak ada penelitian yang sempurna dan
ketepatannya tergantung pada keyakinan peneliti yang dapat
diterima umum. Kesalahan pengukuran data dapat
menyebabkan ketepatan penelitian menurun. Desain
penelitian harus dilakukan dengan baik sehingga hasil
penelitian dapat dekat dengan kenyataannya (precision)
dengan tingkat probabilitas keyakinan (confidence) yang tinggi.
Menarik kesimpulan dilakukan secara obyektif. Hasil penelitian
ilmiah akan memberikan hasil dan konklusi yang obyektif jika
tidak dipengaruhi oleh faktor subyektif peneliti.
Melaporkan hasilnya secara parsimony (simpel), yaitu
penelitian ilmiah mempunyai kemudahan di dalam
menjelaskan hasil penelitiannya.
Temuan penelitian dapat digeneralisasi. Hasil penelitian ilmiah
mampu untuk diuji ulang dengan hasil yang konsisten dengan
waktu, obyek, dan situasi yang berbeda.

D. Proses Berfikir Dan Penelitian

Emory dan Cooper (1991) menjelaskan bahwa proses penelitian dimulai


dengan kebutuhan yang mendorong dilaksanakannya penelitian dan diakhiri
dengan pelaporan hasil penelitiannya. Manusia mampu mengembangkan ilmu
pengetahuan karena mempunyai kemampuan berfikir menurut suatu alur
kerangka berfikir tertentu. Cara berfikir seperti itu disebut penalaran (reasoning).
Sebagai suatu kegiatan berpikir maka penalaran mempunyai ciri-ciri, yaitu logis
dan analitis (Suriasumantri, 1996). Berfikir secara logis dan analitis ini
merupakan proses berfikir ilmiah. Penyampaian pengertian itu melalui dua cara
yaitu eksposisi atau argumentasi. Eksposisi terdiri dari pernyataan-pernyataan

6
Konsep Penelitian

deskriptif yang sekadarnya saja dan mempunyai alasan-alasan. Argumentasi


memungkinkan kita untuk menjelaskan, mengartikan, membela, menantang, dan

menjajaki pengertian yang disampaikan. Hasil penelitian harus dijelaskan


dengan argumen yang dapat diterima. Ada dua jenis bentuk argumen yang
sangat penting dalam penelitian yaitu deduksi (deduction) dan induksi (induction).

Gambar 1.1. Berpikir deduktif dan induktif

1. Deduksi

Penalaran deduktif terkait dengan rasionalisme, yaitu faham bahwa rasio


atau pemikiran adalah sumber kebenaran. Deduksi adalah cara berfikir dengan
menarik kesimpulan khusus dari pernyataan-pernyaatan yang besifat umum;
atau dari umum ke khusus. Pernyataan umum tersebut merupakan alasan atau
premis yang dijadikan dasar untuk menarik kesimpulan khusus. Alasan atau
premis tersebut merupakan ilmu atau terori sebelumnya yang sudah diakui
kebenarannya. Dalam metode ilmiah. berfikir deduktif ini digunakan pada saat
penyusunan hipotesis. Hipotesis disusun secara deduktif dari teori-teori yang
disusun secara jelas, logis, dan sistematis sehingga menjadi kerangka pemikiran.
Salah satu cara berfikir deduktif adalah silogisme, yaitu dengan contoh berikut:

Premis Mayor :
Sekolah bertaraf internasional mempunyai tingkat kelulusan yang tinggi
misal, dari teori sebelumnya yang dijadikan landasan teori
Premis Minor :

7
Konsep Penelitian

SMK Fukushima adalah sekolah bertaraf internasional


misal, tempat penelitian kita
Kesimpulan :
SMK Fukhusima mempunyai tingkat kelulusan yang tinggi
Misal, kesimpulan yang akan dibuktikan setelah observasi ke sekolah.

Premis mayor dan premis minor tersebut adalah alasan yang tidak perlu
dibuktikan kebenarannya, dan biasanya merupakan landasan teori sebagai
pijakan kita dalam menyusun hipotesis. Implikasinya adalah kita harus
menggunakan teori sebagai rujukan yang harus diakui kebenarannya oleh
kalangan ilmiah.

2. Induksi

Induksi didefinisikan sebagai proses pengambilan kesimpulan (atau


pembentukan hipotesis) yang didasarkan pada satu atau dua fakta atau bukti-
bukti. Pendekatan induksi sangat berbeda dengan deduksi. Tidak ada hubungan
yang kuat antara alasan dan konklusi. Proses pembentukan hipotesis dan
pengambilan kesimpulan berdasarkan data yang diobservasi dan dikumpulkan
terlebih dahulu disebut proses induksi (induction process) dan metodenya
disebut metode induktif (inductive method) dan penelitiannya disebut penellitian
induktif (inductive research). Dengan demikian pendekatan induksi
mengumpulkan data terlebih dahulu baru hipotesis dibuat jika diinginkan atau
konklusi langsung diambil jika hipotesis tidak digunakan. Proses induksi selalu
digunakan pada penelitian dengan pendekatan kualitatif (naturalis). Penalaran
induksi merupakan proses berpikir yang berdasarkan kesimpulan umum pada
kondisi khusus. Kesimpulan menjelaskan fakta sedangkan faktanya mendukung
kesimpulan.

Contoh:
M. Firdaus Al Amin seorang manajer pemasaran PT Pertamina di Kota
Palembang. Hasil penjualan pelumas di Palembang paling rendah di antara kota
yang lain. Berdasarkan data ini kita dapat menarik kesimpulan sementara
(hipotesis) bahwa masalahnya adalah Hanif kurang aktif dalam melakukan
promosi. Tapi kita dapat membuat kesimpulan yang lain (berbeda) atas dasar
bukti-bukti lain, seperti:

8
Konsep Penelitian

Kemampuan menjual Firdaus rendah sehingga efektivitas penjualan


menurun.
Daerah pemasaran Firdaus tidak memiliki potensi pasar yang sama
dengan daerah lain.
Firdaus kurang berbakat bekerja di bagian pemasaran produk
pelumas.
Pesaing di wilayahnya mampu memberi informasi tentang kelebihan
produk mereka sehingga konsumen lebih memilih membeli produk
pesaing.

Semua hipotesis merupakan induksi berdasarkan bukti catatan penjualan Firdaus


Dalam hal ini, peneliti perlu mencari bukti yang diyakini kebenarannya. Sebagian
besar tugas peneliti adalah menentukan jenis bukti yang diperlukan dan
mengukur bukti-bukti.

E. Tujuan Penelitian

Tujuan penelitian merupakan apa yang ingin dicapai oleh peneliti dalam
melakukan penelitiannya. Tujuan dari penelitian tidak sama dengan tujuan
peneliti. Sering dijumpai di
beberapa tesis atau disertasi
bahwa tujuan penelitian adalah
sebagai salah satu syarat lulus
pendidikan S1 maupun S2.

Tujuan tersebut bukan merupakan


tujuan penelitian tetapi merupakan tujuan peneliti untuk mendapatkan gelar
studinya yang disyaratkan untuk melakukan penelitian tersebut.

Dari beberapa pengertian penelitian yang telah diungkapkan sebelumnya


maka dapat diambil kesimpulan bahwa penelitian tersebut mempunyai beberapa
tujuan di antaranya:

1) Meningkatkan atau mengembangkan pengetahuan (Buckley et al.).


Dalam penelitian bisnis, tujuan ini merupakan tujuan yang bersifat
jangka panjang karena umumnya tidak terkait secara langsung
dengan pemecahan masalah-masalah praktis.

9
Konsep Penelitian

2) Menyelidiki masalah tertentu yang memerlukan jawaban (sekarang).


Dalam penelitian bisnis, tujuan ini merupakan tujuan yang bersifat
jangka pendek. Hasil penelitian lebih menekankan pada usaha
pemecahan masalah-masalah praktis yang diperlukan untuk
pertimbangan dalam pembuatan keputusan bisnis.
3) Menangkap opportunity atau peluang. Misalnya suatu penelitian
dengan isu peningkatan moral karyawan untuk peningkatan kinerja
mereka.
4) Memverifikasi fenomena yang terjadi dengan suatu teori yang telah
ada. Misalnya suatu penelitian dengan isu penggunaan ekuitas yang
lebih besar dibandingkan hutang untuk mengurangi konflik
kepentingan antara pemegang saham dan kreditur (menguji teori
keagenan yang telah ada).
5) Melakukan pengujian terhadap suatu fenomena untuk menemukan
suatu teori yang baru. Misalnya suatu penelitian dengan isu
kepemilikan manajerial yang akan memperkuat hubungan antara
peluang tumbuh perusahaan dengan kebijakan pendanaan
perusahaan (untuk menemukan teori).

F. Paradigma Penelitian

Penelitian merupakan suatu pencarian, penghimpunan data lalu dianalisis


untuk mengetahui hubungan, menafsirkan hal-hal yang bersifat misteri, untuk
membuat prediksi-prediksi sebagai bahan pengambilan keputusan yang tepat.
Banyak metode pencarian berdasarkan pendekatannya dibedakan menjadi
pendekatan kuantitatif dan kualitatif. Berdasarkan sifatnya, penelitian dibedakan
menjadi penelitian dasar, t erapan dan evaluatif. Berdasarkan fungsinya
dibedakan menjadi penelitian deskriptif, penelitian prediktif dan improvtif. Yang
akan dibahas disini adalah metode, yaitu cara yang dilakukan dalam kegiatan
pencarian. Metode penelitian merupakan rangkaian cara atau kegiatan
pelaksanan penelitian yang didasari oleh asumsi asumsi dasar, pandangan-
pandangan filosofis dan ideologis, pertanyaan dan isu-isu yang dihadapi. (Nana
Syaodih, 2010). Suatu metode penelitian memiliki rancangan (design) penelitian
tertentu. Rancangan ini menggambarkan prosedur atau langkah-langkah yang
harus ditempuh, waktu penelitian, sumber data dan kondisi arti apa data

10
Konsep Penelitian

dikumpulkan, dan dengan cara bagaimana data tersebut dihimpun dan diolah.
Tujuan rancangan penelitian adalah melalui penggunaan metode penelitian yang
tepat, dirancang kegiatan yang dapat memberikan jawabanyang teliti terhadap
pertanyaan-pertanyaan penelitian.

Paradigma penelitian merupakan kerangka berpikir yang menjelaskan


bagaimana cara pandang peneliti terhadap fakta kehidupan sosial dan perlakuan
peneliti terhadap ilmu atau teori. Paradigma penelitian juga menjelaskan
bagaimana peneliti memahami suatu masalah, serta criteria pengujian sebagai
landasan untuk menjawab masalah penelitian (Guba & Lincoln, 1988: 89-115).
Secara umum, paradigma penelitian diklasifikasikan dalam 2 kelompok yaitu
penelitian kuantitatif dan penelitian kualitatif (Indiantoro & Supomo, 1999: 12-13).
Masing-masing paradigma atau pendekatan ini mempunyai kelebihan dan juga
kelemahan, sehingga untuk menentukan pendekatan atau paradigma yang akan
digunakan dalam melakukan penelitian tergantung pada beberapa hal di
antaranya (1) jika ingin melakukan suatu penelitian yang lebih rinci yang
menekankan pada aspek detail yang kritis dan menggunakan cara studi kasus,
maka pendekatan yang sebaiknya dipakai adalah paradigma kualitatif. Jika
penelitian yang dilakukan untuk mendapat kesimpulan umum dan hasil penelitian
didasarkan pada pengujian secara empiris, maka sebaiknya digunakan
paradigma kuantitatif, dan (2) jika penelitian ingin menjawab pertanyaan yang
penerapannya luas dengan obyek penelitian yang banyak, maka paradigma
kuantitaif yang lebih tepat, dan jika penelitian ingin menjawab pertanyaan yang
mendalam dan detail khusus untuk satu obyek penelitian saja, maka pendekatan
naturalis lebih baik digunakan. Hasil penelitian akan memberi kontribusi yang
lebih besar jika peneliti dapat menggabungkan kedua paradigma atau
pendekatan tersebut. Penggabungan paradigma tersebut dikenal istilah
triangulation. Penggabungan kedua pendekatan ini diharapkan dapat memberi
nilai tambah atau sinergi tersendiri karena pada hakikatnya kedua paradigm
mempunyai keunggulan-keunggulan. Penggabungan kedua pendekatan
diharapkan dapat meminimalkan kelemahan-kelemahan yang terdapat dikedua
paradigma.

11
Konsep Penelitian

1. Penelitian Kuantitatif

Penelitian kuantitatif didasari oleh filsafat positivisme yang menekankan


fenomena-fenomena objektif dan dikaji secara kuantitatif. Maksimalisasi
objektivitas desain penelitian ini diakukan dengan menggunakan angka-angka,
pengolahan statistik, struktur dan percobaan terkontrol. Penelitian kuantitatif
sendiri dipecah dalam dua bagian yaitu penelitian eksperimental dan
noneksperimental. Ada beberapa metode penelitian yang dapat dimasukkan ke
dalam penelitian kuantitatif yang bersifat non-eksperimental yaitu metode
deskriptif, metode survai, ekspos fakto, komparatif, korelasional dan penelitian
tindakan.

a. Penelitian Deskriptif

Penelitian deskriptif adalah suatu metode penelitian yang


ditujukan untuk menggambarkan fenomena yang ada, yang berlangsung
pada saat ini atau saat yang telah lalu. Penelitian ini tidak mengadakan
manipulasi atau pengubahan pada variabel-variabel bebas, tetapi
menggambarkan kondisi apa adanya. Penggambaran kondisi bisa
individual atau kelompok, dan menggunakan angka-angka. Beberapa
pertanyaan yang mengarah pada penelitian deskriptif misalnya
"Bagaimana sikap penduduk Desa Gembong terhadap keberadaa SDN
02 Gembong?" Penelitian ini sangat penting sebagai studi pendahuluan
bagi penelitian lain atau penelitian lanjutan.

b. Penelitian Survai

Survay digunakan untuk mengumpulkan informasi berbentuk opini


dari sejumlah besar orang yang terhadap topik atau isu-isu tertentu. Ada
tiga karakteristik utama dari survai: 1) Informasi dikumpulkan dari
kelompok besar orang untuk mendeskripsikan beberapa aspek atau
karakteristik tertentu seperti kemampuan, sikap kepercayaan,
pengetahuan dari populasi, 2) informasi dikumpulkan melalui pengajuan
pertanyaa (umumnya tertulis walaupun lisan juga bisa) dari suatu
populasi, 3) informasi diperoleh dari sampel, bukan dari populasi. Tujuan
utama dari survay adalah mengetahui gambaran umum karakteristik dari
suatu populasi.

12
Konsep Penelitian

c. Penelitian Ekspos Fakto

Penelitian ekspos fakto meneliti hubungan sebab-akibat yang


tidak dimanipulasi atau diberi perlakuan (dirancang dan dilaksanakan)
oleh peneliti. Penelitian hubungan sebab-akibat dilakukan terhadap
program, kegiatan atau kejadian yang telah berlangsung atau telah
terjadi. Adanya hubungan sebab akibat didasarkan atas kajian teoritis
bahwa sesuatu variabel disebabkan oleh variabel tertentu dan
mengakibatkan variabel tertentu. Mirip dengan penelitian eksperimental
namun tidak ada pengontrolan variabel, dan biasanya juga tidak ada pra
tes.

d. Penelitian Komparatif

Penelitian diarahkan untuk mengetahui apakah antara dua atau


lebih dari dua keompok ada perbedan dalam aspek (variabel) yang diteliti.
Dalam penelitian ini pun tidak ada pengontrolan atas variabel maupun
manipulasi (perlakuan) dari peneliti. Penelitian dilakukan secara alamiah,
peneliti mengumpulkan data dengan instrumen yag bersifat mengukur.
Hasilnya dianalisis secara statistik untuk mencari perbedaan-perbedaan
diantara variabel yang diteliti. Penelitian komparatif juga dapat
memberikan hasil yang dapat dipercaya karena menggunakan instrumen
yang sudah diuji juga karena kelompok-kelompok yang dibandingkan
memiliki karakteristik yang sama atau hampir sama.

e. Penelitian Korelasional

Penelitian ditujukan untuk mengetahui hubungan suatu variabel


dengan variabel-variabel lain. Hubungan antara satu dengan beberapa
variabel-variabel lain dinyatakan dengan besarnya koefisien korelasi dan
signifikansi secara statistik. Adanya korelasi antara dua variabel atau
lebih, tidak berarti adanya pengaruh atau hubungan sebab-akibat dari
suatu variabel terhadap variabel lainnya. Korelasi positif berarti nilai yang
tinggi dalam suatu variabel berhubungan dengan nilai yang tinggi pada
variabel yang lain. Korelasi negatif berarti nilai yang tinggi pada suatu
variabel berhubungan dengan nilai yang rendah pada variabel lainnya.
Korelasi yang tinggi antara tinggi badan dan berat badan, tidak berarti

13
Konsep Penelitian

badan yang tinggi menyebabkan badan yang berat, tetapi antara


keduanya memiliki hubungan kesejajaran. Bisa juga terjadi yang
sebaliknya yaitu ketidaksejajaran (korelasi negatif), badan yang tinggi
tetapi berat yang rendah

f. Penelitian Tindakan

Penelitian tindakan (action research) merupakan penelitian yang


diarahkan pada pengadaan pemecahan masalah atau berbaikan. Guru-
guru mengadakan pemecahan masalah yang dihadapi di kelas. Penelitian
ini difokuskan pada perbaikan proses. Penelitian tindakan dapat
menghadirkan pakar dari luar, dan penelitian ini dinamakan penelitian
tindaka kolaboratif (collaborative action research) (Oja & Sumarjan, 1989,
Stinger, 1996). Penelitian tindakan kolaboratif selain diarahkan kepada
perbaikan proses dan hasil juga bertujua meningkatkan kemampuan para
pelaksana, sebab penelitian kolaboratif merupakan bagian dari program
pengembangan staf.

Pada gambar 1.2 dijelaskan klasifikasi penelitian kuantitatif sebagai berikut :

Klasifikasi
Penelitian Kuantitatif

Tujuan Karakteristik
Penelitian Masalah

Penelitian Penelitian
Dasar Terapan Historis
Diskriptif
Studi Kasus &
Induktif Evaluasi Lapangan
Deduktif Pengembangan Korelasional
Tindakan Kausal
Kompraratif
Eksperimen

Gambar 1.2 klasifikasi Penelitian Kuantitatif

14
Konsep Penelitian

Berdasarkan tujuan, penelitian dapat dibedakan atas: (1) penelitian dasar


dan (2) penelitian terapan. Prosedur yang digunakan yang digunakan oleh
penelitian dasar dan penelitian terapan secara substansi tidak berbeda.
Keduanya menggunakan metode ilmiah yang berguna membantu peneliti bisnis
untuk mengetahui dan memahami fenomena bisnis. Esensi dari penelitian,
apakah itu penelitian dasar atau terapan, terletak pada metode ilmiah. Secara
teknis perbedaan kedua jenis penelitian tersebut terletak pada tingkat
permasalahan (matter of degree) daripada substansinya itu sendiri.

(1) Penelitian Dasar.

Penelitian dasar adalah penelitian untuk menghasilkan pokok


pengetahuan dengan berusaha memahami bagaimana masalah tertentu
yang terjadi dalam organisasi dapat diselesaikan. Atau, penelitian dasar
adalah penelitian untuk meningkatkan pemahaman terhadap masalah
tertentu yang kerap terjadi dalam konteks organisasi dan mencari metode
untuk memecahkannya. Penelitian dasar dapat disebut penelitian murni.

Penelitian dasar yang sering disebut sebagai basic research atau pure
research dilakukan untuk memperluas batas-batas ilmu pengetahuan.
Penelitian dasar ini tidak ditujukan secara langsung untuk mendapatkan
pemecahan bagi suatu permasalahan khusus. Penelitian dasar dilakukan
untuk memverifikasi teori yang sudah ada atau mengetahui lebih jauh
tentang sebuah konsep. Hal pertama sekali yang harus dilakukan dalam
penelitian dasar adalah pengujian konsep atau hipotesis awal dan
kemudian pembuatan kajian lebih dalam serta kesimpulan tentang
fenomena yang diamati. (wibisono, 2002:4-5). Penelitian dasar dibedakan
atas pendekatan yang digunakan dalam pengembangan teori yaitu:

a) Penelitian deduktif, yaitu penelitian yang bertujuan menguji teori


pada keadaan tertentu.
b) Penelitian induktif, yaitu penelitian yang bertujuan untuk
mengembangkan (generating) teori atau hipotesis melalui
pengungkapan fakta.
c) Penelitian Terapan. Penelitian terapan berbeda dengan
penelitian dasar, penelitian terapan dilakukan untuk menjawab

15
Konsep Penelitian

pertanyaan tentang permasalahan yang khusus atau untuk


membuat keputusan tentang suatu tindakan atau kebijakan
khusus. Penggunaan metode ilmiah dalam penelitian terapan
menjamin objektivitas dalam mengumpulkan fakta dan menguji ide
kreatif bagi alternatif strategi bisnis.

(2) Penelitian Terapan

Penelitian Terapan adalah penelitian untuk memecahkan


masalah mutakhir yang di hadapi seseorang pemegang keputusan atau
manager dalam konteks pekerjaannya, yang menurut solusi yang tepat
waktu. Atau, penelitian terapan adalah penelitian untuk menerapkan hasil
temuan guna memecahkan suatu masalah spesifik yang sedang dialami
sebuah perusahaan. Mungkin produk tertentu tidak laku dan manajer
harus menemukan alasannya di balik hal tersebut dalam rangka
mengambil tindakan perbaikan. Penelitian terapan dibedakan atas:

a) Penelitian evaluasi, yaitu penelitian yang diharapkan dapat


member masukan atau mendukung pengambilan keputusan
tentang nilai relatif dari dua atau lebih alternatif tindakan.
b) Penelitian dan pengembangan, yaitu penelitian yang bertujuan
untuk mengembangkan produk sehingga produk tersebut
mempunyai kualitas yang lebih baik.
c) Penelitian tindakan, yaitu penelitian yang dilakukan untuk segera
digunakan sebagai dasar tindakan pemecahan masalah.

Berdasarkan karakteristik masalah, penelitian dapat dibedakan atas:

Penelitian Historis, yaitu kegiatan penelitian, pemahaman, dan


penjelasan kondisi yang telah lalu. Tujuan penelitian ini adalah
untuk mengetahui sebab atau dampak dari kejadian yang telah
lalu untuk menjelaskan fenomena yang terjadi sekarang atau
untuk memprediksi kondisi masa yang akan datang.
Penelitian Deskriptif, yaitu pengumpulan data untuk menguji
hipotesis atau menjawab pertanyaan mengenai status terakhir dari
subyek penelitian.

16
Konsep Penelitian

Penelitian Kasus dan Lapangan, merupakan penelitian dengan


karakteristik masalah yang berkaitan dengan latar belakang dan
kondisi saat ini dari subyek yang diteliti, serta interaksinya dengan
lingkungan. Tujuan penelitian ini untuk melakukan secara
mendalam mengenai subyek tertentu untuk memberikan
gambaran yang lengkap mengenai subyek tertentu.
Penelitian Korelasional, adalah penelitian yang bertujuan
menentukan apakah terdapat asosiasi antarvariabel dan membuat
prediksi berdasarkan korelasi antarvariabel. Jika hubungan
antarvariabel cukup tinggi, kemungkinan sifat hubungannya
merupakan sebab akibat (causaleffect).
Penelitian Kausal-Komparatif, merupakan tipe penelitian dengan
karakteristik masalah berupa sebab akibat antara 2 variabel atau
lebih. Penelitian ini merupakan tipe penelitian ex post facto.
Penelitian Eksperimen, merupakan tipe penelitian dengan
karakteristik masalah yang sama dengan penelitian kausal
komparatif, tetapi dalam penelitian eksperimen peneliti melakukan
manipulasi atau pengendalian (control) terhadap setidaknya satu
variabel independen.

2. Penelitian Kualitatif

Penelitian Kualitatif (Qualitative Research) adalah suatu penelitian yang


ditujukan untuk mendeskripskan dan menganalisis fenomena, peristiwa, aktivitas
sosial, sikap, kepercayaan, persepsi, pemikiran orang secara individual maupun
kelompok. Beberapa deskripsi digunakan untuk menemukan prinsip-prinsip dan
menjelaskan yang mengarah pada penyimpulan. Penelitian kualitatif bersifat
induktif: peneliti membiarkan permasalahan-permasalahan muncul dari data atau
dibiarkan terbuka untuk interpetasi. Data dihimpun dengan pengamatan yang
seksama, mencakup deskripsi dalam konteks yang mendetil disertai catatan-
catatan hasl wawancara yang mendalam, serta hasil analisis dokumen dan
catatan-catatan.
Penelitian kualitatif berbeda dengan penelitian kuantitatif yang bertolak
dari pandangan Positivisme. Penelitian kualitatif berangkat dari filsafat
Konstruktivisme, yang memandang kenyataan itu berdimensi jamak, interaktif
dan menuntut interpretasi berdasarkan pengalaman sosial. Reality is multilayer,

17
Konsep Penelitian

interactive and a shared social experience interpretation by individuals (McMillan


and Schumacker, 2001). Peneliti kualitatif memandang kenyataan sebagai
konstruksi sosial, individu atau kelompok menarik atau memberi makna kepada
suatu kenyataa dengan mengkonsruksinya. Orang membentuk konstruksi untuk
mengerti kenyataan-kenyataan, dan dia memahami konstruksi sebagai suatu
sistem pandangan, persepsi atau kepercayaan. Dengan perkatan lain, persepsi
seorang adalah apa yang dia yakini sebagai "nyata" baginya, dan terhadap hal
itulah tindakan, pemikiran dan perasaannya diarahkan.
Penelitian kualitatif mempunyai dua tujuan utama, yaitu pertama,
menggambarkan dan mengungkap (to describe and explore) dan kedua
menggambarkan dan menjelaskan (to describe and explain). Kebanyakan
penelitian kualitatif bersifat deskriptif dan eksplanatori. Beberapa penelitian
memberikan deskripsi tentang situasi yang kompleks, dan arah bagi penelitian
selanjutnya. penelitian lain memberikan eksplanasi (kejelasan) tentang hubungan
antara peristiwa dengan makna terutama menurut persepsi partisipan.
Loncoln and Guba (1985) melihat penelitian kualitatif sebagai penelitia yang
bersifat naturalistik. Penelitian ini bertolak dari paradigma naturalistik, bahwa
"kenyataan itu berdimensi banyak, peneliti dan yang diteliti bersifat interaktif,tidak
bisa dipisahkan, suatu kesatuan terbentuk secara simultan, dan bertimbal-balik,
tidak mungkin memisahkan sebab dengan akibat, dan penelitian ini melibatkan
nilai-nilai. Para peneliti mencoba memahami bagaimana individu mempersepsi
makaan dari dunia sekitarnya. melalui pengalaman kita mengkonstuksi
pandangan kita tntang dunia sekitar, dan hal ini enentukan bagaimana kita
berbuat. Dalam penelitian kualitatif, proses penelitian merupakan sesuatu yang
lebih penting dibanding dengan hasil yang diperoleh. Karena itu peneliti sebagai
instrumen pengumpul data merupakan satu prinsip utama. Hanya dengan
keterlibatan peneliti alam proses pengumpulan datalah hasil penelitian dapat
dipertanggungjawakan.
Khusus dalam proses analisis dan pengambilan kesimpulan, paradigma
kualitatif menggunakan induksi analitis (analytic induction) dan ekstrapolasi
(extrpolation). Induksi analitis adalah satu pendekatan pengolahan data ke dalam
konsep-konsep dan kateori-kategori (bukan frekuensi). Jadi simbol-simbol yang
digunakan tidak dalam bentuk numerik, melainkan dalam bentuk deskripsi, yang
ditempuh dengan cara merubah data ke formulasi. Sedangkan ekstrapolasi
adalah suatu cara pengambilan kesimpulan yang dilakukan simultan pada saat

18
Konsep Penelitian

proses induksi analitis dan dilakukan secara bertahap dari satu kasus ke kasus
lainnya, kemudian dari proses analisis itu--dirumuskan suatu pernyataan
teoritis. Paradigma kualitatif ini merupakan paradigma penelitian yang
menekankan pada pemahaman mengenai masalah-masalah dalam kehidupan
sosial berdasarkan kondisi realitas atau natural setting yang holistis, kompleks,
dan rinci. Penelitian yang menggunakan pendekatan induksi yang mempunyai
tujuan penyusunan konstruksi teori atau hipotesis melalui pengungkapan fakta
merupakan penelitian yang menggunakan paradigma kualitatif. Paradigma ini
disebut juga dengan pendekatan konstruktifis, naturalistik atau interpretatif
(constructivist, naturalistic or interpretative approach), atau perspektif post-
modern.

Beberapa perbedaan mendasar dari penelitian kualitatif dengan penelitian


kuantitatif dapat dilihat pada table 1.1. berikut.

Tabel 1.1 Perbedaan Penelitian Kuantitatif dengan Penelitian Kualitatif


Penelitian Kuantitatif Penelitian Kualitatif
1. Berpijak pada konsep positivistik 1. berpijak pada konsep naturalistic
2. Kenyataan berdimensi 2. Kenyataan berdimensi
tunggal,fragmenta terbatas,fixed banyak,kesatuan
3. Hubungan antara penelitian utuh,terbuka,berubah
dengan objek lepas,penelitian dari 3. Hubungan penelitian dengan
luar dengan instrument standar objek berinteraksi,penelitian dari
yang objektif luar dan dalam,penelitian sebagai
4. Seting penelitian buatan lepas dari instrument,bersifat
tempat dan waktu subjektif,judgment
5. Analisis 4. Seting penelitian ilmiah,terkait
kuantitatif,stastistik,objektif tempat dan waktu
6. Hasil penelitian berupa 5. Analisis subjektif,intuititf,rasional
inferensi,generalisasi,prediksi 6. Hasil penelitian berupa
deskripsi,interpretasi,tentatif,situas
ional

Metode kualitatif secara garis besar dibedakan dalam dua macam,


kualitatif interaktif dan non interaktif. Metode kualitatif interaktif, merupaka studi
yang mendalam menggunakan teknik pengumpulan data langung dari orang
dalam lingkaran alamiahnya. peneliti menginterpretasikan fenomena-fenomena
bagaimana orang mencari makna daripadaya. Para peneliti kualitatif membuat
suatu gambaran yang kompleks, dan menyeluruh dengan deskripsi detil dari
kacamata para informan. Beberapa peneliti kualitatif mengadakan diskusi terbuka

19
Konsep Penelitian

tentang nilai-nilai yang mewarnai narasi. Peneliti interaktif mendeskripsikan


konteks dari studi, mengilustrasikan pandangan yang berbeda dari fenomena,
dan secara berkelanjutan merevisi pertanyaan berdasarkan pengalaman di
lapangan.

Lebih lanjut perbedaan paradigma kedua jenis penelitian ini dapat


dielaborasi sebagai berikut :

Paradigma Kuantitatif Paradigma Kualitatif

1. Cenderung menggunakan metode 1. Cenderung menggunakan metode


kuantitatif, dalam pengumpulan kualitatif, baik dalam pengumpulan
dan analisa data, termasuk dalam maupun dalam proses analisisnya.
penarikan sampel. 2. Lebih mementingkan penghayat-
2. Lebih menenkankan pada proses an dan pengertian dalam
berpikir positivisme-logis, yaitu menangkap gejala
suatu cara berpikir yang ingin (fenomenologis).
menemukan fakta atau sebab dari 3. Pendekatannya wajar, dengan
sesuatu kejadian dengan menggunakan pengamatan yang
mengesampingkan keadaan bebas (tanpa pengaturan yang
subyektif dari individu di ketat).
dalamnya. 4. Lebih mendekatkan diri pada
3. Peneliti cenderung ingin situasi dan kondisi yang ada pada
menegakkan obyektifitas yang sumber data, dengan berusaha
tinggi, sehingga dalam menempatkan diri serta berpikir
pendekatannya menggunakan dari sudut pandang orang dalam.
pengaturan-pengaturan secara 5. Bertujuan untuk menemukan teori
ketat (obstrusive) dan berusaha dari lapangan secara deskriptif
mengendalikan stuasi (controlled). dengan menggunakan metode
4. Peneliti berusaha menjaga jarak berpikir induktif. Jadi bukan untuk
dari situasi yang diteliti, sehingga menguji teori atau hipotesis.
peneliti tetap berposisi sebagai 6. Berorientasi pada proses, dengan
orang luar dari obyek mengandalkan diri peneliti sebagai
penelitiannya. instrumen utama. Hal ini dinilai
5. Bertujuan untuk menguji suatu cukup penting karena dalam
teori/pendapat untuk proses itu sendiri dapat sekaligus
mendapatkan kesimpulan umum terjadi kegiatan analisis, dan
(generasilisasi) dari sampel yang pengambilan keputusan.
ditetapkan. 7. Keriteria data/informasi lebih
6. Berorientasi pada hasil, yang menekankan pada segi
berarti juga kegiatan validitasnya, yang tidak saja
pengumpulan data lebih mencakup fakta konkrit saja
dipercayakan pada intrumen melainkan juga informasi simbolik
(termasuk pengumpul data atau abstrak.

20
Konsep Penelitian

lapangan). 8. Ruang lingkup penelitian lebih


7. Keriteria data/informasi lebih dibatasi pada kasus-kasus
ditekankan pada segi realibilitas singular, sehingga tekannya
dan biasanya cenderung bukan pada segi generalisasinya
mengambil data konkrit (hard melainkan pada segi otensitasnya.
fact). 9. Fokus penelitian bersifat
8. Walaupun data diambil dari wakil holistik,meliputi aspek yang cukup
populasi (sampel), namun selalu luas (tidak dibatasi pada variabel
ditekankan pada pembuatan tertentu).
generalisasi.
9. Fokus yang diteliti sangat spesifik
(particularistik) berupa variabel-
variabel tertentu saja. Jadi tidak
bersifat holistik.

G. Langkah-langkah Metode Ilmiah

Metode ilmiah merupakan prosedur dalam mendapatkan pengetahuan


yang disebut ilmu (Suriasumantri, 1991). Jadi ilmu merupakan pengetahuan yang
didapatkan melalui metode ilmiah. Metode itu sendiri merupakan suatu prosedur
atau cara untuk mengetahui sesuatu yang terdiri dari langkah-langkah sistematis.
Soewardi (1996) menjelaskan bahwa langkah-langkah tersebut adalah (1)
identifikasi masalah, (2) kerangka berfikir, (3) hipotesis, (4) disain pengujian
hipotesis, (5) disain pengumpulan data, dan (6) penarikan kesimpulan.
Sedangkan menurut Suriasumantri (1991), langkah-langkah dalam metode ilmiah
tersebut adalah :

1) Perumusan Masalah, yang merupakan pertanyaan-pertanyaan mengenai


obyek empiris yang jelas batas-batasnya serta dapat diidentifikasikan
faktor-faktor yang terkait di dalamnya,
2) Penyusunan kerangka berfikir, yaitu argumentasi yang menjelaskan
hubungan yang mungkin terdapat antara berbagai faktor yang saling
mengkait dan membentuk konstelasi permasalahan. Kerangka berfikir ini
disusun secara rasional berdasarkan premis-premis ilmiah yang telah
teruji kebenarannya dengan memperhatikan faktor-faktor empiris yang
relevan dengan permasalahan,
3) Perumusan hipotesis yang merupakan jawaban sementara atau dugaan
terhadap pertanyaan yang diajukan yang materinya merupakan
kesimpulan dari kerangka berfikir yang dikembangkan,

21
Konsep Penelitian

4) Pengujian hipotesis, yang merupakan pengumpulan fakta-fakta yang


relevan dengan hipotesis yang diajukan untuk memperlihatkan apakah
terdapat fakta-fakta yang mendukung hipotesis tersebut atau tidak,
5) Penarikan kesimpulan, yang merupakan penilaian apakah sebuah
hipotesis yang diajukan itu ditolak atau diterima. Sekiranya dalam proses
pengujian terdapat fakta yang cukup mendukung hipotesis maka hipotesis
itu diterima. Sebaliknya, sekiranya dalam proses pengujian tidak terdapat
fakta yang cukup mendukung hipotesis maka hipotesis itu ditolak.
Hipotesis yang diterima kemudian dianggap menjadi bagian dari
pengetahuan ilmiah sebab telah memenuhi persyaratan keilmuan yaitu
mempunyai kerangka penjelasan yang konsisten dengan pengetahuan
ilmiah sebelumnya serta telah teruji kebenarannya

Langkah-langkah dalam metode ilmiah sebenarnya menunjukkan cara berfikir


ilmiah yang mencakup penalaran deduksi dan induksi sehingga metode ilmiah
dikatakan sebagai langkah deducto-hipotetiko-verifikatif atau logico-hypothetico-
verifikasi. Tahap-tahap metode ilmiah sampai ke penyusunan hipotesis
merupakan proses deducto hipotetiko, yaitu bagaimana kita menyusun hipotesis
secara deduktif dari teori-teori sebelumnya, yang disusun dalam kerangka
pemikiran. Teori-teori tersebut adalah sebagai premis (alasan) kita membuat
pernyataan khusus dalam bentuk hipotesis. Proses hipotetiko-verifikatif
menunjukkan langkah-langkah pembuktian hipotesis (verifikasi) dengan
mengumpulkan fakta-fakta dan menarik kesimpulan umum berdasarkan fakta-
fakta empiris tersebut. Jadi proses kedua ini merupakan proses berfikir induktif.
Secara umum metode penelitian dapat dilihat pada gambar 1.3 dibawah ini :

22
Konsep Penelitian

METODE ILMIAH

PERUMSAN MASALAH
1. LATAR BELAKANG
MASALAH
2..IDENTIFIKASI MASALAH
3. BATASAN MASALAH
PENYUSUNAN 4. PERUMUSAN MASALAH
KERANGKA 5. TUJUAN DAN MANFAAT PENELITIAN
BERPIKIR

HIPOTHESIS
TEORI, KERANGKA PIKIR & HIPOHESIS
1. KAJIAN TEORI
2..PENELITIAN YANG RELEVAN
METODOLOGI 3. KERANGKA PIKIR
PENELITIAN 4. HIPOTHESIS

METODOLOGI PENELITIAN
1. DESAIN PENELITIAN
2..OBYEK PENELITIAN
3. POPULASI DAN SAMPEL
4. DEFINISI OPERASIONAL VARIABEL
5. METODE ANALISIS DATA
PENGUJIAN
HPOTHESIS
HASIL & ANALISIS PENELITIAN
1. GAMBARAN OBYEK PENELITIAN
2..HASIL PENELITIAN
PROFIL RESPONDEN
HASIL PENELITIAN
3. ANALISIS HASIL PENELITIAN

KESIMPULAN DAN SARAN


KESIMPULAN 1. KESIMPULAN
2. SARAN

Gambar 1.3. Langkah-langkah Metoda Penelitian

Berdasarkan kerangka pada Gambar 1.3, juga dapat diperlihatkan


tampak bahwa metode ilmiah diawali dengan proses deduksi, yaitu pengambilan
konsep atau sesuatu yang lain berdasarkan pengalaman dan mempertegas hal
ini harus diperkuat dengan studi pustaka. Dari teori atau konsep dan fenomena
serta keadaan yang ada itulah kemudian baru dirumuskan permasalahan apa
yang akan diteliti. Perumusan atau penetapan masalah ini diperlukan agar tidak
terdapat kerguan saat melakukan penelitian dan juga untuk membatasi sampai
sejauh mana suatu penelitian dan juga untuk membatasi sampai sejauh mana
suatu penelitian akan dilakukan. Perumusan masalah ini harus jelas dan tegas
agar benar-benar menjadi tuntunan dalam melakukan penelitian.

23
Konsep Penelitian

Gambar 1.4. Kerangka metode ilmiah

Apabila hal ini sudah dilalui, maka tahap berikutnya adalah penyusunan
hipotesis yang tak lain adalah jawaban atau kesimpulan sementara tentang
hubungan dan sangkut paut antar variabel atau fenomena dalam suatu
penelitian. Tentunya jawaban sementara ini harus mempunyai dasar atau
landasan yang kuat dan logis. Pada tahapan ini juga harus ditentukan cara-cara
untuk menguji hipotesis tersebut. Cara-cara ini sangat bergantung pada disiplin
ilmu peneliti dan penelitian yang dilakukan.

Selanjutnya tahap yang sangat krusial adalah verifikasi atau pembuktian


hipotesis itu sendiri. Pada tahapan ini yang diperlukan adalah data, dan ini dapat
diperoleh dari berbagai sumber dan cara/teknik sesuai dengan metode yang
telah ditetapkan sebelumnya. Apabila penelitiannya merupakan penelitian yang
berbasis eksperimen, seperti yang biasa dilakukan di bidan sain dan teknik,
maka data yang diperoleh tentunya adalah data-data hasil percobaan yang telah
diatur metodenya. Apabila penelitian berdasarkan survei, tentunya data yang
diperoleh merupakan hasil survei dengan mengajukan pertanyaan-pertanyaan
yang dilakukan terhadap responden baik secara langsung ataupun melalui
kuisioner. Data-data yang telah terkumpul ini selanjutnya dianalisis dan
diinterpretasi menggunakan cara-carra yang sesuai. Analisis dan interpretasi ini
harus dengan penjelasan yang logis dan konseptual.

24
Konsep Penelitian

Setelah analisis dan tafsiran diberikan, maka selanjutnya dilakukan adalah


tahapan induksi yaitu generalisasi dari temuan-temuan yang ada, dan berikutnya
disusunlah beberapa kesimpulan. Kesimpulan dan generalisasi ini harus ada
kaitannya dengan hipotesis, artinya bahwa kesimpulan ini menjawab semua
rumusan masalah dan membuktikan apakah hipotesis yang telah dirumuskan
benar atau harus ditolak.

Demikianlah kerangkat metode ilmiah yang biasa dilakukan. Satu tahapan


setelahnya yang tidak kalah penting adalah penyajian laporan ilmiah melalui
berbagai jenis laporan ilmiah yang dapat dilakukan.

Pada diagram 1 s/d 7 dijelaskan keterkaitkan dengan laporan penelitian sebagai


berikut :

25
Konsep Penelitian

Diagram 1 Hubungan Berfikir Ilmiah, Penelitian, Dan Laporan Hasil


Penelitian

Laporan hasil
Langkah Langkah-langkah penelitian (wajah
berpikir ilmiah penelitian panggung karya
ilmiah).

Bab I. PENGAJUAN
Konseptualisasi MASALAH
masalah penelitian, 1. Latar belakang
MERUMUSKAN sehingga jelas 2. Identifikasi masalah
MASALAH rumusan 3. Pembatasan masalah
masalahnya, jelas 4. Perumusan masalah
ruang lingkupnya, 5. Defenisi operasional
6. Tujuan dan kegunaan
dan jelas batasan
penelitian

Berpikir rasional
Bab II. KAJIAN TEORI
dalam mengkaji DAN KERANGKA
MERUMUSKAN teori, postulat, yang PEMIKIRAN
HIPOTESIS berkenaan dengan 1. Penambahan Teori
masalah penelitian, 2. Hasil penelitian relevan
untuk mengajukan 3. Kerangka pemikiran
4. Hipotesis penelitian
hipotesis penelitian

Bab III. METODOLOGI


Pengumpulan data PENELITIAN
di lapangan untuk 1. Tujuan khusus penelitian
keperluan 2. Metode dan desain
pemecahan 3. Instrumen penelitian
masalah penelitian. 4. Sampel penelitian
5. Teknik analisis data
6. Prosedur penelitian *)

VERIFIKASI DATA
UNTUK MENGUJI BAB IV. HASIL
Analisis data dan PENELITIAN
HIPOTESIS
menguji hipotesis 1. Variabel yang diteliti
2. Deskripsi hasil penelitian
3. Pengujian hipotesis
4. Pembahasan Hasil

Kesimpulan
penelitian yakni
MENARIK Bab V. KESIMPULAN
menerima atau
KESIMPULAN DAN SARAN
menolak hipotesis 1. Rangkuman penelitian
penelitian 2. Kesimpulan penelitian
3. Implikasi dan saran

26
Konsep Penelitian

Diagram 2 Alur Pikir Penyusunan BAB I Laporan Hasil Penelitian

PENGAJUAN MASALAH

1. Latar Menjelaskan apa dan mengapa tema/topic


belakang penelitian.

Kemungkinan-kemungkinan masalah yang


2. Identifikasi timbul dari tema/topik/judul. Masalah I,
masalah masalah II, masalah III, Masalah IV, dan
seterusnya.

3. Pembatasan Menetapkan/memilih masalah dari


masalah kemungkinan yang ada disertai
argumentasinya.

4. Perumusan Mengembangkan pertanyaan-pertanyaan


masalah penelitian yang bersumber dari masalah yang
telah dipilih.

Memberi batasan konsep variabel yang ada


5. Defenisi
dalam masalah serta menetapkan hasil-hasil
operasional
pengukurannya.

6. Tujuan dan Merumuskan tujuan umum penelitian yang


kegunaan konsisten dengan masalah pokok penelitian
penelitian serta kegunaan penelitian.

27
Konsep Penelitian

Diagram 3 Alur Pikir Penyusunan BAB II Laporan Hasil Penelitian

KAJIAN TEORI DAN KERANGKA


PEMIKIRAN

Pembahasan teoritis mengenai variabel


1. Pembahasan
penelitian, baik variabel bebas maupun
teori variabel terikat.

2. Hasil Nyatakan hasil penelitian sebelumnya (kalau


Penelitian ada) yang relevan dengan variabel penelitian.
3. yang relevan

Nyatakan/konsepsikan hubungan antara


3. Kerangka variabel (bebas dan terikat) bardasarkan teori,
postulat, asumsi, yang ada. Susun (kalau bisa)
Pemikiran
suatu model/diagram yang menyatakan alur
hubungan variabel di atas.

Atur dasar kerangka pikir diatas ajukan/


4. Pengajuan rumuskan hipotesis penelitian baik secara
Hipotesis verbal maupun secara statistik (notasinya)
Penelitian serta kriteria pengujiannya.

28
Konsep Penelitian

Diagram 4 Alur Pikir Penyusunan BAB III Laporan Hasil Penelitian

METODOLOGI PENELITIAN

Menjabarkan tujuan umum penelitian menjadi


1. Tujuan khusus tujuan khusus yang rumusannya konsisten dengan
penelitian rumusan masalah yang ada pada langkah 4 Diagram
: 2.

2. Metode dan
Menjelaskan metode penelitian dan alasan-
disain alasannya, variabel yang diteliti dan disain
penelitian penelitian (hubungan-hubungan variabel).

Menjelaskan alat pengumpul data/instrumen yang


3. Instrumen
akan digunakan dalam mengukur variabel penlitian
Penelitian beserta syarat-syarat yang harus dipenuhinya.

4. Sampel Menjelaskan teknik pemilihan sampel, dari populasi


Penelitian penelitian dan besarnya sampel penelitian.

Menjelaskan skala hasil pengukuran yang diperoleh


dari hasil instrumen penelitian dan teknik statistika
5. Teknik untuk mengolah/menganalisa data dan menguji
Analisis Data hipotesis, termasuk uji-uji prasyaratnya. Kemukakan
pula kriteria pengujiannya.

6. Prosedur Menjelaskan langkah-langkah pelaksanaan


Penelitian *) penelitian (pengumpulan data di lapangan).

29
Konsep Penelitian

Diagram 5 Alur Pikir Penyusunan BAB IV Laporan Hasil Penelitian

HASIL PENELITIAN

1. Variabel yang Nyatakan kembali variabel penelitian baik


Diteliti variabel bebas maupun variabel terikat.

Nyatakan besaran variabel penelitian yang


2. Deskripsi diperoleh melalui perhitungan (hasil analisis
Hasil data) misalnya rata-rata, mdian, modus,
Penelitian standar deviasi, varians, grafik/tabel, dan
lain-lain.

Nyatakan perhitungan hasil pengujian


3. Pengujian hipotesis lalu simpulkan apakah hipotesis
Hipotesis penelitian diterima atau ditolak berdasarkan
kriteria pengujiannya yang telah ditetapkan.

Berikan pembahasan teoritis mengapa


4. Pembahasan
hipotesis penelitian ditolak, atau diterima
Hasil serta makna dari penolakan dan penerimaan
Pengujian hipotesis tersebut.

30
Konsep Penelitian

Diagram 6 Alur Pikir Penyusunan BAB V Laporan Hasil Penelitian

KESIMPULAN DAN SARAN

Nyatakan secara singkat masalah dan


tujuan penelitian, hipotesis penelitian,
1. Rangkuman
metodologi penelitian, dan hasil-hasil
pengujian hipotesis.

Nyatakan secara singkat basaran variabel


dan hipotesis penelitian yang telah teruji
2. Kesimpulan kebenarannya, serta argumentasi
singkat mengapa hipotesis tertentu
ditolak.

Tarik implikasi hasil dari kesimpulan


penelitian lalu berikan saran-saran
3. Saran konseptual baik yang berkenaan dengan
temuan penelitian maupun untuk
penelitian lebih lanjut.

31
Konsep Penelitian

Diagram 7 Perbedaan Kerangka Berfikir Antara Makalah Dengan Skripsi

Merumuskan masalah
Kombinasi / gabungan pengkajian teori, Skripsi
berpikir rasional dengan menurunkan hipotesis,
berpikir empiris verifikasi data empiris Tesis

Merumuskan masalah
Pola 1. Berpikir rasional
pengkajian teori,
menggunakan
menurunkan hipotesis,
logika deduktif pembahasan teoritis

Makalah

Merumuskan masalah,
Pola 2. Berpikir empiris verifikasi data empiris dan
menggunakan melaporkan/
logika induktif mendeskripsikannya.

32
Konsep Penelitian

LATIHAN

1. Jelaskan apa yang anda ketahui tentang penelitian?


2. Sebutkan beberapa alasan seorang perlu memiliki keterampilan dalam
bidang penelitian? Jelaskan!
3. Apa yang dimaksud dengan penelitian deduktif,induktif,dan terapan serta
berikan contohnya!
4. Apa perbedaan Paradigma Kuantitatif dengan paradigm kualitatif?
Jelaskan!
5. Uraikan jenis-jenis penelitian berdasarkan karakteristik masalah?

33
Populasi dan Sampel

BAB II
POPULASI DAN SAMPEL

A. Pendahuluan

Salah satu bagian dalam desain penelitian adalah menentukan populasi


dan sampel penelitian. Dewasa ini, kegiatan penelitian banyak dilakukan dengan
penarikan sampel, karena metode penarikan sampel lebih praktis, biayanya lebih
hemat, serta memerlukan waktu dan tenaga yang lebih sedikit dibandingkan
dengan metode sensus.

Pengambilan sebagian dari keseluruhan objek, dan atas hasil penelitian


suatu keputusan atau kesimpulan mengenai keseluruhan objek populasi dibuat,
disebut sebagai metode penarikan
sampel (sampling). Penelitian yang
memakai sampel untuk meneliti atau
menyelidiki karakteristik objek
penelitian, dilakukan dengan beberapa
alasan antara lain: objek yang diteliti
sifatnya mudah rusak, objek yang diteliti
bersifat homogen, tidak mungkin
meneliti secara fisik seluruh objek
dalam populasi, untuk menghemat biaya, untuk menghemat waktu dan tenaga,
serta keakuratan hasil sampling.

Dalam penelitian yang menggunakan sampel sebagai unit analisis, baik


pada penelitian dengan pendekatan kuantitatif dan penelitian dengan pendekatan
kualitatif, setidaknya terdapat dua hal yang menjadi masalah atau persoalan
yang dihadapi, yaitu: pertama, bahwa persoalan sampling adalah proses untuk
mendapatkan sampel dari suatu populasi. Di sini sampel harus benar-benar bisa
mencerminkan keadaan populasi, artinya kesimpulan hasil penelitian yang
diangkat dari sampel harus merupakan kesimpulan atas populasi. Sehingga
masalah yang dihadapi adalah bagaimana memperoleh sampel yang
representatif, yaitu sampel yang dapat mewakili elemen lain dalam populasi atau
mencerminkan keadaan populasi. Kedua, masalah yang dihadapi dalam
penelitian yang menggunakan sampel sebagai unit analisis adalah tentang

34
Populasi dan Sampel

bagaimana proses pengambilan sampel, dan berapa banyak unit analisis yang
akan diambil. Sehingga masalah yang dihadapi diantaranya teknik penarikan
sampel manakah yang cocok dengan karakteristik populasi, tujuan dan masalah
penelitian yang akan dikaji. Selain itu berapa banyak unit analisis atau ukuran
sampel (sample size) yang akan dilibatkan dalam kegiatan penelitian.

Berdasarkan kedua masalah sebagaimana dikemukakan di atas, maka


makalah ini bermaksud mengkaji masalah populasi dan teknik penarikan sampel
(sampling), khususnya dalam penelitian kualitatif.

1. Pengertian Populasi dan Sampel

1.1 Populasi

Kata populasi (population/universe) dalam statistika merujuk pada


sekumpulan individu dengan karakteristik khas yang menjadi perhatian dalam
suatu penelitian (pengamatan). Populasi dalam statistika tidak terbatas pada
sekelompok orang, tetapi juga binatang
atau apa saja yang menjadi perhatian
kita. Misalnya populasi bank swasta di
Indonesia, tanaman, rumah, alat-alat
perkantoran, dan jenis pekerjaan.

Populasi merupakan keseluruhan


(universum) dari objek penelitian yang
dapat berupa manusia, hewan, tumbuh-
tumbuhan, gejala, nilai, peristiwa, sikap
hidup, dan sebagainya yang menjadi pusat perhatian dan menjadi sumber data
penelitian. Apabila kita lihat definisi tersebut, pengertian populasi bisa sangat
beragam sehingga kita harus mendefinisikan populasi tersebut dengan jelas dan
tepat.

Perhatikan pendefinisian populasi berikut:

Populasi dalam penelitian ini adalah Mahasiswa Magister Manajemen (S2)


Angkatan 2012, Universitas Bina Darma, yang masih aktif Pendefinisian
populasi seperti ini sudah jelas batas ruang lingkupnya, sehingga kesimpulan

35
Populasi dan Sampel

apapun yang diberikan terhadap suatu sampel yang diambil dari populasi
tersebut hanya berlaku untuk populasi yang dibatasi oleh Mahasiswa Magister
Manajemen (S2) Angkatan 2012, Universitas Bina Darma, yang masih aktif
kuliah dan tidak berlaku untuk mahasiswa lainnya yang berada diluar ruang
lingkup tersebut. Jadi hanya menggambarkan keadaan rata-rata nilai IPK
mahasiswa pada ruang lingkup tersebut.

Banyaknya pengamatan atau anggota


suatu populasi disebut ukuran populasi.
Ukuran populasi ada dua: (1) populasi
terhingga (finite population), yaitu ukuran
populasi yang berapa pun besarnya tetapi
masih bisa dihitung (cauntable). Misalnya
populasi pegawai suatu perusahaan; (2)
populasi tak terhingga (infinite population),
yaitu ukuran populasi yang sudah sedemikian
besarnya sehingga sudah tidak bisa dihitung
(uncountable). Misalnya populasi tanaman anggrek di dunia.

Informasi tentang populasi sangat diperlukan untuk menarik kesimpulan.


Bila kita dapat mengobservasi keseluruhan individu anggota populasi, kita akan
mendapatkan besaran yang menyatakan karakteristik populasi yang sebenarnya;
dalam statistika disebut parameter. Dengan demikian parameter adalah suatu
nilai yang menggambarkan ciri/karakteristik populasi. Parameter merupakan
suatu nilai yang stabil karena diperoleh dari observasi terhadap seluruh anggota
populasi. Biasanya dilambangkan dengan huruf-huruf Yunani. Misalnya: Rata-
rata populasi dilambangkan dengan (baca: myu). Jika kita mengamati seluruh
populasi berarti kita melakukan sensus.

Berikut ini adalah contoh suatu populasi:

Populasi Mahasiswa Universitas Bina Darma (UBD)

Populasi Mahasiswa Fakultas Ilmu Komputer

Apabila kita perhatikan contoh populasi di atas, pengertian populasi di


sana bersifat relatif, pendefinisiannya tergantung dari si Peneliti, apakah dia ingin
mengetahui Populasi Mahasiswa UBD secara keseluruhan ataukah hanya

36
Populasi dan Sampel

tertarik pada populasi mahasiswa Ilmu Komputer saja. Kita harus hati-hati dalam
mendefinisikan suatu populasi. Populasi harus didefinisikan dengan jelas dan
tepat. Misalnya, kita ingin mengetahui rata-rata nilai IPK mahasiswa Universitas
Bina Darma (UBD). Berarti parameter/sifat/ciri yang ingin diketahui adalah rata-
rata nilai IPK mahasiswa dan obyek yang ditelitinya adalah Mahasiswa
Universitas Bina Darma (UBD). Jika kita merumuskan populasi seperti ini,
rumusannya sudah jelas tapi belum tepat. Jelas maksudnya: (1) parameter yang
ingin diteliti sudah jelas, yaitu Nilai IPK mahasiswa Universitas Bina Darma
(UBD) dan bukan parameter lain, seperti tinggi, nilai IQ dan sebagainya (2)
populasinya hanya mahasiswa Unpad bukan nilai IPK mahasiswa dari universitas
lain. Belum tepat maksudnya, apabila kita berbicara tentang mahasiswa
Universitas Bina Darma (UBD) cakupannya cukup luas. Apakah kita akan
mendata nilai IPK semua mahasiswa UBD dari semua angkatan, baik yang
masih aktif, non aktif, meninggal, DO, maupun yang sudah lulus?
Dengan demikian, batasan ruang lingkup dari populasi yang akan diteliti
harus didefinisikan dengan jelas dan tepat, karena semua kesimpulan yang
nantinya akan diperoleh dari hasil penarikan contoh (sampel) hanya berlaku
untuk populasi yang dimaksud, bukan untuk populasi yang berada diluar batasan
ruang lingkup yang diberikan. Populasi dapat dibagi berdasarkan keadaan
(kompleksitasnya) dan berdasarkan ukurannya. Menurut keadaannya populasi
dapat dibagi menjadi dua bagian yaitu Populasi Homogen, dan Populasi
heterogen. Berdasarkan ukurannya, populasi juga dibagi menjadi dua bagian
yaitu Populasi terhingga, dan Populasi tak terhingga.

a. Populasi berdasarkan keadaannya:

1) Populasi Homogen: populasi dikatakan homogen apabila unsur-unsur


dari populasi yang diteliti memiliki sifat-sifat yang relatif seragam satu
sama lainnya. Karakteristik
seperti ini banyak ditemukan di
bidang eksakta, misalnya air,
larutan, dsb. Apabila kita ingin
mengetahui manis tidaknya
secangkir kopi, cukup dengan mencoba setetes cairan kopi tersebut.
Setetes cairan kopi sudah bisa mewakili kadar gula dari secangkir kopi
tersebut.

37
Populasi dan Sampel

2) Populasi Heterogen: populasi dikatakan heterogen apabila unsur-unsur


dari populasi yang diteliti memiliki sifat-sifat yang relatif berbeda satu
sama lainnya. Karakteristik seperti ini banyak ditemukan dalam penelitian
sosial dan perilaku, yang objeknya manusia atau gejala-gejala dalam
kehidupan manusia yang bersifat unik dan kompleks. Misalnya, apabila
kita ingin mengetahui rata-rata IQ mahasiswa Universitas Bina Darma
(UBD) angkatan 2012 (berarti rata-rata dari semua Fakultas). Jelas, rata-
rata IQ mahasiswa antar Fakultas kemungkinan besar bervariasi, IQ
mahasiswa Fakultas Kedokteran relatif lebih tinggi dibanding dengan rata-
rata IQ mahasiswa Fakultas lainnya, sehingga kita bisa mengatakan
bahwa populasi tersebut keadaannya heterogen. Untuk mengatasi
populasi yang heterogen dalam melakukan penelitian, perlu adanya
pengelompokan berdasarkan karakteristiknya, sehingga dari populasi
yang ada digrupkan dalam beberapa kelompok, yang nantinya kelompok-
kelompok tersebut akan hogomen dalam kelompoknya, tetapi kelompok-
kelompok tersebut sangat heterogen diantara kelompkonya. Pada
pemisalan sebelumnya, kelompok identik dengan Fakultas.

b. Populasi berdasarkan ukurannya:

1) Populasi terhingga: Populasi dikatakan terhingga bilamana anggota


populasi dapat diperkirakan atau diketahui secara pasti jumlahnya,
dengan kata lain, jelas batas-batasnya secara kuantitatif, misalnya:

Banyaknya Mahasiswa Ilmu Komputer Kelas A, Angkatan


2012, Universitas Bina Darma (UBD)
Tinggi penduduk yang ada di kota tertentu
Panjang ikan di sebuah danau

2) Populasi tak hingga: populasi dikatakan tak hingga bilamana anggota


populasinya tidak dapat diperkirakan atau tidak dapat diketahui
jumlahnya, dengan kata lain, batas-batasnya tidak dapat ditentukan
secara kuantitatif, misalnya:

Air di lautan
Banyaknya pasir yang ada di Pantai Pangandaran.

38
Populasi dan Sampel

Banyaknya anak yang menderita kekurangan gizi


Kedalaman suatu danau yang diukur dari berbagai titik

Namun demikian, dalam praktek kehidupan sehari-hari banyak kita jumpai


adanya populasi terhingga dianggap sebagai populasi tak terhingga, dan hal
seperti ini dibenarkan secara statistika, misalnya banyaknya orang Indonesia
yang merokok, banyaknya penduduk Indonesia sekarang, dan sebagainya.

1.2 Sampel

Dalam statistik inferensial, kita ingin mengetahui gambaran karakteristik


tertentu dari suatu populasi, namun terkadang hal tersebut terkadang tidak
mungkin dan tidak praktis untuk mengamati seluruh obyek/individu yang
menyusun suatu populasi.

Pedagang eceran beras hanya meneliti


segenggam beras untuk menentukan
kualitas sekarang beras. Pedagang emas
hanya meneliti bekas gosokan dari perhiasan
tersebut untuk menentukan kualitas emas
perhiasan tersebut. Peneliti lingkungan
hanya meneliti beberapa milliliter air untuk
menentukan kualitas air pada suatu sungai atau danau. Pertanyaannya,
mengapa tidak meneliti secara keseluruhan, bukankah hasilnya akan lebih baik
dan lebih tepat? Mengingat seorang peneliti dalam melakukan penelitian penuh
dengan keterbatasan baik dari segi biaya, waktu, dan lain sebagainya maka
penelitian yang dilakukan untuk mengumpulkan informasi atau data yang
diinginkan sesuai dengan permasalah yang diteliti ditempuh dengan mengambil
sebagian dari populasi, dengan mempertimbangkan ketebatasan yang ada dari
peneliti. Bagian dari populasi tersebut sebagai tempat untuk mengumpulkan
informasi dinamakan contoh (sampel).

Dengan demikian, sampel merupakan bagian dari populasi yang dipilih dengan
menggunakan aturan-aturan tertentu, yang digunakan untuk mengumpulkan
informasi/data yang menggambarkan sifat atau ciri yang dimiliki populasi.

39
Populasi dan Sampel

Pengertian sampel menurut beberapa pendapat sebagai berikut :

Sampel adalah sebagian untuk diambil dari keseluruhan obyek yang


diteliti dan dianggap mewakili seluruh populasi (Soekidjo. 2005 : 79).

Kemudian menurut Issac dan Michael didapatkan dari tabel penentuan


jumlah sampel dengan taraf signifikan 5%, bila populasinya sebanyak 25 maka
sampel sebanyak 23 orang. (Sugiyono. 2005 : 98)

Sampel adalah sebagian objek yang diambil dari keseluruhan objek


yang diteliti dan dianggap mewakili seluruh populasi. ( Notoatmojo, 2003 )
Sampel adalah sebagian atau wakil populasi yang diteliti ( Suharsimi Arikunto.
2002 : 109).

Dari definisi tersebut jelas bahwa sampel yang kita ambil digunakan untuk
menggambarkan karakteristik suatu populasi, atau dengan kata lain, sampel
digunakan untuk menggeneralisasi suatu populasi. Dengan demikian, sampel
harus betul-betul bersifat representatif sehingga dapat mewakili dan
mencerminkan karakteristik populasi dari mana sampel itu diambil.

Gambar 2.1 Sampel Representatif

40
Populasi dan Sampel

Seorang peneliti, jarang mengamati keseluruhan populasi karena dua


alasan:

1) Biaya terlalu tinggi dan


2) Populasi bersifat dinamis, yaitu unsur-unsur populasi bisa berubah
dari waktu ke waktu.

Ada tiga keuntungan utama pengambilan sampel:

1) Biaya lebih rendah,


2) Pengumpulan data lebih cepat, dan
3) Hal ini mungkin untuk memastikan keseragaman dan untuk
meningkatkan akurasi dan kualitas data karena kumpulan data lebih
kecil .
Dari beberapa literature atau pendapat para ahli, dapat disimpulkan bahwa
populasi merupakan keseluruh elemen, atau unit elementer, atau unit penelitian,
atau unit analisis yang memiliki karakteristik tertentu yang dijadikan sebagai
objek penelitian. Pengertian populasi tidak hanya berkenaan dengan siapa
tetapi juga berkenaan dengan apa. Istilah elemen, unit elementer, unit penelitian,
atau unit analisis yang terdapat pada batasan populasi di atas merujuk pada
siapa yang akan diteliti atau unit di mana pengukuran dan inferensi akan
dilakukan (individu, kelompok, atau organisasi), sedang penggunaan kata
karakteristik merujuk pada apa yang akan diteliti. Apa yang diteliti tidak hanya
merujuk pada isi, yaitu data apa tetapi juga merujuk pada cakupan (scope) dan
juga waktu.

41
Populasi dan Sampel

POPULASI

Himpunan dari yang memiliki dijadikan


elemen, unit karakteristik tertentu sebagai
elementer, atau (isi, cakupan, waktu) objek penelitian
unit penelitian

SAMPEL
SIAPA APA himpunan bagian
yang DATA yang (subset) dari populasi
diteliti diteliti

Parameter Statistik

( m, s, s2 ) ( X, s, s2 )
estimasi

Gambar 2.2 Populasi, Parameter dan Statistik

Sementara sampel adalah bagian kecil dari anggota populasi yang


diambil menurut prosedur tertentu sehingga dapat mewakili populasinya. Kerja
statistik melalui sampel dimungkinkan dengan alasan: keterbatasan biaya, waktu
dan tenaga. Banyaknya anggota suatu sampel disebut ukuran sampel,
sedangkan suatu nilai yang menggambarkan ciri sampel disebut statistik. Sampel
diharapkan bisa mewakili populasi, karena itu sampel dibagi dua, yaitu sampel
representatif dan sampel nonrepresentatif. Sampel representatif adalah sampel
yang bisa mewakili keadaan populasinya, dan sampel nonrepresentatif adalah
sampel yang tidak dapat mewakili populasinya. Dengan demikian sebagai
penduga parameter ada dua kemungkinan nilai statistik yang diperoleh, yaitu
persis sama dengan parameternya atau tidak sama (lebih besar atau lebih kecil).
Statistik sering dilambangkan dengan huruf dari abjad latin. Contoh rata-rata
sampel dilambangkan dengan x .

2. Pengertian Sampling

Beberapa pengertian sampling menurut pendapat para ahli sebagai berikut :

Sampling adalah suatu proses menyeleksi porsi dari populasi untuk dapat
mewakili populasi (Nursalam. 2003 : 97).

42
Populasi dan Sampel

Teknik Sampling adalah merupakan teknik pengambilan sampel (Sugiyono.2006


: 56)

Tehnik sampling adalah cara atau teknik yang digunakan dalam mengambil
sampel penelitian (Notoatmodjo, 2002)

Teknik sampling yang digunakan dalam penelitian ini adalah quota sampling
yaitu teknik pengambilan sampel dengan cara menetapkan sejumlah anggota
sampel. Anggota populasi manapun yang akan diambil tidak menjadi soal,
yang penting jumlah quotum yang sudah ditetapkan dapat dipenuhi
(Notoatmodjo, 2005).

2.1 Teknik Penarikan Sampel

Earl Babbie (1986) dikutip Prijana (2005) dalam bukunya The Practice of
Social Research, mengatakan Sampling is the process of selecting
observations (Sampling adalah proses seleksi dalam kegiatan observasi).
Proses seleksi yang dimaksud di sini adalah proses untuk mendapatkan sampel.

43
Populasi dan Sampel

Sampling
N n

SAMPEL
POPULASI

Gambar 1.3 Logika Sampling

Berdasarkan pendapat di atas, maka dapat disampaikan dua hal yaitu: (1)
bahwa sampling adalah proses untuk mendapatkan sampel dari suatu populasi.
Di sini sampel harus benar-benar mencerminkan populasi, artinya kesimpulan
yang diangkat dari sampel merupakan kesimpulan atas populasi. (2) masalah
yang dihadapi adalah tentang bagaimana proses pengambilan sampel, dan
berapa banyak unit analisis yang akan diambil.

2.2 Tipe Sampling

Tipe sampling dapat dibedakan berdasarkan dua hal, yaitu tipe sampling
berdasarkan proses pemilihannya dan tipe sampling berdasarkan peluang
pemilihannya.

Tipe sampling berdasarkan proses pemilihannya terbagi atas: (1)


Sampling dengan pengembalian (sampling with replacement), yaitu setiap
anggota sampel yang terpilih dikembalikan lagi ke tempatnya sebelum pemilihan
selanjutnya dilakukan, sehingga ada kemungkinan bahwa suatu satuan sampling
akan terpilih lebih dari sekali. (2) Sampling tanpa pengembalian (sampling
without replacement), yaitu setiap anggota sampel yang terpilih tidak
dikembalikan lagi ke dalam satuan populasi. Dengan demikian sampling tanpa
pengembalian merupakan kebalikan dari proses sampling dengan pengembalian.

44
Populasi dan Sampel

Gambar 2.4 Tipe Sampling

Sumber : D. M. Levine, D. Stephan, T.C. Krehbiel & M.L. Berensen (2002)

a. Sampling Probalibility

Tipe sampling berdasarkan peluang pemilihannya terbagi atas sampling


probabilitas (probability sampling) dan sampling nonprobabilitas (nonprobability
sampling). Dalam sampling probabilitas, pemilihan sampel dilakukan secara acak
dan dilakukan secara objektif, dalam arti tidak didasarkan semata-mata pada
keinginan peneliti, sehingga setiap anggota populasi memiliki kesempatan
tertentu untuk terpilih sebagai sampel.

Yang termasuk dalam sampling probabilitas adalah: sampling acak


sederhana (simple random sampling), sampling sistematik (systematic sampling),
sampling berstrata (stratified sampling), dan sampling bergugus (cluster
sampling).

Yang dimaksud dengan sampling acak sederhana adalah sebuah proses


sampling yang dilakukan sedemikian rupa sehingga setiap satuan sampling yang
ada dalam populasi mempunyai peluang yang sama untuk dipilih ke dalam
sampel. William G. Cohran dalam bukunya Sampling Techniques, yang
diterjemahkan oleh Prijana (2005) mengatakan bahwa sampling acak sederhana
adalah sebuah metode seleksi terhadap unit-unit populasi, unit-unit tersebut
diacak seluruhnya. Masing-masing unit atau unit satu dengan unit lainnya

45
Populasi dan Sampel

memiliki peluang yang sama untuk dipilih. Pemilihan dilakukan dengan tabel
angka random atau menggunakan program komputer.

Sementara Earl Babbie dalam bukunya The Practice of Social Research


masih dalam Prijatna (2005) mengatakan bahwa sampling acak sederhana
adalah sebuah metode sampling dasar dalam penelitian sosial, sebuah kerangka
sampling mesti dibuat, masing-masing unit didaftar seluruhnya tanpa ada yang
terlewat. Penseleksiannya menggunakan tabel angka random.

Dari kedua pendapat tersebut jelas bahwa sampling acak sederhana


adalah sebuah rancangan sampling yang paling sederhana ditinjau dari proses
sampling-nya maupun dari bentuk rumus yang dianalisisnya, serta digunakan
untuk ukuran populasi terbatas dan ukuran kecil, oleh karena itu proses
penarikan sampel acak sederhana relatif mudah. Proses sampling dimulai dari
unit-unit dicatat seluruhnya tanpa ada yang terlewati yang umumnya data diambil
dari data sensus. Setelah data dari kerangka sampling sudah lengkap, maka
selanjutnya dilakukan langkah penyeleksian untuk masing-masing unit dengan
peluang yang sama untuk terpilih sebagai unit sampel dengan menggunakan
tabel angka random atau menggunakan program komputer.

Penarikan sampel sistematik (systematic sampling) merupakan


pengambilan setiap unsur ke k dalam populasi, untuk dijadikan sampel.
Pengambilan sampel secara acak hanya dilakukan pada pengambilan awal saja,
sementara pengambilan kedua dan seterusnya ditentukan secara sistematis,
yaitu menggunakan interval tertentu sebesar k.

William G. Cohran (Prijana, 2005) mengatakan bahwa sampling sistematik


berbeda dengan sampling acak sederhana. Unit-unit populasi dicatat seluruhnya
secara tersusun. Untuk seleksi unit-unit yang dijadikan unit sampel digunakan
aturan sistematik, hanya unit pertama saja yang digunakan cara seleksi acak,
untuk unit terpilih yang kedua dan seterusnya menggunakan aturan sistematik.

Penarikan sampel berstrata dilakukan dengan mengambil sampel acak


sederhana dari setiap strata populasi yang sudah ditentukan lebih dulu.
Penarikan sampel acak berstrata, populasinya di skat-skat menjadi beberapa
group yang disebut strata. Setiap strata memiliki elemen yang relatif homogen.
Misalnya saja: (1) pendapatan keluarga per bulan, besarnya sangat bervariasi
dari satu keluarga dengan keluarga lainnya. Pendapat seseorang tentang

46
Populasi dan Sampel

sesuatu hal akan berbeda dengan pendapat orang lainnya, tergantung latar
belakang pendidikannya, tergantung pada umurnya, lingkungan hidupnya, dan
pengaruh faktor-faktor lainnya. (2) Banyaknya surat yang dikirimkan melalui bis-
bis surat akan sangat bervariasi dari satu lokasi ke lokasi lainnya. Kesibukan
pekerjaan di kantor-kantor pos akan berbeda tergantung kepada kelasnya,
daerahnya, dan kondisi-kondisi lain.

N Stratum 1 dengan Ukuran N1

Dikelompokkan
dalam 3 Strata
Stratum 2
dengan
Ukuran N2

Populasi dengan Unit yang Stratum 3 dengan Ukuran N3


Heterogen

Gambar 2. 5 Teknik Penarikan Sampel dengan Sampling Acak Berstrata

Apabila rancangan sampling yang digunakan untuk survei seperti ini adalah
sampling acak sederhana atau sampling sistematik, maka akan ada
kemungkinan bahwa sifat-sifat seperti di atas tidak terjaring. Oleh karena itu,
untuk menjamin bahwa sampel yang kita peroleh benar-benar bisa mencakup
karakteristik yang ada dalam populasi, maka rancangan yang sebaiknya
digunakan adalah stratified random sampling.

Populasi yang bersifat heterogen seolah dibagi dalam strata. Dalam


menentukan banyaknya strata yang harus dibuat, maka ada dua faktor yang
perlu diperhatikan antara lain: (1) naiknya presisi, artinya hubungan turunnya
harga varians dengan banyaknya strata, dan (2) hubungan antara besarnya
biaya dengan banyaknya strata.

Apabila keadaan variabel yang sedang kita teliti sangat heterogen, maka
makin banyak strata makin baik. Banyaknya strata yang bisa dibuat mungkin
sedemikian keadaannya, sehingga dalam sebuah stratum hanya terdapat sebuah
satuan sampling saja. Latar belakang matematis dan latar belakang pengalaman

47
Populasi dan Sampel

memberikan petunjuk bahwa kalau banyaknya strata sudah lebih dari 6 buah,
maka keadaanya sudah menjadi kurang efisien ditinjau dari sudut presisi dan
biaya.

N1 + N2 + ... + Ni = N

n1 + n2 + ... + ni = n

Gambar 2.6 Penarikan Sampel tiap Stratum pada Sampling Acak Berstrata

Keterangan :

N = Populasi

N1 = Populasi pada stratum ke 1

N2 = Populasi pada stratum ke 2

Ni = Populasi pada stratum ke i

n = Sampel

n1 = Sampel pada stratum ke 1

n2 = Sampel pada stratum ke 2

ni = Sampel pada stratum ke i

Setelah banyaknya strata dan ukuran sampel keseluruhan ditentukan,


maka proses selanjutnya adalah mengalokasikan satuan-satuan sampling dalam
sampel itu ke dalam setiap stratum. Artinya kita harus menentukan berapa
ukuran sampel untuk setiap stratum, yaitu n1, n2, n3, dan seterusnya (ni),
sedemikian rupa sehingga diperoleh: n1 + n2 + n3 + + ni = n (Gambar 5).
Setelah itu sampel untuk masing-masing stratum diambil melalui sampling acak
sederhana. Oleh karena menggunakan cara SAS, maka proses penarikan
sampel dilakukan dengan cara yang sama seperti sudah dijelaskan pada
bahasan tentang sampling acak sederhana (SAS), dengan menganggap seolah

48
Populasi dan Sampel

setiap stratum sebagai populasi tersendiri. Oleh karena itu diperlukan kerangka
sampling di setiap stratum.

b. Sampling Nonprobability

Selain sampling probabilitas, di muka disinggung tentang sampling


nonprobabilitas. Sampling nonprobabilitas merupakan pemilihan sampel yang
dilakukan dengan pertimbangan-pertimbangan peneliti, sehingga dengan tipe
sampling nonprobability ini membuat semua anggota populasi tidak mempunyai
kesempatan yang sama untuk dipilih sebagai anggota sampel.

Nonprobability sampling dikembangkan untuk menjawab kesulitan yang


timbul dalam menerapkan teknik probability sampling, terutama untuk
mengeliminir biaya dan permasalahan dalam pembuatan sampling frame
(kerangka sampel). Pemilihan nonprobability sampling ini dilakukan dengan
pertimbangan: 1). penghematan biaya, waktu dan tenaga; dan 2) keterandalan
subjektivitas peneliti (pengetahuan, kepercayaan dan pengalaman seseorang
seringkali dijadikan pertimbangan untuk menentukan anggota populasi yang
dipilih sebagai sampel). Yang termasuk pada sampling nonprobabilitas adalah
convenience sampling, judgement sampling, quato sampling, dan snowball
sampling.

Pada convenience sampling (sampling kemudahan), sampel diambil


berdasarkan faktor spontanitas, artinya siapa saja yang secara tidak sengaja
bertemu dengan peneliti dan sesuai dengan karakteristiknya, maka orang
tersebut dapat dijadikan sampel. Dengan kata lain sampel diambil/terpilih karena
ada ditempat dan waktu yang tepat. Tanpa kriteria peneliti bebas memilih siapa
saja yang ditemuinya untuk dijadikan sampel.

Dengan demikian teknik sampling ini digunakan ketika peneliti berhadapan


dengan kondisi karakteristik elemen populasi tidak dapat diidentifikasikan dengan
jelas, maka teknik penarikan sampel convenience, atau sering juga disebut
sampling accidental menjadi salah satu pilihan. Teknik sampling convenience
adalah teknik penarikan sampel yang dilakukan karena alasan kemudahan atau
kepraktisan menurut peneliti itu sendiri. Dasar pertimbangannya adalah dapat
dikumpulkan data dengan cepat dan murah, serta menyediakan bukti-bukti yang
cukup melimpah. Kelemahan utama teknik sampling ini jelas yaitu kemampuan

49
Populasi dan Sampel

generalisasi yang amat rendah atau keterhandalan data yang diperoleh


diragukan.

Judgement sampling (dikenal juga dengan purposive sampling) adalah


teknik penarikan sampel yang dilakukan berdasarkan karakteristik yang
ditetapkan terhadap elemen populasi target yang disesuaikan dengan tujuan atau
masalah penelitian. Dalam perumusan kriterianya, subjektivitas dan pengalaman
peneliti sangat berperan. Penentuan kriteria ini dimungkinkan karena peneliti
mempunyai pertimbangan-pertimbangan tertentu didalam pengambilan
sampelnya.

Teknik sampling kuota, pada dasarnya sama dengan judgment sampling,


yaitu mempertimbangkan kriteria yang akan dijadikan anggota sampel. Langkah
penarikan sampel kuota antara lain: pertama peneliti merumuskan kategori quota
dari populasi yang akan ditelitinya melalui pertimbangan-pertimbangan tertentu
sesuai dengan ciri-ciri yang dikehendakinya, seperti jenis kelamin, dan usia.
Kedua menentukan besarnya jumlah sampel yang dibutuhkan, dan menetapkan
jumlah jatah (quotum). Selanjutnya, setelah jumlah jatah ditetapkan, maka unit
sampel yang diperlukan dapat diambil dari jumlah jatah tersebut. Teknik sampling
kuota biasanya digunakan bila populasinya berukuran besar.

Quota sampling (jatah) hampir mirip dengan teknik sampling stratifikasi.


Bedanya, jika dalam sampling stratifikasi penarikan sampel dari setiap
subpopulasi dilakukan dengan acak, maka dalam sampling kuota, ukuran serta
sampel pada setiap sub-subpopulasi ditentukan sendiri oleh peneliti sampai
jumlah tertentu tanpa acak. Mengapa bisa begitu? Karena pada kenyataannya
sering dijumpai bahwa peneliti tidak dapat mengetahui ukuran yang rinci dari
setiap subpopulasi, atau ukuran antar subpopulasi sangat jauh berbeda.
Menghadapi kondisi seperti, maka peneliti dapat mempertimbangkan
penggunaan teknik sampling kuota. Jadi, melalui teknik sampling kuota,
penarikan sampel dilakukan atas dasar pertimbangan peneliti untuk tujuan
meningkatkan representasi sampel penelitian sampai jumlah tertentu
sebagaimana yang dikehendaki peneliti.

Snowball Sampling merupakan salah satu bentuk judgement sampling


yang sangat tepat digunakan bila populasinya kecil dan spesifik. Cara
pengambilan sampel dengan teknik ini dilakukan secara berantai, makin lama

50
Populasi dan Sampel

sampel menjadi semakin besar, seperti bola salju yang menuruni lereng gunung.
Hal ini diakibatkan kenyataan bahwa populasinya sangat spesifik, sehingga sulit
sekali mengumpulkan sampelnya. Pada tingkat operasionalnya melalui teknik
sampling ini, responden yang relevan di interview, diminta untuk menyebutkan
responden lainnya sampai diperoleh sampel sebesar yang diinginkan peneliti,
dengan spesifikasi/spesialisasi yang sama karena biasanya mereka saling
mengenal.

Dibandingkan dengan teknik sampling nonprobabilitas lainnya, teknik ini


memiliki keunggulan terutama dalam hal biaya yang relatif lebih rendah.
Kelemahannya adalah kemungkinan bias yang relatif lebih besar karena
pemilihan responden tidak independen (Zikmund, 2000: 362).

Berdasarkan uraian di atas tentang sampling peluang dan non peluang,


seorang peneliti dapat dengan bebas menentukan tipe sampling mana yang akan
digunakannya. Tetapi ada beberapa kriteria yang harus diperhatikan untuk
menentukan tipe sampling yang baik, diantaranya: (1) dapat menghasilkan
gambaran yang dapat dipercaya dari seluruh populasi, (2) dapat menentukan
presisi dari hasil penelitian, (3) sederhana, mudah dilaksanakan, dan (4) dapat
memberikan keterangan sebanyak mungkin tentang populasi dengan biaya
minimal.

B. Prosedur Penarikan Sampel

Setelah kita membahas pengertian sampling dan tipe-tipe sampling


sebagaimana diuraikan di muka, selanjutnya untuk memudahkan pemahaman
kita tentang bagaimana cara penarikan sampel serta cara memperoleh sampel
yang representatif, akan disampaikan beberapa langkah atau prosedur dalam
melakukan pengambilan sampel. Zikmund (2000), Kuncoro (2003) serta
Indriantoro & Supomo (2003) menyebutkan bahwa dalam melakukan
pengambilan sampel, dapat dilakukan langkah-langkah berikut, diantaranya: (1)
Menentukan populasi target, (2) Membuat kerangka sampling, (3) Menentukan
ukuran sampel, (4) Menentukan teknik dan rencana pengambilan sampel, (5)
Melakukan pengambilan sampel.

51
Populasi dan Sampel

Berdasarkan pendapat para ahli di atas, maka langkah-langkah penarikan


sampel dapat kita uraikan sebagai berikut: (1) Pertama yang harus ditentukan
dalam langkah mendesain penarikan sampel adalah menentukan populasi
sasaran dengan tegas, yang dilanjutkan dengan penentuan populasi studi dari
populasi sasaran tadi. (2) Menentukan area populasi, hal ini berkaitan dengan
data penelitian yang akan dijadikan lokasi penelitian. (3) Menentukan ukuran
populasi (size of population) sebagai dasar untuk menarik sampel. Biasanya
populasi diambil dari data sensus. Carilah data tersebut secara lengkap,
dapatkan data yang akurat dan up to date. (4) Buatlah kerangka sampling
dengan memasukan data dari populasi studi secara lengkap dan jelas, serta hal
yang terpenting adalah satuan-satuan sampling diberi nomor sesuai dengan
jumlah digit populasinya, secara berurutan dari nomor paling kecil sampai
dengan nomor yang paling besar. (5) Tentukan ukuran sampel dengan
menggunakan rumus-rumus yang sesuai. (6) Gunakan tabel angka random
ataupun program komputer sebagai alat seleksi. (7) Satuan sampling terpilih
sebagai anggota sampel, merupakan langkah terakhir dari desain sampling yang
pada hakikatnya merupakan cerminan dari populasi.

1. Menentukan Ukuran Sampel

Salah satu masalah yang dihadapi dalam teknik penarikan sampel adalah
tentang berapa banyak unit analisis (ukuran sampel) yang harus diambil. Oleh
karena itu, pada saat peneliti mengajukan
usulan penelitian, disarankan untuk
secara tegas memberikan gambaran
operasional berupa ukuran sampel
minimal yang akan digunakan untuk
penelitiannya. Ukuran sampel ini akan
memberikan isyarat mengenai kelayakan
penelitian (eligibility of the research).

Ukuran sampel bisa ditentukan melalui dua dasar pemikiran, yaitu


ditentukan atas dasar pemikiran statistis, dan atau ditentukan atas dasar
pemikiran non statistis. Ditinjau dari aspek statistis, ukuran sampel ditentukan
oleh beberapa faktor, diantaranya: (1) bentuk parameter yang menjadi tolak ukur

52
Populasi dan Sampel

analisis, dalam arti apakah tujuan penelitian ini untuk menaksir rata-rata,
persentase, atau menguji kebermaknaan hipotesis, (2) tipe sampling, apakah
simple random sampling, stratified random sampling atau yang lainnya. Tipe
sampling ini berkaitan dengan penentuan rumus-rumus yang harus dipakai untuk
memperoleh ukuran sampel, dan (3) variabilitas variabel yang diteliti
(keseragaman variabel yang diteliti), makin tidak seragam atau heterogen
variabel yang diteliti, makin besar ukuran sampel minimal. Sedangkan dipandang
dari sudut nonstatistis, ukuran sampel ditentukan oleh beberapa faktor,
diantaranya: (1) kendala waktu atau time constraint, (2) biaya, dan (3)
ketersediaan satuan sampling.

C. Populasi dan Sampel dalam Penelitian Kualitatif

Dalam konteks penelitian kualitatif, penentuan sampel lebih tepat tidak


didasarkan pada teknik penarikan sampel peluang (probability sampling), hal ini
disebabkan karena penelitian kualitatif melihat proses sampling sebagai
parameter populasi yang dinamis (McMillan dan Schumacher, 2001:404). Hal ini
dapat dipahami karena kekuatan dari penelitian kualitatif terletak pada kekayaan
informasi yang dimiliki oleh responden, dari kasus yang diteliti, dan kemampuan
analitis peneliti. Artinya dalam penelitian kualitatif, masalah yang dihadapi dalam
penarikan sampel, ditentukan oleh pertimbangan-pertimbangan (judgement)
peneliti, berkaitan dengan perlunya memperoleh informasi yang lengkap dan
mencukupi, sesuai dengan tujuan atau masalah penelitian. Dengan demikian,
logika ukuran sampel (banyak sedikitnya ukuran sampel) dibatasi/dihubungkan
dengan tujuan penelitian, masalah penelitian, teknik pengumpulan data, dan
keberadaan kasus yang kaya akan informasi (atau oleh kecukupan informasi
yang diperoleh).

Alasan lain lebih tepatnya sampling nonprobability dalam penelitian


kualitatif adalah, adanya ukuran populasi (parameter) yang tidak dapat dihitung
(populasi tak terhingga/infinite population), yaitu ukuran populasi yang sudah
sedemikian besarnya/tidak diketahui dimana keberadaanya/kondisi karakteristik
elemen populasinya tidak dapat diidentifikasi dengan jelas, sehingga sudah dan
atau tidak bisa dihitung (uncountable).

53
Populasi dan Sampel

Oleh karena itu probability sampling, yang mensyaratkan pemilihan sampel


dilakukan secara acak dan dilakukan secara objektif, dalam arti tidak didasarkan
semata-mata pada keinginan peneliti, sehingga setiap anggota populasi memiliki
kesempatan tertentu untuk terpilih sebagai sampel, kurang relevan atau kurang
tepat dilakukan dalam penelitian kualitatif.

Berdasarkan uraian di atas, jelaslah bahwa penentuan sampel dalam


penelitian kualitatif sangat tepat dijika didasarkan pada tujuan atau masalah
penelitian, yang menggunakan pertimbangkan-pertimbangan dari peneliti itu
sendiri, dalam rangka memperoleh ketepatan dan kecukupan informasi yang
dibutuhkan sesuai dengan tujuan atau masalah yang dikaji. Sehingga penarikan
sampel yang tepat adalah penarikan sampel berdasarkan tujuan (judgement
sampling atau purposive sampling atau snowball sampling). Penentuan sampel
berdasarkan tujuan, adalah memilih kasus yang kaya informasi untuk diteliti
secara mendalam (Patton, 1990:169), ketika seseorang ingin memahami
sesuatu tentang kasus tersebut tanpa harus melakukan generalisasi terhadap
semua kasus yang sama. Penentuan sampel berdasarkan tujuan dilakukan untuk
meningkatkan kegunaan informasi yang didapat dari sampel yang kecil.
Penentuan sampel berdasarkan tujuan mengharuskan bahwa informasi yang
didapat tentang variasi diantara subunit sebelum sampel dipilih. Penelitian
kemudian mencari orang, kelompok, tempat, kejadian untuk diteliti yang dapat
memberikan banyak informasi. Dengan kata lain, peneliti memilih sampel yang
mempunyai pengetahuan dan informasi tentang fenomena yang sedang diteliti.

Tipe-tipe penentuan sampel yang termasuk dalam purposive sampling


diantaranya pemilihan lokasi, sampling komprehensif, sampling network, dan
sampling berdasarkan jenis kasus (McMillan dan Schumacher, 2001:400-404).

1. Pemilihan Lokasi (Site Selection)

Pemilihan lokasi , yang merupakan lokasi untuk menempatkan orang


dalam sebuah kegiatan, dipilih ketika peneliti berfokus pada mikro proses yang
kompleks. Definisi tentang kriteria lokasi sangatlah esensial. Kriteria tersebut
harus sesuai dengan tujuan dan masalah penelitian. Sebagai contoh, jika
masalah yang diteliti adalah untuk menggambarkan dan menganalisa pembuatan
kebijakan guru dalam pelaksanaan pengajaran, atau perspektif dan strategi

54
Populasi dan Sampel

siswa terhadap managemen kelas, atau konsep guru sekolah dasar tentang karir,
kemudian lokasi penelitian ditentukan yang mempunyai hubungan dimana
pemahaman dan perilaku dimaksud disampaikan dan dipelajari.

2. Penarikan Sampel Komprehensif (Comprehensive Sampling)

Sampling komprehensif, dimana partisipan, kelompok, setting, kejadian,


atau informasi yang relevan diteliti, merupakan strategi sampling yang dipilih.
Setiap subunit dapat diatur dalam bentuk dan sangat bervariasi sehingga
seseorang tidak ingin kehilangan variasi yang mungkin. Sebagai contoh,
penelitian tentang anak yang mengalami autis di suatu sekolah mengharuskan
penelitian pada semua anak yang autis. Andaikan siswa sekolah tinggi yang
berada dalam program eksternal dengan 35 lokasi yang berbeda. Setiap setting
sangat bervariasi klinik di rumah sakit, koran komunitas, persatuan buruh, dua
kantor perwakilan, tempat perlindungan binatang, dan yang lainnya pemilihan
secara komprehensif akan sangat penting. Karena kelompok cendrung kecil dan
sumber yang sedikit, peneliti menggunakan strategi sampling yang lainnya.

3. Penarikan Sampel Variasi Maksimum (Maximum Variation Sampling)

Sampling variasi maksimum atau pemilihan kuota merupakan sebuah


strategi untuk menjelaskan aspek-aspek yang berbeda dari masalah penelitian.
Sebagai contoh, peneliti membagi populasi yang terdiri dari guru sekolah dasar
ke dalam tiga kelompok berdasarkan masa pengabdian. Kemudian dipilih
perwakilan untuk diteliti perkembangan karirnya. Ini merupakan sampel yang
representatif karena peneliti kualiatif hanya menggunakan strategi ini untuk
menggambarkan secara detail pemaknaan yang berbeda tentang perkembangan
karir seorang guru berdasarkan masa pengabdiannya.

4. Penarikan Sampel Jaringan (Network Sampling)

Network sampling, yang juga disebut sampling snowball, merupakan


strategi dimana setiap partisipan yang terus menerus atau kelompok dinamai
berdasarkan kelompok dan individu yang ada. Masalah partisipan adalah dasar

55
Populasi dan Sampel

dalam memilih sampel. Peniliti membentuk profil tentang kedudukan atau ciri-ciri
yang dicari dan menanyakan setiap partisipan untuk menyarankan yang lain
yang sesuai dengan profil yang dibuat atau mempunyai sifat-sifat yang
diinginkan. Strategi ini dilakukan ketika partisipan yang diinginkan tidak terkumpul
dalam satu grup tapi tersebar dari berbagai populasi. Sampling network sering
digunakan untuk penelitian dengan wawancara mendalam dibandingkan dengan
penelitian dengan observasi.

5. Penarikan Sampel Dengan Jenis Kasus (Sampling by Case Type)

Strategi sampling yang lainnya digunakan ketika sebuah penelitian


mengharuskan pemerikasaan terhadap jenis kasus tertentu. Ingat, kasus
adalah analisa mendalam terhadap sebuah fenomena dan bukannya sejumlah
orang yang menjadi sample. Contoh dari sampling berdasarkan jenis kasus
adalah extreme-case, intensive-case, typical case, unique-case, reputational-
case, critical-case, dan concept/theory-based sampling. Seorang peneliti
memilih kombinasi tipe kasus sesuai keinginan dan kebutuhan, khususnya
penelitian dalam skala yang luas dan penelitian dengan proses yang panjang.

Strategi sampling berdasarkan tujuan dalam sebuah penelitian diidentifikasi


dari informasi utama dan dilaporkan dalam penelitian untuk meningkatkan
kualitas data. Dengan kata lain, orang atau kelompok yang berpartisipasi dalam
penelitian dilaporkan secara khusus untuk menjaga kerahasiaan data. Peneliti
historikal dan legal menspesifikasi arsip dan koleksi pribadi yang digunakan dan
sering merujuk pada setiap dokumen atau kasus peradilan dalam catatan kaki
sebagai penjelasan. Dalam hal ini, peneliti yang menggunakan teknik
noninteraktif untuk meneliti kejadian yang lalu mengurangi ancaman untuk
mendesain validitas.

6. Ukuran Sampel (Sample Size)

Peneliti kualitatif melihat proses sampling sebagai parameter populasi yang


dinamis, khusus, phasic dibandingkan statis atau apriori. Ketika ada aturan
statistik tentang probabilitas ukuran sampel, hanya ada petunjuk untuk ukuran

56
Populasi dan Sampel

sample berdasarkan tujuan. Sampel berdasarkan konsep ini dapat berkisar


antara n = 1 sampai n = 40 atau lebih (McMillan dan Schumacher, 2001:404).
Ukuran sampel kualitatif relatif kecil dibandingkan ukuran sampel untuk penelitian
menggunakan perwakilan untuk meningkatkan populasi sampel.

Logika ukuran sampel dihubungkan dengan tujuan penelitian, masalah


penelitian, teknik pengumpulan data, dan keberadaan kasus yang kaya akan
informasi. Pengetahuan dari penelitian kualitatif tergantung pada kekayaan
informasi dari kasus dan kemampuan analitis peneliti dibandingkan ukuran
sample.

Petunjuk berikut digunakan oleh peneliti kualitatif untuk menentukan ukuran


sampel (McMillan dan Schumacher, 2001:404).

1. Apa tujuan penelitian? Case study yang deskriptif eksplanasi tidak


membutuhkan banyak kasus seperti yang dibutuhkan penelitian self-
contained yang tujuannya pada pemberian gambaran atau penjelasan.
Selanjutnya, studi fenologikal biasanya mempunyai sedikit informan
dibandingkan jumlah yang dibutuhkan oleh teori mendasar untuk
menghasilkan konsep.

2. Apa yang menjadi fokus dari penelitian? Penelitian yang berfokus pada
proses tergantung pada lamanya proses secara natural dan sering
mempunyai sedikit partisipan, sedangkan penelitian dengan fokus
wawancara dengan informan yang telah dipilih tergantung akses pada
informan tersebut.

3. Cara seperti apa yang menjadi strategi pengumpulan data? Para peneliti
kualitatif sering membicarakan tentang hari dalam pelaksanaan
penelitian, apakah untuk observasi atau wawancara. Sejumlah penelitian
mempunyai ukuran sample yang kecil, tetapi peneiti akan datang terus
menerus untuk mengkonfirmasi data.

4. Bagaimana keberadaan informan ? Beberapa kasus jarang dan sulit


untuk ditempatkan; beberapa yang lain mudah untuk diidentifikasi dan
ditempatkan.

57
Populasi dan Sampel

5. Apakah informasi yang ada jadi berlebihan? Apakah akan menambah


informasi atau kembali ke lapangan untuk mendapatkan wawasan baru?.

6. Peneliti mengumpulkan ukuran sample yang didapatkan untuk menelaah


review dan penilaian. Kebanyakan peneliti kualitatif mengajukan ukuran
sampel yang paling minimum dan kemudian melanjutkan dengan
menambahkan sample ketika penelitian terjadi.

Kesimpulan

Kegiatan penelitian selain dilakukan secara sensus, dapat dilakukan


dengan penarikan sampel. Alasannya adalah karena metode penarikan sampel
lebih praktis, biayanya lebih hemat, serta memerlukan waktu dan tenaga yang
lebih sedikit dibandingkan dengan metode sensus.

Pengambilan sebagian dari keseluruhan objek, dan atas hasil penelitian


suatu keputusan atau kesimpulan mengenai keseluruhan objek populasi dibuat,
disebut sebagai metode penarikan sampel.

Penelitian yang memakai sampel untuk meneliti atau menyelidiki


karakteristik objek penelitian, dilakukan dengan beberapa alasan antara lain:
objek yang diteliti sifatnya mudah rusak, objek yang diteliti bersifat homogen,
tidak mungkin meneliti secara fisik seluruh objek dalam populasi, untuk
menghemat biaya, untuk menghemat waktu dan tenaga, serta keakuratan hasil
sampling.

Dalam konteks penelitian kualitatif, penentuan sampel didasarkan pada


proses sampling sebagai parameter populasi yang dinamis. Hal ini dapat
dipahami karena kekuatan dari penelitian kualitatif terletak pada kekayaan
informasi yang dimiliki oleh responden, dari kasus yang diteliti, dan kemampuan
analitis peneliti. Sehingga penentuan sampel dalam penelitian kualitatif
disesuaikan dengan tujuan penelitian, masalah penelitian, teknik pengumpulan
data, dan keberadaan kasus yang kaya akan informasi (atau oleh kecukupan
informasi yang diperoleh).

Tipe-tipe yang termasuk dalam penentuan sampel berdasarkan tujuan


(purposive sampling) antara lain: pemilihan lokasi, sampling komprehensif,
sampling network, dan sampling berdasarkan jenis kasus.

58
Populasi dan Sampel

LATIHAN

1. Apa yang anda ketahui tentang populasi dan sampel? Berikan


contohnya!
2. Jelaskan pengertian populasi berdasarkan keadaannya?
3. Uraikan beberapa macam populasi ?
4. Apa yang anda ketahui tentang Penarikan Sampel Jaringan (Network
Sampling)? Jelaskan!
5. Sebutkan dan jelaskan tipe-tipe penentuan sampel yang termasuk
dalam purposive sampling?

59
Variable dan Kerangka Pikir

BAB III
VARIABEL DAN KERANGKA PIKIR

A. PENDAHULUAN

Variabel berasal dari kata vary dan able yang berarti berubah dan
dapat. Jadi, secara harfiah variabel berarti dapat berubah, sehingga setiap
variabel dapat diberi nilai dan nilai itu berubah-ubah. Nilai tersebut bisa kuntitatif
(terukur dan atau terhitung, dapat dinyatakan dengan angka) juga bisa kualitatif
(jumlah dan derajat atributnya yang dinyatakan dengan nilai mutu).
Variabel merupakan element penting dalam masalah penelitian. Dalam
statistik, variabel didefinisikan sebagai konsep, kualitas, karakteristik, atribut,
atau sifat-sifat dari suatu objek (orang,
benda, tempat, dll) yang nilainya
berbeda-beda antara satu objek
dengan objek lainnya dan sudah
ditetapkan oleh peneliti untuk dipelajari
dan ditarik kesimpulannya. Secara
teoritis variable dapat didefinisikan
sebagai atribut seseorang atau obyek,
yang mempunyai variasi antara satu orang dengan yang lain atau satu obyek
yang lain(Hatch dan Farhady,1981). Variable juga dapat merupakan atribut dari
bidang keilmuan atau kegiatan tertentu. Tinggi,berat badan, sikap, motivasi,
kepemimpinan, disiplin kerja, merupakan atribut dari obyek. Struktur organisasi,
model pendelegasian, kepemimpinan, pengawasan, koordinasi, prosedur dan
mekanisme kerja, deskripsi pekerjaan, kebijakan, adalah merupakan contoh
variable dalam kegiatan administrasi. Secara teoritis variabel dapat didefinisikan
sebagai atribut seseorang, atau objek uang mempunyai variasi antara satu
orang dengan yang lain atau satu objek dengan objek yang lain (Hatch dan
Farhady, 1981). Variabel juga dapat merupakan atribut dari bidang keilmuan atau
kegiatan tertentu. Tinggi, berat badan, sikap, motivasi, kepemimpinan, disiplin
kerja, merupakan atribut-atribut dari setiap orang. Berat, ukuran, bentuk, dan
warna merupakan atribut-atribut dari objek. Bahan baku pabrik, teknologi
produksi, pengendalian mutu, pemasaran, advertising, nilai penjualan,

60
Variable dan Kerangka Pikir

keuntungan adalah merupakan contoh variabel dalam kegiatan maupun ilmu


bisnis. Dinamakan variabel karena ada variasinya. Misalkan berat badan dapat
dikatakan variable, karena berat badan sekelompok orang itu bervariasi antara
satu dengan yang lain. Demikian juga motivasi, persepsi dapat juga dikatakan
sebagai variable karena misalnya persepsi dan sekelompok orang tentu
berfariasi. Jadi, kalau peneliti akan memilih variable penelitian, baik yang dimiliki
orang objek. Maupun bidang kegiatan dan keilmuan tertentu, maka harus ada
variasinya. Variabel yang tidak ada variasinya bukan dikatakan sebagai variable.
Untuk dapat bervariasi, maka penelitian harus didasarkan pada sekelompok
sumber data atau objek yang bervariasi. Kerlinger (1973) menyatakan bahwa
variable adalah konstruk atau sifat yang akan dipelajari. Diberikan contoh
misalnuya, tingkat aspirasi, penghasilan, pendidikan, status sosial, jenis kelamin,
golongan gaji, produktivitas kerja, dan lain-lain. Di bagian lain Kerlinger
menyatakan bahwa variabel dapat dikatakan sebagai suatu sifat yang diambil
dari suati nilai yang berbeda (different values). Dengan demikian variable itu
merupakan suatu yang bervariasi. Selanjutnya Kidder (1981), menyatakan
bahwa variabel adalah suatu kualitas (qualities) dimana peneliti mempelajari dan
menarik kesimpulan darinya.
Menurut Sugiyono (2009) variabel penelitian pada dasarnya adalah
segala sesuatu yang berbentuk apa saja
yang ditetapkan oleh peneliti untuk
dipelajari sehingga diperoleh informasi
tentang hal tersebut, kemudian ditarik
kesimpulannya.
Menurut Kidder (1981) variabel adalah suatu kualitas (qualities) dimana
peneliti mempelajari dan menarik kesimpulan darinya.
Menurut Hatch & Farhady (1981) variabel merupakan atribut seseorang
atau objek yang mempunyai variasi antara satu orang dengan yang lain atau satu
objek dengan objek yang lain.
Menurut Karlinger (1973) variabel merupakan konstruk atau sifat yang
akan dipelajari.
Sedangkan menurut Kumar (1999) variabel merupakan konsep yang
dapat diukur dan memiliki variasi hasil pengukuran sehingga dapat dikatakan
bahwa variabel merupakan operasionalisasi dari konsep sehingga dapat dinilai
dan diukur.

61
Variable dan Kerangka Pikir

Berdasarkan pengertian-pengertian di atas, maka dapat dirumuskan di


sini bahwa variabel penelitian adalah sauatu atribut atau sifat atau nilai dari
orang, obek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh
peneliti untuk dipelajari dan ditarik kesimpulannya.
Dinamakan variable karena ada variasinya. Misalnya berat badan dapat
dikatakan variable, karena berat badan sekelompok orang itu bervariasi antara
satu orang dengan yang lain,(ada berat badannya 25 kg, 50 kg. 67 kg dst.)
Demikian juga motivasi, persepsi dapat juga dikatakan sebagai variable karena
misalnya persepsi dari sekelompok orang tentu bervariasi. Jadi kalau penelii
akan memilih bariabel penelitian, baik yang dimiliki orang obyek, maupun bidang
kegiatan dan keilmuan tertentu, maka harus ada variasinya. Variable yang tidak
ada variasinya bukan dikatakn sebagai variable. Untuk dapat bervariasi, maka
penelitian harus didasarkan pada sekelompok sumber data atau obyek yang
bervariasi.
Kerlinger (1973) menyatakan bahwa variable adalah konstrak (constructs)
atau sifat yang akan dipelajari. Contoh misalnya, tingkat aspirasi, penghasilan,
pendidikan, status social, jenis kelamin, golongan gaji, produktivitas kerja dan
lain-lain. Di bagian lain Kerlinger menyatakan bahwa variable dapat dikatakan
sebagai suatu sifat yang diambil dari suatu nilai yang berbeda ( different values).
Dengan demikian variable itu merupakan suatu yang bervariasi. Selanjutnya
Keddles (1981), menyatakan bahwa variable afalah suatu kualitas(qualities)
dimana peneliti mempelajari dan menarik kesimpulan darinya.

Berdasarkan pentertian-pengertian di atas, maka dapat dirumuskan disini


bahwa variable adalah suatu atribut atau sifat atau nilai dari orang, obyek atau
kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk
dipelajarai dan kemudian ditarik kesimpulannya.

B. Macam-macam Variabel

Menurut hubungannya antara satu variable dengan variable yang lain


maka macam-macam variable dalam penelitian dapat dibedakan menjadi:

62
Variable dan Kerangka Pikir

Variabel Bebas ( Variable Terikat Penjelasan


independent variable) (dependent varibel )
Variable yang oleh Variable yang terjadi atau Variable dependen
peneliti diperkirakan muncul atau berubah (terikat) variable ini
menjadi penyebab karena mendapat merupakan variable
munculnya atau pengaruh atau terikat yang besarannya
berubahnya variable disebabkan oleh variable tergantung dari besaran
terikat bebas variabel independent
(bebas) besarny
perubahan yang
disebabkan oleh vaiabel
independen ini,akan
member peluang
terhadap perubahan
variabel dependen
(terikat) sebesar
koefisien(besaran)
perubahan dalam
varibael independen
artinya setiap terjadi
perubahan sekian kali
satuan variabel
independen diharapkan
aakan menyebabkan
variabel dependen
berubah sekian satuan
juga. Sebaliknya jika
terjadi perubahan
(penurunan) variabel
independen (bebas)
sekian
satuan,diharapkan akan
menyebabkan
perubahan (penurunan)
variabel dependen
sebesar sekian satuan
juga. Hubungan antar
variabel,yakni variabel
independen dan
dependen ,biasanya
ditulis dalam bentuk
persamaan, Y = a + bx
.misalnya bentuk
persamaan linear Y=
0,067 + 0,965X

63
Variable dan Kerangka Pikir

a. Variabel Independen : Variable ini sering disebut sebagai variable


stimulus, prediktor, antecedent. Dalam bahasa Indonesia
sering disebut sebagai variable bebas. Variable bebas adalah
merupakan variable yang mempengaruhi atau yang menjadi sebab
perubahannya atau timbulnya variabel dependen (terikat).

b. Variabel Dependen: sering disebut sebagai variable output, criteria,


konsekuen. Dalam bahasa Indonesia sering disebut sebagai variable
terikat. Variabel terikat merupakan variable yang dipengaruhi atau
yang menjadi akibat, karena adana variable bebas.

Contoh hubungan variable Independen dengan variable dependen

c. Variabel Moderator : adalah variable yang mempengaruhi (


memperkuat atau memperlemah) hubungan antara variable
independen dengan dependen. Variable disebut sering juga disebut
sebagai variable independen kedua. Hubungan perilaku suami dan
isteri akan semakin baik (kuat ) kalau mempunyai anak, dan akan
semakin renggang kalau ada fihak ke tiga ikut mencampuri. Di sini
anak adalah sebagai variable variable moderator yang memperkuat
hubungan, dan pihak ke tiga adalah sebagai variable moderator yang
memperlemah hubungan. Hubungan motivasi dan produktivitas kerja
akan semakin kuat bila peranan pemimpin dalam menciptakan iklim
kerja sangat baik, dan hubungan semakain rendah bila peranan
pemimpin kurang baik dalam mencipakan iklim kerja.

64
Variable dan Kerangka Pikir

Contoh hubungan variable Independen-Moderator, dan variable Dependen.

d. Variabel Intervening: dalam hal ini Tuckman (1988) mengatakan An


intervening variable is that factor that theoretically affect the abserved
phenomenon but cannot be seen, measure, or manipulate. Variable
intervening adalah variable yang secara teoritis mempengaruhi
hubungan antara variable independen dengan dependen menjadi
hubungan yang tidak langsung dan tidak dapat diamati dan diukur,
variable ini merupakan variable penyela/antara yang terletak di
antara variable independen dan dependen, sehingga variable
independen tidak langsung mempengaruhi berubahnya atau
timbulnya variable dependen.

Pada contoh berikut dikemukakan bahwa tinggi rendahnya penghasilan


akan mempengaruhi secara tidak langsung terhadap harapan hidup (panjang
pendeknya umur).dalam hal ini ada variable antaranya, yaitu yang berupa
gaya hidup seseorang.antara variable penghasilan dengan gaya hidup, terdapat
variable voderator, yaitu budaya lingkungan tempat tinggal.

65
Variable dan Kerangka Pikir

Contoh hubungan variable independen moderator-intervening, dan moderator


dependen.

e. Variabel Kontrol: adalah variable yang dikendalikan atau dibuat


konstan sehingga pengaruh variable independen terhadap dependen
tidak dipengaruhi oleh factor luar yang tidak ditelitii. Variabel control
sering digunakan oleh peneliti, bila akan melakukan penelitian yang
bersifat membandingkan.

Contoh: Pengaruh jenis pendidikan terhadap keterampilan dan


mengertik. Variable independennya pendidikan (SMU dan SMK), variable control
yang ditetapkan sama misalmya, adalah naskah yang diketik sama, mesin tik
yang digunakan sama, ruang tempat mengetik sama. Dengan adanya variable
control tersebut, maka besarnya pengaruh jenis pendidikan terhadap ketrampilan
mengetik dapat diketahui lebih pasti.

66
Variable dan Kerangka Pikir

Contoh hubungan variable independen-kontrol, dependen

Untuk dapat menentukan kedudukan variable independen, dan


dependen, moderator, intervening atau variable yang lain, harus dilihat
konteksnya dengan dilandasi konsep teoritis yang mendasari maupun hasil dari
pengamatan yang empiris. Untuk itu sebelum peneliti memilih variabel apa yang
akan diteliti perlu melakukan kajian teoritis, dan melakukan studi pendahuluan
terlebih dahulu pada obyek yang diteliti. Jangan sampai terjadi membuat
rancangan penlitian dilakukan di belakang meja, dan tanpa mengetahui terlebih
dahulu permasalahan yang ada di obyek penelitian. Sering terjadi, rumusan
masalah penelitian dibuat tanpa melalui studi pendahuluan ke obyek penelitian,
sehingga setelah dirumuskan ternyata masalah itu tidak menjadi masalah pada
obyek penelitian. Setelah masalah dapat dipahami dengan jelas dan dikaji secara
teoritis, maka peneliti dapat menentukan variable-variabel penelitiannya.

Pada kenyataannya, gejala-gejala social itu meliputi berbagai macam


variable saling terkait secara simultan baik variable independen, dependen,
moderator, dan intervening, sehingga penelitian yang baik akan mengamati
semua variable tersebut. Tetapi karena adanya keterbatasan dalam berbagai hal,
maka peneliti sering hanya memfokuskan pada beberapa cariabel penelitian
saja, yaitu pada variable independen dan variable dependen. Dalam penelitian
kualitataif hubungan antara semua avariabael tersebut akan diamati, karena
penelitian kualitatif berasumsi bahsa gejala itu tidak dapat diklasifikasikan, tetapi
merupakan satu kesatuan yang tidak dapat dipisahkan (holistic).

67
Variable dan Kerangka Pikir

C. Kerangka Berfikir

Kerangka berfikir adalah perpaduan antara asumsiasumsi teoritis dan


asumsiasumsi logika dalam menjelaskan atau memunculkan variablevariabel
yang diteliti serta bagaimana kaitan diantara variablevariabel tersebut, ketika
dihadapkan pada kepentingan untuk mengungkapkan fenomena atau masalah
yang diteliti.
Konsep adalah abstraksi yang terbentuk oleh generalisasi dari khal yang
khusus (Notoatmodjo, 1993). Nursalam (2003) mendefinisikan kerangka konsep
sebagai abstarksi dari suatu realita agar dapat dikomunikasikan dan membentuk
suatu teori yang menjelaskan keterkaitan antar variable (baik variable yang diteliti
maupun yang tidak diteliti). Sedangkan Balitbangkes (2006) menjelaskan bahwa
kerangka konsep merupakan uraian tentang hubungan antar variabel yang terkait
dalam masalah terutama yang akan diteliti, sesuai dengan rumusan masalah dan
tinjauan pustaka. Kerangka konsep harus dinyatakan dalam bentuk skema atau
diagram. Penjelasan kerangka konsep penelitian dalam bentuk narasi mencakup
identifikasi variabel, jenis serta hubungan antar variabel.
Kerangka berpikir yang baik akan menjelaskan secara teoritis pertautan
antara variabel yang akan diteliti. Jadi secara teoritis perlu dijelaskan hubungan
antara variabel independen dan dependen. Bila dalam penelitian ada variabel
moderator dan intervening, maka juga perlu dijelaskan, mengapa variabel itu ikut
dilibatkan dalam penelitian. Oleh karena itu pada setiap penyusunan paradigma
penelitian harus didasarkan peda kerangka berpikir.
Suriasumantri, 1986 dalam (Sugiyono, 2009:92) mengemukakan bahwa
seorang peneliti harus menguasai teori-teori ilmiah sebagai dasar menyusun
kerangka pemikiran yang membuahkan hipotesis. Kerangka pemikiran
merupakan penjelasan sementara terhadap gejala yang menjadi objek
permasalahan.
Kriteria utama agar suatu kerangka pemikiran bisa meyakinkan ilmuwan,
adalah alur-alur pemikiran yang logis dalam membangun suatu berpikir yang
membuahkan kesimpulan yang berupa hipotesis. Jadi kerangka berpikir
merupakan sintesa tentang hubungan antara variabel yang disusun dari berbagai
teori yang telah dideskripsikan. Selanjutnya dianalisis secara kritis dan
sistematis, sehingga menghasilkan sintesa tentang hubungan antara variabel

68
Variable dan Kerangka Pikir

penelitian. Sintesa tentang hubungan variabel tersebut, selanjutnya digunakan


untuk merumuskan hipotesis.

Ada tiga kerangka berfikir yang digunakan yaitu :

1. Kerangka teoritis

Adalah uraian yang menegaskan tentang teori apa yang dijadikan


landasan serta asumsiasumsi teoritis yang dari teori tersebut akan
digunakan untuk menjelaskan fenomena yang diteliti.

2. Kerangka konseptual

Adalah uraian yang menjelaskan konsepkonsep apa saja yang


terkandung didalam asumsi teoritis yang akan digunakan untuk
mengabstraksikan (mengistilahkan) unsurunsur yang terkandung di
dalam fenomena yang akan diteliti dan bagaimana hubungan diantara
konsepkonsep tersebut.

3. Kerangka operasional

Adalah penjelasan tentang variablevariabel apa saja yang diturunkan


dari konsepkonsep terpilih, dan bagaimana hubungan di antara variable
variabel tersebut, serta halhal apa saja yang dijadikan indicator untuk
mengukur variablevariabel yang bersangkutan.

Kerangka teoritis sampai dengan operasional saling berhubungan. Kalau


digambarkan sebagai berikut :

Tabel 3.1 Hubungan kerangka teoritis, konseptual dan operasional


Kerangka Teoritis Kerangka Kerangka operasional
Konseptual
Teori 1 Skema Gambar Variabel X:
Teori 2 hubungan teori Indikator x
Teori 3 tersebut Variabel Y :
Teori 4 Indikator Y

69
Variable dan Kerangka Pikir

Dalam kerangka berfikir ini tidak harus semua teori dimasukan, hanya
teori yang kuat dan relevan yang digunakan ditambahkan teori pendukung
lainnya. Jadi paling banyak 4 teori yang kuat relevan dan pendukungnya,
dibuatkan skema gambarnya dan diuraikan variable dan indicatorindikator,
sehingga penelitian memiliki alur yang jelas.
Penyusunan kerangka konsep dalam satu penelitian merupakan hal yang
sangat penting, karena akan membantu peneliti atau pembaca untuk
menghubungkan hasil penemuan dengan teori. Kerangka konsep penelitian pada
dasarnya adalah kerangka hubungan antara konsep-konsep yang ingin diamati
atau diukur melalui penelitian yang dilakukan.
Teori yang dibahas atau teori yang dikupas harus mempunyai relevansi
yang kuat dengan permasalahan penelitian. Sifatnya mengemukakan bagaimana
seharusnya tentang masalah yang diteliti tersebut berdasar konsep atau teori-
teori tertentu. Khusus untuk penelitian hubungan dua variabel atau lebih maka
dalam landasan teori harus dapat digambarkan secara jelas bagaimana
hubungan dua variabel tersebut. Kerangka konsep dibuat dalam bentuk diagram
yang menunjukkan jenis serta hubungan antar variabel yang diteliti dan variabel
lain yang terkait. Kerangka konsep yang baik dapat memberikan informasi yang
jeas dan mempermudah pemilihan desain penelitian. Kerangka konsep tidak
sama dengan kerangka desain atau langkah-langkah penelitian. (FKUI, 2006).

1. Penyusunan Kerangka Konseptual

a. Bedakan antara kerangka konsep dengan kerangka operasional.


Kerangka konsep dipakai sebagai landasan berfikir sedangkan
kerangka operasional merupakan kerangka kerja (pentahapan
langkah metoda ilmiah).
b. Kumpulkan semua sumber pustaka dan konsep atau teori lalu seleksi
teori mana yang dianggap sesuai dengan tema penelitian.
c. Identifikasi dan definisikan semua variable penelitian, dan kategorikan
sesuai dengan kelompoknya (independent, dependent, counfonding,
control).

70
Variable dan Kerangka Pikir

2. Langkah-Langkah Penyusunan

a. Seleksi dan definisikan konsep dalam penelitian


Konsep hanya dapat diamati atau diukur melalui konstruk atau yang
lebih dikenal dengan variable. Contoh : jika seorang peneliti akan
tentang sikap manusia. Sikap adalah konsep, yang menggambarkan
reaksi atau respon yang masih tertutup dari seseorang terhadap
stimulus atau obyek maka pengukurannya harus berdasarkan pada
konstruk atau variable yang menyusun sikap manusia, yaitu kognisi,
afeksi dan konasi. Komponen kognisi merupakan representasi apa
yang dipercayai oleh individu, komponen afeksi merupakan perasaan
yang menyangkut aspek emosional dan komponen konasi merupakan
aspek kecenderungan berperilaku tertentu sesuai sikap yang dimiliki
oleh seseorang (Azwar, 2002: 23).

b. Identifikasi teori yang dipergunakan.


Contoh jika kita ingin meneliti tentang factor yang mempengaruhi
perilaku masyarakat dalam pencegahan penyakit, peneliti dapat
menggunakan teori Health Belief Model. Atau ketika meneliti
pemenuhan perawatan diri pasien, dapat menggunakan konsep
Dorothea Orem.

71
Variable dan Kerangka Pikir

c. Gambarkan hubungan sebab akibat antar variable.

Contoh kerangka konseptual

Kerangka berfikir yang baik akan menjelaskan secara teoritis pertautan


antar variabel yang akan diteliti. Kerangka berfikir yang baik apabila memuat :

1. Variabel yang akan diteliti harus dijelaskan


2. Harus dapat menunjukkan dan menjelaskan pertautan/hubungan
antar variabel yang diteliti dan ada teori yang mendasari
3. Dapat menunjukkan dan menjelaskan apakah hubungan antar
variabel itu positif atau negatif, berbentuk simetris, kausal atau
interaktif

72
Variable dan Kerangka Pikir

4. Perlu dintanyakan dalam bentuk diagram

Contoh kerangka berpikir

73
Variable dan Kerangka Pikir

D. Hipotesis

La Biondo & Haber (1994) dalam Nursalam (2003) menyatakan bahwa


hipotesis adalah suatu asumsi pernyataan tentang hubungan antara dua atau
lebih variable yang diharapkan bisa
menjawab suatu pertanyaan dalam
penelitian. Hipotesis diartikan
sebagai jawaban sementara yang
memerlukan pengujian lanjut
terhadap rumusan masalah
penelitian. Untuk menguji
kebenaran hipotesis dilakukanlah
pengumpulan data Hipotesis merupakan jawaban terhadap masalah penelitian
yang secara teoritis dianggap paling mungkin dan paling tinggi tingkat
kebenarannya.

Hipotesa merupakan kristalisasi dari kesimpulan teoritik yang diperoleh dari


telaah pustaka. Secara statistik hipotesis merupakan pernyataan mengenai
keadaan populasi yang akan diuji kebenarannya berdasarkan data yang
diperoleh dari sampel penelitian. Hipotesis disusun sebelum penelitian
dilaksanakan, karena hipotesis akan bisa memberikan petunjuk pada tahap
pengumpulan data, analisa dan interpretasi data Dalam statistika yang diuji
adalah hipotesis nol. Hipotesis nol adalah pernyataan tidak adanya perbedaan
antara parameter dengan statistik (data sampel). Lawan dari hipotesis nol (Ho)
adalah hipotesis alternatif (Ha), yang menyatakan ada perbedaan antara
parameter dan statistik. Menurut Nazir dalam Tiro bahwa hipotesis
berguna sebagai pemberi batasan dan memperkecil jangkauan dan kerja,
menyiagakan peneliti kepada kondisi fakta dan hubungan antarfakta yang
kadangkala hilang begitu saja dari perhatian peneliti, sebagai alat sederhana
dalam menfokuskan fakta yang bercerai berai tanpa koordinasi ke dalam suatu
kesatuan penting dan menyeluruh, sebagai pedoman dalam pengerjaan serta
penyesuaian dengan fakta dan antar fakta.

74
Variable dan Kerangka Pikir

1. Syarat Hipotesa
R = Relevance, artinya harus relevan dengan fakta yang akan diteliti.
T = Testability, artinya memungkinkan untuk melakukan observasi dan
bisa diukur.
C = Compatibility, artinya hipotesa yang baru harus konsisten dengan
hipotesa di lapangan yang sama dan telah teruji kebenarannya.
P = Predictive, artinya mengandung daya ramal tentang apa yang akan
terjadi.
S = Simplicity, artinya dinyatakan secara sederhana.

2. Peran Hipotesa
a. Memberikan batasan dan memperkecil jangkauan penelitian.
b. Memfokuskan perhatian dalam rangka pengumpulan data.
c. Sebagai panduan dalam pengujian serta penyesuaian dengan fakta
atau data.
d. Membantu mengarahkan dalam mengidentifikasi variable-variabel
yang akan diteliti.

3. Tipe Hipotesis
a. Hipotesis nol (Ho) adalah hipotesis yang digunakan untuk pengukuran
statistic dan interpretasi hasil statistic. Contoh : Perbedaan Sikap
Anak Usia Sekolah di Pedesaan Dan Perkotaan Tentang Permainan
Tradisional. Maka Ho : tidak ada perbedaan sikap anak usia sekolah
di pedesaan dan perkotaan tentang permainan tradisional.
b. Hipotesis alternative (Ha/H1) adalah hipotesis penelitian. Hipotesis ini
menyatakan adanya suatu hubungan, pengaruh, dan perbedaan antar
dua variable atau lebih. Misalnya : Ada perbedaan sikap anak usia di
pedesaan dan perkotaan tentang permainan tradisional.
Hipotesis dikatakan baik jika sederhana, bisa menerangkan fakta,
mempertimbangkan semua fakta yang relevan, masuk akal, berkaitan dengan
ilmu, serta sesuai dan tumbuh dari hasil pengkajian, serta dapat diuji. Dikatakan
sederhana dalam arti dapat diuji secara induktif melalui teknik analisis statistik.
Ho dan Ha dapat diuji dengan statistik chi-kuadrat jika terdapat dua
peubah yang terlibat. Dua peubah ini adalah peubah kategori yang
pengukurannya menggunakan skala nominal. Masing-masing hipotesis dapat
dibedakan sebagai hipotesis sederhana dan hipotesis majemuk. Hipotesis

75
Variable dan Kerangka Pikir

disebut sederhana apabila parameter populasi diasumsikan sama dengan satu


bilangan tertentu, seperti Ho:=10. Hipotesis yang dikatakan majemuk bila
terdapat lebih dari satu bilangan terhadap parameter, seperti H1:10 atau
H1:>10 atau H1:<10.

Uji hipotesis adalah menaksir parameter populasi berdasarkan data


sampel. Cara menaksir dengan a point estimate (titik taksiran) dan interval
estimate (taksiran interval). Titik taksiran adalah suatu taksiran parameter
populasi berdasarkan satu nilai dari rata-rata data sampel. Taksiran interval
adalah adalah suatu taksiran parameter populasi berdasarkan nilai interval rata-
rata data sampel.

Hipotesis tidak selamanya mesti diterima kebenarannya. Terkadang


hipotesis ditolak karena tidak didukung oleh fakta empiris. Penolakan hipotesis
dapat menjadi penemuan positif, karena telah memecahkan masalah
ketidaktahuan dan memberi jalan kepada hipotesis yang lebih baik. Walaupun
semua prosedur dilakukan dengan teliti, kemungkinan terjadinya suatu kesalahan
dalam pengambilan keputusan tetap ada. Dalam hal ini ada tiga macam
kesalahan yang mungkin terjadi, yaitu (1) kesalahan jenis I, yakni menolak Ho
yang benar (seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan
dengan , (2) kesalahan jenis II, yakni menerima Ho yang salah (sehatusnya
ditolak). Tingkat kesalahan dinyatakan dengan , dan (3) kesalahan jenis III,
yakni kesalahan merumuskan hipotesis. Dalam pengujian hipotesis kebanyakan
digunakan kesalahan tipe I yaitu berapa persen kesalahan untuk menolak
hipotesis nol (Ho) yang benar (yang seharusnya diterima).

76
Variable dan Kerangka Pikir

Hipotesis diterima 100% apabila data sampel yang diperoleh dari hasil
pengumpulan data sama dengan nilai parameter populasi atau masih berada
pada nilai interval parameter populasi. Namun jika diluar nilai parameter populasi
akan terdapat kesalahan. Kesalahan ini akan semakin besar jika data sampel
jauh dari nilai parameter populasi. Tingkat kesalahan ini dinamakan level of
significant atau tingkat signifikansi. Biasanya tingkat signifikansi yang diambil
adalah 1% dan 5%. Suatu hipotesis dikatakan mempunyai kesalahan 1% bila
penelitian yang dilakukan 100 sampel yang diambil dari populasi yang sama,
maka akan terdapat satu kesimpulan salah yang diberlakukan untuk populasi.

Langkah-langkah pengujian Hipotesis:

1. Merumuskan Ho dan Ha dengan jelas sesuai dengan persoalan yang


dihadapi.
2. Memilih uji statistik yang sesuai dengan asumsi sebaran populasi dan
skala pengukuran data.
3. Menetapkan taraf signifikanan .
4. Menghitung statistik uji berdasarkan data. Mengganti peubah acak
dengan nilai-nilai pengamatan yang telah diperoleh.
5. Menentukan nilai kritis dan daerah kritis pengujian.
6. Membuat kesimpulan dengan jalan membandingkan nilai statistik
dengan nilai kritis.
7. Hipotesis hanya dinyatakan dalam bentuk pernyataan (statement)
bukan dalam bentuk kalimat tanya.

77
Variable dan Kerangka Pikir

8. Hipotesis harus tumbuh dari ilmu pengetahuan yang diteliti. Hal ini
berarti bahwa hipotesis hendaknya berkaitan dengan lapangan ilmu
pengetahuan yang sedang atau akan diteliti.
9. Hipotesis harus dapat diuji, Hal ini berarti bahwa suatu hipotesis harus
mengandung atau terdiri dari variabel-variabel yang diukur dan dapat
dibanding-bandingkan. Hipotesis yang tidak jelas pengukuran
variabelnya akan sulit mencapai hasil yang objektif
10. Hipotesis harus sederhana dan terbatas. Artinya hipotesis yang tidak
menimbulkan perbedaan-perbedaan, pengertian, serta tidak terlalu
luas sifatnya.

Contoh hipotesis

H0 : Tidak terdapat pengaruh yang signifikan positif pemberian insentif terhadap


motivasi kerja karyawan.

H1 : terdapat pengaruh yang signifikan positif antara pemberian insentif terhadap


motivasi kerja karyawan.

Model pembelajaran jigsaw lebih efektif daripada explicit instruction


terhadap prestasi belajar matematika pada siswa kelas VII SMP Pusri
Prestasi belajar matematika pada siswa kelas SMP Pusri yang
mempunyai motivasi belajar tinggi lebih baik daripada motivasi belajar
sedang dan motivasi belajar sedang lebih baik daripada motivasi belajar
rendah.
Ada interaksi antara model pembelajaran yang digunakan dengan
motivasi belajar matematika siswa kelas VII SMP Pusri, baik pada siswa
yang mempunyai motivasi belajar tinggi, sedang, maupun rendah
terhadap prestasi belajar.

Contoh rumusan masalah, hipotesis dan teknik analisis data yang digunakan
(satu variabel Independen)

Rumusan Masalah Hipotesis Statistik untuk uji hipotesis


Data yang terkumpul adalah
Kecerdasan emosioanal rasio. Bentuk hipotesisnya
Berapakah rata-rata
(EQ) pegawai di adalah deskriptif maka teknik
kecerdasan emotional
Kabupaten Bima paling uji untuk hipotesis no 1 dan 2
di Kabupaten Bima
tinggi 150 adalah sama yaitu t-test
(untuk satu sample)
Berapakah rata-rata Prestasi kerja
t-test satu sampel
prestasi kerja pegawai pemerintah kabupaten

78
Variable dan Kerangka Pikir

Bima paling tinggi 140


atau 170 % dari kriteria
yang diharapkan (kriteria
prestasi kerja pegawai
paling tinggi misalnya
200)
Adakah hubungan Terdapat hubungan Data kedua variabel adalah
yang posotif dan yang positif dan data rasio, oleh karena itu
signifikan antara signifikan antara teknik statistik yang
kecerdasan emosional kecerdasan emosianal idgunakan untuk menguji
pegawai dengan dengan prestasi kerja hipotesis adalah Korelasi
prestasi kerja pegawai Pearson Product Moment
Bagaimanakah Kecerdasan emosional
pengaruh kecerdasan berpengaruh positif Koefisien diterminasi dan
emosional terhadap terhadap prestasi kerja analisis regresi sederhana
prestasi kerja pegawai
(Sugiyono, 2005:178) -

79
Variable dan Kerangka Pikir

LATIHAN

1. Apa yang anda ketahui tentang varibel dan kerangka pikir? Jelaskan!
2. Sebutkan dan jelaskan macam-macam variable?
3. Sebutkan tiga kerangka berfikir yang digunakan dalam variable?
4. Apa yang anda ketahui tentang hipotesis? Jelaskan!
5. Jelaskan peran dan tipe-tipe hipotesa?

80
Structural Equation Modeling

BAB IV
STRUCTURAL EQUATION MODELING

A. PENDAHULUAN

SEM adalah sebuah tehnik analisis statistika yang mengkombinasikan


beberapa aspek yang terdapat pada analisis jalur dan analisis faktor konfirmatori
untuk mengestimasi beberapa persamaan secara
simultan. Atau dapat didefinisikan Structural
equation modeling merupakan suatu teknik
statistik yang dipakai untuk menguji serangkaian
hubungan antara beberapa variabel yang
terbentuk dari variabel faktor atau variabel
terobservasi

Menurut Cooper & Schindler (2006: 626) SEM dapat dikerjakan melalui
tahapan, sebagai berikut:

81
Structural Equation Modeling

Secara umum, tehnik di dalam SEM terbagi menjadi dua :

Mengestimasi beberapa persamaan yang saling berhubungan secara


simultan. (Structural Model)
Merepresentasikan variabel construct berdasarkan variabel observed
(Measurement Model).

Untuk memperjelas gambaran mengenai SEM, perhatikanlah gambar di bawah


ini :

Gambar 4.1 Path Diagram dan Measurement Model

Penjelasan :
Yang berbetuk persegi adalah variabel observasi (observed variables),
sedangkan yang berbentuk oval adalah variabel construct (construct variables).

1. Structural Model

Yang dimaksud dengan structural model adalah bagian dari SEM yang
menampilkan hubungan antara variabel variabel construct. Untuk contoh di
atas, yang dimaksud dengan structural model adalah sebagai berikut .

82
Structural Equation Modeling

Gambar 4.2 Path Diagram

a. Exogenous Variable

Adalah variabel construct yang menjadi variabel independen, yaitu


variabel yang tidak diprediksi oleh variabel construct yang lain.
Untuk contoh di atas, variabel eksogennya adalah Struktur dan Budaya

b. Endogenous Variable

Adalah variabel construct yang menjadi variabel dependen, yang


diprediksi oleh variabel construct yang lain. Untuk contoh di atas, variabel
eksogennya adalah Motivasi .

Apabila structural model untuk Exogenous Variable


contoh diatas diterjemahkan ke
dalam persamaan, maka akan
berbentuk sebagai berikut :
Endogenous Variable
Motivasi = Struktur + Budaya

B. Konsep Structural Equation Modeling (SEM)

Structural Equation Modeling (SEM) merupakan teknik analisis multivariat


yang dikembangkan guna menutupi keterbatasan yang dimiliki oleh model-model
analisis sebelumnya yang telah digunakan secara luas dalam penelitian statistik.
Model-model yang dimaksud diantaranya adalah regression analysis (analisis
regresi), path analysis (analisis jalur), dan confirmatory factor analysis (analisis
faktor konfirmatori) (Hox dan Bechger, 1998). Analisis regresi menganalisis
pengaruh satu atau beberapa variabel bebas terhadap variabel terikat. Analisis

83
Structural Equation Modeling

pengaruh tidak dapat diselesaikan menggunakan analisis regresi ketika


melibatkan beberapa variabel bebas, variabel antara, dan variabel terikat.
Penyelesaian kasus yang melibatkan ketiga variabel tersebut dapat digunakan
analisis jalur. Analisis jalur dapat digunakan untuk mengetahui pengaruh
langsung, pengaruh tidak langsung, dan pengaruh total suatu variabel bebas
terhadap variabel terikat. Analisis lebih bertambah kompleks lagi ketika
melibatkan latent variable (variabel laten) yang dibentuk oleh satu atau beberapa
indikator observed variables (variabel terukur/teramati). Analisis variabel laten
dapat dilakukan dengan menggunakan analisis faktor, dalam hal ini analisis
faktor konfirmatori (confirmatory factor analysis). Analisis pengaruh semakin
bertambah kompleks lagi ketika melibatkan beberapa variabel laten dan variabel
terukur langsung. Pada kasus demikian, teknik analisis yang lebih tepat
digunakan adalah pemodelan persamaan struktural (Structural Equation
Modeling). SEM merupakan teknik analisis multivariat generasi kedua, yang
menggabungkan model pengukuran (analisis faktor konfirmatori) dengan model
struktural (analisis regresi, analisis jalur). Memang telah banyak alat analisis
untuk penelitian multidimensi, bahkan selama ini telah dikenal luas. Namun
semuanya itu belum mampu melakukan analisis kausalitas berjenjang dan
simultan. Kelemahan utama dari alat analisis multivariat dimaksud, terletak pada
keterbatasannya yang hanya dapat menganalisis satu hubungan pada satu
waktu. SEM merupakan sebuah jawaban. SEM kini telah dikenal luas dalam
penelitian-penelitian bisnis dengan berbagai nama : causal modeling, causal
analysis, simultaneous equation modeling, analisis struktur kovarians, path
analysis, atau confirmatory factor analysis. Sebagai teknik statistik multivariat,
penggunaan SEM memungkinkan kita melakukan pengujian terhadap bentuk
hubungan tunggal (regresi sederhana), regresi ganda, hubungan rekursif
maupun hubungan resiprokal, atau bahkan terhadap variabel laten (yang
dibangun dari beberapa variabel indikator) maupun variabel yang diobservasi/
diukur langsung. SEM kini telah banyak diaplikasikan di berbagai bidang ilmu
sosial, psikologi, ekonomi, pertanian, pendidikan, kesehatan, dan lain-lain.
Makalah ini akan memperkenalkan konsep SEM untuk diaplikasikan dalam
penelitian statistik yang mendukung penelitian di bidang persandian.

84
Structural Equation Modeling

C. Definisi dan Pengertian

Apa sebenarnya yang dimaksud dengan structural equation modeling (SEM)


itu? SEM mempunyai beberapa definisi, diantaranya ialah sebagai berikut:

Structural equation modeling, yang dalam buku ini untuk selanjutnya akan
disebut SEM, adalah suatu teknik modeling statistik yang bersifat sangat cross-
sectional, linear dan umum. Termasuk dalam SEM ini ialah analisis faktor (factor
analysis), analisis jalur (path analysis) dan regresi (regression). Definisi lain
menyebutkan structural equation modeling (SEM) adalah teknik analisis
multivariat yang umum dan sangat bermanfaat yang meliputi versi-versi khusus
dalam jumlah metode analisis lainnya sebagai kasus-kasus khusus. Definisi
berikutnya mengatakan bahwa Structural equation modeling (SEM) merupakan
teknik statistik yang digunakan untuk membangun dan menguji model statistik
yang biasanya dalam bentuk model-model sebab akibat. SEM sebenarnya
merupakan teknik hibrida yang meliputi aspek-aspek penegasan (confirmatory)
dari analisis faktor, analisis jalur dan regresi yang dapat dianggap sebagai kasus
khusus dalam SEM.

Sedikit berbeda dengan definisi-definisi sebelumnya mengatakan


structural equation modeling (SEM) berkembang dan mempunyai fungsi mirip
dengan regresi berganda, sekalipun demikian nampaknya SEM menjadi suatu
teknik analisis yang lebih kuat karena mempertimbangkan pemodelan interaksi,
nonlinearitas, variabel variabel bebas yang berkorelasi (correlated
independents), kesalahan pengukuran, gangguan kesalahan-kesalahan yang
berkorelasi (correlated error terms), beberapa variabel bebas laten (multiple
latent independents) dimana masing-masing diukur dengan menggunakan
banyak indikator, dan satu atau dua variabel tergantung laten yang juga masing-
masing diukur dengan beberapa indikator. Dengan demikian menurut definisi ini
SEM dapat digunakan alternatif lain yang lebih kuat dibandingkan dengan
menggunakan regresi berganda., analisis jalur, analisis faktor, analisis time
series, dan analisis kovarian the Structural Equation Modeling (SEM) is a family
of statistical models that seek to explain the relationships among multiple
variables[ Arbuckle, 1997). Jadi dengan menggunakan SEM, peneliti dapat
mempelajari hubungan struktural yang diekspresikan oleh seperangkat
persamaan, yang serupa dengan seperangkat persamaan regresi berganda.

85
Structural Equation Modeling

Persamaan ini akan menggambarkan hubungan diantara konstruk (terdiri dari


variabel dependen dan independen) yang terlibat dalam sebuah analisis. Hingga
saat ini, teknik multivariabel diklasifikasikan sebagai teknik interdependensi atau
dependensi. SEM dapat dikategorikan sebagai kombinasi yang unik dari kedua
hal tersebut karena dasar dari SEM berada pada dua teknik multivariabel yang
utama, yaitu analisis faktor dan analisis regresi berganda.

Dari definisi di atas dapat disimpulkan bahwa SEM mempunyai


karakteristik yang bersifat sebagai teknik analisis untuk lebih menegaskan
(confirm) dari pada untuk menerangkan. Maksudnya, seorang peneliti lebih
cenderung menggunakan SEM untuk menentukan apakah suatu model tertentu
valid atau tidak dari pada menggunakannya untuk menemukan suatu model
tertentu cocok atau tidak, meski analisis SEM sering pula mencakup elemen-
elemen yang digunakan untuk menerangkan.

D. Fungsi dan Pembentukan Model Dalam SEM

Terdapat tiga buah strategi dalam membangun model di dalam SEM, yaitu :

a. Confirmatory Modeling Strategy


Mayoritas aplikasi SEM menggunakan Confirmatory Modeling Strategy, di
mana seorang peneliti membentuk model dan hanya ingin mengetahui
apakah model tersebut cocok atau tidak. Strategi ini adalah strategi yang
paling mudah, karena hanya menguji satu model saja dan setelah
diperoleh hasilnya langsung dapat diputuskan apakah model tersebut
cocok atau tidak. Kekurangan dari strategi ini adalah bila sebuah model
diterima maka peneliti tidak akan mencari model lain yang juga mungkin
diterima (cocok). Karena terdapat kemungkinan bahwa model yang cocok
tidak hanya model yang diusulkan tersebut

b. Competing Models Strategy


Dalam Competing Models Strategy, model yang diusulkan dibandingkan
dengan beberapa model alternatif. Strategi ini lebih baik dari Confirmatory
Modeling Strategy, karena peneliti dapat mengetahui dan

86
Structural Equation Modeling

membandingkan beberapa model sehingga memperoleh informasi yang


lebih banyak dan dapat memutuskan model mana yang akan digunakan.

c. Model Development Strategy


Dalam Model Development Strategy, sebuah model diusulkan lalu
diestimasi dengan SEM, setelah diperoleh hasilnya (cocok atau tidak
cocok), peneliti melakukan re-spesifikasi model untuk mendapatkan
model yang lebih baik. Strategi ini yang paling banyak digunakan dan
yang paling baik, karena tidak harus membuat beberapa model aternatif
yang cukup repot (Competing Models Strategy), namun tidak menutup
kemungkinan adanya model lain yang lebih baik (Confirmatory Modeling
Strategy).

Beberapa fungsi SEM, diantaranya ialah:

1) memungkinkan adanya asumsi-asumsi yang lebih fleksibel;


2) penggunaan analisis faktor penegasan (confirmatory factor analysis)
untuk mengurangi kesalahan pengukuran dengan memiliki banyak
indikator dalam satu variabel laten
3) daya tarik interface pemodelan grafis untuk memudahkan pengguna
membaca keluaran hasil analisis
4) kemungkinan adanya pengujian model secara keseluruhan dari pada
koefesien-koefesien secara sendiri-sendiri
5) kemampuan untuk menguji model model dengan menggunakan
beberapa variabel tergantung
6) kemampuan untuk membuat model terhadap variabel-variabel perantara
7) kemampuan untuk membuat model gangguan kesalahan (error term)
8) kemampuan untuk menguji koefesien-koefesien diluar antara beberapa
kelompok subyek
9) kemampuan untuk mengatasi data yang sulit, seperti data time series
dengan kesalahan otokorelasi, data yang tidak normal, dan data yang
tidak lengkap.

87
Structural Equation Modeling

E. Perbedaan SEM dengan Teknik Multivariat Lainnya

Beberapa hal yang membedakan SEM dengan regresi biasa dan teknik
multivariat lainnya, diantaranya adalah (Efferin, 2008) :

SEM membutuhkan lebih dari sekedar perangkat statistik yang


didasarkan atas regresi biasa dan analisis varian.
Regresi biasa, umumnya, menspesifikan hubungan kausal antara
variabel-variabel teramati, sedangkan pada model variabel laten SEM,
hubungan kausal terjadi di antara variabel-variabel tidak teramati atau
variabel-varibel laten
SEM selain memberikan informasi tentang hubungan kausal simultan
diantara variabel-variabelnya, juga memberikan informasi tentang muatan
faktor dan kesalahan-kesalahan pengukuran.
Estimasi terhadap multiple interrelated dependence relationships. pada
SEM sebuah variabel bebas pada satu persamaan bisa menjadi variabel
terikat pada persamaan lain.

Widodo (2006) mengemukakan sepuluh keistimewaan SEM sebagai berikut :

Mampu memperlakukan variabel endogenous dan variabel eksogenous


sebagai variabel acak dengan kesalahan pengukuran
Mampu memodelkan variabel laten sengan sejumlah indikatornya
Mampu membedakan kesalahan pengukuran dan kesalahan model
Mampu menguji model secara kesuluruhan, bukan hanya menguji
koefisien model secara individu
Mampu memodelkan variabel mediator
Mampu memodelkan hubungan antar error
Mampu menguji silang koefisien model dari berbagai kelompok sampel
Mampu memodelkan dinamika suatu fenomena
Mampu mengatasi data yang hilang
Mampu menangani data tidak normal

88
Structural Equation Modeling

Perbedaan SEM dengan teknik analisis lainnya ditunjukkan oleh tabel dibawah
ini (Sumarto, 2009) :

Tabel 4.1 Perbedaan SEM dengan teknik analisis lainnya


SEM Teknik analisis lain
Multiple interelated Single dependen relationships dan
dependence Single measured variables
relationships Estimated single equations
Persamaan tunggal dan Model kausal
ganda secara simultan Tidak ada measurement error
Model pengukuran dan
kausal
Ada Measurement error

F. Keterbatasan SEM

Beberapa keterbatasan yang dimiliki oleh SEM adalah sebagai berikut


(Widodo, 2006):

a) SEM tidak digunakan untuk menghasilkan model namun untuk


mengkonfirmasi suatu bentuk model.
b) Hubungan kausalitas diantara variabel tidak ditentukan oleh SEM,
namun dibangun oleh teori yang mendukungnya.
c) SEM tidak digunakan untuk menyatakan suatu hubungan
kausalitas, namun untuk menerima atau menolak hubungan sebab
akibat secara teoritis melalui uji data empiris.
d) Studi yang mendalam mengenai teori yang berkaitan menjadi
model dasar untuk pengujian aplikasi SEM.

G. Aplikasi Utama SEM

Aplikasi utama structural equation modeling meliputi:

1. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur
(path analysis), yang menyusun hipotesa hubungan-hubungan sebab
akibat (causal relationships) diantara variabel - variabel dan menguji

89
Structural Equation Modeling

model-model sebab akibat (causal models) dengan menggunakan sistem


persamaan linier. Model-model sebab akibat dapat mencakup variabel-
variabel manifest (indikator), variabel-variabel laten atau keduanya;
2. Analisis faktor penegasan (confirmatory factor analysis), suatu teknik
kelanjutan dari analisis faktor dimana dilakukan pengujian hipotesis
hipotesis struktur factor loadings dan interkorelasinya;
3. Analisis faktor urutan kedua (second order factor analysis), suatu variasi
dari teknik analisis faktor dimana matriks korelasi dari faktor-faktor
tertentu ( common factors) dilakukan analisis pada faktornya sendiri untuk
membuat faktor-faktor urutan kedua;
4. Model-model regresi (regression models), suatu teknik lanjutan dari
analisis regresi linear dimana bobot regresi dibatasi agar menjadi sama
satu dengan lainnya, atau dilakukan spesifikasi pada nilai-nilai
numeriknya;
5. Model-model struktur covariance (covariance structure models), yang
mana model tersebut menghipotesakan bahwa matrix covariance
mempunyai bentuk tertentu. Sebagai contoh, kita dapat menguji hipotesis
yang menyusun semua variabel yang mempunyai varian yang sama
dengan menggunakan prosedur yang sama;
6. Model struktur korelasi (correlation structure models), yang mana model
tersebut menghipotesakan bahwa matrix korelasi mempunyai bentuk
tertentu. Contoh klasik adalah hipotesis yang menyebutkan bahwa matrix
korelasi mempunyai struktur circumplex.

H. Asumsi Dasar

Untuk menggunakan SEM, peneliti memerlukan pengetahuan tentang


asumsi-asumsi yang mendasari penggunaannya. Beberapa asumsi tersebut,
diantaranya ialah:

1) Distribusi normal indikator indikator multivariat (Multivariate


normal distribution of the indicators): Masing-masing indikator
mempunyai nilai yang berdistribusi normal terhadap masing-masing
indikator lainnya. Karena permulaan yang kecil normalitas multivariat
dapat menuntun kearah perbedaan yang besar dalam pengujian chi-

90
Structural Equation Modeling

square, dengan demikian akan melemahkan kegunaannya. Secara


umum, pelanggaran asumsi ini menaikkan chi-square sekalipun
demikian didalam kondisi tertentu akan menurunkannya. Selanjutnya
penggunaan pengukuran ordinal atau nominal akan menyebabkan
adanya pelanggaran normalitas multivariat. Perlu diperhatikan bahwa
normalitas multivariat diperlukan untuk estimasi kemiripan maksimum
/ maximum likelihood estimation (MLE), yang merupakan
metode dominan dalam SEM yang akan digunakan untuk membuat
estimasi koefesien - koefesien (jalur) struktur. Khususnya, MLE
membutuhkan variabel-variabel endogenous yang berdistribusi
normal.
Secara umum, sebagaimana ditunjukkan dalam suatu studi-
studi simulasi menunjukkan bahwa dalam kondisi kondisi data
yang sangat tidak normal, estimasi-estimasi parameter SEM, misalnya
estimasi jalur masih dianggap akurat tetapi koefesien-koefesien
signifikansi yang bersangkutan akan menjadi terlalu tinggi. Sehingga
nilai-nilai chi-square akan meningkat. Perlu diingat bahwa untuk uji
keselarasan chi-square dalam model keseluruhan, nilai chi-square
tidak harus signifikan jika ada keselarasan model yang baik, yaitu:
semakin tinggi nilai chi-square, semakin besar perbedaan model yang
diestimasi dan matrices kovarian sesungguhnya, tetapi keselarasan
model semakin jelek. Chi-square yang meninggi dapat mengarahkan
peneliti berpikir bahwa model-model yang sudah dibuat memerlukan
modifikasi dari apa yang seharusnya. Kurangnya normalitas
multivariat biasanya menaikkan statistik chi-square, misalnya, statistik
keselarasan chi-square secara keseluruhan untuk model yang
bersangkutan akan bias kearah kesalahan Type I, yaitu menolak
suatu model yang seharusnya diterima. Pelanggaran terhadap
normalitas multivariat juga cenderung menurunkan (deflate)
kesalahan-kesalahan standar mulai dari menengah sampai ke tingkat
tinggi. Kesalahan-kesalahan yang lebih kecil dari yang seharusnya
terjadi mempunyai makna jalur-jalur regresi dan kovarian-kovarian
faktor / kesalahan didapati akan menjadi signifikan secara statistik
dibandingkan dengan seharusnya yang terjadi.

91
Structural Equation Modeling

2) Distribusi normal multivariat variabel-variabel tergantung laten


(Multivariate normal distribution of the latent dependent variables).
Masing-masing variabel tergantung laten dalam model harus
didistribusikan secara normal untuk masing-masing nilai dari masing-
masing variabel laten lainnya. Variabel-variabel laten dichotomi akan
melanggar asumsi ini karena alasan-alasan tersebut.

3) Linieritas (Linearity). SEM mempunyai asumsi adanya hubungan


linear antara variabel-variabel indikator dan variabel-variabel laten,
serta antara variabel-variabel laten sendiri. Sekalipun demikian,
sebagaimana halnya dengan regresi, peneliti dimungkinkan untuk
menambah transformasi eksponensial, logaritma, atau non-linear
lainnya dari suatu variabel asli ke dalam model yang dimaksud.

4) Pengukuran tidak langsung (Indirect measurement): Secara tipikal,


semua variabel dalam model merupakan variabel-variabel laten.

5) Beberapa indikator (Multiple indicators). Beberapa indikator harus


digunakan untuk mengukur masing-masing variabel laten dalam
model. Regresi dapat dikatakan sebagai kasus khusus dalam SEM
dimana hanya ada satu indikator per variabel laten. Kesalahan
pemodelan dalam SEM membutuhkan adanya lebih dari satu
pengukuran untuk masing-masing variabel laten.

6) Rekursivitas (Recursivity): Suatu model disebut rekursif jika semua


anak panah menuju satu arah, tidak ada arah umpan balik (feedback
looping), dan faktor gangguan (disturbance terms) atau kesalahan
sisaan (residual error) untuk variabel-variabel endogenous yang tidak
dikorelasikan. Dengan kata lain, model-model recursive merupakan
model-model dimana semua anak panah mempunyai satu arah tanpa
putaran umpan balik dan peneliti dapat membuat asumsi kovarian
kovarian gangguan kesalahan semua 0, yang berarti bahwa semua
variabel yang tidak diukur yang merupakan determinan dari variabel-
variabel endogenous tidak dikorelasikan satu dengan lainnya
sehingga tidak membentuk putaran umpan balik (feedback loops).
Model model dengan gangguan kesalahan yang berkorelasi dapat

92
Structural Equation Modeling

diperlakukan sebagai model recursive hanya jika tidak ada pengaruh-


pengaruh langsung diantara variabel-variabel endogenous.

Data interval: Sebaiknya data interval digunakan dalam SEM.


Sekalipun demikian, tidak seperti pada analisis jalur tradisional,
kesalahan model-model SEM yang eksplisit muncul karena
penggunaan data ordinal. Variabel-variabel exogenous berupa
variabel-variabel dichotomi atau dummy dan variabel dummy
kategorikal tidak boleh digunakan dalam variabel-variabel
endogenous. Penggunaan data ordinal atau nominal akan
mengecilkan koefesien matriks korelasi yang digunakan dalam
SEM. Akibatnya model yang dibuat peneliti salah dan tidak
memenuhi persyaratan sebagaimana diharuskan dalam model fit.
Hal ini dapat dipahami dalam konteks regresi linier. Salah satu
cara melihat kelayakan model regresi ialah dengan cara melihat
nilai r2 dalam regresi. Semakin mendekati 1 nilai r2 maka
kesesuaian model semakin tingi sebaliknya nilai r2 semakin
rendah kecocokan model makin rendah. Nilai r2 merupakan nilai
koefesien korelasi Pearson yang dikuadratkan. Oleh karena itu,
jika koefesien korelasi kecil maka nilai r2 juga akan kecil.
Kesimpulannya dengan menggunakan data ordinal atau nominal
akan berakibat model yang dibuat oleh peneliti tidak layak atau
salah. Itulah sebabnya jika data ordinal yang digunakan maka
sebelum di analisis dengan SEM, data harus diubah ke interval
dengan menggunakan method of successive interval (MSI) .

Ketepatan yang tinggi: Apakah data berupa data interval atau


ordinal, data-data tersebut harus mempunyai jumlah nilai yang
besar. Jika variabel variabel mempunyai jumlah nilai yang
sangat kecil, maka masalah-masalah metodologi akan muncul
pada saat peneliti membandingkan varian dan kovarian, yang
merupakan masalah sentral dalam SEM.

Residual-residual acak dan kecil: Rata-rata residual


residual atau kovarian hasil pengitungan yang diestimasikan
minus harus sebesar 0, sebagaimana dalam regresi. Suatu model

93
Structural Equation Modeling

yang sesuai akan hanya mempunyai residual residual kecil.


Residual residual besar menunjukkan kesalahan spesifikasi
model, sebagai contoh, beberapa jalur mungkin diperlukan untuk
ditambahkan ke dalam model tersebut.

Gangguan kesalahan yang tidak berkorelasi (Uncorrelated


error terms) seperti dalam regresi, maka gangguan kesalahan
diasumsikan saja. Sekalipun demikian, jika memang ada dan
dispesifikasi secara eksplsit dalam model oleh peneliti, maka
kesalahan yang berkorelasi (correlated error) dapat diestimasikan
dan dibuat modelnya dalam SEM.

Kesalahan residual yang tidak berkorelasi (Uncorrelated


residual error): Kovarian nilai nilai variabel tergantung yang
diprediksi dan residual residual harus sebesar 0.

Multikolinearitas yang lengkap: multikolinearitas diasumsikan


tidak ada, tetapi korelasi antara semua variabel bebas dapat
dibuat model secara eksplisit dalam SEM. Multikolinearitas yang
lengkap akan menghasilkan matriks - matriks kovarian tunggal,
yang mana peneliti tidak dapat melakukan penghitungan tertentu,
misalnya inversi matrix karena pembagian dengan 0 akan terjadi.

Ukuran Sampel tidak boleh kecil karena SEM bergantung pada


pengujian-pengujian yang sensitif terhadap ukuran sampel dan
magnitude perbedaan-perbedaan matrices kovarian. Secara teori,
untuk ukuran sampelnya berkisar antara 200 - 400 untuk model-
model yang mempunyai indikator antara 10 - 15. Satu survei
terhadap 72 penelitian yang menggunakan SEM
didapatkan median ukuran sampel sebanyak 198. Sampel di
bawah 100 akan kurang baik hasilnya jika menggunakan SEM.

I. Acuan Indeks Kecocokan Model

Untuk mengetahui apakah model yang dibuat didasarkan pada data


observasi sesuai dengan model teori atau tidak diperlukan acuan indeks

94
Structural Equation Modeling

kecocokan model. Berikut ini nilai-nilai indeks kecocokan model yang sering
digunakan dalam SEM, diantaranya:

1. Nilai Chi Square: semakin kecil maka model semakin sesuai antara
model teori dan data sampel. Nilai ideal sebesar <3
2. Rasio Kritis (Critical Ratio): Rasio deviasi tertentu dari nilai rata-rata
standard deviasi. Nilai ini diperoleh dari estimasi parameter dibagi
dengan standard error . Besar nilai CR adalah 1,96 untuk
pembobotan regresi dengan significance sebesar 0,05 untuk
koefesien jalurnya
3. Jika nilai CR > 1,96 maka kovarian - kovarian faktor mempunyai
hubungan signifikan
4. Jika koefesien struktural dibuat standar, misalnya 2; maka var
laten tergantung akan meningkat sebesar 2
5. Kesalahan pengukuran sebaiknya sebesar 0
6. Pembobotan regresi (regression weight): sebesar 1, tidak boleh
sama dengan 0, bersifat random jika ada tanda $
7. Spesifikasi model dengan nilai konstan 1
8. Maximum Likehood Estimation akan bekerja dengan baik pada
sampel sebesar >2500
9. Significance level (probabilitas) sebaiknya <0.05
10. Reliabilitas konstruk (construct reliability): minimal sebesar 0,70
untuk faktor loadings
11. Varian ekstrak (uji lanjut reliabilitas): nilai minimal 0.5 semakin
mendekati 1 semakin reliabel
12. Nilai indeks keselarasan (goodness of fit index) (GFI): mengukur
jumlah relatif varian dan kovarian yang besarnya berkisar dari 0 1.
Jika nilai besarnya mendekati 0 maka model mempunyai kecocokan
yang rendah sedang nilai mendekati 1 maka model mempunyai
kecocokan yang baik
13. Nilai indeks keselarasan yang disesuaikan (Adjusted Goodness
of Fit Index (AGFI): Fungsi sama dengan GFI perbedaan terletak
pada penyesuaian nilai DF terhadap model yang dispesifikasi. Nilai
AGFI sama dengan atau lebih besar dari 0,9. Jika nilai lebih besar

95
Structural Equation Modeling

dari 0,9 maka model mempunyai kesesuaian model keseluruhan yang


baik
14. Fungsi perbedaan sampel minimum (The minimum sample
discrepancy function (CMNF) yang merupakan nilai statistik Chi
Square dibagi dengan nilai derajat kebebasan (degree of freedom
(df)) disebut juga Chi Square relatif dengan besaran nilai kurang dari
0,2 dengan toleransi dibawah 0,3 yang merupakan indikator
diterimanya suatu kecocokan model dan data
15. Indeks Tucker Lewis (Tucker Lewis Index (TLI) dengan ketentuan
sebagai penerimaan sebuah model sebesar sama dengan atau lebih
besar dari 0,95. Jika nilai mendekati 1 maka model tersebut
menunjukkan kecocokan yang sangat tinggi
16. Indeks Kecocokan Komparatif (Comparative Fit Index (CFI))
dengan nilai antara 0- 1 dengan ketentuan jika nilai mendekati angka
1 maka model yand dibuat mempunyai kecocokan yang sangat tinggi
sedang jika nilai mendekati 0, maka model tidak mempunyai
kecocokan yang baik
17. Index Parsimony: untuk kecocokan model yang layak nilainya >0,9.
18. Root mean square error of approximation, (RMSEA): berfungsi
sebagai kriteria untuk pemodelan struktur kovarian dengan
mempertimbangkan kesalahan yg mendekati populasi. Kecocokan
model yg cocok dengan matriks kovarian populasi. Model baik jika
nilainya lebih kecil atau sama dengan 0,05 ; cukup baik sebesar atau
lebih kecil dari 0,08
19. Uji Reliabilitas: untuk menghitung reliabilitas model yang
menunjukkan adanya indikator-indikator yang mempunyai derajat
kesesuaian yang baik dalam satu model satu dimensi. Reliabilitas
merupakan ukuran konsistensi internal indikator-indikator suatu
konstruk yang menunjukkan derajat sejauh mana setiap indikator
tersebut menunjukkan sebuah konstruk laten yang umum. Reliabilitas
berikutnya ialah Varian Extracted dengan besar diatas atau sama
dengan 0,5. Dengan ketentuan nilai yang semakin tinggi
menunjukkan bahwa indikator-indikator sudah mewakili secara benar
konstruk laten yang dikembangkan

96
Structural Equation Modeling

20. Parameter dengan nilai 0 mempunyai arti tidak ada hubungan antar
variabel yang diobservasi. Parameter dapat secara bebas diestimasi
dengan nilai tidak sama dengan 0. Fixed parameter diestimasi tidak
berasal dari data, misalnya 1; free parameter diestimasi dari data
sampel yang diasumsikan oleh peneliti tidak sama dengan 0.
21. Root Mean Square Residual (RMR): nilai rata-rata semua residual
yang ditandarisasi. Nilai RMR berkisar mulai 0 1, suatu model yang
cocok mempunyai nilai RMR < 0.05.
22. Parsimony Based Indexes of Fit (PGFI): Parsimony model yang
berfungsi untuk mempertimbangkan kekompleksitasan model yang
dihipotesiskan dalam kaitannya dengan kecocokan model secara
menyeluruh. Nilai kecocokan ideal adalah 0.9
23. Normed Fit Index (NFI): Nilai NFI mulai 0 1 diturunkan dari
perbandingan antara model yang dihipotesiskan dengan suatu model
independen tertentu. Model mempunyai kecocokan tinggi jika nilai
mendekati 1
24. Relative Fit Index (RFI): merupakan turunan dari NFI dengan nilai 0 -
1. Model mempunyai kecocokan yang ideal dengan nilai 0.95
25. First Fit Index (PRATIO): berkaitan dengan model parsimony
26. Noncentrality Parameter (NCP): parameter tetap yang berhubungan
dengan DF yang berfungsi untuk mengukur perbedaan antara matriks
kovarian populasi dengan matriks kovarian observasi. Dengan
Confidence Interval 90% maka NCP berkisar antara 29,983 98,953
27. The Expected Cross Validation Index (ECVI): mengukur perbedaan
antara matriks kovarian yang dicocokkan dalam sampel yg dianalisis
dengan matriks kovarian yang diharapkan yang akan diperoleh dari
sampel lain dengan ukuran yang sama. Nilai ECVI dapat berapa saja
dan tidak ada kisarannya. Jika model mempunyai nilai ECVI terkecil,
maka model tersebut dapat direplikasi.
28. Hoelters Critical N (CN): berfungsi untuk melihat kecukupan ukuran
sampel yang digunakan dalam riset. CN mempunyai ketentuan suatu
model mempunyai ukuran sampel yang cukup jika nilai CN > 200.
29. Residual: perbedaan antara matriks kovarian model dengan matriks
kovarian sampel, semakin kecil perbedaan maka model semakin baik.

97
Structural Equation Modeling

J. Pertimbangan untuk Menggunakan Indeks Kecocokan Model

Karena banyaknya indeks kecocokan model dalam SEM, maka diperlukan


pertimbangan-pertimbangan dalam menggunakan indeks kecocokan model
tersebut. Sebaiknya kita menggunakan indeks kecocokan model yang umum,
seperti RMSEA, Chi Square, NNFI, dan CFI dalam pengujian kecocokan model.
Sekalipun demikian kita juga dapat menggunakan indeks indeks lain, misalnya
untuk melihat kesesuaian jumlah sampel ataupun nilai signifikansi .

K. Prinsip-Prinsip Dasar Dibalik SEM

Dalam statistik terdapat generaliasi yang menyatakan bahwa beberapa


variabel saling berhubungan satu dengan yang lain dalam suatu kelompok
persamaan linear. Hubungan tersebut menjadi semakin kompleks tetapi inti
pesannya tetap sama, yaitu: kita dapat menguji apakah beberapa variable saling
berhubungan melalui seperangkat hubungan linier dengan cara memeriksa
varian dank ovarian variable tersebut. Dictum ini dapat diilustrasikan secara
sederhana sebagai berikut:

Ada sekelompok angka (kita beri simbol X): 1, 2, dan 3. Sekeleompok angka
tersebut mempunyai rata-rata sebesar 2 dan standard deviasi 1. Kemudian
sekelompok ini ini (X) kita kalikan 4; maka akan menjadi sekelompok angka
sebagai berikut: 4, 8, dan 12 (Kita beri simbol Y). Sekelompok angka tersebut
mempunyai rata-rata sebesar 8, standard deviasi 4, dan varian sebesar 16
(varian adalah standard deviasi yang dikuadratkan). Seperangkat angka X dapat
dihubungkan dengan seperangkat anhgka Y dengan menggunakan persamaan Y
= 4 X; dengan demikian varian Y ialah 16 kali X. Dari persamaan tersebut kita
dapat melakukan pengujian hipotesis, yaitu Y dan X dihubungkan dengan
menggunakan persamaan Y = 4 X secara tidak langsung dengan cara
membandingkan varian varian variable X dan Y.

Dalam kaitannya dengan pemahaman tersebut, maka prosedur dalam


SEM dilakukan dengan cara sbb:

Nyatakan secara tegas bahwa beberapa variabel berkaitan antara satu


dengan yang lainnya dengan menggunakan diagram jalur.

98
Structural Equation Modeling

Teliti melalui beberapa aturan internal yang kompleks implikasi-implikasi


apa saja dalam kaitannya degan varian varian dan kovarian-
kovariannya beberapa variabel tersebut.
Ujilah apakah semua varian dan kovarian cocok dengan modelnya.
Laporkan hasil-hasil pengujian statistik, dan juga estimasi-
estimasi parameter serta kesalahan-kesalahan standard untuk semua
koefisen numerik yang ada dalam persamaan linear.
Berdasarkan semua informasi di atas, peneliti memutuskan apakah model
nampak sesuai dengan data yang dipunyai atau tidak.

Dalam kaitannya dengan prinsip dasar SEM, statistik dasar yang melandasi
adalah kovarian. Apa itu kovarian? Kovarian ialah pengukuran statistik varian dua
variabel random yg diobservasi atau diukur dalam periode waktu rata-rata yang
sama. Kovarian juga digunakan untuk menghitung koefesien korelasi antara dua
variable yang berhubungan. Kovarian yang didefinisikan untuk dua variable
kontinus X dan Y yang diobservasi mempunyai persamaan:

Cov xy = r xy SDx SDy

Dimana:

Cov xy = Kovarian variable x dan y

SDx = Standar Deviasi Variabel x

SDy = Standar Deviasi Variabel y

Kovarian tersebut mewakili kekuatan asosiasi / hubungan antara x dan y


serta variabilitasnya meski hanya dalam satu angka tunggal. Kovarian
merupakan nilai statistik yang tidak standar; itulah sebabnya nilai kovarian tidak
mempunyai batas bawah dan batas atas. Karena kovarian merupakan statistik
dasar SEM, maka konsekuensi logisnya ialah analisis dalam SEM mempunyai
dua tujuan, yaitu memahami pola kovarian dalam seperangkat variable yang
sedang diobservasi dan menerangkan sebanyak mungkin varian dengan model
yang dibuat oleh peneliti. Dengan demikian pengujian hipotesis tentang varian
dank ovarian yang diwakili dengan model persamaan struktural adalah struktur
kovarian.

99
Structural Equation Modeling

L. Konsep Identifikasi Model

Model Model Struktural dapat berupa dalam SEM ialah: 1) just identified,
2) over identified, dan 3) under identified

Model Just identified: jumlah poin data varian dan kovarian


sama dengan jumlah parameter yang harus diestimasi. Model ini
secara ilmiah tidak menarik karena tidak ada Degree of Freedom
(DF) sehingga model harus selalu diterima / tidak dapat ditolak
(Catatan: DF = data parameter)
Model Over identified: jumlah poin data varian dan kovarian
variabel-variabel yang teramati lebih besar dari jumlah parameter
yang harus diestimasi. Dengan demikian terdapat DF positif
sehingga memungkinkan penolakan model
Model Under identified: jumlah poin data varian dan kovarian
lebih kecil dibandingkan dengan jumlah parameter yang harus
diestimasi. Dengan demikian model akan kekurangan informasi yang
cukup untuk mencari pemecahan estimasi parameter karena akan
terdapat solusi yang tidak terhingga untuk model yang seperti ini.
Saturated Model: mempunyai parameter bebas sebanyak jumlah
moments (rata-rata dan varian). Jika dianalisis dengan data yang
lengkap, maka model akan selalu cocok dengan data sampel secara
sempurna (Chi square = 0.0; DF = 0)

M. Diagram Jalur SEM

Diagram jalur SEM berfungsi untuk menunjukkan pola hubungan antar


variabel yang kita teliti. Dalam SEM pola hubungan antar varaibel akan diisi
dengan variabel yang diobservasi, variabel laten dan indikator. Didasarkan pola
hubungan antar variabel, SEM dapat diurai menjadi dua sub-bagian yaitu: model
pengukuran dan model struktural. Model pengukuran mendefinisikan hubungan
antar variabel yang diobservasi dan yang tidak diobservasi. Dengan kata lain
model pengukuran menyediakan hubungan nilai-nilai antara instrumen
pengukuran (variabel-variabel indikator yang diobservasi) dengan konstruk-
konstruk yang dirancang untuk diukur (variabel-variabel laten yang tidak

100
Structural Equation Modeling

diobservasi). Sedang model struktural mendefinisikan hubungan antar semua


variabel yang tidak diobservasi. Itulah sebabnya model struktural
mengidentifikasi variabel variabel laten mana saja yang secara langsung
ataupun tidak langsung mempengaruhi perubahan nilai variabel laten lainnya
dalam model.

Di bawah ini diberikan contoh diagram jalur SEM:

Model persamaan structural pengaruh prestasi pegawai terhadap kinerja


pegawai

Diagram jalur di atas dapat diterangkan sebagai berikut:

Ada 2 variabel laten, yaitu prestasi pegawai dan kinerja pegawai.


Variabel laten prestasi pegawai mempunyai 3 indikator / variabel
yang dapat diobservasi secara langsung, yaitu: motivasi, kedisiplinan
dan kreativitas. Sedang variabel laten kinerja pegawai mempunyai 5
indikator, yaitu gaji, jenjang karier, jumlah jam kerja, insentif dan
gaya kepemimpinan.
Ada 8 kesalahan pengukuran, yaitu err1 sampai dengan err8
Ada 1 kesalahan residual, yaitu res1
Diasumsikan variabel prestasi mempengaruhi variabel kinerja.
Model hubungan ini disebut recursive atau searah.
Terdapat dua model yaitu: model pengukuran dan model struktural
Model pengukuran mencerminkan hubungan antara variabel
laten prestasi pegawai dengan indikator-indikator motivasi,

101
Structural Equation Modeling

disiplin, dan kreativitas dan variabel laten kinerja pegawai


dengan indikator-indikator gaji, karier, jam, insentif dan gaya
kepemimpinan.
Model struktural mencerminkan hubungan antara variabel
laten prestasi pegawai dengan variabel laten kinerja pegawai.

N. Ukuran Sampel

Setelah konsep dan model sudah dibuat, kemudian pertanyaannya


adalah berapa sampel yang perlu dilibatkan ? Pada umumnya penggunaan SEM
membutuhkan jumlah sampel yang cukup besar agar hasil yang diperoleh
mempunyai kredibilitas yang cukup. Pertanyaan yang muncul seberapa besar
jumlah sampel yang dibutuhkan ? Sampai saat ini belum ada kesepakatan
jumlah sampel minimum yang dibutuhkan. Ada beberapa pertimbangan yang
dapat dijadikan acuan dalam menentukan jumlah sampel.

Menurut wahyu W (2010) dalam Tanaka (1987) megajukan 2 pendekatan


yang dapat dijadikan pertimbangan untuk mengatasi masalah kecukupan ukuran
sampel dalam pemodelan melalui SEM. Pendekatan pertama
mempertimbangkan ukuran sampel berdasarkan ketepatan estimasi dan efek
ukuran sampel yang telah ditemukan jawabannya oleh peneliti melalui studi
Monte Carlo. Meski hasilnya beberapa masih bertentangan namun kesepakatan
umum dapat diidentifikasi. Jadi, kesesuaian ukuran sampel sangat terkait dengan
bentuk model yang akan diestimasi. 50 pengamatan/kasus/sampel menurut
Tanaka cukup untuk menguji model variabel laten tunggal yang memiliki empat
indikator tampak. Jumlah ini tidak cukup ketika diterapkan pada model yang
memiliki 20 variabel ukur dengan 4 variabel laten.

Intinya, ketepatan ukuran sampel terkait dengan jumlah parameter


diperkirakan di dalam model. Informasi mengenai jumlah estimasi parameter
dapat kita lihat pada sebagian besar program pemodelan SEM. Menurut
pengalaman saya, pada program AMOS ada di menu identitas model sedangkan
LISREL pada menu rangkuman. Di sisi lain kompleksitas metode estimasi
menentukan kesesuaian ukuran sampel. Perkembangan terbaru pemodelan
SEM yang mengembangkan model dengan sedikit asumptions tentang distribusi
data dan memungkinkan data tidak normal, membutuhkan ukuran sampel yang

102
Structural Equation Modeling

sedikit lebih banyak dibanding dengan metode estimasi yang standar. Sayang
sekali, Tanaka tidak menjelaskan berapa sampel yang dibutuhkan untuk
menggunakan asumsi data tidak normal. Singkat kata, harga yang harus dibayar
jika kita menggunakan asumsi yang lebih mudah dipenuhi adalah peningkatan
ukuran sampel besar. Artinya, asumsi data yang tidak normal dapat dibayar
dengan jumlah sampel yang besar.

Para ahli menyepakati konsensus bahwa bahwa ukuran sampel minimum


tergantung pada banyak hal, misalnya teknik estimasi. Jika peneliti
menggunakan teknik estimasi Asymptotically Distribution Free (ADF), sampel
yang digunakan minimal 1000 (Hoogland dan Boomsma, 1998), bahkan ada
yang mengatakan minimal 2000 (Boomsma dan Hoogland, 2001). Estimasi
maximum likelihood (ML) juga membutuhkan ukuran sampel yang cukup,
terutama bila data dipakai adalah non-normal. Berdasarkan studi Monte Carlo
yang dilakukan oleh peneliti terhadap berbagai metode estimasi disimpulkan
bahwa : (1) Ukuran sampel minimum yang diperlukan untuk mengurangi bias
pada semua jenis estimasi SEM adalah 200 (Loehlin, 1998). (2) Ukuran sampel
untuk estimasi ML harus minimal 15x jumlah variabel yang diamati (Stevens,
1996). (3) Ukuran sampel untuk estimasi ML harus setidaknya 5x jumlah
parameter bebas dalam model, termasuk eror (Bentler & Chou, 1987). (4) Data
yang memiliki nilai kurtosis tinggi, ukuran sampel minimum harus 10 kali jumlah
parameter bebas (Hoogland dan Boomsma, 1998). Bootstrap merupakan
alternatif untuk estimasi ML dengan sampel kecil. Pada analisis SEM jumlah
sampel minimal yang akan diambil adalah 5 kali jumlah varibel indikator yang
digunakan (dari berbagai sumber Roscoe 1975 dalam Augusty Ferdinand, 2006).
Cara penentuan data dalam penelitian ini berdasarkan ukuran sampel
(sample size) yang disesuaikan dengan analisis yang digunakan.
Mengingat analisis data dan uji hipotesis dalam penelitian ini menggunakan
Structural Equation Modeling ( SEM) maka jumlah observasi (pengamatan)
merupakan hal yang sangat penting untuk dapat menggunakan metode ini.
Jumlah sampel dalam SEM terdapat rasio minimum yaitu 5 responden untuk
setiap parameter dalam penelitian, atau 10 responden untuk setiap 1 parameter,
atau 15 responden untuk setiap 1 parameter. Syarat kondisi yang
menentukan jumlah responden untuk setiap parameter dalam menentukan
sampel melibatkan berbagai faktor, meliputi misspesifikasi model, ukuran model,

103
Structural Equation Modeling

aspek normalitas, dan perkiraan prosedur (Hair et al. 1998; 577-644).


McCall (1982) memperkenalkan sebuah rumus umum yang dapat
digunakan untuk menentukan ukuran sampel ketika memperkirakan ukuran
sampel yaitu n = (Z / e)^2. n adalah ukuran sampel yang dibutuhkan untuk
tingkat presisi yang diinginkan, e adalah ukuran efek, Z adalah tingkat
kepercayaan, dan deviasi standar suatu populasi (dapat diperkirakan dari studi
penelitian sebelumnya, uji norma-norma, atau rentang skor dibagi dengan 6).
Misalnya, diberi sampel acak dari skor ACT dari populasi didefinisikan dengan
deviasi standar 100, tingkat kepercayaan yang diinginkan dari 1,96 (taraf
signifikansi 0,05), dan pengaruh ukuran sebesar 20. Berdasarkan informasi di
atas maka ukuran sampel yang dibutuhkan adalah [100 (1,96) / 20)] 2 = 96.

1. Normalitas Data

SEM mensyaratkan data berdistribusi normal , dimana untuk mengurangi


ketidaknormalan dibutuhkan data yang cukup besar. Misalnya Sebagai ratio yang
umum digunakan dalam SEM paling tidak ada 15 data (sampel atau responden)
yang dibutuhkan. Sebagai contoh jika ada 3 buah kontruk. Masing-masing kntruk
memiliki 3 indikator. Maka minimal sampel yang dibutuhkan 3 x 3 = 9 parameter,
dimana 9 x 15 data makan diperoleh jumlah sampel minimal yang dibutuhkan
135 sampel.

Namun demikian pedoman diatas tidak mengikat karena factor biaya, waktu
dan tenaga juga perlu diperhtikan dalam memnetukan jumlah sampel. Intinya
semakin komplek sebuah model dan makin banyak missing data (lebih dari 10%)
maka dibutuhkan sampel yang cukup besar.

O. Dua Hal Penting Dalam Penggunaan SEM

Ada dua isu yang bersifat metodologis yang muncul dalam SEM berkaitan
dengan kekuatan menganalisis data. Pertama, apakah parameter-parameter
yang akan kita estimasi dapat diidentifikasi. Lebih lanjut apakah kita dapat
memperoleh estimasi unik parameter tersebut. Pada saat semua parameter
dalam suatu model teridentifikasi. Maka model tersebut dikatakan teridentifikasi.
Masalah indentifikasi ini seperti persamaan dalam aljabar yang digunakan untuk
mengetahui apakah terdapat persamaan independent yang memadai untuk

104
Structural Equation Modeling

memecahkan X, Y dan Z.Idealnya, kita menginginkan semua parameter model


dapat diidentififikasi. Amos dapat mendeteksi serta memberitahu kita kisaran
masalah-masalah identifikasi. Disamping itu juga Amos menawarkan remedi
untuk mengatasi masalah ini. Kita dapat mengatasi masalah indentifikasi dengan
menggunakan pengendalian-pengendalian tertentu. Isu kedua ialah ekuvalensi
model. Dua model SEM akan equivalen jika kedua model tersebut dapat
memprediksi nilai-nilai yang sama dari data yang sama pula. Apa yang dianalisis
pada saat melakukan pencocokan dalam SEM ialah matriks kovarian atau
matriks korelasi. Sekalipun demikian dalam SEM kadang kita juga menggunakan
rata-rata (mean) hasil observasi juga pada saat intercept atau rata-rata faktor
diestimasi. Setiap dua model SEM yang memprediksi momen yang sama,
misanya kovarian, means, dan lainnya diperlakukan equivalen. Sampai saat ini
belum ada prosedur yang komprehensif untuk menghitung semua kemungkinan
model yang ingin kita spesifikasi.. Untuk mengatasi masalah ini, maka kita harus
bersandar pada informasi diluar data untuk memilih model-model yang terbaik.
Informasi ini dapat diperoleh dari riset sebelumnya, pengetahuan tentang
lingkungan dimana data dikoleksi, intuisi manajerial dan pengalaman-
pengalaman meneliti sebelumnya. Pemahaman ekuivalensi tidak jauh berbeda
dengan pemahaman dimana variable-variabel tertentu bergantung pada lainnya
dan mana yang tidak bergantung.

P. Istilah-Istilah Dasar Dalam SEM

1. Variabel
Observed Variables: Variabel Yang Dapat Diobservasi Secara
Langsung / Var Manifest / Indikator / Referensi
Unobserved Variables: Variabel Yang Tidak Dapat Diobservasi
Secara Langsung / Fenomena Abstrak / Var Laten / Faktor / Konstruk
Minimal 4 variabel untuk pemodelan dalam SEM

2. Variabel Laten Exogenous (Variabel Independen)


Penyebab fluktuasi nilai nilai di variabel variabel laten lainnya dalam
model yang dibangun. Perubahan nilai dalam var ini ini tidak dapat
diterangkan dengan menggunakan model, tetapi harus
mempertimbangkan pengaruh faktor faktor eksternal lainnya diluar
model; sebagai contoh faktor demografi, status sosial dan ekonomi.

105
Structural Equation Modeling

(Bandingkan dengan konsep Regresi dan Analisis Jalur dimana model


tidak digunakan untuk memberikan penjelasan perubahan nilai pada
variabel bebas (regresi) dan exogenous (analisis jalur) krn variabel
variabel ini diperlakukan sebagai penyebab perubahan nilai var
tergantung (regresi) dan var endogenous (analisis jalur)

3. Variabel Laten Endogenous (Variabel Dependen)


Variabel yang dipengaruhi oleh var exogenous dalam model baik
secara langsung maupun tidak langsung. Fluktuasi nilai dalam var
endogenous dapat diterangkan dengan model yang dibangun karena
semua variabel laten yang mempengaruhi variabel laten endogenous
ini dimasukkan dalam spesifikasi model tersebut.

4. Model Anlisis Faktor


Exploratory Factor Analysis (EFA): dirancang untuk suatu
situasi dimana hubungan antara variabel variabel yang
diobservasi dan variabel laten tidak diketahui atau tidak jelas
Confirmatory Factor Analysis (CFA): digunakan untuk riset
dimana peneliti sudah mempunyai pengetahuan mengenai
struktur variabel laten yang melandasinya. Didasarkan pada teori
atau riset empiris yang bersangkutan membuat postulat /asumsi /
reasoning hubungan antara pengukuran yang diobservasi dengan
faktor faktor yang mendasarinya sebelumnya kemudian
melakukan pengujian struktur hipotesis ini secara statistik.
Kesimpulan: Model analisis faktor EFA dan CFA berfokus pada
bagaimana dan sejauh mana semua variabel yang diobservasi
berhubungan dengan faktor faktor laten yang mendasarinya.
Dengan kata lain, model analisis ini berfokus pada sejauh mana
variabel variabel yang diobservasi ini dihasilkan oleh konstruk
konstruk laten yang mendasarinya; dengan demikian, kekuatan
semua jalur regresi dari semua faktor tersebut kearah semua
variabel yang diobservasi secara langsung (koefesien regresi /
factor loadings) menjadi fokus analisisnya. Karena model ini,
khususnya CFA hanya berfokus pada hubungan antara faktor

106
Structural Equation Modeling

faktor dan semua variabel yang diukur maka dalam perspektif


SEM disebut sebagai Measurement Model.
5. Model Variabel Laten Lengkap / Full Latent Variable Model (LV)
Model LV memungkinkan spesifikasi struktur regresi diantara
semua variabel laten. Artinya peneliti dapat membuat hipotesis
pengaruh dari satu konstruk laten terhadap konstruk laten lainnya
dalam suatu pemodelan hubungan sebab akibat. Model LV ini
mencakup measurement model dan structural model : dimana
MM menjelaskan hubungan antara
semua variabel laten dengan pengukuran yang diobservasi (CFA)
dan model struktural menjelaskan hubungan antara semua
variabel laten itu sendiri.

6. Arah Hubungan
Recursive: hubungan pengaruh satu arah ( dari exogenous ke
endogenous) (Model ini sama dengan Analisis Jalur)
Non Recursive: hubungan bersifat sebab akibat / reciprocal atau
feedback effects

7. Tujuan Umum Pemodelan Statistik dalam SEM


Memberikan cara yang efisien dan sesuai untuk menggambarkan
struktur variabel laten yang mendasari seperangkat variabel yang
diobservasi
Mengekspresikan dengan diagram atau menggunakan
persamaan matematis
Menyusun postulat menggunakan model statistik yang
didasarkan pada pengetahuan peneliti terhadap teori yang
sesuai, riset empiris kajiannya, atau kombinasi antara teori dan
empiris.
Menentukan keselarasan (Goodness of Fit) antara model yang
dihipotesiskan dengan data sampel.
Menguji seberapa cocok antara data hasil observasi
dengan dengan struktur model yang dibuat
Mengetahui residual / perbedaan antara model yang
dihipotesiskan dengan data observasi

107
Structural Equation Modeling

8. Bentuk model yang sesuai dengan data observasi:


Data = Model + Residual
Model merupakan representasi struktur yang dihipotesiskan yang
menghubungkan antara semua variabel yang diobservasi dengan
semua variabel laten dan untuk model tertentu menghubungkan
antar variabel laten tertentu.
Residual merupakan perbedaan antara model yang
dihipotesiskan dengan data yang diobservasi

9. Kerangka Strategis Umum untuk Pengujian SEM Menurut Joreskog


(1993)

Terdapat 3 kerangka strategis umum dalam pengujian SEM, yaitu:

a) Strictly Confirmatory (SC)


Peneliti membuat postulat suatu model singel didasarkan
pada teori,
Mengumpulkan data yang sesuai
Menguji kecocokan antara model yang dihipotesiskan
dengan data sampel observasi
Hasil pengujian ialah menolak atau menerima model yang
sudah dibuat
Tidak ada modifikasi lebih lanjut terhadap model yang
sudah dibuat

b) Alternative Models (AM):


Peneliti mengajukan beberapa alternatif model yang
didasarkan pada teori yang sesuai dengan kajian yang
dilakukan
Memilih model yang sesuai dengan data observasi yang
paling mewakili data sampel yang dimiliki

108
Structural Equation Modeling

c) Model Generating (MG):


Peneliti membuat postulat dan menolak model yang
diturunkan dari teori didasarkan pada kekurang-sesuaian
dengan data sampel
Melanjutkan dengan model exploratori bukan konfirmasi
untuk memodifikasi dan mengestimasi ulang model yang
dibuat
Fokusnya ialah untuk menemukan sumber
ketidaksesuaian dalam model dan menentukan suatu
model yang sesuai dengan data sampel yang ada

Notasi Simbol. Notasi simbol yang digunakan SEM ialah

Notasi Simbol Deskripsi

Variabel yang tidak


terobservasi / var laten / faktor

Variabel yang diobservasi /


indikator / manifest

Menunjukkan pengaruh dari


satu variabel ke var lainnya

Menunjukkan kovarian /
korelasi antara sepasang
variabel

Measurement error dan


residual error

109
Structural Equation Modeling

Q. Kenggulan-Keunggulan SEM

1) Pertama, memungkinkan adanya asumsi-asumsi yang lebih


fleksibel;
2) Kedua, penggunaan analisis faktor penegasan (confirmatory
factor analysis) untuk mengurangi kesalahan pengukuran dengan
memiliki banyak indikator dalam satu variabel laten;
3) Ketiga, daya tarik interface pemodelan grafis untuk memudahkan
pengguna membaca keluaran hasil analisis;
4) Keempat, kemungkinan adanya pengujian model secara
keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri;
5) Kelima, kemampuan untuk menguji model model dengan
menggunakan beberapa variabel tergantung;
6) Keenam, kemampuan untuk membuat model terhadap variabel-
variabel perantara;
7) Ketujuh, kemampuan untuk membuat model gangguan
kesalahan (error term);
8) Kedelapan, kemampuan untuk menguji koefesien-koefesien
diluar antara beberapa kelompok subyek;
9) Kesembilan kemampuan untuk mengatasi data yang sulit,
seperti data time series dengan kesalahan otokorelasi, data yang
tidak normal, dan data yang tidak lengkap.

1. Langkah-Langkah Analisis Dalam SEM

Mulaik (1972) menyatakan terdapat tiga hal yang diperhatikan dalam


SEM yaitu 1) struktur yang spesifik antara variabel latent eksogen dan endogen
sudah terstruktur, sudah dapat dihipotesiskan, 2) sudah ditetapkan bagaimana
untuk mengukur variabel latent eksogen, dan 3) pengukuran model untuk
variabel latent endogen sudah dideterminasikan. Berdasarkan konsep tersebut
tahap penelitian dalam analisis data dengan SEM adalah 1) uji validitas dan
reliabilitas (setara dengan analisis faktor), uji model hubungan antar variabel
(path analysis), dan 3) konfirmasi model (SEM).

110
Structural Equation Modeling

Adapun langkah-langkah analisis SEM dalam penelitian ini adalah:

1) Pengembangan model berbasis teori

Pengembangan model teoritis dilakukan dengan telaah


pustaka yang intens guna mendapatkan justifikasi atas model
teoritis yang akan dikembangkan. Berdasarkan rancangan
penelitian pengajuan model kausalitas dengan adanya
hubungan sebab akibat antara empat variabel berdasarkan
justifikasi teoritis.

2) Mengkontruksi diagram jalur untuk menunjukkan


hubungan kausalitas

Rancangan penelitian dibangun dan digambar dalam bentuk


diagram jalur dengan tujuan mempermudah melihat
hubungan-hubungan kausal antar variabel eksogen dan
endogen yang akan diuji. Selanjutnya bahasa program akan
mengkonversi gambar menjadi persamaan dan persamaan
menjadi estimasi.

3) Konversi diagram jalur ke dalam serangkaian persamaan


struktural dan spesifikasi model pengukuran

Rancangan penelitian dikonversi secara spesifik ke dalam


struktur persamaan yang menyatakan hubungan kausalitas
antar berbagai konstruk dan spesifikasi model pengukuran
(measurement model).

4) Pemilihan matriks input dan teknik estimasi atas model


yang dibangun

Input data yang digunakan dalam analisis SEM adalah


menggunakan matriks kovarian (matriks korelasi). Setelah
masuk program SEM data segera dikonversi dalam bentuk
matriks kovarian (matriks korelasi).

111
Structural Equation Modeling

5) Menilai problem identifikasi

Problem identifikasi pada prinsipnya adalah problem mengenai


ketidakmampuan dari model yang dikembangkan untuk
menghasilkan estimasi yang unik. Problem identifikasi ini
dapat dideteksi dari gejala-gejala yang muncul yaitu 1) standar
error untuk satu atau beberapa koefisien sangat besar, 2)
program tidak mampu menghasilkan matrik informasi yang
seharusnya, 3) munculnya angka-angka aneh misalnya
varians error yang negatif, dan 4) munculnya korelasi yang
sangat tinggi antar koefisien estimasi.

6) Evaluasi model

Kesesuaian model dapat dievaluasi dengan melihat berbagai


kriteria goodness of fit. Secara garis besar uji goodness of fit
model dapat digolongkan menjadi empat hal yaitu 1) ukuran
sampel, 2) normalitas dan liniearitas, 3) multikoliniearitas, dan
4) validitas dan reliabilitas. Angka indeks yang digunakan
untuk menguji kelayakan model dalam penelitian ini adalah
significance probability dengan nilai cut off > 0,05 yang berarti
bahwa model sesuai.

7) Interpretasi dan modifikasi model

Langkah terakhir adalah menginterpretasikan model dan


memodifikasikan model bagi model-model yang tidak
memenuhi syarat pengujian yang dilakukan. Setelah model
diestimasi harus mempunyai residual kovarian yang kecil.
Batas jumlah residual adalah 5 %, jika residual > 5 % dari
semua residual kovarian yang dihasilkan oleh model, maka
perlu dipertimbangkan modifikasi model, misalnya dengan
menambah jalur baru terhadap model yang diestimasi.
Perubahan atau modifikasi model tersebut harus mempunyai
dukungan dan justifikasi teori yang memadai.

112
Structural Equation Modeling

2. Perangkat Lunak SEM

Telah banyak software yang dikembangkan untuk SEM diantaranya


adalah AMOS (Arbuckle, 1994, 1997), CALIS (Hartmann, 1992), EQS (Bentler,
1989, 1995), Ezpath (Steiger, 1989), LISCOMP (Muthen, 1988), LISREL
(Joreskog dan Sorbom, 1993), MPLUS (Muthen dan When, 1998), Mx (Neale,
1997), SEPATH, STREAMS, dan TETRAD (Scheines, et al., 1994). Namun dari
sekian banyak software yang dikembangkan, AMOS, SQL, dan LISREL
merupakan tiga software yang paling populer digunakan karena mudah untuk
dipahami dan diaplikasikan (Hox dan Bechger, 1998). AMOS hingga kini telah
berkembang hingga AMOS v.16, sedangkan LISREL telah berkembang hingga
LISREL v.8. Kedua software tersebut merupakan software SEM yang paling
sering digunakan untuk penelitian, karena mudah untuk dipelajari dan digunakan.

113
Structural Equation Modeling

LATIHAN

1. Coba anda jelaskan apa yang dimaksudkan dengan SEM?


2. Sebutkan tehnik di dalam SEM? Jelaskan!
3. Sebutkan tiga buah strategi dalam membangun model di dalam
SEM?jelaskan!
4. Sebutkan beberapa fungsi SEM?jelaskan!
5. Sebutkan dan jelaskan Aplikasi utama SEM?
6. Jelaskan beberapa keterbatasan dalam SEM?
7. Sebutkan dan jelaskan beberapa asumsi dasar?
8. Sebutkan nilai-nilai indeks kecocokan model yang sering yang digunakan
dalam SEM?
9. Sebutkan tujuan umum pemodalan stastistik dalam SEM?
10. Sebutkan dan jelaskan beberapa keunggulan SEM?

114
Teknis Analisis Data

BAB V
TEKNIS ANALISIS DATA

A. Pendahuluan

Pada bab ini akan dijelaskan teknis analisis serta uji asumsi klasik yang
digunakan. Sebagai contoh diperlihatkan kerangka ikir dalam suatu penelitian
sebagai berikut :

Kontribusi Supervisi Motivasi Kerja Efektifitas Guru


X
Y (Z)

Gambar 5.1. Kerangka Pikir

SEM hanya menggunakan matriks korelasi atau matriks varians-


kovarians sebagai masukan dalam perhitungannya, sehingga diperlukan
diagnosa pada data yang tersedia terlebih dahulu, agar data memenuhi asumsi
dasar pada SEM. Asumsi-asumsi tersebut adalah data harus bersih dari data
ekstrim (outlier), memiliki distribusi normal, dan tidak terdapat multikolinearitas
antar indikator yang ada. Berikut akan dijelaskan cara pemeriksaan asumsi-
asumsi tersebut.

1. Uji Asumsi Klasik

1.1 Analisis Uji Reliabilitas

Uji reliabilitas merupakan uji kehandalan yang bertujuan untuk


mengetahui seberapa jauh sebuah alat ukur dapat diandalkan atau dipercaya.
Kehandalan berkaitan dengan dengan estimasi sejauh mana suatu alat ukur,
apabila dilihat dari stabilitas atau konsistensi internal dari jawaban/pertanyaan
jika pengamatan dilakukan secara berulang. Apabila suatu alat ukur ketika
digunakan secara berulang dan hasil pengukuran yang diperoleh relatif konsisten
maka alat ukur tersebut dianggap handal dan reliable.

115
Teknis Analisis Data

Uji Reliabilitas dilakukan dengan uji Alpha Cronbach. Rumus Alpha Cronbach
sebagai berikut:

Note:

Jika nilai alpha > 0,7 artinya reliabilitas mencukupi (sufficient reliability)
sementara jika alpha > 0,80 ini mensugestikan seluruh item reliabel dan seluruh
tes secara konsisten secara internal karena memiliki reliabilitas yang kuat
(Sebastian, 2004), Atau, ada pula yang memaknakannya sebagai berikut:

Jika alpha > 0,90 maka reliabilitas sempurna


Jika alpha antara 0,70 0,90 maka reliabilitas tinggi
Jika alpha antara 0,50 0,70 maka reliabilitas moderat
Jika alpha < 0,50 maka reliabilitas rendah (perry, 2004)

Jika alpha rendah, kemungkinan satu atau beberapa item tidak reliabel: Segera
identifikasi dengan prosedur analisis per item. Item Analysis adalah kelanjutan
dari tes Aplha sebelumnya guna melihat item-item tertentu yang tidak reliabel.
Lewat ItemAnalysis ini maka satu atau beberapa item yang tidak reliabel dapat
dibuang sehingga Alpha dapat lebih tinggi lagi nilainya. Reliabilitas item diuji
dengan melihat Koefisien Alpha dengan melakukan Reliability Analysis dengan
SPSS ver. 20.0 for Windows. Akan dilihat nilai Alpha-Cronbach untuk reliabilitas
keseluruhan item dalam satu variabel. Agar lebih teliti, dengan menggunakan
SPSS, juga akan dilihat kolom Corrected Item Total Correlation.
Nilai tiap-tiap item sebaiknya 0.40 sehingga membuktikan bahwa item
tersebut dapat dikatakan punya reliabilitas Konsistensi Internal. (john, 2006)
Item-item yang punya koefisien korelasi < 0.40 akan dibuang kemudian Uji
Reliabilitas item diulang dengan tidak menyertakan item yang tidak reliabel
tersebut. Demikian terus dilakukan hingga Koefisien Reliabilitas masing-masing
item adalah 0.40.

116
Teknis Analisis Data

Cara Uji Reliabilitas dengan SPSS:

1. Klik Analyze > Scale > Reliability Analysis


2. Masukkan seluruh item Variabel X ke Items
3. Pastikan pada Model terpilih Alpha
4. Klik OK

Jika nilai alpha > 0,7 artinya reliabilitas mencukupi (sufficient reliability)
sementara jika alpha > 0,80 ini mensugestikan seluruh item reliabel dan seluruh
tes secara konsisten secara internal karena memiliki reliabilitas yang kuat.
(Sebastian, 2006) Atau, ada pula yang memaknakannya sebagai berikut:

Jika alpha > 0,90 maka reliabilitas sempurna


Jika alpha antara 0,70 0,90 maka reliabilitas tinggi
Jika alpha antara 0,50 0,70 maka reliabilitas moderat
Jika alpha < 0,50 maka reliabilitas rendah (perry, 2004)

1.2 Uji Validitas

Validitas menunjukkan sejauh mana suatu alat ukur itu mengukur construct
yang akan diukur. Pengujian homogenitas dilakukan untuk menguji analisis
validitas tersebut. Untuk pertanyaan yang digunakan untuk mengukur suatu
variabel, skor masing-masing item dikorelasikan dengan total skor item dalam
satu variabel. Jika skor item tersebut berkorelasi positif dengan total skor item
dan lebih tinggi dari interkorelasi antar item, maka menunjukkan kevalidan dari
instrumen tersebut. Korelasi ini dilakukan dengan menggunakan metode korelasi
Product Moment Pearson. Suatu alat ukur dikatakan valid jika Corrected item
total correlation lebih besar atau sama dengan 0,4 (Singgih Santoso,2000).
Agar penelitian ini lebih teliti, sebuah item sebaiknya memiliki korelasi (r) dengan
skor total masing-masing variabel 0,25 (Marguerite,2006) Item yang punya r
hitung < 0,25 akan disingkirkan akibat mereka tidak melakukan pengukuran
secara sama dengan yang dimaksud oleh skor total skala dan lebih jauh lagi,
tidak memiliki kontribusi dengan pengukuran seseorang jika bukan malah
mengacaukan.

117
Teknis Analisis Data

Cara melakukan Uji Validitas dengan SPSS:

1. Buat skor total masing-masing variable.


2. Klik Analyze > Correlate > Bivariate
3. Masukkan seluruh item variable x ke Variables
4. Masukkan total skor variable x ke Variables
5. Ceklis Pearson ; Two Tailed ; Flag
6. Klik OK
7. Lihat kolom terakhir. Nilai >= 0,25.
8. Lakukan hal serupa untuk Variabel Y.

1.3 Uji Normalitas Data

Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel


berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang dapat
digunakan untuk menguji normalitas data, antara lain: Dengan kertas peluang
normal, uji chi-kuadrat, uji Liliefors, dengan Teknik Kolmogorov-Smirnov, dengan
SPSS. Berikut ini diuraikan contoh Uji normalitas dengan program SPSS for
Windows.

Pengujian normalitas data menggunakan program SPSS mengikuti langkah-


langkah berikut ini.

Buka program SPSS


Entry data atau buka file data yang akan dianalisis
Pilih menu berikut: Analyze> Descriptives Statistics > Explore > OK
Setelah muncul kotak dialog uji normalitas, selanjutnya pilih y sebagai
dependent list; pilih x sebagai factor list, jika ada lebih dari 1 kelompok
data, klik Plots; pilih Normality test with plots; dan klik Continue, lalu OK

Uji normalitas dengan menggunakan bantuan program SPSS, menghasilkan


3 (tiga) jenis keluaran, yaitu Processing Summary, Descriptives, Tes of
Normality, dan Q-Q plots. Untuk keperluan penelitian umumnya hanya diperlukan
keluaran berupa Test of Normality, yaitu keluaran yang berbentuk seperti tabel di
bawah ini. Keluaran lainnya dapat dihapus, dengan cara klik sekali pada objek
yang akan dihapus lalu tekan Delete. Pengujian dengan SPSS berdasarkan pada

118
Teknis Analisis Data

uji Kolmogorov-Smirnov dan Shapiro-Wilk. Pilih salah satu saja, misalnya


Kolmogorov-Smirnov.

Test of Normality
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Y ,132 29 ,200* ,955 29 ,351
*) This is a lower bound of the true significance
A Liliefors Significance Correction

Dari Hasil tabel di atas menunjukkan uji normalitas data y, yang sudah
diuji sebelumnya secara manual dengan uji Liliefors dan Kolmogorov-Smirnov.
Pengujian dengan SPSS berdasarkan pada uji Kolmogorov-Smirnov dan
Shapiro-Wilk. Pilih salah satu saja misalnya Kolmogorov-Smirnov. Hipotesis yang
diuji adalah:

Ho : Sampel berasal dari populasi yang berdistribusi normal

H1 : Sampel tidak berasal dari populasi yang berdistribusi normal

Dengan demikian, normalitas dipenuhi jika hasil uji tidak signifikan untuk
suatu taraf signifikansi () tertentu (biasanya =0,05 atau =0,01). Sebaliknya,
jika hasil uji signifikan maka normalitas data tidak terpenuhi. Cara mengetahui
signifikan atau tidak signifikan hasil uji normalitas adalah dengan memperhatikan
bilangan pada kolom signifikansi (Sig.) untuk menetapkan kenormalan, kriteria
yang berlaku adalah sebagai berikut:

Tetapkan taraf signifikansi uji misalnya =0,05


Bandingkan p dengan taraf signifikansi yang diperoleh
Jika signifikansi yang diperoleh > , maka sampel berasal dari populasi
yang berdistribusi normal.
Jika signifikansi yang diperoleh < , maka sampel bukan berasal dari
populasi yang berdistribusi normal.

Pada hasil di atas diperoleh nilai signifikansi p = 0,200, sehingga p > .


Dengan demikian sampel berasal dari populasi yang berdistribusi normal.

119
Teknis Analisis Data

1.4 Outlier

Dengan menggunakan dasar bahwa kasus-kasus atau observasiobservasi


yang mempunyai z-score 3.0 akan dikategorikan sebagai outliers, diketahui
bahwa data yang digunakan ini adalah bebas dari outliers univariate, karena
tidak ada variable yang mempunyai z-score 3.0 (Ferdinand, 2006).
Langkah-langkah untuk menguji data apakah terdapat data outlier atau
tidak, yakni dengan melakukan pengujian sebagai berikut:

1. Buka data yang akan diuji apakah terdapat data outlier atau tidak
2. Klik Analyze > Descriptive Statistics.. > Descriptive
3. Pindahkan semua variabel yang terdapat di kotak sebelah kiri ke kotak
sebelah kanan dengan mengklik tanda panah yang terdapat diantara
kedua kotak tersebut.
4. Beri tanda centang pada kotak Save standardized values as
variable
5. Klik OK.
6. Secara otomatis akan muncul Zscore pada setiap variable di samping
kolom variable terakhir pada data view.
7. Dari table Z tersebut dapat diketahui mana yang data outlier dan mana
yang data normal.

Data outlier mempunyai parameter seperti berikut ini:

Data dinyatakan sebagai data outlier bila memiliki lebih besar dari 2.5 dan
lebih kecil dari 2.5.

Sehingga data yang dinyatakan normal berada diantara kedua batas tersebut.

Bilamana hasil identifikasi menunjukkan adanya data outlier maka yang dapat
dilakukan adalah membuang atau menghilangkan data pengamatan tersebut. Hal
ini dikarenakan jika tidak dihilangkan akan memberikan pengaruh setelah
dilakukan pengujian. Untuk menanggulanginya adanya data outlier maka yang
kita lakukan adalah membuang data outlier tersebut dan melakukan pengujian
ulang.

120
Teknis Analisis Data

2. Teknik Analisis Data

Suatu penelitian selalu memerlukan interpretasi dan analisis data, yang


diharapkan pada akhirnya memberikan solusi pada research question yang
menjadi dasar penelitian tersebut. Metode analisis yang dipilih untuk
menganalisis data adalah sebagai berikut: SEM (Structural Equation Model).
Pengujian hipotesis 1 hingga hipotesis 3 menggunakan alat analisis data
Structural Equation Modeling dari paket statistik AMOS 18. Sebagai sebuah
model persamaan struktur, AMOS sering digunakan dalam penelitian-penelitian
pemasaran dan manajemen strategik (Ferdinand, 2006).

2.1 Analisis Faktor Konfirmatori

Model yang digunakan dalam penelitian ini adalah model kausalitas atau
pengaruh dan hubungan. Alat analisis yang digunakan dalam mengolah data
untuk menguji hipotesis yang diajukan adalah dengan menggunakan SEM
(Structural Equation Model) yang dioperasikan melalui program AMOS (Analysis
of Moment Structure). Model kausal AMOS Menunjukkan pengukuran dan
masalah yang struktural, dan digunakan untuk menganalisis dan menguji model
hipotesis. Menurut Arbuckle dan Bacon dalam Ferdinand, (2006) AMOS
mempunyai keistimewaan dalam :

a) Memperkirakan koefisien yang tidak diketahui dari persamaan linear


struktural.
b) Mengakomodasi model yang meliputi latent variabel.
c) Mengakomodasi kesalahan pengukuran pada variabel dependen dan
independen.
d) Mengakomodasi peringatan yang timbal balik, simultan dan saling
ketergantungan.

Penelitian ini menggunakan dua macam teknik analisis, yaitu :

a) Analisis faktor konfirmatori (Confirmatory Factor Analysis) yang


digunakan untuk mengkonfirmatori faktor-faktor yang paling dominan
dalam pembentukan suatu kelompok variabel.

121
Teknis Analisis Data

b) Regression Weight di dalam SEM digunakan untuk meneliti seberapa


besar variabel-variabel kontribusi supervise, motivasi kerja dan
efektifitas guru saling mempengaruhi.

Menurut Ferdinand (2000: 30), ada tujuh langkah yang harus dilakukan
apabila menggunakan Structural Equation Model (SEM), yaitu:

1. Mengembangkan teori berdasarkan model : Dalam SEM, hal yang


harus dilakukan adalah melakukan serangkaian eksplorasi ilmiah
melalui telaah pustaka guna mendapatkan justifikasi atas model
teoritis yang dikembangkan. SEM digunakan bukan untuk
menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasi
model teoritis tersebut melalui data empirik.

2. Pengembangan Path diagram atau diagram alur: Dalam langkah


kedua ini, model teoritis yang telah dibangun pada tahap pertama
akan digambarkan dalam sebuah path diagram, yang akan
mempermudah untuk melihat hubungan-hubungan kausalitas yang
ingin diuji. Dalam diagram alur, hubungan antar konstruk akan
dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan
sebuah hubungan kausal yang langsung antara satu konstrak dengan
konstrak lainya. Sedangkan garis-garis lengkung antar konstruk
dengan anak panah pada setiap ujungnya menunjukkan korelasi antar
konstruk. Konstruk yang dibangun dalam diagram alur dapat
dibedakan dalam dua kelompok:

a) Exogenous constructs atau konstruk eksogen


Dikenal juga sebagai source variables atau independent
variables yang tidak diprediksi oleh variabel lain dalam model.
Konstruk eksogen adalah konstruk yang dituju oleh garis
dengan satu ujung panah.

b) Endogenous construct atau konstruk endogen


Merupakan faktor-faktor yang diprediksi oleh satu atau
beberapa konstruk. Konstruk endogen dapat memprediksi satu
atau beberapa konstruk endogen lainnya, tetapi konstruk

122
Teknis Analisis Data

endogen hanya dapat berhubungan kausal dengan konstruk


endogen.

Gambar 5.2. Diagram Alur Model Penelitian

3. Konversi diagram alur ke dalam persamaan: Persamaan yang


didapat dari diagram alur yang dikonversi terdiri dari:

a) Stuctural Equation atau persamaan structural.


Dirumuskan untuk menyatakan hubungan kausalitas antar
berbagai konstruk. Rumus yang dikembangkan adalah:
Variabel endogen = variabel eksogen + variabel endogen + error
Dalam penelitian ini, persamaan strukturalnya adalah :

Tabel 5.1. Model Persamaan Struktural

Efektifitas Guru = 1 Kontribusi Supervisi + 2 Motivasi kerja + 1

Motivasi Kerja = 1 Kontribusi Supervisi + 1

Efektivitas Kerja = 1 Motivasi kerja + 1

b) Persamaan spesifikasi model pengukuran (measurement model)


Pada spesifikasi ini ditentukan variabel yang mengukur konstruk
serta menentukan serangkaian matriks yang menunjukkan korelasi
yang dihipotesakan antar konstruk atau variabel.

123
Teknis Analisis Data

Tabel 5.2. Model Pengukuran


Konstruk eksogenous
X1 = 1 Kontribusi Supervisi + 1
X2 = 2 Kontribusi Supervisi + 2
X3 = 3 Kontribusi Supervisi + 3
X4 = 4 Motivasi Kerja + 4
X5 = 5 Motivasi kerja + 5
Konstruk endogenous
X6 = 6 Efektifitas Guru + 6
X7 = 7 Efektifitas Guru + 7
X8 = 8 Efektifitas Guru + 8
Sumber : Structural Equation Model ( Agusty Ferdinand, 2005)

4. Memilih matrik input dan estimasi model: Pada penelitian ini matrik
inputnya adalah matrik korovian atau matrik korelasi. Hal ini dilakukan
karena fokus SEM bukan pada data individual, tetapi pola hubungan
antar responden. Dalam hal ini ukuran sampel memegang peranan
penting untuk mengestimasi kesalahan sampling. Untuk itu ukuran
sampling jangan terlalu besar karena akan menjadi sangat sensitif
sehiungga akan sulit mendapatkan ukuran goodness of fit yang baik,
setelah model dibuat dan input data dipilih, maka dilakukan analisis
model kausalitas dengan teknik estimasi yaitu teknik estimasi model
yang digunakan adalah Maximum Likehood Estimation Method.
Teknik ini dipilih karena ukuran sampel yang digunakan dalam
penelitian ini adalah kecil (100-200 responden).

5. Kemungkinan munculnya masalah identifikasi: Problem


identifikasi pada prinsipnya adalah problem mengenai
ketidakmampuan model yang dikembangkan menghasilkan estimasi
yang unik. Bila setiap kali estimasi dilakukan muncul problem
identifikasi, maka sebaiknya model dipertimbangkan ulang dengan
mengembangkan lebih banyak konstruk. Disebutkan oleh Ferdinand
(2000: 46).

124
Teknis Analisis Data

beberapa indikasi problem identifikasi:

a) Standard error untuk satu atau beberapa koefisien adalah sangat


besar.
b) Program tidak mampu menghasilkan matrik informasi yang
seharusnya disajikan.
c) Munculnya angka-angka yang aneh seperti adanya varians error
yang negatif.
d) Munculnya korelasi yang sangat tinggi antar koefisien estimasi
yang didapat ( misalnya lebih dari 0,9).

6. Evaluasi kriteria goodness of fit : Pada tahap ini dilakukan


pengujian terhadap kesesuaian model terhadap berbagai kriteria
goodness of fit. Disebutkan oleh Ferdinand (2000: 52), beberapa
indeks kesesuaian dan cut of value untuk menguji apakah sebuah
model dapat diterima atau ditolak antara lain:

a) X - Chi-Square statistik, di mana model dipandang baik atau


memuaskan bila nilai Chi-Square-nya rendah. Semakin kecil nilai
Chi-Square, semakin baik model itu dan diterima berdasarkan
probabilitas dengan cut-off value sebesar p>0.05 atau p>0.10.

b) RMSEA (The Root Mean Square Error of Approximation), yang


menunjukkan goodness of fit yang diharapkan bila model
diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau
sama dengan 0,08 merupakan indeks untuk dapat diterimanya
model yang menunjukkan close fit dari model itu berdasarkan
degrees of freedom.

c) GFI (Goodness of fit Index), adalah ukuran non statistikal yang


mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0
(perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan
sebuah better fit.

d) AGFI (Adjusted Goodness of Fit Index), di mana tingkat


penerimaan yang direkomendasiakan adalah bila AGFI
mempunyai nilai sama dengan atau lebih besar dari 0.90.

125
Teknis Analisis Data

e) CMIN/DF, adalah The Minimum Sample Discrepancy Function


yang dibagi dengan Degree of Freedom. CMIN/DF tidak lain
adalah statistik Chi-Square, X dibagi DFnya, disebut X relatif.
Bila nilai X relatif kurang dari 2.0 atau 3.0 adalah indikasi dari
acceptable fit antara model dan data.

f) TLI (Tucker Lewis Index), merupakan incremental index yang


membandingkan sebuah model yang diuji terhadap sebuah base
line model, di mana nilai yang direkomendasikan sebagai acuan
untuk diterimanya sebuah model adalah 0.95 dan nilai yang
mendekati 1 menunjukkan a very good fit.

g) CFI (Comparative Fit Index), di mana mendekati 1,


mengindikasikan tingkat fit yan paling tinggi. Nilai yang
direkomendasikan adalah CFI 0.95. Dengan demikian indeks-
indeks yang digunakan untuk menguji kelayakan sebuah model
adalah seperti dalam tabel berikut ini.

Tabel 5.3 Indeks Pengujian Kelayakan Model


Goodness of fit index Cut-off Value
2 Chi-square Diharapkan kecil 2
Sign.Probability 0.05
GFI 0.90
TLI 0.95
CFI 0.95
RMSEA 0,08
AGFI 0.90
Sumber : Structural Equation Model ( Agusty Ferdinand, 2005)

7. Interpretasi dan Modifikasi Model :Tahap akhir ini adalah


melakukan interpretasi dan modifikasi bagi model-model yang tidak
memenuhi syarat-syarat pengujian. Hair et. al. (dalam Ferdinand,
2000: 62) memberikan pedoman untuk mempertimbangkan perlu
tidaknya modifikasi model dengan melihat jumlah residual yang
dihasilkan oleh model tersebut. Batas keamanan untuk jumlah
residual adalah 5%. Bila jumlah residual lebih besar dari 2% dari
semua residual kovarians yang dihasilkan oleh model, maka sebuah

126
Teknis Analisis Data

modifikasi perlu dipertimbangkan. Bila ditemukan bahwa nilai residual


yang dihasilkan model cukup besar (yaitu 2.58) maka cara lain
dalam memodifikasi adalah dengan mempertimbangkan untuk
menambah sebuah alur baru terhadap model yang diestimasi itu. Nilai
residual value yang lebih besar atau sama dengan 2.58
diinterpretasikan sebagai signifikan secara statistik pada tingkat 5%.

127
Teknis Analisis Data

LATIHAN

1. Jelaskan keistimewaan Modifikasi Model Struktural dalam menganalisis


data?
2. Sebutkan dan jelaskan langkah-langkah yang harus digunakan dalam
Structural Equation Model (SEM)?
3. Apa perbedaan Analisis faktor konfirmatori (Confirmatory Factor Analysis)
dengan Analisis Regression Weight? Jelaskan!
4. Jelaskan Konstruk yang dibangun dalam diagram alur?
5. Apa yang dimaksud dengan analisis Uji reliabilitas? Jelaska

128
Mengoperasikan Amos 18.00 unutk Analisis SEM

BAB VI
MENGOPERASIKAN AMOS 18.00
UNTUK ANALISIS SEM

A. Instalasi Program AMOS

AMOS menurut Waluyo (2011 : 39) adalah perpendekan dari Analisis of


Moment Structure, yang dikembangkan oleh Dr. J. Arbucle yang merupakan
salah satu program paling canggih untuk mengolah model-model penelitian
teknik manjemen industri dan manajemen yang rumit. Program AMOS
mempunyai 2 versi yaitu versi Student dan versi Production. Perbedaan dari
kedua versi adalah versi student hanya bisa digunakan untuk menggambar
indikator paling banyak 8 buah sedangkan versi production bisa lebih.
Amos merupakan kependekan dari Analisis of Moment Structures yang
digunakan sebagai pendekatan umum analisis data dalam Model Persamaan
Struktural (Structural Equation Model) atau yang dikenal dengan SEM. SEM
dikenal juga sebagai Analysis of Covariance Structures atau disebut juga model
sebab akibat (causal modeling) Dengan menggunakan Amos maka perhitungan
rumit dalam SEM akan jauh lebih mudah dilakukan dibandingkan dengan
menggunakan perangkat lunak lainnya. Lebih lagi penggunaan Amos akan
mempercepat dalam membuat spesifikasi, melihat serta melakukan modifikasi
model secara grafik dengan menggunakan tool yang sederhana.

Menurut Ritonga dan Setiawan (2011 : 71) ada beberapa program aplikasi
yang dapat digunakan untuk analisis model persamaan struktural antara lain
AMOS dan LISREL. Program AMOS dibuat oleh perusahaan Smallwaters
Corporation dan student version dapat diperoleh secara gratis di
http:/www.smalwaters.com. jumlah variabel pada versi student hanya dibatasi
sampai 8 variabel.

Agar program AMOS dapat berjalan dengan baik, diperlukan seperangkat


computer dengan spesifikasi berikut :

1. System operasi Windows98, ME, NT4 (SP6), 2000, XP atau


Windows XP, Windows 7.
2. Hard Disk : 18-60 MB, tergantung system konfigurasi Windows.

129
Mengoperasikan Amos 18.00 unutk Analisis SEM

3. Hardware intel kompatibel PC dengan Pentium CPU


direkomendasikan Pentium 3 keatas.
4. RAM minimal 128 MB untuk Win 98 dan ME, 256 MB untuk NT4,
2000, dan XP.
5. Internet Explorer 6, tetapi tidak perlu merupakan browser default.

Cara Instalasi dengan Windows.


1. Masukan CD berisi file AMOS pada CD drive.
2. Buka start menu.
3. Klik Run.
4. Cari drive berisi CD.
5. Klik file Amos
6. Tekan Enter.

Selanjutnya program set up akan membantu menuntun prosedur


instalasi. Untuk melakukan Uninstall Amos versi lama gunakan langkah-langkah
berikut :

Start Setting Control Panel Add/Remove Programs, pilih Amos


..
Dan klik [Add/Remove] button.

B. Memulai AMOS

Program AMOS dapat dibuka langsung lewat ikon


AMOS: selain itu juga dapat dibuka dari menu utama
Window (Start) pilih Program, kemudian pada kelompok (folder) AMOS 18.00,
klik AMOS Graphics, double klik icon tersebut maka akan muncul tampilan
sebagai berikut :

130
Mengoperasikan Amos 18.00 unutk Analisis SEM

Gambar 6.1. Tampilan Amos Graphic.

Tampak di tengah window adalah area berbetuk segi empat yang


menggambarkan area kosong yang nanti akan digunakan untuk menggambarkan
model struktural secara grafis.

A. Layar Kerja dan Bagian-Bagian dari Menu Utama AMOS 18.00.

Pada bagian atas terdapat menu utama AMOS yang terdiri dari menu File,
Edit, View, Diagram, Analyze, Tools, Plugins, dan Help.

Gambar 6.2. Menu Utama AMOS.

Setiap menu terdiri dari beberapa submen menu :

1. Menu File

Menu File terdiri dari beberapa submenu, diantaranya submenu


untuk membuat File baru (New, New with Template), membuka File yang
sudah ada (Open, Retrive Backup), menyimpan File (Save, Save As, Save
As Template), membuka File data (Data Files), mencetak (Print), Fime
Manager yang dapat digunakan untuk melihat jenis-jenis dan nama-nama
file yang sudah ada, termasuk juga untuk membuka dan mengapus file

131
Mengoperasikan Amos 18.00 unutk Analisis SEM

tersebut dan melakukan browsing Windows (Windows Explorer), serta


submenu untuk keluar dari AMOS (Exit).

Gambar 6.3. Tampilan Menu File.

a. Membuat Lembar Kerja Baru.


Langkah-langkah membuat lembar kerja baru adalah sebagai
berikut :

- Klik menu File.


- Pilih dan klik New.
- Maka akan terlihat lembar kerja kosong.

b. Menyimpan File Model ke dalam Directory.


Langkah-langkah menyimpan model yang telah dibuat kedalam
directory adalah sebagai berikut :

- Klik menu File.


- Pilih dan klik Save As, maka akan tampak gambar seperti
dibawah ini :

132
Mengoperasikan Amos 18.00 unutk Analisis SEM

Gambar 6.4. Tampilan Save As

- Pada kotak Save In, pilih dan klik Directory yang dituju (missal
: A, C, dll).
- Pada kotak File Name ketik Nama Model (Misal : Model I).
- Klik Kotak Save.

c. Membuka File.
Langkah-langkah membuka file adalah sebagai berikut :
- Klik menu File.
- Pilih dan klik Open, maka akan tampak gambar seperti di
bawah ini:

Gambar 6.5. Tampilan Open.

133
Mengoperasikan Amos 18.00 unutk Analisis SEM

- Pada kotak Look In, pilih dan klik Directory yang dituju (missal
: A, C, dll).
- Pilih dan klik nama file yang akan dibuka (missal : Gambar
Amos New) lalu klik Open.

2. Menu Edit.

Gambar 6.6. Menu Edit.

Menu ini terdiri dari beberapa submenu yang berguna untuk proses
editing.

3. Menu View

Submenu yang ada dalam menu View banyak digunakan dalam


proses analisis dan pemodelan. Secara lebih rinci akan dijelaskan dalam
bagian penjelasan Toolbox yang lebih mempermudah pengoperasian
AMOS.

134
Mengoperasikan Amos 18.00 unutk Analisis SEM

Gambar 6.7. Menu View

a. Interface Properties

Ruangan persegi yang terletak di sebelah kanan merupakan


lembar atau layar kerja yang digunakan untuk tempat
menggambarkan model yang akan dianalisis dan menampilkan
hasil analisis. Layar kerja tersebut dapat ditampilkan dalam bentuk
portrait atau landscape. Caranya dengan menjalankan submenu
Interface Properties dari men View.

Gambar 6.8. Interface Properties (Page Layout)

Pada Orientation tandai pada pilihan Portrait atau Landscape, kemudian


klik Aply dan akhiri dengan Close (Klik tanda X pada bagian kanan atas).

135
Mengoperasikan Amos 18.00 unutk Analisis SEM

Layar
Kerjar

Gambar 6.9. Layar Kerja Model Portrait

Layar
Kerja

Gambar 6.10. Layar Kerja Model Landscape.

b. Analysis Properties

Seperti yang sudah dijelaskan sebelumnya, Analysis


Properties digunakan untuk memilih metode yang digunakan dalam
menganalisis model, menentukan format output, dll. Berikut adalah
cara menampilkan analysis properties :
- Klik View / Set pada baris menu.
- Pilih dan klik Analysis Properties, maka akan muncul tampilan
berikut :

136
Mengoperasikan Amos 18.00 unutk Analisis SEM

Gambar 6.11. Tampilan Analysis Properties.

Pada gambar sebelumnya terlihat bahwa, analysis properties mempunyai


9 menu yaitu : estimation, numerical, bias, output formatting, output,
bootstrap, permutation, random # dan title, berikut akan dijelaskan satu
persatu :

Estimation : berisi metode-metode yang dapat kita pilih


dalam menganalisis model.
Numerical : berisi kriteria konvergen dan jumlah iterasi
untuk mencapai minimum.
Bias : berisi analisis yang akan digunakan dalam
membaca data (catatan : data mentah
termasuk input bias).
Output formating : berisi format untuk mengatur output missal :
banyaknya decimal, format kertas, dll.
Output : berisi macam output yang dapat ditampilkan
dalam program AMOS.
Bootstrap : digunakan bila kita ingin mendapatkan standar
error dari parameter tertentu (catatan :
bootstrap tidak terpengaruh pada asumsi
distribusi).

137
Mengoperasikan Amos 18.00 unutk Analisis SEM

Permutation : bila ingin melakukan permutation test (catatan


permutation dan bootstrap tidak dapat
digunakan bersama-sama).
Random # : berisi tentang angka yang digunakan sebagai
pembangkit bilangan untuk permutation dan
bootstrap.
Title : untuk menuliskan title dan deskripsi analisis.

Catatan : untuk menampilkan analysis properties dapat langsung


menge-klik pada tool.

c. Object Properties

Seperti yang sudah dijelaskan sebelumnya, Object Properties


digunakan untuk menampilkan color, text, parameter dan format
dari suatu gambar. Langkah-langkah adalah sebagai berikut :

- Klik View / Set pada baris menu.


- Pilih dan klik Object Properties maka akan muncul tampilan
berikut:

Gambar 6.12. Tampilan Object Properties dengan tidak ada


Object yang ditunjuk.

138
Mengoperasikan Amos 18.00 unutk Analisis SEM

- Kemudian arah kursor pada salah satu object (misal : konstruk)


maka tampilannya akan berubah menjadi :

Gambar 6.13. Tampilan Object Properties Object yang ditunjuk.

Pada tampilan object properties di atas terlihat bahwa terdapat 5 menu


yaitu colors, text, parameters, format dan visibility. Untuk mengatur properties
dari suatu object kita hanya perlu mengatur pada text, atau bila kita ingin
memberi warna pada object, kita bisa mengaturnya pada colors, untuk properties
yang lain tidak perlu kita rubah.

4. Menu Diagram.

Gambar 6.14. Menu Diagram.

Menu ini terdiri dari beberapa submenu yang digunakan untuk


membuat atau menggambarkan model atau diagram yang akan
dianalisis. Secara lebih rinci beberapa submenu yang penting akan

139
Mengoperasikan Amos 18.00 unutk Analisis SEM

dijelaskan dalam bagian penjelasan Toolbox yang lebih mempermudah


pengoperasian AMOS.

5. Menu Analyze.

Menu ini terdiri dari beberapa submenu yang digunakan untuk


memberikan perintah menjalankan analisis. Secara lebih rinci beberapa
submenu yang penting akan dijelaskan dalam bagian penjelasan
Toolbox yang lebih mempermudah pengoperasian AMOS.

Gambar 6.15. Menu Analyze.

6. Menu Tools.

Menu ini terdiri dari beberapa sub menu yang digunakan sebagai
perlengkapan dalam melakukan analisis atau pembuatan model yang
akan dianalisis.

Gambar 6.16. Menu Tools.

140
Mengoperasikan Amos 18.00 unutk Analisis SEM

Langkah-langkah dalam membuat atau memberikan Title untuk


model adalah sebagai berikut :
- Klik Title pada Tools.
- Letakkan kursor yang sudah dilekati title ke lembar kerja.
- Klik di tempat kosong, maka akan muncul tampilan :

Gambar 6.17. Tampilan Figure Caption.

- Pada kolom Caption ketik title untuk model.


- Klik Ok.

Dengan langkah yang sama seperti diatas, title juga dapat


digunakan untuk menulis parameter goodness of fit, perintahnya adalah
sebagai berikut :

UJI KELAYAKAN MODEL


Chi Square = \cmin
Probability = \p
CMIN/DF = \cmindf
GFI = \gfi
AGFI = \agfi
TLI = \tli
CFI = \cfi
RMSEA = \rmsea

141
Mengoperasikan Amos 18.00 unutk Analisis SEM

7. Menu Plugins.

Gambar 6.18. Menu Plugins.

Menu ini terdiri dari beberapa submenu yang digunakan sebagai


perlengkapan dalam melakukan analisis atau pembuatan model yang
akan dianalisis.

8. Menu Help.

Gambar 6.19. Menu Help.

Menu Help terdiri dari beberapa submenu yang dapat


dimanfaatkan untuk membantu memberi penjelasan apabila terdapat
masalah dalam pengoperasian AMOS.

9. ToolBox.

Toolbox (kotak peralatan) berisi banyak peralatan (tombol toolbar)


yang dapat mempermudah dan mempersingkat proses pengoperasian
AMOS. Tombol toolbar yang ada berupa lambing atau icon yang
berfungsi sebagai shortcut icon. Letak toolbox ada di sebelah kiri layar

142
Mengoperasikan Amos 18.00 unutk Analisis SEM

dan dapat diatur letaknya dengan memperlebar atau memperpanjang


ukuran toolbox dan memindahkan pada posisi yang dikehendaki.

Gambar 6.20. Toolbox

Penjelasan singkat fungsi masing-masing tombol toolbar dalam toolbox.


Pengoperasian
Tool Hotkey Fungsi
Melalui Menu
Menu Diagram
Menggambar variabel
Submenu Draw F3
observed
Observed
Menu Diagram
Menggambar variabel
Submenu Draw F4
unobserved
Unobserved
Menggambar variabel laten
Menu Diagram
atau menambahkan
Submenu Draw
indikator pada variabel
Indikator Variabel
laten
Menu Diagram
Menggambar jalur (tanda
Submenu Draw F5
panah searah)
Path

Menu Diagram
Menggambar kovarians
Submenu Draw F6
(tanda panah dua arah)
Covariance

Menu Diagram Menggambar variabel unik


Submenu Draw (residual) pada variabel
Unique Variabel yang sudah ada

143
Mengoperasikan Amos 18.00 unutk Analisis SEM

Menu Diagram Memberikan judul diagram


Submenu Figure atau menampilkan hasil
Caption analisis.
Menampilkan nama-nama
Menu Diagram
variabel yang ada pada
List s in
data file sesuai dengan
Model
model yang akan diuji.
Menu Diagram Menampilkan nama-nama
List s in variabel yang ada pada
Data Set data file

Menu Edit
Memilih satu obyek tertentu
Submenu F2
pada layar kerja
Select

Menu Edit
Memilih (menandai semua
Submenu
variabel)
Select All
Tidak memilih atau
Menu Edit
membatalkan pemilihan
Submenu
(menghilangkan tanda)
Deselect All
semua variabel
Menu Edit Mengkopy atau
Submenu menduplikasi suatu obyek
Duplicate pada layar kerja

Menu Edit
Memindahkan posisi obyek
Submenu Ctrl+M
pada layar kerja
Move

Menu Edit
Menghapus obyek pada
Submenu Del
layar kerja
Erase

Menu Edit Mengubah ukuran obyek


Submenu (memperbesar atau
Shape of Object memperkecil)

Menu Edit
Mengubah posisi indikator
Rotate the Indicators
ke arah yang diinginkan
Of a Latent

Menu Edit Mengubah susunan


Reflect the Indicators indikator-indikator yang ada
Of a Latent pada sebuah variabel laten

Menu Edit Memindahkan atau


Submenu mengatur letak nilai
Move Parameter parameter

144
Mengoperasikan Amos 18.00 unutk Analisis SEM

Menu Diagram Mengatur posisi diagram


Submenu Scroll pada layar monitor

Menu Edit Mengatur posisi panah


Submenu Ctrl+H dengan mengklik variabel
Touch Up tertentu
Menu File
Submenu Ctrl+D Membuka file data
Data Files
Menampilkan kotak dialog
Menu View/Set untuk menentukan jenis
Submenu Analysis Ctrl+A analisis yang diinginkan
Properties (judul/deskripsi analisis,
output yang diinginkan)
Menu Model-Fit Melakukan penghitungan
Submenu Calculate Ctrl+F9 atau estimasi parameter
Estimates (analisis)
Menyalin diagram ke
Menu Edit
klipboard, misalnya
Submenu Copy Ctrl+C
pengolahan kata seperti
(to Clipboard)
MS word

Menu View Melihat data pada kolom


View Text tengah layar kerja

Menu File
Submenu Ctrl+S Menyimpan diagram
Save
Menu View/Set
Submenu Object Ctrl+O Menampilkan kotak dialog
Properties

Menu Edit Mengkopi properties dari


Ctrl+G
Drug Properties suatu objek ke objek lain

Mengatur posisi faktor


Menu Tools
Ctrl+E beserta variabel turunannya
Smart
(manifest) dan error
Menu Diagram
Memperbesar objek
Zoom in on an area
tertentu dalam layar kerja
That you select
Menu Diagram Memperbesar diagram
Submenu F7 (untuk melihat bagian yang
Zoom In kecil)
Menu Diagram Memperkecil diagram
Submenu F8 (untuk melihat bagian yang
Zoom Out besar / luas)

145
Mengoperasikan Amos 18.00 unutk Analisis SEM

Menu Diagram
Menampilkan keseluruhan
Submenu F9
halaman dalam satu layar
Zoom Page
Menu Edit Mengatur ukuran diagram
Submenu Ctrl+F sesuai dengan ukuran
Fit to Page kertas
Menu Diagram
Melihat bagian dari diagram
Submenu F12
dengan lup
Loupe
Menghindari nilai-nilai
parameter model tidak
Menu Analyze
dapat diterima (contoh
Bayesian
variansi negatif) melalui
Estimation
pilihan dari suatu distribusi
yang sesuai
Menu Analize Menganalisis model
Multiple Group berdasarkan perbedaan
Analyze karakteristik
Menu File
Mencetak diagram atau
Submenu Ctrl+P
hasil analisis
Print
Menu Edit
Membatalkan perubahan
Submenu Ctrl+Z
terakhir yang dilakukan
Undo
Menu Edit
Membatalkan pembatalan
Submenu Ctrl+Y
(Undo) yang dilakukan
Redo
Menu Analyze Membantu memilih model
Specification yang fit atau sesuai
Search interpretasi

Tombol untuk menampilkan output analisis pada diagram. Pada


bagian tersebut ada 2 tombol yang satu berfungsi untuk menampilkan
spesifikasi model (model dasar atau model input), dan tombol yang lain
berfungsi menampilkan hasil analisis pada diagram.

146
Mengoperasikan Amos 18.00 unutk Analisis SEM

Tombol untuk Tombol untuk


menampilkan menampilkan
model input hasil analisis

Gambar 6.21.Tombol model dasar atau model input.

Kotak yang menunjukkan kelompok-kelompok (grup) yang analisis,


model yang dianalisis dan hasil analisis (estimasi) dalam bentuk
unstandardized atau standardized.

Kelompok yang dianalisis

Model yang dianalisis

Hasil analisis
(unstandardized atau
standardized estimates)

Tempat menampilkan proses


analisis

B. Langkah Analisis Menggunakan AMOS 18.00

1. Menggambar diagram Jalur dengan AMOS 18.00.

Menurut Wijaya (2009 : 25) secara singkat urutan langkah analisis


menggunakan AMOS adalah :

a. Menghubungkan diagram (model input) dengan data input. Untuk


ini dapat dilakukan dengan 2 pilihan :

1. Menggambar diagram (model input) terlebih dahulu, baru


membuka dan menghubungkan dengan data input.
2. Membuka data input terlebih dahulu, baru menggambar dan
menghubungkan dengan diagram (model input).

147
Mengoperasikan Amos 18.00 unutk Analisis SEM

b. Membentuk karakteristik obyek dalam diagram (dengan object


properties dan menentukan regression weight).
c. Menentukan bentuk tampilan yang diinginkan (Figure caption
p(title), interface properties).
d. Menentukan output yang akan dihasilkan oleh proses analisis
(Ananlysis properties).
e. Menjalankan analisis (calculate estimates).
f. Menampilkan output, dapat dalam bentuk :
1. Diagram.
2. Teks output.

Sedangkan menggambar diagram jalur dengan AMOS 18.00 yang


dianjurkan Ghozali (2008a : 34) yaitu :

a. Double klick icon Amos Graphic akan memberikan tampilan


seperti terlihat pada gambar 5.1. Tampilan AMOS atau layar
kosong untuk menggambar diagram jalur dapat dirubah dari
bentuk potret menjadi landscape dengan cara.
b. Klick View lalu pilih interface properties, pada orientation pilih
landscape lalu pilih apply.

Diatas layar kosong ini kita akan menggambar diagram jalur.


Observed variabel digambar dengan tombol sedangkan Unobserved
variabel digambar dengan tombol atau . Untuk menggambar
model analisis jalur dengan variabel observed, klik tombol persegi empat
untuk mengaktifkan lalu letakkan kursor pada layar kosong dan tekan
tombol kiri mouse dan gambar persegi empat lalu lepaskan tombol
mouse. Sekarang kita mempunyai gambar persegi empat yang
menggambarkan variabel observed.

148
Mengoperasikan Amos 18.00 unutk Analisis SEM

Langkah selanjutnya untuk membuat variabel observed berikutnya


dapat dilakukan dengan mengkopi gambar ini dengan perintah :
a. Letakkan kursor pada gambar persegi empat, lalu klik kanan
mouse.
b. Pilih duplicate lalu drag mouse untuk mendapatkan copy
gambar persegi empat (misalkan kita mengkopi tiga variabel
observed).
c. Berikut ini tampilan hasil duplicate dan empat variabel observed.

d. Atur ke empat variabel observed tersebut dengan menggesernya


menggunakan tombol gambar truk
e. Membentuk variabel exogen dan endogen dan membuat
hubungan regresi (kausalitas) dengan tombol dan membuat
hubungan kovarian antar variabel exogen dengan tombol

f.

149
Mengoperasikan Amos 18.00 unutk Analisis SEM

g. Memberi nama atau label variabel observed dengan cara letakkan


kusor pada gambar persegi empat, lalu klik kanan mouse dan pilih
object properties. Tampak tampilan seperti dibawah ini.

h. Isikan nama variabel pada kotak variabel name. Lakukan terhadap


variabel lainnya dengan cara memindahkan kursor ke kotak
variabel dan isikan nama variabel (untuk variabel exogen dengan
X dan variabel endogen dengan Y).

i. Setiap variabel endogen harus diberi error atau nilai residual


dengan cara letakkan kusor pada variabel endogen dan klik
tombol dan beri label atau nama error dengan z atau zeta .

j. Memberi judul gambar dengan cara klik tombol title dan ketik
nama judul dari gambar.

k. Berikut ini adalah tampilan keseluruhan dari model analisis jalur


yang siap untuk diolah.

150
Mengoperasikan Amos 18.00 unutk Analisis SEM

Gambar 6.22. Model Analisis Jalur.

2. Menggambar Diagram Jalur Variabel Laten.

Klik tombol untuk mengaktifkan lalu letakkan kursor pada layar


kosong dan tekan tombol kiri mouse dan gambar bulatan elips lalu
lepaskan tombol mouse. Sekarang kita mempunyai gambar bulatan elips
yang menggambarkan faktor/variabel laten pertama.

Langkah berikut menambahkan variabel indikator atau manifest ke dalam bulatan


elips dengan cara aktifkan tombol dan pindahkan kursor ke tengah bulatan
elips dan klik tombol kiri mouse enam kali untuk mendapatkan enam variabel
indikator.

Langkah berikutnya memberi label nama pada variabel laten, variabel


indikator dan error dengan cara letakkan kursor ditengah bulatan elips dan klick
tombol kanan mouse, lalu pilih Object Properties. Pada variabel name ketik
Kepemimpinan (akan menggambar diagram variabel laten kepemimpinan yang

151
Mengoperasikan Amos 18.00 unutk Analisis SEM

memiliki 6 indikator, yaitu X1-X6), pindahkan kursor ke tengah variabel indikator


pertama ketik X1. Pada variabel name, pindahkan kursor pada bulatan dan ketik
e1 (error1).

Lakukan lagi pemindahan kursor ke tengah variabel indikator kedua ketik


X2. Pada variabel name, pindahkan kursor pada bulatan dan ketik e2 (error2).
Dengan cara sama, lakukan lagi untuk variabel indikator dan eror ketiga sampai
keenam sehingga hasilnya tampak pada gambar berikut :

Gambar 6.23. Diagram Jalur Variabel Kepemimpinan.

Diagram jalur variabel kepemimpinan pada Gambar 6.23. diatas merupakan


model first order (1st Order).

152
Mengoperasikan Amos 18.00 unutk Analisis SEM

LATIHAN

1. Coba saudara buat kerangka pikir yang menjadi dasarkan untuk


pembuatan dengan menggunakan AMOS.
2. Buatlah pervariabel dari kerangka pikir tersebut dengan
menggunakan AMOS.

153
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

BAB VII
UJI HIPOTHESIS DAN MODEL FIT

A. Pendahuluan

Pada bab ini akan dijelaskan uji hipohesis dan model fit teknis.

1. Penilaian Model Fit

Menilai model fit adalah sesuatu yang kompleks dan memerlukan


perhatian yang besar. Suatu indeks yang menunjukkan bahwa model adalah fit
tidak memberikan jaminan bahwa model memang benar-benar fit. Sebaliknya,
suatu indeks fit yang menyimpulkan bahwa model adalah sangat buruk, tidak
memberikan jaminan bahwa model tersebut benarbenar tidak fit. Dalam SEM,
peneliti tidak boleh hanya tergantung pada satu indeks atau beberapa indeks fit,
tetapi sebaiknya pertimbangan seluruh indeks fit. Dalam analisis SEM tidak ada
alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model
(Hair et al., 1995; Joreskog & Sorbom, 1989; Long, 1983; Tabachnick & Fidell,
1996 dalam Ferdinand, 2005). Umumnya terhadap berbagai jenis fit index yang
digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan
dengan data yang disajikan. Peneliti diharapkan untuk melakukan pengujian
dengan menggunakan beberapa fit index untuk mengukur kebenaran model yang
diajukannya.
Berikut ini adalah hasil pengujian indeks kesesuaian dan cut-off valuenya
untuk digunakan dalam menguji apakah sebuah model dapat diterima atau
ditolak. Hasil pengujian Goodness of Fit dapat di lihat pada gambar model
struktural sebagai berikut:

154
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Gambar 7.1 Model Struktural (SEM)

Tabel 7.1 Evaluasi Kriteria Goodness of Fit Indices Overall Model Tahap Awal
Goodness of fit
Cut-off Value Hasil Model Keterangan
index
Diharapkan kecil 2
2 Chi-square Dengan df = 454 829,050 Tidak Fit
adalah 1909,26
Sign.Probability 0.05 0,000 Tidak Fit
GFI 0.90 0,778 Tidak Fit
TLI 0.95 0,622 Tidak Fit
CFI 0.95 0,657 Tidak Fit
RMSEA 0,08 0,095 Tidak Fit
AGFI 0.90 0,737 Tidak Fit
Sumber : Hasil Pengujian Amos 20

Tabel di atas menunjukkan ringkasan hasil yang diperoleh dalam kajian


dan nilai yang direkomendasikan untuk mengukur fit-nya model. Seperti yang
ditunjukkan dalam table di atas, sebagai syarat utama model ML (maximum
likelihood) adalah nilai chi-square diharapkan kecil atau nilai probabilitas chi-

155
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

square > 0,05, apabila tidak fit atau tidak terpenuhi (nilai goodness of fit yang
tidak fit), maka langkah selanjutnya model harus dimodifikasi untuk memperoleh
hasil goodness of fit menjadi lebih baik atau terpenuhi.

2. Modifikasi Model Struktural

Dikarenakan sebelumnya model dinyatakan tidak fit maka modifikasi


model harus dilakukan dengan cara mengkorelasikan nilai measurement error
indikator melalui modification indicesnya. Adapun hasil modifikasi model
selengkapnya adalah sebagai berikut:

Gambar 7.2 Modifikasi Model Struktural

156
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 7.2 Evaluasi Kriteria Goodness of Fit Indices Overall


Model Tahap Pengembangan
Goodness of fit
Cut-off Value Hasil Model Keterangan
index
Diharapkan kecil 2
Chi-square
2
Dengan df = 454 226,499 Fit
adalah 1909,26
Sign.Probability 0.05 0,332 Fit
GFI 0.90 0,914 Fit
TLI 0.95 0,992 Fit
CFI 0.95 0,994 Fit
RMSEA 0,08 0,015 Fit
AGFI 0.90 0,871 Marginal
Sumber : Hasil Pengujian Amos 20

Tabel di atas menunjukkan ringkasan hasil yang diperoleh dalam kajian


dan nilai yang direkomendasikan untuk mengukur fit-nya model. Seperti yang
ditunjukkan dalam table di atas, nilai chi-square harus fit (nilai probabilitas > 0,05)
terpenuhi dengan nilai probabilitas sebesar 0,332 > 0,05, dan diiringi pengukuran
fit model lainnya yang telah dinyatakan fit.
Secara overall atau keseluruhan dari enam pengukuran goodness of fit
model dinyatakan fit (lima pengukuran fit, hanya satu pengukuran yang
marginal). Hanya satu kriteria yang marginal yaitu adjusted goodnees-of-fit index
(AGFI) sedikit lebih kecil dari nilai yang direkomendasikan. Namun, mengikut
Salisbury, dkk (2001), Cheng, 2001; Hu, dkk (1999), dan Segars & Grover (1993)
dalam Maruf et. al (2002) merekomendasikan AGFI minimum 0,80. Dengan
demikian, secara overall model yang dikembangkan adalah fit dengan data.

1. Uji Hipotesis Model Struktural

Analisis kausalitas dilakukan guna mengetahui hubungan antar variabel.


Pada penelitian ini diharapkan dengan adanya pengujian kausalitas dapat
mengetahui pengaruh yang terjadi antara variabel eksogen dengan variabel
endogen.

157
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 7.3 Regression Weight Structural Equation Model


Estimate S.E. C.R. P
Motivasi Pengembangan
<--- .097 .047 2.085 .037
Kerja Karir
Motivasi
<--- Iklim Organisasi .603 .747 .807 .419
Kerja
Good
<--- Motivasi Kerja .097 .037 2.651 .008
Governance
Good Pengembangan
<--- .174 .043 4.005 ***
Governance Karir
Good
<--- Iklim Organisasi .042 .623 .067 .946
Governance

Hasil : Analisis Amos 20

Berdasarkan uraian table 7.3 di atas maka penelitian ini mendapatkan


jawaban sementara, bahwa iklim organisasi berpengaruh tidak signifikan
terhadap motivasi kerja dan good governance.

Hasil kesimpulan sementara selengkapnya sebagaimana rekapitulasi


pengajuan hipotesis dalam tabel 7.4 berikut :

Tabel 7.4 Rekapitulasi Pengujian Hipotesis

No Hipotesis Hasil

1 Terdapat pengaruh tidak signifikan iklim organisasi Non


terhadap motivasi kerja Signifikan
2 Terdapat pengaruh signifikan pengembangan karir
Signifikan
terhadap motivasi kerja
3 Terdapat pengaruh signifikan iklim organisasi dan
pengembangan karir secara bersama-sama terhadap Signifikan
motivasi kerja
4 Tidak Terdapat pengaruh signifikan iklim organisasi Non
terhadap good governance signifikan
5 Terdapat pengaruh signifikan pengembangan karir
Signifikan
terhadap good governance
6 Terdapat pengaruh signifikan motivasi kerja terhadap
Signifikan
good governance
7 Terdapat pengaruh signifikan iklim organisasi,
pengembangan karir dan motivasi kerja secara bersama- Signifikan
sama terhadap good governance

Dari hasil pengujian hipotesis pada table 7.4 di atas dapat diberikan
penjelasan sebagai berikut

158
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Hipotesis 1: Dengan menggunakan analisis SEM, iklim organisasi


berpengaruh positif akan tetapi tidak signifikan terhadap
motivasi kerja. Parameter estimasi untuk pengujian pengaruh
iklim organisasi terhadap Motivasi kerja menunjukkan nilai CR
sebesar 0,807 dan dengan probabilitas sebesar 0,419. Nilai
probablitas tersebut diperoleh belum memenuhi syarat untuk
penerimaan H1 yaitu probabilitas yang lebih besar dari 0,05.
Dengan demikian hasil ini menolah hipotesis (H1) yang
menyatakan bahwa iklim organisasi berpengaruh terhadap
motivasi kerja.

Hipotesis 2 Dengan menggunakan analisis SEM, terdapat pengaruh


: signifikan pengembangan karir terhadap motivasi kerja.
Parameter estimasi untuk pengujian pengaruh pengembangan
karir terhadap motivasi kerja menunjukkan nilai CR sebesar 2,085
dan dengan probabilitas sebesar *** (0,037). Nilai probabilitas
tersebut diperoleh memenuhi syarat untuk penerimaan H2 yaitu
probabilitas yang lebih kecil dari 0,05. Dengan demikian dimensi-
dimensi pengembangan karir berpengaruh dan signifikan
terhadap motivasi kerja.

2. Analisis Pengaruh total, Direct Effect, dan Indirect Effect

Pengaruh total dari pengembangan karir terhadap motivasi kerja sebesar


0,097 Pengaruh total dari pengembangan karir terhadap Good governance
sebesar 0,183. Pengaruh total dari iklim organisasi terhadap motivasi kerja
sebesar 0,603. Pengaruh total dari motivasi kerja terhadap good governance
sebesar 0,097. Pengaruh total dari iklim organisasi terhadap good governance
sebesar 0,100. Nilai pengaruh mengidentifikasikan bahwa Iklim organisasi
memiliki pengaruh total yang terbesar terhadap peningkatan good governance
(0,603).

159
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 7.5 Pengaruh Total

Pengembangan Iklim Motivasi Good


Variabel
Karir Organisasi Kerja Governance

Motivasi
0.097 0.603 0.000 0.000
Kerja

Good
0.183 0.100 0.097 0.000
Governance

Analisis ini digunakan untuk mengetahui kekuatan pengaruh antara


konstruk baik langsung, maupun tidak langsung. Efek langsung (direct effect)
tidak lain adalah koefisien dari semua garis koefisien dengan anak panah satu
ujung. Efek tidak langsung adalah efek yang muncul melalui sebuah variabel
antara. Hasil pengujian model di atas menunjukkan efek langsung, dan efek tidak
langsung yang akan diuraikan dalam tabel-tabel berikut ini:

Tabel 7.6 Pengaruh langsung

Variabel Pengembangan Iklim Motivasi Good


Karir Organisasi Kerja Governance

Motivasi
0.097 0.603 0.000 0.000
Kerja
Good
0.174 0.042 0.097 0.000
Governance

Tabel di atas menunjukkan bahwa terdapat efek langsung dan


menunjukan bahwa variable iklim organisasi mempunyai pengaruh langsung
terbesar terhadap motivasi kerja 0,603 sedangkan pengembangan karir hanya
berpengaruh 0.097. pengembangan karir mempunyai pengaruh langsung
tertinggi 0,174 terhadap good governance dan motivasi kerja 0,097 dan iklim
organisasi 0,042.

Berikut ini akan disajikan hasil pengujian efek tidak langsung antar variabel:

160
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 7.7 Pengaruh Tidak Langsung

Pengembangan Iklim Motivasi Good


Variabel
Karir Organisasi Kerja Governane

Motivasi
0.000 0.000 0.000 0.000
Kerja
Good
0.009 0.058 0.000 0.000
Governance

Tabel di atas menunjukkan bahwa terdapat efek tidak langsung dari


Diperoleh pengaruh pengembangan karir terhadap good governance secara
langsung sebesar 0,174 sedangkan secara tidak langsung diperoleh sebesar
0,009. Sementara pengaruh iklim organisasi terhadap good governance secara
langsung sebesar 0,042 sedangkan secara tidak langsung diperoleh sebesar
0,058.
Dengan demikian untuk melihat secara keseluruhan pengaruh langsung
dan tidak langsung seperti tergambar pada gambar 7.3 berikut ini

Iklim 0,100
Organisasi 0,058

0,603
Motivasi 0,970 Good
Kerja governance
0,970 Pejabat
0,009
Pengembang
an Karir 0,183

Gambar 7.3 Pengaruh Langsung dan Tidak Langsung

161
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

LATIHAN

1. Apa yang dimaksud Penilaian Model Fit?


2. Apa yang anda ketahui uji Hipotesis model structural?
3. Jelaskan apa yang anda ketahui tentang dengan pengaruh total?

162
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

BAB VIII
CONTOH ANALISIS SEM
DALAM PENELITIAN MENGGUNAKAN AMOS 18.00

Pada bab ini akan diberikan dua contoh penelitian yang berhubungan dengan
ilmu manajemen dan system informasi. Contoh Analisis SEM dalam penelitian
menggunakan AMOS 18.00 Secara grafis diagram jalur model CFA maupun Full
Model dari contoh ini dibuat dengan cara sebagaimana sudah dibahas pada Bab
7 dalam buku ini.

A. Judul Penelitian Bidang ilmu manajemen

PENGARUH BUDAYA ORGANISASI, MOTIVASI KERJA, KEPUASAN


KERJA TERHADAP KINERJA KARYAWAN Pada perusahaan XYZ

B. Perumusan Masalah

Berdasarkan identifikasi masalah dalam penelitian ini, maka dapat disusun


sejumlah rumusan masalah sebagai berikut :

1. Bagaimana pengaruh budaya organisasi terhadap kepuasan kerja


pada perusahaan XYZ?
2. Bagaimana pengaruh Motivasi kerja terhadap kepuasan kerja pada
perusahaan XYZ?
3. Bagaimana pengaruh budaya organisasi terhadap kinerja karyawan
pada perusahaan XYZ?
4. Bagaimana pengaruh Motivasi kerja terhadap kinerja karyawan
pada perusahaan XYZ?
5. Bagaimana pengaruh kepuasan kerja terhadap kinerja karyawan
pada perusahaan XYZ?

163
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

C. Kerangka Pemikiran

Gambar 8.1. Model Teoritik Penelitian

D. Hipotesis Penelitian

Berdasarkan kerangka pemikiran di atas, maka hipotesis penelitian


dapat ditentukan sebagai berikut :

H1 : Budaya organisasi berpengaruh positif terhadap kepuasan kerja?

H2 : Motivasi kerja berpengaruh positif terhadap kepuasan kerja?

H3 : Budaya organisasi berpengaruh positif terhadap kinerja karyawan?

H4 :Motivasi berpengaruh positif terhadap kinerja karyawan?

H5 : Kepuasan kerja berpengaruh positif terhadap kinerja karyawan?

E. Metode Penelitian

1. Populasi dan Sampel

Populasi adalah semua nilai yang mungkin baik hasil menghitung


ataupun hasil pengukuran kuantitatif maupun kualitatif dan karakteristik
tertentu mengenai sekumpulan objek yang lengkap dan jelas untuk
dipelajari sifat-sifatnya (Sugiyono, 2004:46). Menurut Arikunto (2002:115)
pada dasarnya populasi merupakan keseluruhan dari objek penelitian atau
sasaran penelitian.

164
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Populasi dalam penelitian ini adalah semua semua pegawai yang


pada perusahaan XYZ yang berjumlah 540 orang.

Sedangkan sampel adalah sebagian dari jumlah dan karakteristik


yang dimiliki oleh populasi, (Sugiyono; 2004:57). Teknik pengambilan
sampel yang digunakan dalam penelitian ini adalah probability sampling,
yaitu teknik sampling memberikan peluang yang sama bagi setiap unsur
(anggota) populasi untuk dipilih menjadi anggota sampel.

Menurut Singgih Santoso (2011 : 70) untuk model SEM dengan


jumlah variabel laten (konstruk) sampai dengan lima buah, dan setiap
konstruk dijelaskan oleh tiga atau lebih indikator, jumlah sample 100 150
data sudah dianggap memadai. Untuk itu, jumlah sample 200 data pada
umumnya dapat diterima sebagai sample yang representatif pada analisis
SEM.

Pertanyaan kritis yang dapat diajukan dalam SEM : Berapa besar


jumlah sampel yang diperlukan? Penentuan jumlah sampel berdasarkan
pendapat Hair dkk (1995:72) dalam Ghozali (2008a : 64) bahwa analisis
data multivariat menggunakan SEM, pada umumnya metode estimasi
menggunakan Maximum Likelihood Estimation (MLE) disamping alternatif
metode lain, seperti GLS atau WLS. Metode MLE akan efektif pada jumlah
sampel antara 150 - 400. Jumlah sampel juga dapat ditentukan dengan 5 -
10 sampel per parameter. Dalam penelitian ini terdapat 4 konstruk dengan
total 48 parameter.

Berdasarkan ketentuan-ketentuan di atas maka jumlah minimum


sample yang akan di ambil dalam penelitian ini sebanyak 140 responden

2. Defenisi Konseptual, Operasional Variabel dan Kisi-kisi Instrumen.

Seperti yang terungkap di dalam perumusan masalah penelitian,


bahwa pokok masalah yang diteliti adalah motivasi kerja dan kinerja
sebagai variabel endogen, lalu pengembangan karier dan sertifikasi auditor,
sebagai variabel bebas exogen.
Skor setiap variabel diperoleh dari setiap butir pernyataan yang
dikembangkan dari beberapa komponen indikator. Dari setiap butir
pernyataan disediakan 5 pilihan jawaban yaitu: (SS) Sangat Setuju, (S)

165
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Setuju, (N) Netral, (TS) Tidak Setuju, (STS) Sangat Tidak Setuju. Skor
bergerak dari 5 bagi yang menjawab SS, 4 bagi yang menjawab S, 3 bagi
yang menjawab N, 2 bagi yang menjawab TS dan 1 bagi yang menjawab
STS.

a. Pengembangan Karier

1) Definisi Konseptual.

Pengembangan karier adalah suatu kesatuan yang terdiri dari


unsur-unsur kegiatan seseorang dalam kehidupannya untuk
mengembangkan dan memperbaiki diri dan unsur-unsur kegiatan
organisasi dalam mengembangkan pegawainya di mana kegiatan ini
dilaksanakan secara formal oleh organisasi dengan tujuan mendapatkan
keseimbangan antara karir individu dengan jenjang karir yang ditentukan
organisasi.

2) Definisi Operasional.

Adapun dimensi pengembangan karier memiliki dua dimensi yaitu :


perencanaan dan manajemen karir dengan indikator masing-masing
dimensi sebagai berikut :

VARIABEL DEFINISI INDIKATOR PENGUKURAN

Independen Nilai-nilai dominan X1 Identitas Skala Likert 1


: Budaya yang X2 Kontrol s/d 5 yang
Organisasi disebarluaskan di X3 Toleransi merupakan
dalam organisasi terhadap konflik
dan diacu sebagai Pendapat
filosofi kerja Sangat Tidak
karyawan Setuju (STS)
(Moeljono 2003). sampai Dengan
Sangat Setuju
(SS) dari
responden

Independen Keinginan untuk X4 motivasi prestasi Skala Likert 1


:motivasi melakukan sesuatu X5 motivasi afiliasi s/d 5 yang
kerja dan menentukan X6 motivasi merupakan
kekuasaan
kemampuan Pendapat
bertindak untuk Sangat Tidak
memuaskan Setuju (STS)
kebutuhan individu sampai Dengan

166
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

(Robbins, Sangat Setuju


(SS) dari
2006). responden

Independen suatu respon yang X7 Prosedur Skala Likert 1


: Kepuasan menggambarkan perusahaan s/d 5 yang
kerja perasaan dari X8 Supervisi merupakan
individu terhadap X9 Hubungan
pekerjaannya Interpersonal Pendapat
(Robbins 2006). X10 Kondisi Kerja Sangat Tidak
Setuju (STS)
X11 Gaji
sampai Dengan
Sangat Setuju
(SS) dari
responden

F. Teknik Analisis Data

1. Analisis Deskriptif

Analisis diskriptif digunakan untuk menggambarkan kondisi dan


karakteristik jawaban responden untuk masing-masing konstruk atau
variabel yang diteliti. Hasil analisis deskriptif selanjutnya digunakan untuk
mendapatkan tendensi jawaban responden mengenai kondisi masing-
masing konstruk atau variabel penelitian.

Dalam buku ini tidak disertakan pembahasan lebih lanjut bagaimana


analisis deskriptif dilakukan. Buku ini lebih fokus pada pembahasan
terhadap analisis inferensia statistik khususnya teknik analisis SEM. Bagi
pembaca yang tertarik untuk mengetahui lebih lanjut tentang analisis
deskriptif, disarankan untuk membaca buku atau referensi lain yang khusus
tentang bagaimana analisis deskriptif dilakukan.

G. Pengujian Model Dengan SEM

1. Pemeriksaan Asumsi yang Melandasi SEM

Dalam penelitian ini, pemeriksaan asumsi yang melandasi Structural


Equation Modeling (SEM) adalah meliputi uji outlier, linieritas, validitas dan
reabilitas.

167
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

a. Uji Data Outliers


Pengujian hipotesis dalam penelitian akan bersifat valid jika
didasarkan pada data atau informasi yang valid, dan informasi akan
bersifat valid jika diperoleh dari data yang berkualitas. Data yang
digunakan dalam penelitian akan mengandung outliers apabila data
tersebut bersifat bias dan tidak berkualitas. Secara diskriptif
berdasarkan nilai mean dan standar deviasi (dengan bantuan
software SPSS 19) diperoleh bahwa untuk semua indikator penelitian
memiliki nilai mean yang lebih besar dibanding dengan standar
deviasi, sehinga semua indikator tidak mengandung data outliers.
Oleh karena itu, semua indikator yang digunakan pada penelitian ini
layak dianalisis untuk membuktikan hipotesis.

b. Uji Linieritas
Linearitas adalah keadaan dimana hubungan antara variabel
dependen dengan variabel independen bersifat linear (garis lurus)
dalam range variabel independen tertentu. Hasil pemeriksaan asumsi
linieritas pada penelitian ini dilakukan dengan SPSS 19, yaitu
menggunakan Curve Fit. Pendekatan yang digunakan merujuk pada
konsep parsimony, yaitu bilamana seluruh model yang digunakan
sebagai dasar pengujian signifikan atau nonsignifikan berarti model
dikatakan linier. Spesifikasi model yang digunakan sebagai dasar
pengujian adalah model linier, kuadratik, kubik, inverse, logarithmic,
power, S, compound, growth dan eksponensial. Dapat diketahui
bahwa semua bentuk hubungan antar variabel yang terdapat di dalam
model struktural adalah linier Dengan demikian asumsi linieritas pada
SEM terpenuhi.

c. Uji validitas dan reabilitas


Uji validitas instrumen bertujuan mengetahui sejauh mana
ketepatan dan kecermatan alat ukur dalam melakukan fungsi
pengukurannya sehingga dapat memberikan hasil sesuai dengan
tujuan. Uji validitas instrumen yang dilakukan dengan
menggunakan SPSS for windows versi 19, dimana prosedur
pengujian yang ditetapkan adalah uji korelasi dengan melihat hasil
pengolahan SPSS yang sesuai dengan standar yang digunakan

168
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

sehingga dinyatakan valid untuk dilakukan pada pengujian


selanjutnya. Uji validitas dapat menggunakan korelasi product
moment dari Pearson dimana standar validitas sebesar 0,3
(Sugiyono,2011:178). Jika korelasi tiap faktor positif dan
besarnya 0,3 ke atas maka dapat disimpulkan bahwa instrumen
tersebut memiliki validitas konstruksi yang baik Uji reliabilitas
digunakan untuk mengukur tingkat kepercayaan hasil suau
pengukuran sehingga memberikan hasil ukur yang terpercaya.
Suatu instrumen dikatakan reliabel apabila jawaban dari
responden konsisten atau stabil. SPSS memberikan vasilitas
untuk mengkur reliabilitas dengan uji statistik Cronbachs Alpa ().
Suatu konstruk atau variabel dikatakan reliabel jika memberikan
nilai Cronbachs Alpa ()>0,6. Dari hasil pengujian reliabilitas
dengan menggunakan SPSS, maka didapat data seperti yang
terdapat pada tabel 4.10, tabel 4.11, tabel 4.12 dan tabel 4.13 di
atas yang menunjukkan nilai Cronbach's Alpha lebih dari 0,6 maka
instrumen dalam penelitian ini reliabel atau memiliki tingkat
kepercayaan yang tinggi. Pada instrumen variabel budaya
organisasi didapatkan nilai reliabel sebesar 0,606, variabel
motivasi kerja sebesar 0,795, variabel kepuasaan kerja sebesar
0,804 dan variabel kinerja karyawan sebesar 0,631. Dengan
demikian dapat disimpulkan bahwa instrumen pada semua
variabel dalam penelitian ini reliabel

H. Hasil Analisis Data

Terdapat dua jenis pengujian dalam tahap ini, yakni (1) Confirmatory
Factor Analysis (CFA) Measurement Model dan (2) Structural Equation Model
(SEM). Masing-masing uji adalah sebagai berikut:

1. Confirmatory Factor Analysis (CFA)

Confirmatory Factor Analysis (CFA) Measurement Model adalah proses


pemodelan dalam penelitian yang diarahkan untuk menyelidiki undimensionalitas
dari indikator-indikator yang menjelaskan sebuah faktor atau sebuah variabel
laten.

169
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Terdapat dua uji dasar dalam CFA, yaitu uji kesesuaian model
(Goodness-of- Fit Test) serta uji signifikansi bobot faktor. Uji kesesuaian model
(Goodness-of- Fit Test) digunakan untuk menguji undimensionalitas dari dimensi-
dimensi yang menjelaskan sebuah faktor atau sebuah variabel laten. Pengujian
dilakukan dengan menggunakan pendekatan indeks-indeks yang telah umum
digunakan. Indeks-indeks yang dapat digunakan untuk menguji kelayakan
sebuah model adalah seperti yang diringkas dalam Tabel 5. 26. sebagai berikut :

Tabel 8.1 Goodness of-fit Indices


Goodness of fit index Cut-off Value

2 Chi-square Diharapkan kecil

Sign.Probability 0.05

CMIN/DF 2.00

GFI 0.90

AGFI 0.90

TLI 0.95

CFI 0.95

RMSEA 0,08

Sumber : Ferdinand A, (2002)

Uji signifikansi bobot faktor bertujuan untuk mengetahui apakah sebuah


variabel dapat digunakan untuk mengkonfirmasi bahwa variabel itu dapat
bersama-sama dengan variabel lainnya menjelaskan sebuah variabel laten yang
dikaji; hal ini dilakukan melalui dua tahapan yaitu dengan melihat nilai lamda
atau factor loading dan melihat bobot faktor (regression weight).

Nilai lamda yang dipersyaratkan adalah harus mencapai lebih dari atau
sama dengan 0,40, apabila nilai lamda lebih rendah dari 0,40 dipandang variabel
itu tidak berdimensi sama dengan variabel lainnya untuk menjelaskan sebuah
variabel laten (Ferdinand, 2002:168).

Sebagaimana dalam CFA, pengujian SEM juga dilakukan dengan dua


macam pengujian yakni uji kesesuaian model serta uji signifikansi kausalitas
melalui uji koefisien regresi. Langkah analisis untuk menguji model penelitian
dilakukan melalui tiga tahap, yakni pertama menguji model dasar, jika hasilnya

170
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

kurang memuaskan dilanjutkan dengan tahap kedua dengan memberikan


perlakuan modifikasi terhadap model yang dikembangkan setelah
memperhatikan indeks modifikasi dan dukungan (justifikasi) dari teori yang ada;
jika pada tahap kedua masih diperoleh hasil yang kurang memuaskan, maka
ditempuh langkah yang ketiga dengan cara menghilangkan atau menghapus
(drop) variabel yang memiliki bobot faktor kurang dari 0,40, sebab variabel ini
dipandang tidak berdimensi sama dengan variabel lainnya untuk menjelaskan
sebuah variabel laten.

2. Analisis Konfirmatori Faktor Konstruk Eksogen

a. Variabel budaya organisasi


1) Analisis tahap awal variabel budaya organisasi
Hasil dari Confirmatory Factor Analysis untuk kontruk eksogen
tahap awal variabel budaya organisasi disajikan seperti pada gambar 9.1
berikut:

Sumber : data primer yang diolah

Gambar 8.2 Konstruk Eksogen Tahap Awal

171
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Variabel Budaya Organisasi

Tabel 8.2 Indeks Pengujian Kelayakan Confirmatory Factor Analysis Konstruk


Eksogen Tahap Awal Variabel Budaya Organisasi
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 2,624 Belum Layak

Probability 0,05 0,105 Layak

CFI 0,94 0,987 Layak

CMIND/DF 2,00 2,624 Belum Layak

GFI 0,90 0,991 Layak

RMSEA 0,08 0,108 Belum Layak

AGFI 0,90 0,907 Layak

TLI 0,95 0,922 Belum Layak

Sumber: data primer yang diolah

Berdasarkan tabel 8.2 maka dapat diketahui bahwa model belum layak
digunakan. Berdasarkan petunjuk modification indices kemudian perlu dilakukan
modifikasi untuk memperbaiki model sehingga valid untuk pembuktian hipotesis.
Modifikasi model diutamakan hanya pada korelasi antar item dan atau error dan
tidak memodifikasi jalur pengaruh.

2) Analisis tahap akhir variabel budaya organisasi


Hasil dari Confirmatory Factor Analysis untuk kontruk eksogen tahap
akhir variabel budaya organisasi disajikan seperti pada gambar 8.3
berikut :

172
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Sumber : data primer yang diolah

Gambar 8.3 Konstruk Eksogen Tahap Akhir Variabel Budaya Organisasi

Tabel 8.3 Indeks Pengujian Kelayakan Confirmatory Factor Analysis Konstruk


Eksogen Tahap Akhir Variabel Budaya Organisasi
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 2,624 Belum Layak

Probability 0,05 0,105 Layak

CFI 0,94 0,987 Layak

CMIND/DF 2,00 2,624 Belum Layak

GFI 0,90 0,991 Layak

RMSEA 0,08 0,108 Belum Layak

AGFI 0,90 0,907 Layak

TLI 0,95 0,922 Belum Layak

Sumber: data primer yang diolah

Hasil analisis pengolahan data terlihat bahwa semua konstruk yang


digunakan untuk membentuk sebuah model penelitian, pada proses analisis
faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan.
Nilai probability pengujian goodness of fit menunjukkan nilai 0,105, dengan
pengujian-pengujian kelayakan model yang memenuhi syarat sebagai model
yang baik. Dengan demikian kecocokan model yang diprediksikan dengan nilai-
nilai pengamatan cukup memenuhi kecocokan modelnya.

173
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.4 Regression Weights Confirmatory Factor Analysis Konstruk Eksogen


Variabel Budaya Organisasi
Estimate S.E. C.R. P

Kontrol <--- Budaya Organisasi 1,000

Identitas <--- Budaya Organisasi ,478 ,267 1,789 ,074

Analisis faktor tersebut juga menunjukkan nilai pengujian dari masing-


masing pembentuk suatu konstruk. Hasil menunjukkan bahwa setiap indikator-
indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan
hasil baik, yaitu nilai dengan CR 1,96 atau dengan probabilitas yang lebih kecil
dari 0,05. Dengan hasil ini, maka dapat dikatakan bahwa indikator-indikator
pembentuk variabel laten telah menunjukkan unidimensionalitas. Selanjutnya
berdasarkan analisis faktor konfirmatori konstruk ini, maka model penelitian
dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-
penyesuaian.

b. Variabel motivasi kerja

1) Analisis tahap awal variabel motivasi kerja


Hasil dari Confirmatory Factor Analysis untuk kontruk eksogen
tahap awal variabel motivasi kerja disajikan seperti pada gambar 8.4
berikut:

Sumber : data primer yang diolah

Gambar 8.4 Konstruk Eksogen Tahap Awal Variabel Motivasi Kerja

174
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.5 Indeks Pengujian Kelayakan Confirmatory Factor Analysis Konstruk


Eksogen Tahap Awal Variabel Motivasi Kerja
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 118,116 Belum Layak

Probability 0,05 0,000 Belum Layak

CFI 0,94 0,827 Belum Layak

CMIND/DF 2,00 2,812 Belum Layak

GFI 0,90 0,871 Belum Layak

RMSEA 0,08 0,114 Belum Layak

AGFI 0,90 0,798 Belum Layak

TLI 0,95 0,773 Belum Layak

Sumber: data primer yang diolah

Berdasarkan tabel 8.5 maka dapat diketahui bahwa model belum layak
digunakan. Berdasarkan petunjuk modification indices kemudian perlu dilakukan
modifikasi untuk memperbaiki model sehingga valid untuk pembuktian hipotesis.
Modifikasi model diutamakan hanya pada korelasi antar item dan atau error dan
tidak memodifikasi jalur pengaruh.

2) Analisis tahap akhir variabel motivasi kerja


Hasil dari Confirmatory Factor Analysis untuk kontruk eksogen
tahap akhir variabel motivasi kerja disajikan seperti pada gambar 8.5
berikut :

175
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Sumber : data primer yang diolah

Gambar 8.5 Konstruk Eksogen Tahap Akhir Variabel Motivasi Kerja

Tabel 8.6 Indeks Pengujian Kelayakan Confirmatory Factor Analysis Konstruk


Eksogen Tahap Akhir Variabel Motivasi Kerja
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 10,381 Layak

Probability 0,05 0,496 Layak

CFI 0,94 1,000 Layak

CMIND/DF 2,00 0,944 Layak

GFI 0,90 0,979 Layak

RMSEA 0,08 0,000 Layak

AGFI 0,90 0,945 Layak

TLI 0,95 1,004 Layak

Sumber: data primer yang diolah

Hasil analisis pengolahan data terlihat bahwa semua konstruk yang


digunakan untuk membentuk sebuah model penelitian, pada proses analisis
faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan.
Nilai probability pengujian goodness of fit menunjukkan nilai 0,496, dengan
pengujian-pengujian kelayakan model yang memenuhi syarat sebagai model
yang baik. Dengan demikian kecocokan model yang diprediksikan dengan nilai-
nilai pengamatan cukup memenuhi kecocokan modelnya.

176
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.7 Regression Weights Confirmatory Factor Analysis Konstruk Eksogen


Variabel Motivasi Kerja
Estimate S.E. C.R. P

Prestasi <--- Motivasi Kerja 1,044 ,187 5,576 ***

Kekuasaan <--- Motivasi Kerja 1,574 ,296 5,315 ***

Afiliasi <--- Motivasi Kerja 1,000

Analisis faktor tersebut juga menunjukkan nilai pengujian dari masing-


masing pembentuk suatu konstruk. Hasil menunjukkan bahwa setiap indikator-
indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan
hasil baik, yaitu nilai dengan CR 1,96 atau dengan probabiltas yang lebih kecil
dari 0,05. Dengan hasil ini, maka dapat dikatakan bahwa indikator-indikator
pembentuk variabel laten telah menunjukkan unidimensionalitas. Selanjutnya
berdasarkan analisis faktor konfirmatori konstruk ini, maka model penelitian
dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-
penyesuaian.

3. Analisis konfirmasi Faktor Konstruk Endogen

a. Variabel Kepuasaan Kerja


1) Analisis tahap awal variabel kepuasaan kerja
Hasil dari Confirmatory Factor Analysis untuk kontruk endogen
tahap awal variabel kepuasaan kerja disajikan seperti pada gambar
8.6 berikut:

Sumber : data primer yang diolah

Gambar 8.6 Konstruk Endogen Tahap Awal Variabel Kepuasaan Kerja

177
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.8 Indeks Pengujian Kelayakan Confirmatory Factor Analysis Konstruk


Endogen Tahap Awal Variabel kepuasaan Kerja
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 155,672 Belum Layak

Probability 0,05 0,000 Belum Layak

CMIND/DF 2,00 3,052 Belum Layak

GFI 0,90 0,842 Belum Layak

AGFI 0,90 0,758 Belum Layak

TLI 0,95 0,749 Belum Layak

CFI 0,94 0,806 Belum Layak

RMSEA 0,08 0,122 Belum Layak

Sumber: data primer yang diolah

Berdasarkan tabel 8.8 maka dapat diketahui bahwa model belum layak
digunakan. Berdasarkan petunjuk modification indices kemudian perlu dilakukan
modifikasi untuk memperbaiki model sehingga valid untuk pembuktian hipotesis.
Modifikasi model diutamakan hanya pada korelasi antar item dan atau error dan
tidak memodifikasi jalur pengaruh.

2) Analisis tahap akhir variabel kepuasaan kerja


Hasil dari confirmatory Factor Analysis untuk konstruk endogen
tahap akhir variabel kepuasaan kerja disajikan seperti pada gambar 8.7
berikut:

178
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Sumber : data primer yang diolah

Gambar 8.7 Konstruk Endogen Tahap Akhir Variabel Kepuasaan Kerja

Tabel 8.9 Indeks Pengujian Kelayakan Confirmatory Factor Analysis Konstruk


Endogen Tahap Akhir Variabel Kepuasaan Kerja
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 14,115 Layak

Probability 0,05 0,924 Layak

CMIND/DF 2,00 0,614 Layak

GFI 0,90 0,981 Layak

AGFI 0,90 0,955 Layak

TLI 0,95 1,038 Layak

CFI 0,94 1,000 Layak

RMSEA 0,08 0,000 Layak

Sumber: data primer yang diolah

179
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Hasil analisis pengolahan data terlihat bahwa semua konstruk yang


digunakan untuk membentuk sebuah model penelitian, pada proses analisis
faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan.
Nilai probability pengujian goodness of fit menunjukkan nilai 0,924, dengan
pengujian-pengujian kelayakan model yang memenuhi syarat sebagai model
yang baik. Dengan demikian kecocokan model yang diprediksikan dengan nilai-
nilai pengamatan cukup memenuhi kecocokan modelnya.

Tabel 8.10 Regression Weights Confirmatory Factor Analysis Konstruk Endogen


Variabel Kepuasaan Kerja
Estimate S.E. C.R. P

Gaji <--- Kepuasaan Kerja 1,000

Supervisi <--- Kepuasaan Kerja 1,000

Kondisi <--- Kepuasaan Kerja 1,000

Prosedur <--- Kepuasaan Kerja 3,201 ,708 4,520 ***

Analisis faktor tersebut juga menunjukkan nilai pengujian dari masing-


masing pembentuk suatu konstruk. Hasil menunjukkan bahwa setiap indikator-
indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan
hasil baik, yaitu nilai dengan CR 1,96 atau dengan probabiltas yang lebih kecil
dari 0,05. Dengan hasil ini, maka dapat dikatakan bahwa indikator-indikator
pembentuk variabel laten telah menunjukkan unidimensionalitas. Selanjutnya
berdasarkan analisis faktor konfirmatori konstruk ini, maka model penelitian
dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-
penyesuaian.

b. Variabel Kinerja Karyawan


1) Analisis tahap awal variabel kinerja karyawan
Hasil dari Confirmatory Factor Analysis untuk kontruk endogen
tahap awal variabel kinerja karyawan disajikan seperti pada gambar 8.8
berikut:

180
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Sumber : data primer yang diolah

Gambar 8.8 Konstruk Endogen Tahap Awal Variabel Kinerja karyawan

Tabel 8.11 Indeks Pengujian Kelayakan Confirmatory Factor Analysis Konstruk


Endogen Tahap Awal Variabel kinerja karyawan
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 6,513 Layak

Probability 0,05 0,368 Layak

CMIND/DF 2,00 1,085 Layak

GFI 0,90 0,985 Layak

AGFI 0,90 0,948 Layak

TLI 0,95 0,993 Layak

CFI 0,95 0,997 Layak

RMSEA 0,08 0,025 Layak

Sumber: data primer yang diolah

Berdasarkan tabel 8.11 maka dapat diketahui bahwa model layak


digunakan. Sehingga tidak perlu dilakukan modifikasi untuk memperbaiki model
untuk pembuktian hipotesis. Hasil analisis pengolahan data terlihat bahwa semua
konstruk yang digunakan untuk membentuk sebuah model penelitian, pada
proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang
telah ditetapkan. Nilai probability pengujian goodness of fit menunjukkan nilai

181
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

0,368, dengan pengujian-pengujian kelayakan model yang memenuhi syarat


sebagai model yang baik. Dengan demikian kecocokan model yang diprediksikan
dengan nilai-nilai pengamatan cukup memenuhi kecocokan modelnya.

Tabel 8.12 Regression Weights Confirmatory Factor Analysis Konstruk Endogen


Variabel kinerja karyawan
Estimate S.E. C.R. P

Kuantitas <--- Kinerja Karyawan ,860 ,669 1,284 ,199

Kreativitas <--- Kinerja Karyawan ,054 ,127 ,425 ,671

Kualitas <--- Kinerja Karyawan 1,000

Analisis faktor tersebut juga menunjukkan nilai pengujian dari masing-


masing pembentuk suatu konstruk. Hasil menunjukkan bahwa setiap indikator-
indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan
hasil baik, yaitu nilai dengan CR 1,96 atau dengan probabiltas yang lebih kecil
dari 0,05. Dengan hasil ini, maka dapat dikatakan bahwa indikator-indikator
pembentuk variabel laten telah menunjukkan unidimensionalitas. Selanjutnya
berdasarkan analisis faktor konfirmatori konstruk ini, maka model penelitian
dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-
penyesuaian.

2) Struktural Equation Model (SEM) Untuk Keseluruhan Variabel

a. Struktural Equation Model Tahap Awal

Hasil pengolahan dari Full Model SEM tahap awal disajikan pada
Gambar 8.9 sebagai berikut:

182
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Sumber : data primer yang diolah

Gambar 8.9 Struktural Equation Model Tahap Awal

Model penelitian seperti yang dikembangkan dalam kerangka pemikiran,


diuji tingkat kesesuaiannnya dengan menggunakan berbagai kriteria goodness of
fit untuk mendapatkan tingkat kesesuaian yang mencukupi. Hasil uji kesesuaian
pada penelitian ini tersaji pada tabel dan Regression Weighth pada tabel 8.13
sebagai berikut :

Tabel 8.13 Indeks Pengujian Kelayakan Structural Equation Model Tahap Awal
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index
Chi-square Diharapkan Kecil 1003,399 Belum Layak
Probability 0,05 0,000 Belum Layak
CMIND/DF 2,00 2,086 Belum Layak
GFI 0,90 0,703 Belum Layak
AGFI 0,90 0,654 Belum Layak
TLI 0,95 0,657 Belum Layak
CFI 0,95 0,688 Belum Layak
RMSEA 0,08 0,088 Belum Layak
Sumber : data primer yang diolah

183
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.14 Regression Weights Structural Equation Model Tahap Awal


Estimate S.E. C.R. P

Kepuasaan Budaya
<--- ,228 ,047 4,886 ***
Kerja Organisasi

Kepuasaan
<--- Motivasi Kerja ,424 ,142 2,980 ,003
Kerja

Kinerja Kepuasaan
<--- -,042 ,241 -,176 ,860
Karyawan Kerja

Kinerja
<--- Motivasi Kerja -,445 ,242 -1,840 ,066
Karyawan

Kinerja Budaya
<--- ,171 ,102 1,672 ,095
Karyawan Organisasi

Berdasarkan hasil pengujian pada tabel 8.13 dan tabel 8.14 menunjukkan
bahwa model belum layak. Berdasarkan petunjuk modification indices kemudian
dilakukan modifikasi untuk memperbaiki model sehingga valid untuk pembuktian
hipotesis.

b. Struktural Equation Model Tahap Akhir

Hasil uji konstruk dimensi kualitas hasil akhir disajikan pada


gambar 8.11 dievaluasi berdasarkan goodness of fit indices dan
Regression Weight, kriteria model serta nilai kritisnya yang memiliki
kesesuaian data seperti yang tampak pada tabel 8.15 dan tabel 8.16

184
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Sumber : data yang diolah

Gambar 8.11 Struktural Equation Model Tahap Akhir

Model penelitian seperti yang dikembangkan dalam kerangka pemikiran,


diuji tingkat kesesuaiannnya dengan menggunakan berbagai kriteria goodness
off fit untuk mendapatkan tingkat kesesuaian yang mencukupi. Hasil uji
kesesuaian pada penelitian ini tersaji pada tabel 8.15 sebagai berikut :

185
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.15 Indeks Pengujian Kelayakan Structural Equation Model Tahap Akhir
Googness
Cut-off Value Hasil Analisis Evaluasi Model
Fit Index

Chi-square Diharapkan Kecil 251,242 Kurang Baik

Probability 0,05 0,920 Baik

CMIND/DF 2,00 0,885 Baik

GFI 0,90 0,897 Kurang Baik

AGFI 0,90 0,853 Kurang Baik

TLI 0,95 1,031 Baik

CFI 0,95 1,000 Baik

RMSEA 0,08 0,000 Baik

Sumber : data primer yang diolah

Dari hasil pengujian pada gambar 8.11 dan tabel 8.15 menunjukkan
bahwa SEM yang digunakan untuk menguji hubungan kausalitas antar variabel
dalam model menunjukkan bahwa model ini dapat diterima. Tingkat signifikansi
untuk uji hipotesis perbedaan (chi-square) sebesar 251,242 dan probabilitas
sebesar 0,920 menunjukkan bahwa model pengukuran dapat diterima.

The Minimum Sample Discrepancy Function CMIN/DF merupakan


indeks kesesuaian parsimonious yang mengukur hubungan goodness of fit
model dan jumlah koefisien-koefisien estimasi yang diharapkan untuk mencapai
tingkat kesesuaian. Dengan nilai yang direkomendasikan CMIN/DF 2,0 dan
hasil yang diperoleh adalah 0,885 menunjukkan model fit yang baik.

Goodness of Fit Index GFI mencerminkan tingkat kesesuaian model


secara keseluruhan. Dengan tingkat penerimaan yang direkomendasikan GFI
0,90. Dari hasil yang diperoleh 0,897, dengan demikian dapat dikatakan
memiliki tingkat kesesuain model kurang baik.

Tucker Lewis Index TLI merupakan alternatif incremental fit index yang
membandingkan model yang diuji dengan baselin. Nilai yang direkomendasikan
sbagai tingkat kesesuaian yang baik TLI 0,95, nilai yang diperoleh 1,031
menunjukkan kesesuaian yang sangat baik.

186
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Comparative Fit Index CFI, indeks kesesuaian incremental yang


membandingkan model yang diuji dengan null model. Dengan memperhatikan
nilai yang direkomendasikan CFI 0,90, nilai yang diperoleh adalah 1,000
menunjukkan model memiliki kesesuaian yang baik.

The Root Mean Square Error of Approximation RMSEA, indeks yang


digunakan untuk mengkompensasi chi-square statistic dalam sampel yang besar.
Nilai penerimaan yang direkomendasikan RMSEA 0,08, nilai yang diperoleh
0,000 menunjukkan nilai kesesuaian yang baik.

Dari evaluasi model yang diajukan menunjukkan bahwa evaluasi model


terhadap konstruk secara keseluruhan ternyata dari berbagai kriteria sudah tidak
terdapat pelanggaran kritis sehingga dapat dikemukakan bahwa model relatif
dapat diterima.

Tabel 8.16 Regression Weights Structural Equation Model Tahap Akhir


Estimate S.E. C.R. P

Budaya
Kepuasaan Kerja <--- ,228 ,064 3,570 ***
Organisasi

Motivasi
Kepuasaan Kerja <--- ,095 ,194 ,493 ,622
Kerja

Kepuasaan
Kinerja Karyawan <--- -,509 ,370 -1,375 ,169
Kerja

Motivasi
Kinerja Karyawan <--- -,608 ,386 -1,577 ,115
Kerja

Budaya
Kinerja Karyawan <--- ,467 ,184 2,542 ,011
Organisasi

Berdasarkan hasil data pada tabel 8.16 dapat diketahui bahwa koefisien
regresi masing-masing indikator memiliki CR diatas 1,96 dengan taraf signifikansi
5% oleh karena itu model penelitian ini dapat diterima.

4. Menilai Problem Identifikasi

Pengujian yang dilakukan tidak menunjukkan adanya problem


identifikasi yaitu terjadinya kondisi dimana model yang sedang dikembangkan

187
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

dalam penelitian ini tidak mampu menghasilkan estimasi yang unik. Tidak
terjadinya problem identifikasi ini dapat dilihat dari :

a) Tingkat korelasi antra koefisien estimasi yang tidak terlalu tinggi.


b) Varians error positif.
c) Kemampuan program dalam menghasilkan matriks informasi.

5. Evaluasi Kriteria Goodness of Fit

Pada langkah ini kesesuaian model dievaluasi. Namun demikian,


tindakan pertama yang harus dilakukan adalah mengevaluasi apakah
data yang digunakan dapat memenuhi asumsi-asumsi SEM

6. Interpretasi dan Modifikasi Model

Model yang baik mempunyai Standardized Residual Covariances


yang kecil. Angka 2.58 merupakan batas nilai Standardized Residual
yang diperkenankan. Nilai Determinant of sample covariance matrix =
5.568 residual values yang lebih besar atau sama dengan 2.58
diinterpretasikan sebagai signifikan secara statistik pada tingkat 5%
(Augusty Ferdinand, 2006). Pengujian terhadap nilai residual
sebagaimana dapat dilihat pada lampiran full model mengenai
standardized residual covariances.

7. Pengaruh Antar Variabel.

Analisis ini bertujuan untuk mengetahui kekuatan pengaruh antara suatu


variabel terhadap variabel yang lain. Analisis kekuatan pengaruh antar variabel
dalam penelitian ini terdiri dari analisis pengaruh langsung, analisis tidak
pengaruh langsung dan analisis pengaruh total. Pengaruh langsung adalah
koefisien dari semua garis dengan anak panah satu ujung. Pengaruh tidak
langsung adalah pengaruh yang muncul melalui sebuah variabel antara.
Pengaruh total adalah pengaruh dari berbagai hubungan. Pada Gambar 4.10
dapat disimpulkan sebagai berikut:

1. Dari analisis pengaruh langsung terlihat bahwa besarnya pengaruh


antara variabel budaya organisasi terhadap kepuasaan kerja sebesar
2,228, budaya organisasi terhadap kinerja karyawan sebesar 4,67,

188
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

motivasi kerja terhadap kepuasaan kerja sebesar 0,095, motivasi


kerja terhadap kinerja karyawan sebesar -0,608. Ditinjau dari segi
pengaruh terhadap maka budaya organisasi memiliki pengaruh
dominan terhadap kinerja karyawan.

Tabel 8.17 Analisis Pengaruh Langsung


Motivasi Budaya Kepuasaan Kinerja
Variabel
Kerja Organisasi Kerja Karyawan

Kepuasaan
,095 ,228 ,000 ,000
Kerja

Kinerja
-,608 ,467 -,509 ,000
Karyawan

Sumber: Data primer yang diolah, 2013

2. Dari analisis pengaruh tidak langsung terlihat bahwa tidak adanya


pengaruh tidak langsung antara variabel budaya organisasi, motivasi
kinerja, kepuasaan kertja terhadap kinerja karyawan.

Tabel 8.18 Analisis Pengaruh Tidak Langsung


Motivasi Budaya Kepuasaan Kinerja
Variabel
Kerja Organisasi Kerja Karyawan

Kepuasaan
,000 ,000 ,000 ,000
Kerja

Kinerja
-,049 -,116 ,000 ,
Karyawan

Sumber: Data primer yang diolah, 2013

3. Dari analisis pengaruh total (dari berbagai hubungan) terlihat bahwa


besarnya pengaruh total antara variabel budaya organisasi terhadap
kepuasaan kerja sebesar 0,228, budaya organisasi terhadap kinerja
karyawan sebesar 0,351, motivasi kerja terhadap kepuasaan kerja
sebesar 0,095, motivasi kerja terhadap kinerja karyawan sebesar -
0,657. Pengaruh total variabel budaya organisasi memiliki pengaruh
dominan terhadap kinerja karyawan.

189
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.19 Analisis Pengaruh Total


Motivasi Budaya Kepuasaan Kinerja
Variabel
Kerja Organisasi Kerja Karyawan

Kepuasaan Kerja ,095 ,228 ,000 ,000

Kinerja Karyawan -,657 ,351 -,509 ,000

Sumber: Data primer yang diolah, 2013

Dengan demikian untuk melihat secara keseluruhan pengaruh langsung


dan tidak langsung seperti tergambar pada gambar 8.12 berikut ini :

Budaya 0,351
Organisasi -0,49

0,228
Kepuasaan -0,509 Kinerja
Kerja Karyawan
0,095 Pejabat
-
Motivasi Kerja 0,116
-
0,657

Gambar 8.12 Pengaruh Langsung dan Tidak Langsung

8. Pengujian Hipotesis

Setelah semua asumsi dapat dipenuhi, selanjutnya akan dilakukan


pengujian hipotesis sebagaimana diajukan pada bab sebelumnya.
Pengujian 5 hipotesis penelitian ini dilakukan berdasarkan nilai Critical
Ratio (CR) dari suatu hubungan kausalitas dari hasil pengolahan SEM
sebagaimana pada tabel 8.20 berikut.

190
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.20 Regression Weights Structural Equational Model


Estimate S.E. C.R. P

Kepuasaan Budaya
<--- ,228 ,064 3,570 ***
Kerja Organisasi

Kepuasaan Motivasi
<--- ,095 ,194 ,493 ,622
Kerja Kerja

Kinerja Kepuasaan
<--- -,509 ,370 -1,375 ,169
Karyawan Kerja

Kinerja Motivasi
<--- -,608 ,386 -1,577 ,115
Karyawan Kerja

Kinerja Budaya
<--- ,467 ,184 2,542 ,011
Karyawan Organisasi

Sumber: Data primer yang diolah, 2013

8.1 Pengujian Hipotesis 1

H1: Budaya Organisasi berpengaruh langsung terhadap Kepuasaan


Kerja. Parameter estimasi untuk pengujian pengaruh Budaya Organisasi
terhadap Kepuasaan Kerja menunjukkan nilai CR sebesar 3,570 dan dengan
probabilitas sebesar 0,000. Kedua nilai tersebut diperoleh memenuhi syarat
untuk penerimaan H1 yaitu nilai CR sebesar 3,570 yang lebih besar dari 1,96 dan
probabilitas yang lebih kecil dari 0,05. Dengan demikian dapat disimpulkan
bahwa hipotesis 1 yang menyatakan Budaya Organisasi berpengaruh signifikan
terhadap Kepuasaan Kerja.

8.2 Pengujian Hipotesis 2

H2: Motivasi Kerja berpengaruh langsung terhadap Kepuasaan Kerja.


Parameter estimasi untuk pengujian pengaruh Motivasi Kerja terhadap
Kepuasaan Kerja menunjukkan nilai CR sebesar 0,493 dan dengan probabilitas
sebesar 0,622. Kedua nilai tersebut diperoleh tidak memenuhi syarat untuk
penerimaan H2 yaitu nilai CR sebesar 0,493 yang lebih kecil dari 1,96 dan
probabilitas yang lebih besar dari 0,05. Dengan demikian dapat disimpulkan
bahwa hipotesis 2 yang menyatakan Motivasi Kerja tidak berpengaruh signifikan
terhadap Kepuasaan Kerja.

191
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

8.3 Pengujian Hipotesis 3

H3: Budaya Organsasi berpengaruh langsung terhadap Kinerja


Karyawaan. Parameter estimasi untuk pengujian pengaruh langsung budaya
organisasi terhadap Kinerja Karyawan menunjukkan nilai CR sebesar 2,542 dan
dengan probabilitas sebesar 0,011. Kedua nilai tersebut diperoleh memenuhi
syarat untuk penerimaan H3 yaitu nilai CR sebesar 2,542 yang lebih besar dari
1,96 dan probabilitas yang lebih kecil dari 0,05. Dengan demikian dapat
disimpulkan bahwa hipotesis 3 yang menyatakan budaya organisasi berpengaruh
signifikan terhadap kinerja karyawan.

8.4 Pengujian Hipotesis 4

H4: Motivasi Kerja berpengaruh langsung terhadap Kinerja Karyawaan.


Parameter estimasi untuk pengujian pengaruh langsung Motivasi Kerja terhadap
Kinerja Karyawan menunjukkan nilai CR sebesar -1,577 dan dengan probabilitas
sebesar 0,115 Kedua nilai tersebut diperoleh tidak memenuhi syarat untuk
penerimaan H4 yaitu nilai CR sebesar -1,577 yang lebih kecil dari 1,96 dan
probabilitas yang lebih kecil dari 0,05. Dengan demikian dapat disimpulkan
bahwa hipotesis 4 yang menyatakan Motivasi Kerja tidak berpengaruh signifikan
terhadap kinerja karyawan.

8.5 Pengujian Hipotesis 5

H5: Kepuasaan Kerja berpengaruh langsung terhadap Kinerja


Karyawaan. Parameter estimasi untuk pengujian pengaruh langsung Kepuasaan
Kerja terhadap Kinerja Karyawan menunjukkan nilai CR sebesar -1,375 dan
dengan probabilitas sebesar 0,169. Kedua nilai tersebut diperoleh tidak
memenuhi syarat untuk penerimaan H4 yaitu nilai CR sebesar -1,375 yang lebih
kecil dari 1,96 dan probabilitas yang lebih kecil dari 0,05. Dengan demikian dapat
disimpulkan bahwa hipotesis 5 yang menyatakan Kepuasaan Kerja tidak
berpengaruh signifikan terhadap kinerja karyawan.

192
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Contoh 2 Analisis SEM dalam penelitian menggunakan AMOS 18.00 Secara


grafis diagram jalur model CFA maupun Full Model

A. Judul Penelitian Sistem Infomasi Manajemen

ANALISIS PENGARUH SIKAP DAN KEPUASAN TERHADAP


PENERIMANAN TEKNOLOGI INFORMASI PADA INDUSTRI PERBANKAN

B. Perumusan Masalah

Berdasarkan pokok permasalahan yang peneliti ajukan dari model Internal


& Eksternal manajemen, dapat diuraikan sebagai berikut :

1. Apakah ada pengaruh Persepsi Mudah Penggunaannya (PEU) terhadap


Sikap (ATU) dalam Menerima Teknologi Informasi (ATI) pada Industri
Perbankan ?
2. Apakah ada pengaruh Persepsi Manfaat yang Dirasakan (PU) terhadap
Sikap (ATU) dalam Menerima Teknologi Informasi (ATI) pada Industri
Perbankan ?
3. Apakah ada pengaruh Persepsi Mudah Penggunaannya (PEU) terhadap
Persepsi Manfaat yang Dirasakan (PU) pada Industri Perbankan ?
4. Apakah ada pengaruh Sikap (ATU) terhadap Penerimaan Teknologi
Informasi (ATI) pada Industri Perbankan ?
5. Apakah ada pengaruh Penerimaan Teknologi Informasi (ATI) terhadap
tingkat Kepuasan Pemakai Akhir Komputer (EUCS) pada Industri
Perbankan ?

193
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

C. Kerangka Pikir

Gambar 1.3 : Kerangka Pikir Pengembangan TAM dan EUCS

D. Hipothesis

Untuk menjawab permasalahan yang penulis ajukan, akan dirumuskan


hipotesis mayor dan hipotesis minor, sebagai berikut :

H1 Persepsi Mudah Penggunaannya (PEU) pengaruh positif dan


signifikan terhadap Sikap (ATU)
H1a Kehandalan Sistem (KHS) pengaruh positif dan signifikan terhadap
Persepsi Mudah Penggunaannya (PEU)
H1b User friedliness (UF) pengaruh positif dan signifikan terhadap
Persepsi Mudah Penggunaannya (PEU)

H2 Persepsi Manfaat yang Dirasakan (PU) pengaruh positif dan signifikan


terhadap Sikap (ATU)
H2a Penerimaan Organisasi (PO) pengaruh positif dan signifikan terhadap
Persepsi Manfaat yang Dirasakan (PU)
H2b Kepuasan staf (KS) pengaruh positif dan signifikan terhadap
Persepsi Manfaat yang Dirasakan (PU)

H3 Persepsi Mudah Penggunaannya (PEU) pengaruh positif dan


signifikan terhadap Persepsi Manfaat yang Dirasakan (PU)

H4 Sikap (ATU) pengaruh positif dan signifikan terhadap Penerimaan TI


(ATI)

194
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

H5 Penerimaan TI (ATI) pengaruh positif dan signifikan terhadap EUCS

H5a Content (CN), pengaruh positif dan signifikan terhadap EUCS

H5b Accuracy (AC), pengaruh positif dan signifikan terhadap EUCS

H5c Format (FM), pengaruh positif dan signifikan terhadap EUCS

H5d Ease of Use (EU) pengaruh positif dan signifikan terhadap EUCS

H5e Timeliness (TL), pengaruh positif dan signifikan terhadap EUCS

E. Definisi Operasional Variabel

1. Perceived Usefulness (PU)

Persepsi Manfaat yang Dirasakan adalah tingkat keyakinan individu bahwa


Teknologi Informasi yang digunakan dirasakan dapat memberikan manfaat
dalam melaksanakan aktivitas dan dapat meningkatkan kinerja, baik bagi
Organisasi, Staf Operasional maupun Nasabah. Adapun indikator bagi
Penerimaan Organisasi (PO) diukur melalui Kebijakan manajemen (POA),
keuntungan yang akan diperoleh perusahaan (POB), adanya dukungan
keuangan (POC), serta adanya dukungan teknik (POD) dan training (POE).
Indikator bagi Kepuasan Staf Operasional (KS) diukur melalui Kemudahan
mengoperasikan tugas sehari-hari (KSA) dan adanya prospek karier (KSB).
Indikator bagi Kepuasan Nasabah (KN) diukur melalui dapat memberikan
pelayanan cepat, tepat waktu, handal, biaya murah, rasa aman dan informasi
akurat

2. Perceived Easy of use (PEU)

Persepsi Kemudahan dalam Penggunaanya adalah tingkat keyakinan


individu bahwa penggunaan TI tidak sulit, mudah dipahami dan tidak perlu
perhatian khusus dalam mengoperasikannya. Adapun indikator dari variabel
tersebut adalah Kehandalan Sistem (KHS) yang diukur melalui TI mampu
mendukung operasional (KHA), informasi yang diberikan up todate (KHB) dan
berarti (KHC), dapat mengurangi tingkat kesalahan (KHD). User Friendliness
(UF) diukur melalui kemudahan dalam mengoperasikan TI (UFA) serta adanya
dukungan peralatan tambahan (periheral devices) (UFB).

195
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

a) Sikap (attitude)

Sikap adalah perilaku, keyakinan dan perasaan yang dirasakan oleh


individu setelah menggunakan TI atau dinyatakan sebagai penilaian dari
individu terhadap suatu objek yang melibatkan perasaannya maupun
keyakinannya. Dimana variabel sikap diukur melalui perasaan suka atau
tidak suka (SKP).

3. Menerima TI (Acceptance TI)

Menerima TI adalah suatu keputusan yang dilakukan individu untuk


menerima atau menolak penggunaan TI dilingkungannya berdasarkan sikap
yang telah diyakininya. Dimana variable menerima TI diukur melalui penerimaan
individu terhadap kehadiran TI dilingkungannya (KPS).

4. Kepuasan Pemakai Akhir Komputer (EUCS)

Kepuasan adalah Individu merasa puas setelah menerima kehadiran TI yang


telah memberikan manfaat dan peningkatan kinerja. Kepuasan diukur melalui
End User Computing Satisfaction (EUCS) dengan indikatornya sebagai berikut
content (CN), accuracy (AC), format (FM), ease of use (EU) dan timeliness (TL).

Penentuan skor untuk item-item pernyataan tersebut terhadap masalah


yang diteliti menggunakan scala likert. Alternatif penilaian terdiri dari 5 pilihan
dimana tingkat gradasi sangat positif sampai dengan sangat negatif, yaitu Sangat
Setuju (skor 5), Setuju (skor 4), Ragu-ragu (skor 3) Tidak Setuju (2) Sangat
Tidak Setuju (skor 1)

Untuk lebih jelasnya variabel yang digunakan dalam penelitian ini, dapat dilihat
pada Tabel 8.21 berikut ini:

Tabel 8.21 Variabel Terukur/Indikator/Manifes


Kelom Variabel
Variabel
Penerimaan POA. Kebijakan Manajemen
Organisasi POB. Keuntungan yang diperoleh
(PO) POC. Dukungan keuangan
POD. Dukungan teknik
POE. Dukungan pelaksanaan training
Perceived Kepuasan KSA. Kemudahan mengoperasikan tugas sehari-hari
usefulness Staf (KS) KSB. Prospek karier
(PU)
Kepuasan KNA. Pelayanan cepat
Nasabah KNB. Tepat waktu
(KN) KNC. Handal
KND. Informasi akurat

196
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

KNE. Penerapan biaya


KNF. Tingkat keamanan
Kehandalan KHA. Mampu mendukung operasional
Sistem KHB. Informasi up todate
Perceived ease (KHS) KHC. Kesalahan berkurang
of use (PEU) KHD. Informasi yang berarti
User friedliness
UFA. Mudah untuk dioperasikan
(UF) UFB. Dukungan bantuan menu/icon
End User Content CNA. Sistem menyediakan informasi yang dibutuhkan
Computing
CNB. Isi sistem sudah sesuai yang dibutuhkan
Satisfaction
(EUCS) CNC. Sistem menyediakan laporan
CND. Sistem menyediakan informasi yang cukup
Accuracy ACA. Sistem akurat ?
ACB. Puas dengan keakuratan sistem tersebut
Format FMA.Output sistem dapat menjelaskan format sistem
FMB.Format sistem mudah dibersihkan?
Ease of EUA. Sistem user friendly ?
Use EUB. Sistem easy to use ?
Timeliness TLA. Informasi yang dibutuhkan tepat waktu
TLB. Informasi selalu diperbaharui
Attitude Toward SKP. Perilaku / sikap Individu Terhadap TI
Using (ATU)
Acceptance TI KPS. Keputusan Menerima atau menolak TI

Dari definisi operasional tersebut, dibuatlah gambaran penelitian berserta atribut,


sebagai berikut :

F. Tenik Analisa Data

Dengan memperhatikan model penelitian, kerangka teoritis dan tahapan


penelitian yang telah diformulasikan sebelumnya, teknik yang tepat untuk

197
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

digunakan dalam penelitian ini, adalah model persamaan struktural (structural


equation modelling (SEM ).

5.1 Pemeriksaan Asumsi yang Melandasi SEM

Dalam penelitian ini, pemeriksaan asumsi yang melandasi


Structural Equation Modeling (SEM) adalah meliputi uji outlier, linieritas,
validitas dan reabilitas.

5.2 Uji Data Outliers

Pengujian hipotesis dalam penelitian akan bersifat valid jika


didasarkan pada data atau informasi yang valid, dan informasi akan
bersifat valid jika diperoleh dari data yang berkualitas. Data yang
digunakan dalam penelitian akan mengandung outliers apabila data
tersebut bersifat bias dan tidak berkualitas. Diperoleh hasil bahwa untuk
semua indikator penelitian memiliki nilai mean yang lebih besar dibanding
dengan standar deviasi, sehinga semua indikator tidak mengandung data
outliers. Oleh karena itu, semua indikator yang digunakan pada penelitian
ini layak dianalisis untuk membuktikan hipotesis.

5.3 Uji Linieritas

Linearitas adalah keadaan dimana hubungan antara variabel


dependen dengan variabel independen bersifat linear (garis lurus) dalam
range variabel independen tertentu. Hasil pemeriksaan asumsi linieritas
pada penelitian ini dilakukan dengan SPSS 18, yaitu menggunakan Curve
Fit. Pendekatan yang digunakan merujuk pada konsep parsimony, yaitu
bilamana seluruh model yang digunakan sebagai dasar pengujian signifikan
atau nonsignifikan berarti model dikatakan linier. Spesifikasi model yang
digunakan sebagai dasar pengujian adalah model linier, kuadratik, kubik,
inverse, logarithmic, power, S, compound, growth dan eksponensial.
Berdasarkan hasil yang telah diolah dapat diketahui bahwa semua bentuk
hubungan antar variabel yang terdapat di dalam model struktural adalah
linier Dengan demikian asumsi linieritas pada SEM terpenuhi.

198
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

5.4 Uji Validitas dan Reliabilitas Instrumen Penelitian

Populasi dalam penelitian ini adalah Internal & Eksternal

Manajemen pada industri perbankan berjumlah 243 responden.

Pemeriksaan validitas instrumen dilakukan dengan uji interkorelasi dan

jika r > 0.3 maka item bersangkutan dikatakan valid, Sedangkan uji

reliabilitas instrumen dilakukan dengan melihat koefisien Cronbach, dan

jika > 0.6 maka instrumen penelitian dikatakan reliable

G. Hasil Analisis Data

Terdapat dua jenis pengujian dalam tahap ini, yakni (1) Confirmatory

Factor Analysis (CFA) Measurement Model dan (2) Structural Equation Model

(SEM). Masing-masing uji adalah sebagai berikut:

1. Confirmatory Factor Analysis (CFA)

Confirmatory Factor Analysis (CFA) Measurement Model adalah proses

pemodelan dalam penelitian yang diarahkan untuk menyelidiki undimensionalitas

dari indikator-indikator yang menjelaskan sebuah faktor atau sebuah variabel

laten.

Terdapat dua uji dasar dalam CFA, yaitu uji kesesuaian model

(Goodness-of- Fit Test) serta uji signifikansi bobot faktor. Uji kesesuaian model

(Goodness-of- Fit Test) digunakan untuk menguji undimensionalitas dari dimensi-

dimensi yang menjelaskan sebuah faktor atau sebuah variabel laten. Pengujian

dilakukan dengan menggunakan pendekatan indeks-indeks yang telah umum

digunakan. Indeks-indeks yang dapat digunakan untuk menguji kelayakan

sebuah model adalah seperti yang diringkas dalam Tabel 5. 26. sebagai berikut :

199
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.22 Goodness of-fit Indices


Goodness of fit index Cut-off Value

2 Chi-square Diharapkan kecil

Sign.Probability 0.05

CMIN/DF 2.00

GFI 0.90

AGFI 0.90

TLI 0.95

CFI 0.95

RMSEA 0,08

Sumber : Ferdinand A, (2002)

Uji signifikansi bobot faktor bertujuan untuk mengetahui apakah sebuah

variabel dapat digunakan untuk mengkonfirmasi bahwa variabel itu dapat

bersama-sama dengan variabel lainnya menjelaskan sebuah variabel laten yang

dikaji; hal ini dilakukan melalui dua tahapan yaitu dengan melihat nilai lamda

atau factor loading dan melihat bobot faktor (regression weight).

Nilai lamda yang dipersyaratkan adalah harus mencapai lebih dari atau

sama dengan 0,40, apabila nilai lamda lebih rendah dari 0,40 dipandang variabel

itu tidak berdimensi sama dengan variabel lainnya untuk menjelaskan sebuah

variabel laten (Ferdinand, 2002:168).

Sebagaimana dalam CFA, pengujian SEM juga dilakukan dengan dua

macam pengujian yakni uji kesesuaian model serta uji signifikansi kausalitas

melalui uji koefisien regresi. Langkah analisis untuk menguji model penelitian

dilakukan melalui tiga tahap, yakni pertama menguji model dasar, jika hasilnya

kurang memuaskan dilanjutkan dengan tahap kedua dengan memberikan

perlakuan modifikasi terhadap model yang dikembangkan setelah

memperhatikan indeks modifikasi dan dukungan (justifikasi) dari teori yang ada;

200
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

jika pada tahap kedua masih diperoleh hasil yang kurang memuaskan, maka

ditempuh langkah yang ketiga dengan cara menghilangkan atau menghapus

(drop) variabel yang memiliki bobot faktor kurang dari 0,40, sebab variabel ini

dipandang tidak berdimensi sama dengan variabel lainnya untuk menjelaskan

sebuah variabel laten.

Hasil pengolahan AMOS terhadap model dasar penelitian adalah

sebagaimana ditunjukkan dalam gambar model Internal dan Eksternal

Manajemen tentang structural equation model (SEM) hubungan kausal antara

Faktor Perceived usefulness (PU), Perceived Ease of Use (PEU), Attitude

Toward Using (ATU), Acceptance TI dan End User Computing Satisfaction

(EUCS).

Berdasarkan komputasi AMOS untuk model SEM pada pengujian tahap

pertama dihasilkan indeks-indeks goodness-of-fit sebagai berikut:

1. Subdimensi Model

1.1 Subdimensi Perceived Ease of Use (PEU),

Variabel yang diuji sebagai indikator subdimensi Perceived Ease of Use

(PEU) meliputi User Fiendly (UF) dan Kehandalan Sistem (KHS). Hasil pengujian

Confirmatory Factor Analysis (CFA) ditunjukkan pada Gambar .8.13

201
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Gambar 8.13 Pengukuran Faktor dan Hasil Uji Model Subdimensi Perceived
Ease of Use

Hasil uji konstruk subdimensi Perceived Ease of Use disajikan pada

Gambar 8.13 diatas dievaluasi berdasarkan goodness of fit indices pada tabel

8.23 berikut dengan disajikan kriteria model serta nilai kritisnya yang memiliki

kesesuaian data.

Tabel 8.23 Evaluasi kriteria Goodness of Fit Indices subdimensi Perceived


Ease of Use (PEU)
Goodness of fit index Cut-off Value Hasil Model Keterangan

2 Chi-square Diharapkan kecil 2,587 Baik

Sign.Probability 0.05 0.274 Baik

CMIN/DF 2.00 1,293 Baik

GFI 0.90 0.993 Baik

AGFI 0.90 0.925 Baik

TLI 0.95 0.982 Baik

CFI 0.95 0.998 Baik

RMSEA 0,08 0.050 Baik

Sumber : Ferdinand A, (2002)

202
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Dari evaluasi model yang diajukan menunjukkan bahwa evaluasi model

terhadap konstruk secara keseluruhan menghasilkan nilai diatas kritis yang

menunjukkan bahwa model telah sesuai dengan data, sehingga dapat dilakukan

uji kesesuaian model selanjutnya.

Tabel 8.24. Loading Factor dari Setiap Indikator Variabel Perceived Ease of
Use (PEU)
Indikator Loading Factor (p value) Keterangan
User Friedly (UF) 0,311 (0,130) Non Signifikan
Kehandalan system (KHS) 1,000 (Fix) Fix

Berdasarkan fakta empiris seperti pada Tabel 8.24 dapat dikatakan

bahwa indikator User Friedly (UF) sebagai pengukur variabel Perceived Ease of

use (PEU) mempunyai dampak yang non signifikan. Sedangkan indikator

Kehandalan system (KHS) bersifat pasti (Fix)

1.2 Subdimensi Perceived Usefulness (PU)

Variabel yang diuji sebagai indikator subdimensi Perceived Usefulness

meliputi Kepuasan Staff (KS) dan Penerimaan Organisasi (PO). Hasil pengujian

Confirmatory Factor Analysis (CFA) ditunjukkan pada Gambar 8.14

Gambar 8.14 Pengukuran Faktor dan Hasil Uji Model Subdimensi Perceived
Usefulness

203
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Hasil uji konstruk subdimensi Perceived Usefulness disajikan pada

Gambar 8.14 diatas dievaluasi berdasarkan goodness of fit indices pada Tabel

8.25. Berikut dengan disajikan kriteria model serta nilai kritisnya yang memiliki

kesesuaian data.

Tabel 8.25 Evaluasi kriteria Goodness of Fit Indices subdimensi Perceived


Usefulness (PU)
Goodness of fit index Cut-off Value Hasil Model Keterangan

2 Chi-square Diharapkan kecil 8.876 Baik

Sign.Probability 0.05 0,361 Baik

CMIN/DF 2.00 8,786 Baik

GFI 0.90 0,979 Baik

AGFI 0.90 0,926 Baik

TLI 0.95 0,988 Baik

CFI 0.95 0,996 Baik

RMSEA 0,08 0,29 Baik

Sumber : Ferdinand A, (2002)

Dari evaluasi model yang diajukan menunjukkan bahwa evaluasi model

terhadap konstruk secara keseluruhan menghasilkan nilai diatas kritis yang

menunjukkan bahwa model telah sesuai dengan data, sehingga dapat dilakukan

uji kesesuaian model selanjutnya.

Tabel 8.26 Loading Factor dari Setiap Indikator Variabel Perceived


Usefulness
Indikator Loading Factor (p value) Keterangan
Penerimaan Organisasi (PO) 0,080 (0,006) Signifikan
Kepuasan Staf (KS) 1,000 (fix) Fix

Berdasarkan fakta empiris seperti pada Tabel 8.26 dapat dikatakan

bahwa indikator Penerimaan Organisasi (PO) sebagai pengukur variabel

204
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Perceived Usefulness mempunyai dampak yang signifikan. Sedangkan indikator

Kepuasan Staf (KS) bersifat pasti (Fix)

1.3 Subdimensi End User Computing Satisfaction (EUCS)

Variabel yang diuji sebagai indicator subdimensi End User Computing

Satisfaction (EUCS), meliputi Content (CN), Accuracy (AC), Format (FM), Ease

of Use (EU) dan Timeliness (TL). Hasil pengujian Confirmatory Factor Analysis

(CFA) ditunjukkan pada Gambar 8.15

Gambar 8.15. Pengukuran Faktor dan Hasil Uji Model Subdimensi


EUCS

Hasil uji konstruk subdimensi End User Computing Satisfaction (EUCS)

disajikan pada Gambar 8.15 diatas dievaluasi berdasarkan goodness of fit

indices pada Tabel 8.27 berikut dengan disajikan kriteria model serta nilai

kritisnya yang memiliki kesesuaian data.

205
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Tabel 8.27. Evaluasi kriteria Goodness of Fit Indices subdimensi EUCS


Goodness of fit index Cut-off Value Hasil Model Keteranga
n

2 Chi-square Diharapkan kecil 39,620 Baik

Sign.Probability 0.05 0,532 Baik

CMIN/DF 2.00 0,966 Baik

GFI 0.90 0,951 Baik

AGFI 0.90 0,907 Baik

TLI 0.95 1,003 Baik

CFI 0.95 1,000 Baik

RMSEA 0,08 0,000 Baik

Sumber : Ferdinand A, (2002)

Dari evaluasi model yang diajukan menunjukkan bahwa evaluasi model

terhadap konstruk secara keseluruhan menghasilkan nilai diatas kritis yang

menunjukkan bahwa model telah sesuai dengan data, sehingga dapat dilakukan

uji kesesuaian model selanjutnya.

Tabel 8.28 Loading Factor dari Setiap Indikator Variabel End User
Computing Satisfaction (EUCS)
Indikator Loading Factor (p value) Keterangan
Content (CN) 1,000 (Fix) Fix
Accuracy (AC), 1,000 (Fix) Fix
Format (FM), 1,000 (Fix) Fix
Ease of Use (EU) 1,540 (0,000) Signifikan
Timeliness (TL) 0,793 (0,000) Signifikan

Berdasarkan fakta empiris seperti pada Tabel 5.32. dapat dikatakan


bahwa indikator Ease of Use (EU) dan Timeliness (TL).sebagai pengukur
variabel End User Computing Satisfaction (EUCS) mempunyai dampak yang
signifikan. Sedangkan indikator Content (CN), Accuracy (AC), Format (FM),
bersifat pasti (fix)

206
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

1.3 Subdimensi Acceptance TI (ATI)

Variabel yang diuji sebagai indicator subdimensi Acceptance TI (ATI)

meliputi keputusan yang akan diambil (KPS). Hasil pengujian Confirmatory

Factor Analysis (CFA) ditunjukkan pada Gambar 8.16

Gambar 8.16 Pengukuran Faktor dan Hasil Uji Model Subdimensi


Acceptance TI.

Hasil uji konstruk subdimensi Acceptance TI disajikan pada Gambar 8.16

diatas dievaluasi berdasarkan goodness of fit indices pada Tabel 8.29. berikut

dengan disajikan kriteria model serta nilai kritisnya yang memiliki kesesuaian

data.

Tabel 8.29 Evaluasi kriteria Goodness of Fit Indices subdimensi


Acceptance TI (ATI).
Goodness of fit index Cut-off Value Hasil Model Keteranga
n

2 Chi-square Diharapkan kecil 0,000 Baik

Sign.Probability 0.05 -

CMIN/DF 2.00 -

GFI 0.90 1,000 Baik

AGFI 0.90 -

TLI 0.95 -

CFI 0.95 -

RMSEA 0,08 -

Sumber : Ferdinand A, (2002)

207
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Dari evaluasi model yang diajukan menunjukkan bahwa evaluasi model

terhadap konstruk secara keseluruhan menghasilkan nilai diatas kritis yang

menunjukkan bahwa model telah sesuai dengan data, sehingga dapat dilakukan

uji kesesuaian model selanjutnya.

Tabel 8.30 Loading Factor dari Setiap Indikator Variabel Acceptance TI


(ATI)
Indikator Loading Factor (p value) Keterangan
Keputusan (KPS) 1,000 (Fix) Fix

Berdasarkan fakta empiris seperti pada Tabel 8.30. dapat dikatakan

bahwa indikator keputusan (KPS) sebagai pengukur variabel Acceptance TI

(ATI) bersifat pasti (Fix).

1.4 Subdimensi Attitude Toward Using (ATU)

Variabel yang diuji sebagai indicator subdimensi Attitude Toward Using

(ATU) meliputi sikap yang akan diambil (SKP). Hasil pengujian Confirmatory

Factor Analysis (CFA) ditunjukkan pada Gambar 8.17

Gambar 8.17 Pengukuran Faktor dan Hasil Uji Model Subdimensi Attitude
Toward using

Hasil uji konstruk subdimensi Attitude toward using (ATU) disajikan pada

Gambar 8.17 diatas dievaluasi berdasarkan goodness of fit indices pada Tabel

208
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

8.31 berikut dengan disajikan kriteria model serta nilai kritisnya yang memiliki

kesesuaian data.

Tabel 8.31 Evaluasi kriteria Goodness of Fit Indices subdimensi Attitude


Toward using (ATU)
Goodness of fit index Cut-off Value Hasil Model Keterangan

2 Chi-square Diharapkan kecil 0,000 Baik

Sign.Probability 0.05 -

CMIN/DF 2.00 -

GFI 0.90 1,000 Baik

AGFI 0.90 -

TLI 0.95 -

CFI 0.95 -

RMSEA 0,08 -

Sumber : Ferdinand A, (2002)

Dari evaluasi model yang diajukan menunjukkan bahwa evaluasi model

terhadap konstruk secara keseluruhan menghasilkan nilai diatas kritis yang

menunjukkan bahwa model telah sesuai dengan data, sehingga dapat dilakukan

uji kesesuaian model selanjutnya.

Tabel 8.32 Loading Factor dari Setiap Indikator Variabel Attitude Toward
Using (ATU)
Indikator Loading Factor (p value) Keterangan
Keputusan (KPS) 1,000 (Fix) Fix

Berdasarkan fakta empiris seperti pada Tabel 8.32 bahwa indikator

keputusan (KPS) sebagai pengukur variabel Attitude Toward Using (ATU)

bersifat pasti (Fix).

209
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

2. Uji Structural Equation Model (SEM)

2.1 Model Analisis SEM Tahap Awal

Berdasarkan cara penentuan nilai dalam model, maka variabel

pengujian model pertama ini dikelompokkan menjadi variabel eksogen

(exogenous variabel) dan variabel endogen (endogenous variable). Variabel

eksogen adalah variabel yang nilainya ditentukan di luar model. Sedangkan

variabel endogen adalah variabel yang nilainya ditentukan melalui persamaan

atau dari model hubungan yang dibentuk. Model dikatakan baik bilamana

pengembangan model hipotetik secara teoritis didukung oleh data empirik. Hasil

analisis SEM pada tahap awal secara lengkap dapat dilihat pada gambar berikut:

Gambar 8.18. Uji Goodness of Fit Model Tahap Awal

Hasil uji konstruk dimensi kualitas hasil akhir disajikan pada Gambar 8.18

diatas dievaluasi berdasarkan goodness of fit indices, kriteria model serta nilai

210
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

kritisnya yang memiliki kesesuaian data dapat dilihat pada Tabel 8.33. sebagai

berikut:

Tabel 8.33 Evaluasi kriteria Goodness of Fit Indices Overall Model Tahap
Awal
Goodness of fit
Cut-off Value Hasil Model Keterangan
index

2 Chi-square Diharapkan kecil 645,137 Model Marginal

Sign.Probability 0.05 0,000 Model Marginal

CMIN/DF 2.00 1,991 Model Marginal

GFI 0.90 0,718 Model Marginal

TLI 0.95 0,798 Model Marginal

CFI 0.95 0,813 Model Marginal

RMSEA 0,08 0,092 Model Marginal

Sumber : Data yang di olah

Berdasarkan Tabel 8.33 maka dapat diketahui bahwa model belum layak

digunakan. Berdasarkan pentunjuk modification indices kemudian dilakukan

modifikasi untuk memperbaiki model sehingga valid untuk pembuktian hipotesis.

Modifikasi model diutamakan hanya pada korelasi antar item dan atau error dan

tidak memodifikasi jalur pengaruh.

2.2 Model Analisis SEM Tahap Akhir

Hasil uji konstruk dimensi kualitas hasil akhir disajikan pada Gambar 8.19

dievaluasi berdasarkan goodness of fit indices, kriteria model serta nilai kritisnya

yang memiliki kesesuaian data seperti yang nampak pada Tabel 8.34

211
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Gambar 8.19 Uji Goodness of Fit Model Tahap Akhir

Hasil uji konstruk dimensi kualitas hasil akhir disajikan pada Gambar

8.19 diatas dievaluasi berdasarkan goodness of fit indices, kriteria model serta

nilai kritisnya yang memiliki kesesuaian data seperti yang nampak pada Tabel

8.34

Tabel 8.34 Evaluasi kriteria Goodness of Fit Indices Overall Model Tahap Akhir
Goodness of fit
Cut-off Value Hasil Model Keterangan
index

2 Chi-square Diharapkan kecil 184,766 Baik

Sign.Probability 0.05 0,835 Baik

CMIN/DF 2.00 0,808 Baik

GFI 0.90 0,900 Baik

TLI 0.95 1,017 Baik

CFI 0.95 1,000 Baik

RMSEA 0,08 0,000 Baik

Sumber : Data yang di olah

212
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Dari evaluasi model yang diajukan menunjukkan bahwa evaluasi


terhadap model terhadap konstruk secara keseluruhan ternyata dari berbagai
kriteria sudah tidak terdapat pelanggaran kritis sehingga dapat dikemukakan
bahwa model relatif dapat diterima atau sesuai dengan data, sehingga dapat
dilakukan uji kesesuaian model selanjutnya.

Tabel 8.35 Regression Weights: (Group number 1 - Default model)


Estimate S.E. C.R. P
Perceived Perceived Ease
<--- .688 .186 3.700 ***
Usefulness (Pu) Of Use (Peu)
Attitude Toward Perceived
<--- .283 .356 .795 .426
Using (Atu) Usefulnes (Pu)
Attitude Toward Perceived_Ease
<--- .462 .217 2.127 .033
Using (Atu) Of Use (Peu)
Acceptance Ti Attitude Toward
<--- 1.132 .221 5.118 ***
(Ati) Using (Atu)
Enduser
Computing Acceptance Ti
<--- 1.459 .245 5.947 ***
Satisfaction (Ati)
(Eucs)

Tabel 8.36 Pengujian Hipotesis


Hipotesis Indikator (pengaruh) Loading Factor Keterangan
(p value)
H1 PEU Terhadap ATU 0,462 (0,033) Signifikan
H1a PEU Terhadap KHS 1,000 (FIX) FIX
H1b PEU Terhadap UF 1,196 (0,000) Signifikan
H2 PU Terhadap ATU 0,283 (0,426) Non
Signifikan
H2a PU Terhadap PO 0,773 (0,001) Signifikan
H2b PU Terhadap KS 1,000 (FIX) FIX
H3 PEU Terhadap PU 0,688 (0,000) Signifikan
H4 ATU Terhadap ATI 1,132 (0,000) Signifikan
H5 ATI Terhadap EUCS 1,459 (0,000) Signifikan
H5a EUCS Terhadap CN 1,000 (FIX) FIX
H5b EUCS Terhadap AC 1,000 (FIX) FIX
H5c EUCS Terhadap FM 0,881 (0,000) Signifikan
H5d EUCS Terhadap EU 1,341 (0,000) Signifikan
H5e EUCS Terhadap TL 0,612 (0,000) Signifikan
Sumber : Data yang diolah

213
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

Dari hasil pengujian hipotesis pada Table 8.37 dapat dijelaskan sebagai berikut :

1. Dengan menggunakan analisis SEM, Perceived Ease of Use (PEU)

berpengaruh positif dan signifikan terhadap Attitude Toward Using (ATU)

yang dibuktikan oleh nilai koefisien path sebesar 0,462 dan nilai p-value

sebesar 0.033. Hasil ini mendukung hipotesis (H1) yang menyatakan

bahwa Perceived Ease of Use (PEU) berpengaruh positif dan signifikan

terhadap Attitude Toward Using (ATU).

2. Dengan menggunakan analisis SEM, Perceived Ease of Use (PEU)

berpengaruh pasti (Fix) terhadap Kehandalan Sistem (KHS) yang

dibuktikan oleh nilai koefisien path sebesar 1,000. Hasil ini mendukung

hipotesis (H1a) yang menyatakan bahwa Perceived Ease of Use (PEU)

berpengaruh positif dan signifikan terhadap Kehandalan Sistem (KHS).

3. Dengan menggunakan analisis SEM, Perceived Ease of Use (PEU)

berpengaruh positif dan signifikan terhadap User Friedly (UF) yang

dibuktikan oleh nilai koefisien path sebesar 0,196 dan nilai p-value

sebesar 0.000. Hasil ini mendukung hipotesis (H1b) yang menyatakan

bahwa Perceived Ease of Use (PEU) berpengaruh positif dan signifikan

terhadap User Friedly (UF).

4. Dengan menggunakan analisis SEM, Perceived Usefulness (PU)

berpengaruh positif dan tidak signifikan terhadap Attitude Toward Using

(ATU) yang dibuktikan oleh nilai koefisien path sebesar 0.283 dan nilai p-

value sebesar 0,426. Hasil ini menolak hipotesis (H2) yang menyatakan

bahwa Perceived Usefulness (PU) berpengaruh positif dan signifikan

terhadap Attitude Toward Using (ATU).

214
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

5. Dengan menggunakan analisis SEM, Perceived Usefulness (PU)

berpengaruh positif dan signifikan terhadap Penerimaan Organisasi (PO)

yang dibuktikan oleh nilai koefisien path sebesar 0.773 dan nilai p-value

sebesar 0.001. Hasil ini mendukung hipotesis (H2a) yang menyatakan

bahwa Perceived Usefulness (PU) berpengaruh positif dan signifikan

terhadap Penerimaan Organisasi (PO).

6. Dengan menggunakan analisis SEM, Perceived Usefulness (PU)

berpengaruh pasti (Fix) terhadap Kepuasan Staf (KS) yang dibuktikan

oleh nilai koefisien path sebesar 1,000. Hasil ini mendukung hipotesis

(H2b) yang menyatakan bahwa Perceived Usefulness (PU) berpengaruh

positif dan signifikan terhadap Kepuasan Staf (KS).

7. Dengan menggunakan analisis SEM, Perceived Ease of Use (PEU)

berpengaruh positif dan signifikan terhadap Perceived Usefulness (PU)

yang dibuktikan oleh nilai koefisien path sebesar 0,688 dan nilai p-value

sebesar 0.000. Hasil ini mendukung hipotesis (H3) yang menyatakan

bahwa Perceived Ease of Use (PEU) berpengaruh positif dan signifikan

terhadap Perceived Usefulness (PU).

8. Dengan menggunakan analisis SEM, Attitude Toward Using (ATU)

berpengaruh positif dan signifikan terhadap Acceptance TI (ATI) yang

dibuktikan oleh nilai koefisien path sebesar 1,132 dan nilai p-value

sebesar 0.000. Hasil ini mendukung hipotesis (H4) yang menyatakan

bahwa Attitude Toward Using (ATU) berpengaruh positif dan signifikan

terhadap Acceptance TI (ATI).

9. Dengan menggunakan analisis SEM, Acceptance TI (ATI) berpengaruh

positif dan signifikan terhadap End User Computing Satisfaction (EUCS)

215
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

yang dibuktikan oleh nilai koefisien path sebesar 1,459 dan nilai p-value

sebesar 0.000. Hasil ini mendukung hipotesis (H5) yang menyatakan

bahwa Acceptance TI (ATI) berpengaruh positif dan signifikan terhadap

End User Computing Satisfaction (EUCS).

10. Dengan menggunakan analisis SEM, End User Computing Satisfaction

(EUCS) berpengaruh pasti (Fix) terhadap Content (CN) yang dibuktikan

oleh nilai koefisien path sebesar 1,000. Hasil ini mendukung hipotesis

(H5a) yang menyatakan bahwa End User Computing Satisfaction (EUCS)

berpengaruh positif dan signifikan terhadap Content (CN).

11. Dengan menggunakan analisis SEM, End User Computing Satisfaction

(EUCS) berpengaruh pasti (Fix) terhadap Accuracy (AC) yang dibuktikan

oleh nilai koefisien path sebesar 1,000. Hasil ini mendukung hipotesis

(H5b) yang menyatakan bahwa End User Computing Satisfaction (EUCS)

berpengaruh positif dan signifikan terhadap Accuracy (AC).

12. Dengan menggunakan analisis SEM, End User Computing Satisfaction

(EUCS) berpengaruh positif dan signifikan terhadap Format (FM) yang

dibuktikan oleh nilai koefisien path sebesar 0,881 dan nilai p-value

sebesar 0.000. Hasil ini mendukung hipotesis (H5c) yang menyatakan

bahwa End User Computing Satisfaction (EUCS) berpengaruh positif dan

signifikan terhadap Format (FM).

13. Dengan menggunakan analisis SEM, End User Computing Satisfaction

(EUCS) berpengaruh positif dan signifikan terhadap Ease of Use (EU)

yang dibuktikan oleh nilai koefisien path sebesar 1,341 dan nilai p-value

sebesar 0.000. Hasil ini mendukung hipotesis (H5d) yang menyatakan

216
Contoh Analisis SEM dalam Penelitian Menggunakan Amos 18.00

bahwa End User Computing Satisfaction (EUCS) berpengaruh positif dan

signifikan terhadap Ease of Use (EU).

14. Dengan menggunakan analisis SEM, End User Computing Satisfaction

(EUCS) berpengaruh positif dan signifikan terhadap TimeLiness (TL)

yang dibuktikan oleh nilai koefisien path sebesar 0,612 dan nilai p-value

sebesar 0.000. Hasil ini mendukung hipotesis (H5e) yang menyatakan

bahwa End User Computing Satisfaction (EUCS) berpengaruh positif dan

signifikan terhadap TimeLiness (TL).

217
DAFTAR PUSTAKA

Arbuckle, J. (1997), Amos Users Guide Version 3.6, Chicago IL: Smallwaters
Corporation.

Byrne, Barbara. M. (2001). Structural Equation Modeling With Amos:


Basic Concepts, Applications, and Programming. London: Lawrence
Erlbaum Associates Publishers

Caroline, Z. (2007). Correlated error terms.


http://zencaroline.blogspot.com/2007/04/correlated-error-terms.html. Date
Accessed: 28 April 2011.

Efferin, S. et al. (2008), Metode Penelitian Akuntansi (Mengungkap Fenomena


dengan Pendekatan Kuantitatif dan Kualitatif), Cetakan Pertama, Graha
Ilmu, Yogyakarta.

Ferdinand, Augusty. (2000). Structural Equation Modeling Dalam Penelitian


Manajemen. Aplikasi Model-Model Rumit dalam Penelitian untuk Tesis S2
dan Disertasi S3. Semarang: Badan Penerbit Universitas Diponegoro.

Fox, Johns. (2002). Structural Equation Model. Appendix to An R and S-PLUS


Companion to Applied Regression

Garson, David.G. (2006). Structural Equation Model. World Wide Web:


http://hcl.chass.ncsu.edu/ssl/ssl.htm

Ghozali, Abbas. (2001 ). Tinjauan Metodologi: Structural Equation Modeling dan


Penerapannya dalam Pendidikan. World Wide Web:
http://www.depdiknas.go.id

Handayani, R. (2007), Analisis Faktor-Faktor yang Mempengaruhi Minat


Pemanfaatan Sistem Informasi dan Penggunaan Sistem Informasi, SNA X.

Hoe, S. L. (2008), Issues And Procedures In Adopting Structural Equation


Modeling Technique, Journal of Applied Quantitative Methods (JAQM), Vol.
3, No. 1, Spring.

Hox, J.J dan Bechger, T.M. (1998), An Introduction to Structural Equation


Modeling, Family Science Review, 11, 354-373.

218
Johnson, A. M. (2005), The Technology Acceptance Model And The Decision Invest
In Information Security, Proceedings of the 2005 Southern Association
of Information Systems Conference.

John W. Lounsbury, Lucy W.Gibson, Richard A. Saudargas, Scale Development


dalam Frederick T.L. Leong and James T. Austin, The Psychology Research
Handbook: A Guide for Graduate Students and Research Assistants (Thousand
Oaks: Sage Publications, Inc., 2006) p.144.

Kline, Rex.B. (2001). Principles and Practice of Structural Equation Modeling. New
York: The Guilford Press

Marguerite G. Lodico, Dean T. Spaulding, Katherine H. Voegtle, Methods in


Educational Research: From Theory to Practice (San Fransisco: John Wiley
& Sons, Inc., 2006) p.211.

Narimawati, Umi dan Jonathan Sarwono.(2007). Structural Equation Model


(SEM) Dalam Riset Ekonomi: Menggunakan LISREL. Yogyakarta: Penerbit
Gava Media.

Perry Roy Hilton and Charlotte Brownlow, SPSS Explained, (East Sussex :
Routledge, 2004) p.364.

Restu Kartiko Widi - ASAS METODOLOGI PENELITIAN Sebuah Pengenalan dan


Penuntun Langkah demi Langkah Pelaksanaan Penelitian - GRAHA ILMU -
diakses dari: http://dc224.4shared.com/doc/rPtOoiOs/preview.html

Ridings, C. M., Gefen, D., dan Arinze, B. (2002), Some Antecedents and Effect of
Trust in Virtual Communities, Journal of Strategic Information Systems, 11:
271-295.

Sarwono, Jonathan. (2008). Mengenal AMOS untuk Analisis Structural Equation


Model. Dalam proses penerbitan.

Sebastian Rainsch, Dynamic Strategic Analysis: Demystifying Simple Success


Strategies (Wiesbaden: Deutscher Universitasts-Verlag, 2004) p.167.

Sumarto, (2009). Structural Equation Modeling, Kursus Structural Equation


Modeling dengan AMOS, UPN Veteran Jakarta.

Sukmadinata, Nana Syaodih, Prof.Dr.,2010, Metode Penelitian Pendidikan,


Bandung: PT. Remaja Rosdakarya

Wibowo, A. (2006), Kajian Tentang Perilaku Pengguna Sistem Informasi Dengan


Pendekatan Technology Acceptance Model (Tam), Universitas Budi Luhur,
Jakarta.

219
Widodo, P. P. (2006), Structural Equation Modeling, Universitas Budi Luhur
Jakarta.

Wijanto, S. H., Structural Equation Modeling dengan LISREL 8.8 (Konsep


danTutorial), Cetakan Pertama, Graha Ilmu, Yogyakarta, 2008.

220

Beri Nilai