STnUGTUn[tIQUAI|0lltll0lltllllGllAllilPHlltlTllllttlAllAlt]rltll

ADlilasi lrlodcl-lrlodd numit Dalom Penelitian UnU[ Iesis ilagistfi dan 0iseilasi D0tt0r

att!rq,"($
^9"

we
BAB 1

DASAR.DASAR PEMODELAN
STRUKTURAJ. DALAM MANAJEMEN
Setelah menyelesaikan bab ini, pembaca diharapkan
mampu:
r Memahami konsep dasar dalam pengembangan
model struktural
r Memahami tehnik dasar SEM - Structural Equation
Model dengan menggunaka program AMOS
r Memahami tehnik aljabar kovarians yang digunakan
untuk parameterisasi model
produk itu, tentu saja perhatian tidak hanya diarahkan
pada jumlah variasi produk yang dikembangkan, tetapi
lebih dari itu adalah pada diferensiasi fungsi,

@t, tetapi juga mungkin mengamati

berbagai d'ferensiasi subyektif yang mampu
menampilkan produk itu sebagai sesuatu yang
"different". la juga akan mengamati mlnd__l!_gm-b.eli dari
seorang pelanggan potensial. Untuk mengamati minat
membeli ini, manajer akan mengamati bagaimana
besarnya tingkat minat membeli dari seorang calon
pelanggan, juga mengamati bagaimana derajad
referensi yang dapat diberikan oleh calon pelanggan
tersebut kepada calon pelanggan lainnya, bahkan ia
akan mengamati bagaimana lemungkinan substitusi
produk itu pada saat produk itu benar-benar tidak
tersedia. Dengan demikian ia akan mengamati derajad
minat membeli dari sudut pandang derajad minat,
derajad referensi dan derajad substitusi dari produk
tersebut. Seorang manajer bahkan biasanya
mengembangkan gagasan stratejiknya secara
berjenjang, dengan mengajukan pertanyaan-pertanyaan
stratejiknya sebagai berikut:
o Mengapa terjadi penurunan atau peningkatan
penjualan?
 o Apakah penurunan dan peningkatan itu
disebabkan oleh pengaruh tingkat popularitas
produk?
o Apakah kualitas strategi pengelolaan produk
memberi dampak pada tingkat popularitas
produk?
o Apa saja kebijakan yang dapat memberikan
efek keunggulan strategi pengelolaan produk
yang kuat?
: Apakah efek strategi produk yang kuat hanya
berdampak pada penjualan, apakah tidak lebih
dahulu memberikan dampak pada derajad
popularitas produk?
o Apakah strateg oengelolaan salesforce
berpengaruh terradao < rerja penjualan?
Bagaimana bila dibandingkaq, cergen strategi
pengelolaan produk?
o Apa dampak kenaikan atau ::- --unan
penjualan terhadap tingkat penguase:- 3asar
melalui indeks porsi pasar atau rra-.:: s-a'e?
o Apakah kemampuan mengadac:es :-:€-an-
ancaman lingkungan juga rre-:e- -:-:pak
pada stabilitas porsi pasar a:e- -=-,:: s-a'e?
Rangkaian pertanyaan diatas : = :,tr:-:€-<an
dalam sebuah diagram strategr e<.?^ -=-=e< -:agai
berikut :
 Gambar 1.1: Rangkaian Pernyataan Stratejik

STRATEGI DERAJAD
PENGELOLAAN POPULABITAS
PRODUK PRODUK

/ STRATEGI \
PENGELOLAAN VOLUME
SALESFORCE PENJUALAN

ADAPTABILITAS
ANCAMAN
LINGKUNGAN

Gambar diatas menunjukkan bahwa dalam

kenyataannya dunia manajemen adalah sebuah
dunia yang_relatif "rumit". Oleh sebab itu penelitian
Tehnik SEM
memungkinkan manajemen umumnya bersifat sangat
seorang peneliti
menguji multidimensional dan karena itu terkesan rumit atau
beberapa variabel
dependen
jauh dari sederhana.
sekaligus,
dengan beberapa Tampilnya model yang rumit membawa
variabel
independen dampak bahwa dalam kenyataannya proses
pengambilan keputusan manajemen adalah sebuah
proses yang "rumit" atau merupakan sebuah proses
yang multidimensional dengan berbagai pola
hubungan kausalitas yang berjenjang. Oleh sebab
itu dibutuhkan sebuah model sekaligus alat analisis
 yang mampu mengakomodasi penelitian
multidimensional itu.
' Berbagai alat analisis untuk penelittan

multidimensi telah dikenal. Alat analisis yang selama ini

telah dikenal luas adalah antara lain:

' Analisis Faktor Eksploratori

. Analisis Regresi Berganda
. Analisis Diskriminan
Alat-alat analisis ini dapat digunakan untuk
itu, akan tetapi kelemahan
penelitian multidimensi
utama dari tehniktehnik itu adalah pada
keterbatasannya hanya dapat menganalisis satu
hubungan pada satu waktu. Dalam bahasa penelitian
dapat dinyatakan bahwa tehnik-tehnik ilu hanya dapat
menguji safu variabel dependen melalui beberapa
variabel independen. ! r
Padahal dalam kenyataannya, manajemen
dihadapkan pada situasi bahwa ada lebih dari satu
variabel dependen yang harus saling dihubungkan
untuk diketahui derajad interrelasinya. Misalnya seorang
peneliti ingin mengetahui apa sajakah dimensi-dimensi
dari budaya orientasi pasar dalam organisasi dan
apakah budaya orientasi pasar itu berbeda dengan
orientasi strategi promosi? Bagaimana kedua faktor
orientasi itu mempengaruhi luas sempitnya
pertimbangan-pertimbangan dalam memilih sebuah
strategi? Dan akhirnya bagaimana derajad luas
sempitnya pertimbangan itu mempengaruhi efektivitas
keputusan penentuan strategi pemasaran. Dalam
contoh itu, terlihat adanya berbagai fenomena, dimensi
dan interrelasi yang ingin dianalisis dan sedemikian jauh
belum ada teknik analisis yang dapat digunakan secara
simultan. Lalu apa tehnik analisis yang dapat digunakan
untuk menganalisis masalah-masalah "rumit" tersebut?
Tehnik SEM (Structural Equation Model), sebagai
seQuah perluasan atau kombinasi dari beberapa tehnik
multivariat, merupakan sebuah jawaban.
Model Persamaan Struktural, Structural Equation
Model (SEM) adalah sekumpulan tehnik-tehnik
statistikal yang memungkinkan pengujian sebuah
rangkaian hubungan yang relati "rumit", seqara simultan.
Hubungar yang rumit itu dapat nhd{ttr*^n^r^
satu atau beberapa variabel dependen dengan safu
atau beberapa variabel independen. Masing- masing
variabel dependen dan independen dapat berbentuk
faktor (atau konstruk, yang dibangun dari beberapa
uar\gat indikator). Tentu saja variabel-variabet itu dapat
1'
berbentuk sebuah variabel tunggal yang diobservasi
atau yang diukur langsung dalam sebuah proses
penelitian.
Permodelan Persamaan Struktural semacam
itu telah luas dikenal dalam penelitian-penelitian
 manajemen melalui berbagai nama antara lain:
Nama nama SEM: causal modeling, causal analysis, simultaneous
Causal Modeling,
e,lf1 g ata u a lis s-_ stru ktu r kova ri a n s.
! gtiql ry_q
Causal Analysis, i

Simultaneous 1q !!r
Equation Modeling, Sering kali SEM juga disebut sebagai Path Analysis
Analisis Struktur
Kovarians, Path
Analysis,
atau Confirmatory Factor Analysis, karena
Confirmatory Factor sesungguhnya kedua nama ini adalah JglE19!ls
Analysis
SEMJglg Llpur.
Permodelan penelitian melalui SEM
memungkinkan seorang peneliti dapat menjawab
pertanyaan penelitian yang bgqfe!_Iggre:if maupun
(yaitu penguku,r apa dimgtlsi-dimensi {eri
tlg5glgf
:gbq_ah_konsgp). Pada saat seorang peneliti
menghadapi pertanyaan penelitian berupa identifikasi
dimensi-dimensi sebuah konsep atau konstruk (seperti
yang lazim dilakukan dalam analisis faktor) dan pada
saat yang sama peneliti ingin mengukuqpengaruh atau
derajad hubungan antar faktor yang telah
diidentifikasikan dimensi-dimensinya itu, SEM akan
merupakan alternatif jawaban yang layak
dipertimbangkan. ltulah sebabnya dapat dikatakan
bahwa pada dasarnya 9EM adalah lgqglelallara
analisis faktor dan analisis reqresi berqanda.
Sebagai contoh, seorang peneliti berdasarkan
justifikasi teoritis yang cukup dapat mengembangkan
hubungan antara satu variabel dependen terukur
(misalnya Kinerja Pemasaran) dengan variabel-variabel
 independen terukur lainnya (misalnya, jumlah varian
prod u k, trlglet
_dlfele!9lq9r ej!!!! !Iqd! k, s.g_{a Jnqtlj
rulqkl sebagai sebuah model regresi berganda seperti
yang disajikan dalam gambar berikut ini :

GAMBAR 1.2
PATH DIAGRAM UNTUK REGRESSI BERGANDA

VARIAN
PRODUK
SEM dapat
digu.ng.kan untuk
anarsrs regrest ATRIBUT KINERJA
konvensional.
PRODUK
PEMASARAN

MUTU
PRODUK

Pada -diatas terlihat

gamb_ar bahwa simpul-simpul
pemikiran stratejik yang dikembangkan dan ingin diuji
melalui sebuah penelitian adalah bahwa banyak
sedikitnya varian produk yang dihasilkan, unik tidaknya
atribut produk yang menyertai sebuah produk serta
tinggi rendahnya mutu produk akan mempengaruhi
tingkat kinerja pemasaran yang dicapai, yang misalnya
diukur melalui volume penjualan. Model semacam ini
tidak lain adalah model regresi berganda yang telah
dikenal luas.
 Seorang peneliti mungkin saja berminat untuk
mengembangkan dan menguji model yang lebih rumit
seperti yang dilihat dalam dunia manajemen
perusahaan sehari-hari. Model yang rumit itu misalnya
seperti yang disajikan dalam gambar berikut ini.
Gambar 1.3: Diagram Alur Model Struktural

RAJAD
ORIENTASI
SEM dapat PASAR
digunakan bai*
untuh rrrenbual
anal*is regresi,
analisicfa*tor d.an Superioritas
terutrms kombinasi \ BERSAING; Citra Produk
analisis fa*tor d.an
anulisis regresi Suoerioritas i,
rj- uengirat Emosi]4{"0)
^
Pelanqgan

dJ
v -
lntensitas .
Falespromq

lntensitas
Publisitas
I

Gambar diatas menunjukkan bahwa model ini

dikembangkan dengan menggunakan 4 variabel laten
sebagai berikut: i
\
1. Variabel Derajad Ori6ntAtsi Pasar: Variabel ini

adalah variabel laten (sebuah faktor atau konstruk)

yaitu variabel yang tidak diukur secara langsung,
 tetapi dibentuk melalui dimensi-dimensi yang
diamati, dalam hal ini:
' flTllajyl9n'
. PertumbuhanPelanggan
. Eg{ulbqfan penjualan
Ketiga variabel yang diamati ini disebut variabel
terobservasi (obsgrved variables).
f!f,+f++t
2. {i Pasdr: Dengan cara yang sama
variabel ini dibentuk melalui tiga variabel
- indikator/dimensi yaitu:

' Pengembangan informasi mengenai

pelanggan
. Pengembangan informasi mengenai pesaing
. Praktek koordinasi lintas fungsi dalam
manajemen perusahaan.
3. Variabel Laten Keunggulan Bersaing: Variabel
ini dibentuk dari 3 variabel amatan yang
. Superioritas Daya Tarik Produk
. Superioritas Citra Produk
. Superioritas Kemampuan Dalam Mengikat
Emosi Pelanggan . atas produk yang
dikembnagkan
4. lntensitas Promosi: Variabel laten ini dibentuk
daritiga variabel amatan yaitu
. intensitasperiklanan,
o intensitas promosi penjualan,
 o intensitaspublisitas

Model struktural juga dapat dikembangkan dengan

mengkombinasi dependen dan variabel independen
yang dibentuk melalui variabel laten maupun bukan
variabel laten (atau variabel terobservasi), seperti yang
disajikan dalam gambar berikut ini.
Gambar 1.4

@.f ,H,iJlH:I,
1...tta

Pada gambar 1.4 terlihat bahwa variabel Tingkat

Tayangan lklan adalah sebuah variaben independen
yang tidak dibentuk sebagai sebuah variabel laten dari
beberapa variabel indikator, melainkan hanya sebuah
variabel tunggal hasil amatan.
 Dengan menggunakan variabel-variabel itu
seorang peneliti mengajukan 'teori" bahwa kinerja
p"r"rrr"n dit"ntuk"n ol"h d"rffi","
y*grciO"ngrn ."Oug"i ,"Or"f' OrO"y" p"r*n"un
serta luasnya komunikasi produk dan komunikasi
layanan pada pelanggan aktif dan pelanggan potensial
dalam pasar yang dimasuki.
Bagaimana menguji model yang "agak rumit"
seperti pada gambar 1.3 dan 1.4 diatas? SEM agaknya
. akan merupakan sebuah jawaban yang patut
dipertimbangkan.
Empat gambar diatas (gambar 1.1; 1.2; 1.3; dan
1.4) adalah contoh alur berfikir dalam pengembangan
model
- yang disajikan dalam diagram alur atau e[
€Eglgt" Diagram-diagram semacam ini bersifat sangat
fundamental dalam SEM, sebab diagram ini
memungkinkan pqne.[ti untuk menggambarkan
\:VALLa-iLJ
hubungan-hubunganayang dihipotesiskan yaitu yang
disebut Model. Diagram-diagram ini sangat penting bagi
seorang peneliti karena secara visual diagram-diagram
itu menjelaskan alur.ide-ide peneliti mengenai hubungan
antar variabel, untuk kemudian secara langsung
diterjemahkan kedalam persama-?n-pelgArl]qan yang
diperlukan untuk pengujian hipotesis.
 2. KONVENSI SEM
Beberapa konvensi yang berlaku dalam diagram SEM
adalah sebagai berikut:
Variabel terukur (Measured Variable):

X1 I ini disebut juga observed variables,

PERSEGT' "ariabel
Gambar
Measured-Observed Variabel
indicator variables atau manifest variables,
digunakan sebagai indikator
darikonsrruk,dapatjusa digambarkan dalam bentUk Segi empat atau
sebasaivariabelmandi.
bujursangkar.Variaberterukuradarahvariaber
yang datanya harus dicari melalui penelitian lapangan
misalnya melalui survey.

Faktor: Faktor adalah sebuah variabel

bentukan, yang dibentuk melalui indikator-
Gambar Oval: Faktor atau
Variabel laten, yang
dibentuk melalui indikator
indikator yang diamati dalam dunia nyata.
indikator
Karena ia merupakan variabel b.entukan, maka
disebut latent variables. Nama lain untuk latent
variables adalah p!l{uc! atau uno_bserved
variables. Faktor atau Konstruk atau Variabel Laten
ini digambarkan dalam bentuk diagram lingkar atau
oval atau elips.

Hubungan antar variabel: Hubungan antar

variabel dinyatakan melalui garis. Karena itu bila
tidak ada garis berarti tidak ada hubungan langsung
 yang dihipotesakan. Bentuk-bentuk hubungan antar
variabel dapat dijelaskan sebagai berikut:

1. Garis dengan anak panah satu arah ()):

r+ Regresi Garis ini menunjukkan adanya hubungan
yang dihipotesakan antara dua variabel,
(r{Korelasi dimana variabel yang dituju oleh anak panah
merupakan variabel dependen. Dalam SEM
terdapat dua kelompok hipotesis dengan anak
.panah satu arah yaitu:

r Hipotesa mengenai Dimensi Faktor.

Dimensi-dimensi sebuah faktor akan
terlihat dalam diagram SEM melalui arah
anak panah(-) yang digunakan. Misalnya
KOORDINASI
LINTAS
BIDANG pada gambar 1 .2, terdapat anak panah dari
Derajad Orientasi Pasar (DOP) menuju tiga
variabel indikator. Dalam hal ini masing-
itu sebagai variabel
masing indikator
dependen, secara bersama-sama
dihipotesakan sebagai dimensi dari sebuah
konsep atau faktor.
 . Hipotesa mengenai hubungan
regresi
Hipotesa mengenai pengaruh satu atau
beberapa variabel independen terhadap
satu atau beberapa variabel dependen
dinyatakan pula dalam anak panah satu
arah (-+)'
2. Garis dengan anak panah 2 arah (<+): Anak panah
dua arah atau dua ujung ini
dalam pemodelan SEM
digunakan untuk
menggambar-kan kovarians,
dan korelasi antara dua buah
variabel. Misalnya bila
peneliti akan meregresi dua . buah. variabel
independen terhadap satu atau beberapa variabel
dependen, syarat yang harus dipenuhi adalah tidak
adanya korelasi antar variabel independen
(sebagaimana syarat pada analisis regresi). Untuk
itu sebuah anak panah dua ujung (++ ) harus
digunakan untuk menghubungkan k"d!q variabel
indenden itu untuk menquii bahwa lidak ada korelasi
antara keduanya.
-
1-+-*
 3. Bangunan Model
Dalam SEM ide mengenai hubungan-hubungan dari
. berbagai variabel dinyatakan dalam sebuah gambar,
salah satu contoh adalah seperti yang disajikan
dalam gambar 1.3. Alur-alur pada gambar 1.3 diatas
menunjukkan bahwa Kinerja Pemasaran adalah
sebuah variabel laten (sebuah faktor) yang
diprediksi oleh Tingkat Tayangan lklan(sebuah
variabel terobservasi) dan Derajad Orientasi Pasar
t .lorlg dimiliki oleh manajemen (sebuah faktor).
Perhatikan arah anak panah dari konstruk Kinerja
Pemasaran terhadap indikator-indikatornya. Gambar
hubungan itu menunjukkan bahwa Kinerja
Pemasaran didefinisikan melalui: Volume
Penjualan, Pertumbuhan Pelanggan dan
Pertumbuhan Penjualan. Dengan demikian terlihat
bahwa konstruk kinerja pemasaran tidak diukur
secara langsung, tetapi diukur melalui beberapa
indikator atau dimensi yang mempunyai landasan
teoretis yang justified. Jadi tehnik untuk membangun
sebuah konstruk melalui pengukuran beberapa
indikator yang diobservasi terlebih dahulu,
sebenarnya tidak lain adalah logika yang digunakan
dalam analisis faktor.
 Pada gambar 1.3, terlihat adanya variabel-
variabel sebagai berikut:

Variabel Dependen yaitu yang dituju oleh satu atau

beberapa anak panah satu arah adalah:
1. lnformasi Pelanggan
2. lnformasi Pesaing
3. Koordinasi Lintas Fungsi
4. lntensitas Periklanan
5. lntensitas Sales Promo
6. lntensitas Publisitas
7. Superioritas Daya Tarik _
8. Superioritas Citra Produk
L Superioritas Kemampuan Mengikat Emosi
Pelanggan
1 0. Keunggulan Bersaing

11. Volume Penjualan

1 2. Pertumbuhan Pelanggan

1 3. Pertumbuhan Penjualan

14. Kinerja Pemasaran

Enam variabel yang disebut pertama diatas

digunakan untuk mendefinisikan dimensi dari variabel
laten atau disebut juga untuk mendiskripsikan sebuah
variabel laten. Dalam contoh diatas terdapat dua
variabel laten yaitu Derajad Orientasi Pasar dan
lntensitas Promosi.
Enam variabel lainnya digunakan untuk
mendefinisikan dimensi dari variabel laten Keunggulan
Bersaing dan Kinerja Pemasaran
Variabel dependen yang kesepuluh dan keempat belas
adalah adalah variabel Keunggulan Bersaing dan
variabel Kinerja Pemasaran digunakan sebagai variabel
dependen yang bergantung pada dua variabel bebas
(independen) yaitu Derajad Orientasi Pasar dan Tingkat
lntensitas Promopsi dalam sebuah model kausal

Variabel fndependen,yaitu yang tidak dituju oleh anak

panah satu arah adalah:
r .Derajad Orientasi Pasar
r lntensitas Promosi
r Keunggulan Bersaing

Perlu diperhatikan bahwa variabel-variabel dependen

baik yang diobservasi maupun yang tidak diobservasi
semuanya memipunyai panah yang dari lingkaran kecil
berlabel "e" dan "d" yang menggambarkan error dan
disturbance term.

o Variabel "e" (error) menggambarkan "measurement

error" dari variabel terboservasi yang digunakan
untuk mendefinisikan sebuah variabel laten.
Program AMOS secara otomatis menampilkan
variabel ini pada saat kita menggambar variabel
laten.
 e Variabel "d" (disturbance term), digunakan untuk
menyiapkan persamaan regressi . bahwa variabel
dependen juga dijelaskan oleh disturcance term
sebagaimana halnya persamaan regressi klasik
yang sudah dikenal luas. Dalam persamaan regressi
perlakuan atas variabel "d" ini akan nampak sebagai
berikut:
KB = dl + bl DOP + b2 lP + dI FDisturbance Term

Dalam model regresi berganda tidak ada prediksi yang

sepenuhnya sempurna, selalu terdapat residu atau
error. Dalam SEM, residual yang tidak diprediksi oleh
variabel-vairabel independen dimasukkan kedalam
diagram melalui alur ini yang dalam gambar disajikan
dengan nama variabel "d" atau nama lainnya misalnya
z dan sebagainya. r r

3. JENIS - JENIS MODEL

Pada dasarnya dalam permodelan manajemen, dilihat dari
tujuannya, seorang peneliti dapat menggunakan dua
macam model yaitu model deskriptif dan model prediktif.
Kedua model itu dapat dianalisis dengan menggunakan
pendekatan SEM seperti yang akan diuraikan pada bagian
berikut ini.
3.1. Model Deskriptif : Measurement Model
Model deskriptif adalah model yang ditujukan untuk
mendeskripsikan sebuah keadaan atau sebuah konsep
atau sebuah faktor. Model deskriptif digunakan untuk
menjelaskan struktur dari sebuah konsep, seperti misalnya
peneliti ingin mendapatkan gambaran mengenai struktur
loyalitas merek, struktur konsep pemasaran. Dalam
permodelan SEM, model demikian ini disebut sebagai
measurement model atau model pengukuran, yang
Qitujukln untuk mengukur struktur dari sebuah konsep,
konstruk atau faktor.

Disebut sebagai measurement model karena model ini

digunakan untuk mengukur kuatnya struktur dari dimensi-
dimensi yang membentuk sebuah faktor. Karena
measurement model berhubungan dengan sebuah faktor,
maka analisis yang dilakukan sesungguhnya sama dengan
analisis faktor, hanya disini, peneliti memulai penelitiannya
menentukan terlebih dahulu (model apriori) beberapa
variabel yang dipandang sebagai indikator sebuah faktor
dan ia akan menggunakan tehnik SEM untuk
mengkonfirmasi struktur apriorinya itu, jadi, peneliti ingin
mengkonfirmasi apakah variabel-variabel indikator yang
digunakan dapat mengkonfirmasi sebuah faktor. ltulah
sebabnya tehnik analisis ini disebut Confirmatory Factor
Analysis.
Schumacker dan Lomax (1996.pp,64) menulis
"confirmatory factor analysis methods reflect
measurement inodels in which obserued variables define
constructs or latent variables ....Latent
variables are not directly measurable (they are factors or
construct........) but must be inferred'.

Oleh karena itu dapat dikatakan bahwa pada confirmatory

factor analysis, seorang peneliti ingin menggunakan
variabel-variabel yang diteliti untuk mendefinisikan sebuah
faktor yang tidak dapat diukur secara langsung. Analisis
atas indikator- indikator yang digunakan itu memberi makna
atas label yang diberikan pada variabel laten atau faktor
laten yang dikonfirmasi itu.

Measurement models dilakukan untuk baik variabel laten

independen maupun variabel laten dependen. Bentuk
bentuk measurement model adalah sebaga? berikut:

3.1.1 Measurement model Variabel laten independen

Peneliti dapat mengembangkan measurement model
dengan tehnik confirmatory factor analysis terhadap
variabel-variabel yang direncanakan akan diperlakukan
sebagai indikator dari variabel laten independen, Variabel
observasi ini yang disebut juga sebagai variabel indikator
atau dimensi harus dibangun berdasarkan pijakan teoretis
yang cukup, serta justifikasi teoretis bahwa ia dapat
dipertimbangkan sebagai variabel laten independen.
Measurement model ini dapat digambarkan seperti pada
gambar berikut ini.
Gambar 1.5: Measurement Model
ANALISIS FAKTOR KONFIRMATORI
MEASUREMENT MODEL UNTUK
VARIABEL LATEN INDEPENDEN

Gambar diatas-disebut juga single measurement model

dimana tiga buah variabel observasi digunakan untuk
mendefinisikan satu laten variabel.
Tentu saja seorang peneliti dapat menggunakan lebih
dari tiga buah variabel untuk mengkonfirmasi laten
variabel yang menjadi perhatiannya. Dalam berbagai
contoh penggunaan measurement model ini, sangat
disarankan bahwa jumlah minimal variabel yang dapat
digunakan untuk analisis ini adalah tiga variabel.
3.1.2 Measurement model Variabel laten dependen
Seperti halnya pada variabel laten independen,
confirmatory factor analysis pada faktor ini hanya
dapat dilakukan berdasarkan justifikasi teoretis yang
cukup. Justifikasi dibutuhkan juga untuk memberikan
perlakuan atas sebuah variabel sebagai variabel
dependen dalam sebuah hubungan kausalitas yang
akan dianalisis. Sebuah single measurement model
untuk variabel laten dependen adalah seperti pada
gambar berikut ini.
Gambar 1.6: Measurement Model

ANALISIS FAKTOR KONFIRMATORI

MEASUREMENT MODEL UNTUK
VARIABEL LATEN DEPENDEN
3.1.3 Multidimensional Model: Measurement Model
untuk beberapa variabel laten.

Confirmatory factor analysis dapat dikembangkan

untuk analisis terhadap lebih dari satu faktor atau
variabel laten sekaligus baik untuk faktor-faktor yang
akan diperlakukan sebagai variabel laten independen
maupun sebagai variabel laten dependen. Bila
demikian, model pengukurannya dapat digambarkan
sebagai berikut :

Gambar 1.7
ANALISIS FAKTOR KONFIRMATORI
MEASUREMENT MODEL UNTUK
VARIABEL LATEN INDEPENDEN

//\ \\
\
'ARIABEL lareM
rruoeeeuoeru r f*
/
\,/

\,
L LATEM
Hoptt 2z
INDEPENDEN /

Confirmatory factor analysis yang dilakukan untuk

beberapa dimensi seperti pada gambar diatas disebut
Multidimensional Model. Model multidimensional ini
 digunakan juga untuk menguji korelasi antar faktor,
sebab garis lengkung dengan anak panah pada

masing-masing ujungnya dapat menunjukkan tingkat

korelasi antar faktor.

3.1.4 Second-order confirmatory factor analysis.

Confirmatory Factor Analysis dapat juga
dikembangkan untuk pengukuran berjenjang dua atau
yang disebut second-order confirmatory factor
analysis. Dalam penelitian bidang manajemen
sumber daya manusia, miJalnya peneliti mengajukan
model yang terdiri dari job satisfaction dan supervisor
satisfaction yang kemudian dikombinasikan untuk
mendefisinikan sebuah variabel laten jenjang kedua
atau second- order latent variable yang disebut karier
seumur hihup atau long-life career. Analisis. faktor
konfirmatori jenjang kedua dapat digambarkan
sebagai berikut :
 Gambar 1.8

ANALISIS FAKTOR KONFIRMATORI JENJANG DUA

MEASUREMENT MODEL UNTUK
VARIABEL LATEN INDEPENDEN

VARIABEL
LATEN
INDEPENDEN
3

VARIABEL
LATEN
INDEPENDEN
2

3.1.5 Pengujian hipotesisi dalam analisis faktor

konfirmatoril
Seperti dijelaskan diatas, measurement model
digunakan untuk melakukan konfirmasi pada
serangkaian variabel yang digunakan untuk
mendeskripsikan sebuah faktor atau sebuah variabel
laten. Oleh sebab itu, tidak seperti halnya dalam
exploratory factor analysis, confirmatory factor analysis
dapat digunakan untuk menguji hipotesis nol. Dua jenis
hipotesis dapat diuji dalam analisis faktor konfirmatori
yaitu:
 3.1.5.1 Hipotesis mengenai model:
Pengembangan hipotesis statistik dikembangkan
dengan cara menyatakan hipotesis sebagai berikut.
Ho: Tidak ada perbedaan antara matriks kovarians data
sampel yang dikalkukasi dengan matriks kovarians
populasi yang diestimasi .

H.t: Ada perbedaan antara matriks kovarians data sampel

yang dikalkukasi dengan matriks kovarians populasi
yang diestimasi .

Berbeda dengan uji hipotesis nol umumnya, pengujian

hipotesis ini mengharapkan kegagalan menolak
hipotesis nol, sehingga hipetesis alternatif tidak bisa
diterima, oleh karena itu hipotesis nol dianggap benar.

3.1.5.2 Hipotesis mengenai Nilai Lambda (1" value)

Dari contoh-contoh pendekatan yang disajikan diatas,
terlihat bahwa dari analisis faktor konl'rrmatofl untuk
model pengukuran akan dihasilkan koefisien yang
disebut Loading Factor atau Lambda value (),). Nilai
lambda itu digunakan untuk menilai kecocokan,
kesesuaian atau unidimensionalitas dari indikator-
indikator yang membentuk sebuah dimensi atau faktor.
Sebagai contoh dari gambar 1.3 yang disajikan di

depan, terdapat dua model pengukuran yaitu:

o Model Derajad Orientasi Pasar
r Model Kinerja Pemasaran
I
Measurement Model yang dapat dibangun untuk
cakupan penelitian yang disajikan dalam gambar 1.3
diatas, dapat ditampilkan seperti dalam gambar 1.9 dan
1 .10 berikut ini.
Gambar 1.9

MEASUREMEN MODEL
DERAJAD ORIENTASI PASAR
Modcl Specification

Gambar 1.10

MEASUREMEN MODEL
KINERJA PEMASARAN

I Volume
,t '\
I Penjualan
'/
/'
,/
/\,
rl

KINERJA - PertumbuhanL!.;
\ PEMASARAN, Pelanooan \---l
\/
\./
\ \/\ I

.]Pertumbuhan! r..,",
I Penjualan
I
Kedua model itu digunakan untuk mengkonfirmasi
sebuah dimensi berdasarkan indikator-indikator yang
digunakan. Karena itu dalam analisisnya, measurement
model ini akan dikonfirmasi melalui Confirmatory Factor
Analysis yang tidak lain merupakan sebuah analisis
faktor yang ditujukan untuk mengkonfirmasi apakah
variabel-variabel yang diobservasi ini mempunyai ciri
yang sama antara satu dan lainnya, karena itu kesemua
variabel observasi itu adalah unidimensi. Variabel-
variabel yang unidimensi itu tidak lain adalah faktor
yang sedang diamati. Dengan perkataan lain faktor
diamati melalui variabel-variabel indikator yang
berdimensi sama, seperti yang dilakukan dalam
exploratory factor analysis.
Dalam merancang model perlu diperhatikan bahwa
indikator yang sebaiknya digunakan r untuk
menggambarkan sebuah faktor adalah paling sedikit
tiga atau empat variabel. Walaupun terdapat contoh
hasil penelitian hanya dengan dua variabel, tetapi
sangat disarankan, berdasarkan pertimbangan "problem
identifikasi" (akan dibahas dibagian belakang),
sebaiknya digunakan paling sedikit 3 variabel observasi
untuk mengkonstruk sebuah faktor atau variabel laten.

Dalam contoh gambar 1.3 kedua faktor yang terletak di

sebelah kiri diperlakukan variabel independen dan
eksogen, maka measurement modelnya dapat
digambarkan seperti dalam gambar 1.11.
Gambar 1.11

MEASUREMENT MODEL KONSTRUK EKSOGEN:

DERAJAD ORIENTASI PASAR DAN INTENSITAS PROMOSI

Garis lengkung dengan anak panah pada masing-

masing ujungnp itu menunjukkan korelasi, yaitu untuk
melihat apakah kedua laten variabel itu merupakan
variabel saling berkorelasi. Manfaatnya adalah untuk
menentukan perlakuan terhadap kedua variabel itu
dalam analisis selanjutnya yaitu:
o Bila korelasi antara keduanya rendah, menunjukkan
bahwa kedua konstruk atau faktor tersebut memang
menjelaskan dua situasi yang berbeda, tetapi bila
korelasinya tinggi maka sangat boleh jadi kedua
kontruk atau variabel itu sesungguhnya menjelaskan
hal yang sama.
. Dalam analisis kausalitas, bila bila kedua variabel
akan diperlakukan sebagai variabel independen,
maka syarat yang harus dipenuhi adalah bahwa
keduanya tidak saling berkorelasi, dan hal ini akan
mudah terlihat pada besarnya angka koefisien
parameter korelasi antara keduanya.

Pengujian nilai lambda (signifikansi nilai factor loading)

dalam analisis faktor konfirmatori dilakukan untuk
melihat apakah variabel ,yang digunakan itu memiliki
kebermaknaan yang cukup untuk mendefinisikan
variabel laten yang dibentuk. Dua macam pengujian
yang dilakukan adalah sebagai berikut:

1. ApakahlilaL!"$_tlgrtliki nrlai > + 0.5: Bila kriteria

ini tidak dipenuhi maka dapat di$mpulkun bahwa
variabel indikator ini tidaklah merupakan anggota
yang dapat menjelaskan variabel laten yang
dibentuk. Hal yang sama juga bila nilanya adalah
negatif misalnya -0.60, sebab nilai negatif tidak
memiliki makna untuk menjelaskan sebuah identitas
tertentu.
2. Apakah koefisien nilai lambda yang diperoleh
(dalam software AMOS disebut sebagai regression
weight) adalah signifikan tidak sama dengan nol.
Signifikansi ini diuji dengan menggunakan rumus:
 CR __
S tan dard - Error - of - Estimate
>2
Eila CR _a[aq._Qri$e_al__8e.1!q_!eri Estimate atau

@s!gg!-Jalg- Qi-c-@ atau sama

dengan 2 maka dapat disimpul_q1_bahwa koefisien
factor loading yang dihasilkan adalah signifikan.

3.2 Causal Model, Structural Model

, 3.2.1 e erry%Sangan model

Pemodelan SEM dapat dilakukan dengan pendekatan dua
langkah (two-step modeling approach) yaitu pertama
mengembangkan model pengukuran dar{qdqe__qdeleh
model kausalitas struktural. Hal ini karena measurement
model dilakukan untuk menghasilkan penilaian mengenai
validitas konvergen (convergent validity) dan validitas
diskriminan (discriminat validity) sedangkan model
struktural menyajikan penilaian mengenai validitas prediktif
(predictive validity)

Dalam kaitan ini Joreskog dan Sorbom (1993,p.113)

menulis:
The testing of the structural model, i.e. the testing of the
initially specified theory, may be meaningless unless it is first
established that the measurement model holds. lf the chosen
indicators for a construct do not measure that construct, the
specified theory must be modified before it can be fested.
Therefore, the measurement model should be tested before
 the structural relationship are fested. lt may be useful to do
this for each construct separately, then for the constructs
taken two at a time, and then for all construct simultaneously.
ln doing so, one should let the construct themselves be freely
correlated, i.e. the covariance matrix of the construct should
be unconstrainted."

Dengan demikian dapat difahami bahwa seyogyanya

setiap faktor laten terlebih dahulu dikonfirmasi sehingga
peneliti mendapatkan faktor yang benar-benar sesuai
dengan apa yang ingin dijelaskan. Bila setiap faktor sudah
selesai dianalisis dan sesuai dengan apa yang memang
ingin diukur, barulah dikem6angkan lebih lanjut dalam
sebuah analisis lanjutan yaitu secara simultan dianalisis
dalam sebuah model struktural.

Pemodelan struktural menggambarkan hubungan-

hubungan yang dihipotesakan antar 'konstrirk, yang
menjelaskan sebuah kausalitas, termasuk didalamnya
kausalitas berjenjang. Sebuah contoh model struktural
adalah seperti yang ditampilkan dalam gambar berikut ini.
 Gambar 1.12

zg .lDurabilitasf. ec,
71
.84 t- l
'rl4taqinTf- r0
.83 .69
{emudahaq -,"
,tlenyamai

3.2.2 Pengujian hipotesis

Dalam model ini kausal seperti yang disajikan dalam
gambar 1.12 diatas, terdapat dua kelompok hipotesis
statistik yang dikembangkan yaitu: pengujian hipotesis
mengenai model serta pengujian hipotesis mengenai
hubungan kausalitas yang dihipotesiskan seperti yang
diuraikan dibawah ini.

3.2.2.1 Pengujian hipotesis modet

Pengembangan hipotesis statistik dikembangkan
dengan cara menyatakan hipotesis sebagai berikut.
Ho: Tidak ada perbedaan antara matriks kovarians data
sampel yang dikalkukasi dengan matriks kovarians
populasi yang diestimasi .
Hr: Ada perbedaan antara matriks kovarians data
sampel yang dikalkukasi dengan matriks kovarians
populasi yang diestimasi .

Berbeda dengan uii hipotesis nol umumnya, eengyj?!-

hrpofesis ini melglglgp\elt-* keqaqalan uBnolak
hlpotgt,:_lgl, sehingga hrpofesls alternatif tidak bisa
diterima, oleh karena itu hipotesls nol dianggap benar.

!
3.2.2.1 Pengujian hipotesis kEusalitas tt
*
Pengujian hipotesis ini dilakukan persis sama dengan t
uji hipotesis regresi umumnya yaitu dengan dengan k
k
melakukan ujit
untuk melihat signifikasi koefisien
regressi yang dihasilkan oleh berbagai hubungan
kausalitas dalam model. fi
1t
L
!
Model dasar pengujian ini adalah t
l
Ho=8.=g I
F
H,=8,+o F
-

Signifikansi koefisien regressi ini dihitung dengan

menggunakan ujit atau dalam AMOS disebut uji Critital
Ration dengan rumus sebagai berikut
 CR= >2
.\ tan Jurtl - Err, 'r' ol - E:timtilL

Bila CR atau Critical Ratio dari Estimate atau koefisien

yang dicari itu lebih besar atau sama dengan 2 maka
dapat disimpulan bahwa koefisien factor loading yang
dihasilkan adalah signifikan

4. PERTANYAAN PENELITIAN
:Eutidak
I iDalam pemodelan sEM, ggq_Jglq digunakan
-epgunakan skor
E2 individuatyang sebagai input adalah matriks kovarians dari data
*-rnpulkan, tetapi
-esgunakan matriks
c,aians
s_@), kemudian qt$s_!ov1ria1s
atau matriks
t ut. qglg-lg mpg!_jL,
+ :re a s i se b as a i i n p
_99g,! a Kan__ gllqf p g n g_[a
_ 9!
l_f g n

s39!g!rs!!rcIq{p_opqlqli9.Ir_c-o_v_{!ancela_t!x.
Pertanyaan utama yang diajukan oleh SEM adalah:
*nanyaan Penelitian:
tphah terdapat apakah model menghasilkan sebuah estimated
bLungan enpirik
yrludap model yang population covariance matrix yang konsisten dengan
8*cmbangkan?;
krapa besar/ "the sample (observed) convariance matrix?.
bgaimana kuatnya
xtgarah antar variabel
nng dibangun dalam
*tdel itu? Oleh karena itu pertanyaan penelitian yang paling
mendasar adalah gpq!4 d?tg yplg_dtqbse4gsi
W_ delsa tppr! 9!g!_ rngdet
yang akan diuji. Dengan kata lain -apakah mod-el

Jllg_9ltqllalOkan dan diuj'i mendapat dukungan

empiris yang sesuai dan memadai? Dan bila
terdapat dukungan empiris Yang kuat, berapa
besar/bagaimana pengaruh antar variabel yang
dibangun dalam model teoretis itu?

SE/!f cocok digunakan antuk:

Mengkanfirmasi anidimensionalitas
dari berbagai indikatar untuk sehuah
ko n str u k/ ko n s ep/fa ktor.
Menguji kesesuaian/ketepatan sehuah
model berdasarkan data empiris yang
ditetiti.
Menguji kesesuaian model-sekatlgus
hubungan katrcalitas antar faktar yang
dihangun/diamati dalam madel
tersebuf.