METODOLOGI PENELITIAN
STRUCTURAL EQUATION MODELING (SEM)
Kelompok 3:
Nama Anggota :
Kepuasan Kerja
X1 X2 X3
mempengaruhi variabel laten status social ekonomi. Jika salah satu indicator
meningkat maka indicator yang lian tidak harus ikut mengingkat pula. Kenaikan pada
satu indicator pendapatan akan meningkatkan variabel laten SSE. Berikut ini contoh
gambar konstruk dengan formatif indicator.
prestise
pekerjaan
pendidikan pendapatan
status
sosial
ekonomi
laten. Oleh karena lebih menitik beratkan pada data dan dengan prosedur estimasi
yang terbatas, maka mispesifikasi model tidak begitu berpengaruh terhadap estimasi
parameter. Dibandingkan dengan CBSEM, component based SEM - PLS
menghindarkan dua masalah serius yaitu inadmisable solution dan factor
indeterminacy (Fornell and Bookstein, 1982)
Secara ringkas dapat disimpulkan bahwa jika model struktural dan model pengukuran
yang dihipotesiskan benar dalam artian menjelaskan covariance semua indikator dan
kondisi data serta sample size terpenuhi, maka covariance based SEM memberikan
estimasi optimal dari parameter model. Ini ideal untuk konfirmasi model dan estimasi
kebenaran parameter populasi. Namun demikian tergantung dari tujuan si peneliti dan
pandangan epistemic dari data ke teori, property data yang ada, tingkat pengetahuan
teoritis dan pengembangan pengukuran, pendekatan PLS mungkin lebih cocok. Tabel
1 berikut ini memberikan ringkasan perbandingan antara SEM berbasis covariance
dan SEM berbasis variance-PLS
Berikut ini perbangan antara kedua macam SEM:
kriteria PLS CBSEM
Tujuan Orientasi prediksi Orientasi Paramater
Pendekatan Besar Variance Berdasar Covariance
Asumsi Spesifikasi Prediktor Multivariate normal
distribution, independence
observation (parametric)
konsisten
Estimasi Konsisten sebagai
Parameter indicator dan simple size
meningkat
Skore Variabel secara eksplisit di estimasi indeterminate
Laten
Implikasi Optimal untuk ketepatan Optimal untuk ketepatan
prediksi parameter
AMOS dapat dilakukan dengan melihat nilai critical ratio (c.r) skeweness dan critical
ratio (c.r) cortusis pada output hasil Assessment of Normality. Di mana, pengujian
normalitas dapat dilihat dalam bentuk univariate dan multivariate. Secara univariate
data dikatakan normal jika nilai c.r skeweness dan c.r cortusis pada masing-masing
indikator berada di bawah 2,58. Sedangkan, pengujian normlaitas secara multivariate
dapat dilihat pada kolom.
c.r cortusis yakni dikatakan normal jika nilai c.r cortusis < 2,58 (Bahri &
Zamzam, 2015).
3. Evaluasi Nilai Residual
Evaluasi nilai residual berfungsi untuk melihat kesesuaian antara restricted
covariance matrix dan sample covariance matrix. Di mana, perbedaan keduanya
tercermin dari nilai residual covariance matrix. Pada pengujian SEM-AMOS nilai
residual dapat dilihat pada hasil output standardized residual. Di mana, nilai
dikatakan terdapat residual yang besar jika nilai standardized residual > 2,58. Jika
nilai berada di atas 2,58 maka perlu dilakukan perombakan atau modifikasi dengan
membuang variable observed pada model penelitian (Bahri & Zamzam, 2015).
4. Multicolinierity dan Singularity
Ferdinand (2002) dalam Bahry & Zamzam (2015) menjelaskan bahwa
multicolinierity dan singularity merupakan suatu pengujian untuk melihat apakah
data penelitian terindikasi multicolinierity dan singularity. Di mana indikasi dapat di
lihat dari nilai Determinant of sample covariance. Tidak terjadi multicolinierity dan
singularity jika nilai Determinant of sample covariance berada jauh dari 0 (nol).
Sedangkan, jika nilai Determinant of sample covariance berada mendekati 0 (nol)
maka perlu dipertimbangkan lagi perihal persyaratan pada pengujian asumsi SEM
lainnya sehingga dapat ditetapkan data dapat dilakukan pengujian SEM atau tidak.
H0 : Variabel laten eksogen secara parsial tidak berpengaruh signifikan terhadap variabel
laten endogen.
Ha : Variabel laten eksogen secara parsial berpengaruh signifikan terhadap variabel laten
endogen.
Berdasarkan perumusan hipotesis di atas, variabel laten eksogen secara parsial
tidak berpengaruh signifikan terhadap variabel laten endogen jika nilai CR. < 1,65 dan
nilai p-value > 0,1 maka H0 diterima dan Ha ditolak. Sebaliknya, variabel laten eksogen
secara parsial berpengaruh signifikan terhadap variabel laten endogen jika nilai CR. >
1,65 dan nilai p-value > 0,1 maka H0 ditolak dan Ha diterima. Dalam penelitian ini nilai
alpha (rule of thumb) yang digunakan adalah sebesar 0,1 yakni pada taraf kepercayaan
90%.
Selanjutnya, pengujian hipotesis dalam SEM juga dilakukan pengujian secara
simultan yakni pengujian pengaruh varibel laten secara bersama-sama terhadap variabel
laten endogen. Hipotesis secara simultan dapat dirumuskan sebagai berikut:
H0 : Variabel laten eksogen secara simultan tidak berpengaruh signifikan terhadap
variabel laten endogen.
Hb : Variabel laten eksogen secara simutan berpengaruh signifikan terhadap variabel
laten endogen.
Variabel laten eksogen secara simultan berpengaruh terhadap variabel laten
endogen jika nilai R-square bernilai positif. Sebaliknya, jika nilai R-square bernilai
negatif maka secara simultan variabel laten eksogen tidak berpengaruh signifikan
terhadap laten endogen (Bahri & Zamzam, 2015). Secara lebih jelas Samsul Bahri
merumuskan parameter pengujian hipotesis di atas dalam tabel di bawah ini :
no Hipotesis Pernyataan Hipotesis Terima Hipotesis
1. H0 Variabel laten eksogen secara parsial tidak Jika CR < 1,65 atau p-
berpengaruh signifikan terhadap variabel value > 0,1.
laten endogen.
variabel moderating (Ghozali & Latan, 2015:163). Hal ini akan menimbulkan hubungan
nonlinier sehingga kesalahan pengukuran dari koefisien estimasi MRA jika menggunakan
variabel laten menjadi tidak konsisten dan bias. Solusi yang bisa dilakukan adalah dengan
menggunakan model persamaan struktural SEM dapat mengoreksi kesalahan pengukuran
ini dengan memasukkan pengaruh interaksi kedalam model (Ghozali & Latan, 2015:163).
https://drive.google.com/file/d/1kly18U7uPHwkXSG2JSzpvgtI4b0r5pzq/view?usp=sharing
Penelitian tersebut membahas masalah tentang, Bagaimana pengaruh faktor-faktor
terhadap kepatuhan masyarakat dalam membayar zakat perkebunan kelapa sawit?.
Dari rumusan masalah tersebut peneliti membuat kerangka pemikiran dan
kerangka penelitian yang membantunya dalam proses penelitianya. Berikut gambar
kerangka pemikiran dan penelitian yang dibuat peneliti tersebut :
Kerangka pemikiran
Kerangka Penelitian
11
Estimate S.E. C P
.
R
.
Kepatuhan <-- Pendapatan 0,057 0,145 0, 0,695
39
2
Kepatuhan <--Religiusitas 0,897 0,445 2, 0,044
01
6
Kepatuhan <--Kepercayaan -0,445 0,243 - 0,068
1,
82
8
Kepatuhan <--Keberkahan -0,549 0,555 - 0,322
0,
99
1
Sumber: Data diolah AMOS (2019)
Prof. H. Imam Ghozali, M.Com,C.A,Ph.D. (2014). Structural Equation Modeling Edisi 4. Semarang:
Universitas Diponegoro Semarang.
14