Buletin Ilmiah Math. Stat.

dan Terapannya (Bimaster)

Volume 09, No. 3 (2020), hal 395 – 404.

PENERAPAN COVARIANCE BASED STRUCTURAL EQUATION MODELING

(CB-SEM) PADA KEPUASAN MASYARAKAT TERHADAP
PELAYANAN KEPOLISIAN

Syafrizal Sodikin, Setyo Wira Rizki , Hendra Perdana

INTISARI

Kemajuan teknologi mendorong unit penyelenggara pelayanan publik untuk meningkatkan pelayanannya.
Harapan dan keluhan masyarakat dalam hal pelayanan, menuntut unit penyelenggara pelayanan publik
untuk membenahi sistem pelayanan yang digunakan, jika tidak ditangani dapat menimbulkan
ketidakpercayaan dari masyarakat. Berdasarkan permasalahan tersebut, unit penyelenggara pelayanan
publik perlu melakukan tindakan yang dapat memperbaiki sistem pelayanan. Salah satu unit
penyelenggara pelayanan publik, yaitu Kepolisian Daerah (Polda) Kalimantan Barat melakukan survei
kepuasan masyarakat terhadap pelayanan publik di wilayah hukum Polda Kalimantan Barat. Ada
beberapa aspek yang menjadi variabel yaitu aspek penegakan hukum ( ), aspek pemeliharaan
kamtibmas ( ), aspek pelayanan publik ( ), dan aspek kepercayaan masyarakat ( ). Metode yang
digunakan dalam penelitian ini adalah covariance based structural equation modeling (CB-SEM). CB-
SEM merupakan SEM yang berbasis kovarian yang digunakan untuk penciptaan dan pembangunan model
yang berorientasi pada pengujian teori. Penerapan CB-SEM diharapkan dapat menganalisis dan
memperoleh informasi dari model struktural mengenai kinerja kepolisian pada aspek hukum, kamtibmas
dan pelayanan publik terhadap kepercayaan masyarakat. Berdasarkan penelitian yang telah dilakukan,
hasil yang didapatkan yaitu aspek yang paling memengaruhi kepercayaan masyarakat adalah aspek
pelayanan dengan pengaruh sebesar 46,7%. Kemudian, aspek pemeliharaan kamtibmas sebesar 36,8%,
serta aspek penegakan hukum sebesar 2%. Dari model struktural yang telah dibentuk, model dapat
menjelaskan sebesar 61% dari keseluruhan data penelitian.
Kata Kunci : pelayanan publik, kepolisian, model struktural, CB-SEM.

PENDAHULUAN
Analisis multivariat adalah analisis statistik yang berkaitan dengan analisis banyak variabel.
Analisis ini merupakan metode statistik yang memungkinkan untuk melakukan penelitian terhadap
lebih dari dua variabel secara bersamaan. Analisis multivariat terdiri dari beberapa jenis, yaitu teknik
dependen (dependent technique), teknik independen (independent technique), dan model struktural
(structural model). Teknik dependen adalah teknik yang digunakan ketika variabel dependen
dipengaruhi oleh variabel independen. Teknik independen adalah teknik yang digunakan ketika semua
variabel saling berpengaruh. Serta teknik struktural adalah teknik yang digunakan untuk menganalisis
variabel dependen dan independen secara simultan[1]. Metode statistika dalam analisis multivariat
yang mampu menganalisa pola hubungan antara variabel laten dan indikatornya, variabel laten yang
satu dengan yang lainnya, serta kesalahan pengukuran secara langsung adalah metode structural
equation modeling (SEM). Terdapat beberapa jenis metode SEM yang digunakan dalam analisis
struktural. Diantaranya yaitu metode covariance based structural equation modeling (CB-SEM) atau
SEM yang berbasis kovarian. Analisis metode SEM jenis ini memerlukan landasan teori yang kuat dan
terdefinisi dengan jelas, serta juga mensyaratkan sampel besar[2].
Kemajuan teknologi mendorong unit penyelenggara pelayanan publik untuk meningkatkan
pelayanannya. Harapan dan keluhan masyarakat dalam hal pelayanan, menuntut unit penyelenggara
pelayanan publik untuk membenahi sistem pelayanan yang digunakan, jika tidak ditangani dapat
menimbulkan ketidakpercayaan dari masyarakat. Salah satu penyelenggara pelayanan publik yang erat
395
396 S. SODIKIN, S.W. RIZKI, H. PERDANA

sekali hubungannya dengan masyarakat adalah Kepolisian Negara Republik Indonesia (Polri).
Polri berkewajiban memberikan pelayanan publik yang prima. Demi menunjang pelayanan tetap
prima, upaya yang harus dilakukan dalam perbaikan pelayanan publik adalah melakukan survei
kepuasan masyarakat dengan mengukur kepuasan masyarakat pengguna layanan. Berdasarkan
permasalahan tersebut, pada akhir tahun 2018 Kepolisian Daerah (Polda) Kalimantan Barat melakukan
survei kepuasan masyarakat di wilayah hukum Polda Kalimantan Barat. Hasil dari survei Polda
digunakan peneliti untuk menganalisis kepuasan masyarakat terhadap penyelenggara pelayanan publik
pada kepolisian. Sehingga, diharapkan Polda Kalimantan Barat mengevaluasi kinerjanya agar menjadi
lebih baik lagi dalam melayani masyarakat.
Penelitian ini bertujuan menganalisis kepuasan masyarakat terhadap penyelenggara pelayanan
publik pada kepolisian, serta memperoleh informasi dari model struktural mengenai kinerja kepolisian
pada aspek hukum, keamanan dan ketertiban mayarakat (kamtibmas) serta pelayanan publik terhadap
kepercayaan masyarakat dengan menerapkan metode CB-SEM. Penelitian ini membahas penerapan
metode CB-SEM untuk membuat model struktural hanya untuk mengetahui pengaruh dan signifikansi
variabel. Variabel laten yang digunakan adalah sebanyak empat variabel, terdiri dari tiga variabel laten
eksogen (hukum, kamtibmas dan pelayanan) dan satu variabel laten endogen (kepercayaan). Data
merupakan tipe non-metrik (kualitatif) dengan sampel sebanyak 391.
Tahapan awal pada penelitian ini yaitu melakukan pengujian instrumen penelitian (kuesioner)
dengan uji validitas dan reiabilitas instrumen penelitian. Uji validitas digunakan untuk menguji
validitas variabel yang digunakan dalam penelitian, variabel dikatakan valid apabila memiliki nilai
hitung > ( , ) [3]. Uji reliabilitas digunakan untuk mengetahui konsistensi alat ukur sebuah
instrumen. Instrumen penelitian mempunyai reliabilitas yang baik jika nilai cronbach alpha ≥ 0,6.
Namun, jika nilai cronbach alpha < 0,6 hal yang harus dilakukan adalah respesifikasi atau
mengeluarkan variabel yang mempunyai korelasi paling kecil. Hal ini dilakukan berulang sampai data
benar-benar memiliki nilai cronbach alpha ≥ 0,6 atau sudah reliabel[4]. Setelah instrumen penelitian
valid dan reliabel, tahapan awal dalam metode CB-SEM adalah spesifikasi model struktural.
Spesifikasi model struktural meliputi perancangan model struktural dan model pengukuran. Setelah
model struktural dan pengukuran dibentuk, selanjutnya adalah konstruksi diagram jalur yang bertujuan
untuk membangun hubungan-hubungan antar variabel laten. Diagram jalur dibentuk berdasarkan
hipotesis penelitian. Berdasarkan diagram jalur terdapat parameter-parameter model struktural. Nilai
Parameter-parameter yang terdapat di diagram jalur dapat diperoleh dari estimasi menggunakan
software Lisrel. Nilai dari tiap parameter yang telah didapatkan diuji kecocokan keseluruhan model
pada data. Uji kecocokan dilakukan dengan melihat ukuran kecocokan model secara absolut,
inkremental dan parsimoni. Jika nilai kecocokan model relatif memenuhi kriteria ukuran kecocokan,
maka dapat dikatakan model cocok dengan data. Pengujian kecocokan model untuk tahap yang lebih
spesifik adalah mengevaluasi model pengukuran dan model struktural. Tahapan ini menguji
kecocokan model pada tiap konstruk. Tahap terakhir yaitu interpretasi model CB-SEM yang telah
dibentuk[5].

PENGUJIAN INSTRUMEN PENELITIAN

Sebelum melakukan metode CB-SEM, kuesioner (instrumen penelitian) perlu dilakukan pengujian
validitas dan reliabilias. Jika instrumen penelitian tidak valid dan reliabel, maka metode CB-SEM juga
tidak dapat dilakukan.
1. Validitas Instrumen
Uji validitas digunakan untuk mengukur valid tidaknya suatu butir pertanyaan. Skala butir
pertanyaan disebut valid, jika melakukan apa yang seharusnya dilakukan dan mengukur yang
seharusnya diukur. Rumus uji validitas adalah sebagai berikut[3].
 Penerapan Covariance Based Structural Equation Modeling (CB-SEM) ... 397

n xy    x   y  ,
rxy 
 n x    x    n y    y  
2 2 2 2

dimana adalah koefisien korelasi antara skor item dari setiap indikator ( ) dan skor total item dari
setiap indikator ( ), adalah jumlah responden, ∑ menyatakan jumlah perkalian antara dan ,
∑ dan ∑ menyatakan jumlah dari kuadrat dan , (∑ ) dan (∑ ) menyatakan jumlah nilai
dan kemudian dikuadratkan.
2. Reliabilitas Instrumen
Uji reliabilitas bertujuan menunjukkan tingkat konsistensi dan stabilitas dari data berupa skor hasil
presepsi suatu variabel, baik variabel bebas maupun variabel terikat. Dengan demikian, reliabilitas
meliputi stabilitas ukuran dan konsistensi internal ukuran. Stabilitas ukuran menunjukkan kemampuan
sebuah ukuran untuk tetap stabil atau tidak rentan terhadap perubahan dalam situasi apapun.
Dasar pengambilan keputusan dalam uji reliabilitas adalah sebagai berikut[4]:
a. Jika nilai cronbach alpha ≥ 0,60 maka kuesioner atau angket dinyatakan reliabel atau konsisten.
b. Sementara, jika nilai cronbach alpha < 0,60 maka kuesioner atau angket dinyatakan tidak
reliabel atau tidak konsisten.
Pengujian reliabilitas dapat dihitung dengan menggunakan formula croncbach alpha yang
dirumuskan sebagai berikut[4].
k
 
 1    2j 
k  j 1
,
 2
k  1   total 
 
 
dimana adalah koefisien reliabilitas instrumen, adalah banyaknya item yang diujikan, total
menyatakan varians total keseluruhan item, ∑ menyatakan jumlah varians item.

BENTUK UMUM CB-SEM

Dalam CB-SEM terdapat beberapa komponen model umum, komponen pertama terdapat 2 jenis
variabel yaitu variabel laten (laten variable) dan variabel teramati (manifest variable). Komponen
kedua terdapat dua jenis model yaitu model struktural dan model pengukuran. Serta komponen ketiga
terdapat dua jenis kesalahan yaitu kesalahan struktural dan kesalahan pengukuran[6].
1. Variabel
a. Variabel laten
Variabel laten merupakan variabel yang tidak dapat diukur secara langsung dan pada umumnya
digambarkan dengan bentuk oval. Ada dua jenis variabel laten yaitu variabel endogen dan variabel
laten eksogen. Variabel laten endogen adalah variabel laten yang terikat, sedangkan variabel laten
eksogen adalah variabel laten yang bebas. Variabel laten eksogen dinotasikan dengan (ksi) dan
variabel laten endogen dinotasikan dengan (eta)[7].
b. Variabel teramati
Variabel teramati adalah variabel yang langsung dapat diukur dan digunakan sebagai indikator
untuk membentuk variabel laten, pada umumnya digambarkan dengan kotak dalam model
struktural. Variabel teramati yang membentuk variabel laten eksogen diberi simbol , sedangkan
variabel teramati untuk membentuk variabel laten endogen diberi simbol [8].
2. Model
a. Model struktural
Model struktural menggambarkan hubungan antar variabel laten. Parameter yang menunjukkan
hubungan antara variabel laten eksogen terhadap variabel laten endogen adalah (gamma).
Parameter yang menunjukkan hubungan antara variabel laten endogen terhadap variabel endogen
398 S. SODIKIN, S.W. RIZKI, H. PERDANA

lainnya adala (beta). Variabel laten eksogen dapat pula dikorelasikan satu sama lain dan
parameter yang menghubungkan korelasi ini dinotasikan dengan ϕ (phi).
b. Model pengukuran
Model pengukuran menggambarkan hubungan antara variabel laten dan veriabel teramati.
Parameter yang menghubungkan antara variabel laten dan veriabel teramati merupakan muatan
(loading) dari variabel teramati yang dinotasikan dengan (lambda)[5].
3. Kesalahan dalam CB-SEM
a. Kesalahan struktural
Sangat tidak memungkinkan untuk melakukan estimasi secara sempurna. Oleh karena itu,
model struktural ditambahkan komponen kesalahan struktural (zeta).
b. Kesalahan pengukuran
Variabel-variabel teramati tidak dapat secara sempurna menggambarkan variabel laten,
sehingga perlu ditambahkan komponen kesalahan pengukuran. Kesalahan pengukuran variabel
teramati dinotasikan dengan (delta), sedangkan kesalahan pengukuran variabel teramati
dinotasikan dengan (epsilon)[6].
Ilustrasi bentuk umum model CB-SEM disajikan pada Gambar 1[5].

Gambar 1 Bentuk Umum Model CB-SEM

Berdasarkan Gambar 1, persamaan matematis yang diperoleh dari model adalah:
1. Model Pengukuran untuk
Persamaan variabel laten eksogen
= +
= +
= +
persamaan variabel laten eksogen
= +
= +
2. Model Pengukuran untuk
Persamaan variabel laten endogen :
= +
= +
 Penerapan Covariance Based Structural Equation Modeling (CB-SEM) ... 399

Persamaan variabel laten endogen :

= +
= +
Persamaan variabel laten endogen :
= +
= +
3. Model persamaan struktural
Model persamaan struktural adalah hubungan antar variabel laten yang dapat ditulis dengan
persamaan sebagai berikut.
= + +
= +
= + +

UKURAN KECOCOKAN KESELURUHAN MODEL

Uji kecocokan ditujukan untuk mengevaluasi secara umum derajat kecocokan (goodness of fit)
antara data dengan model. CB-SEM tidak mempunyai satu uji statistik terbaik yang dapat digunakan
untuk menjelaskan kekuatan kecocokan model, sehingga para peneliti melakukan kombinasi dari
beberapa uji kecocokan keseluruhan model. Penggunaan ukuran secara kombinasi untuk mengukur
kecocokan model dapat dilihat dari tiga sudut pandang, yaitu kecocokan absolut, kecocokan
inkremental, dan ukuran kecocokan parsimoni[5].
1. Ukuran kecocokan absolut
Ukuran kecocokan absolut menentukan derajat prediksi model keseluruhan terhadap matriks
korelasi dan kovarian. Ukuran ini mengandung ukuran-ukuran yang mewakili sudut pandang overall
fit. Ukuran-ukuran kecocokan absolut yang biasanya digunakan untuk mengevaluasi CB-SEM antara
lain.
a. Goodness of fit indeks (GFI)
GFI membandingkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual
kuadrat model yang diprediksi dengan data observasi yang sebenarnya. Nilai GFI berkisar antara 0
(poor fit) sampai 1 (perfect fit). Semakin tinggi nilai GFI menunjukkan nilai fit lebih baik, nilai
GFI di atas 0,90 mengindikasikan goodness of fit model sangat baik, 0,50 ≤ GFI ≤ 0,80
mengindikasikan model cukup baik, serta nilai GFI dibawah 0,50 mengindikasikan model perlu
untuk diperbaiki. Rumus GFI adalah sebagai berikut.
2
h
GFI  1  2
,
i
dimana:
= chi square dari model yang dihipotesiskan
= chi square dari model independen (null model)
b. Root mean square error of approximation (RMSEA)
RMSEA mengukur penyimpangan nilai parameter suatu model dengan matriks kovarian
populasinya. Kriteria untuk nilai RMSEA yaitu, RMSEA < 0,05 mengindikasikan goodness of fit
model sangat baik, 0,05≤ RMSEA ≤ 0,08 mengindikasikan model cukup baik, serta nilai RMSEA
lebih dari 1 mengindikasikan model perlu untuk diperbaiki. Rumus RMSEA adalah sebagai
berikut.
   2  df h  
RMSEA  max   h ,0 ,
 ndf  
 h  
400 S. SODIKIN, S.W. RIZKI, H. PERDANA

dimana:
= derajat bebas dari model yang dihipotesiskan.
2. Indeks kecocokan inkremental
Ukuran kecocokan inkremental membandingkan model yang diestimasi dengan model dasar (null
model). Model dasar adalah dimana semua variabel di dalam model bebas satu sama lain dan paling
dibatasi. Indeks ke cocokan inkremental yang sering digunakan adalah sebagai berikut.
a. Adjusted goodness-of-fit (AGFI)
AGFI merupakan pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom
untuk proposed model dengan degree of freedom untuk null model. AGFI berkisar antara 0 (poor
fit) sampai 1 (perfect fit). Semakin tinggi nilai GFI menunjukkan nilai fit lebih baik, nilai AGFI di
atas 0,90 mengindikasikan goodness of fit model sangat baik, 0,50 ≤ AGFI ≤ 0,80
mengindikasikan model cukup baik, serta nilai AGFI dibawah 0,50 mengindikasikan model perlu
untuk diperbaiki. Rumus dari AGFI adalah sebagai berikut.
df i
AGFI  1  1  GFI  ,
df h
dimana:
= derajat bebas model indepeden (null model)
= derajat bebas dari model yang dihipotesiskan.
b. Tucker-Lewis index (TLI)
Ukuran ini menggabungkan ukuran parsimoni ke dalam indeks komparasi antara proposed
model dan null model. Nilai TLI berkisar antara 0 sampai 1, dengan nilai TLI ≥ 0.90 menunjukkan
good fit (baik) dan 0,80 ≤ TLI ≤ 0,90 adalah marginal fit (cukup baik). Rumus TLI adalah sebagai
berikut.
  i2    2h 
  
 df i   df h 
TLI  .
  i2 
  1
 df i 
3. Ukuran kecocokan parsimoni
Model parsimoni adalah model dengan parameter relatif sedikit dan degree of freedom relatif
banyak. Ukuran kecocokan parsimoni merupakan alat untuk memperoleh derajat kecocokan setinggi-
tingginya untuk setiap degree of freedom. Sehingga, parsimoni yang tinggi dapat mengindikasikan
model yang lebih baik.
a. Parsimonious normed fit index (PNFI)
PNFI memperhitungkan banyaknya degree of freedom untuk mencapai suatu tingkat kecocokan.
Penggunaan PNFI terutama untuk perbandingan dua atau lebih model yang mempunyai degree of
freedom berbeda. Semakin tinggi nilai PNFI menunjukkan nilai fit lebih baik, nilai PNFI di atas
0,90 mengindikasikan goodness of fit model sangat baik, 0,50 ≤ PNFI ≤ 0,80 mengindikasikan
model cukup baik, serta nilai PNFI dibawah 0,50 mengindikasikan model perlu untuk diperbaiki.
Rumus PNFI adalah sebagai berikut.
2 2
df h   i   h 
PNFI   .
df i   i2 
b. Parsimonious goodness of fit index (PGFI)
PGFI memodifikasi GFI berdasarkan parsimoni dari model yang diestimasi. Nilai PGFI berkisar
antara 0 dan 1. Semakin tinggi nilai PGFI menunjukkan nilai fit lebih baik, nilai GFI di atas 0,90
mengindikasikan goodness of fit model sangat baik, 0,50 ≤ PGFI ≤ 0,80 mengindikasikan model
 Penerapan Covariance Based Structural Equation Modeling (CB-SEM) ... 401

cukup baik, serta nilai PGFI dibawah 0,50 mengindikasikan model perlu untuk diperbaiki. Rumus
PGFI adalah sebagai berikut. Rumus PGFI adalah sebagai berikut.
df h
PGFI  1  1  GFI  .
df i

EVALUASI MODEL
1. Evaluasi model pengukuran
Evaluasi ini dilakukan melalui evaluasi terhadap validitas dan reliabilitas dari model pengukuran.
Validitas evaluasi model dapat dilihat dari nilai standardized loading. Nilai standardized loading ≥
0,50 menunjukkan loading (muatan) adalah signifikan. Reliabilitas evaluasi model bisa didapatkan
dengan menghitung nilai reliabilitas komposit konstruk laten. Suatu konstruk mempunyai reliabilitas
yang baik jika nilai reliabilitas konstruknya ≥ 0,70.
2. Evaluasi model struktural
Setiap koefisien yang memiliki hubungan kausal yang dihipotesiskan dapat diuji signifikansinya
secara statistik dengan menspesifikasi tingkat signifikansi. T-value ≥ 1,96 atau nilai p-value ≤ 0,05
dari sebuah koefisien, menunjukkan bahwa koefisien tersebut adalah signifikan[6].

HASIL DAN PEMBAHASAN

Penelitian ini menggunakan data sekunder, yaitu data yang telah dikumpulkan pada kegiatan survei
pelayanan publik oleh kepolisian. Jumlah sampel yang digunakan sebanyak 391. Responden menilai
kinerja kepolisian pada empat aspek yang digunakan sebagai variabel penelitian, yaitu variabel aspek
hukum ( ), variabel aspek kamtibmas ( ), variabel aspek pelayanan ( ), serta variabel aspek
kepercayaan ( ). Aspek hukum mempunyai 12 indikator, aspek kamtibmas mempunyai 14 indikator,
aspek pelayanan mempunyai 15 indikator, serta aspek kepercayaan mempunyai 3 indikator.
Berdasarkan penilaian dari setiap indikator oleh responden, maka diperoleh persentase dan penilaian
setiap aspek. Persentase dan penilaian setiap aspek disajikan pada Tabel 1.
Tabel 1 Deskripsi Data
Aspek Persentase Kepuasan Penilaian
Hukum 65,74% Cukup Baik
Kamtibmas 74,27% Baik
Pelayanan 77,43% Baik
Kepercayaan 79,62% Baik
Rata-Rata 74,27% Baik
Tahapan awal sebelum melakukan analisis CB-SEM adalah pemeriksaan data. Pemeriksaan data
meliputi screenig data, pengujian validitas dan pengujian reliabilitas instrumen penelitian. Screening
data menunjukkan tidak ada missing value pada data kuesioner, sehingga langkah selanjutnya dapat
dilakukan yaitu pengujian validitas dan reliabilitas instrumen. Pengujian validitas instrumen dilakukan
untuk mencari koefisien korelasi antara skor item dan skor total item dari setiap indikator. Suatu
instrumen dikatakan valid apabila hitung > ( , ; ). Uji validitas yang dilakukan pada data
penelitian ini menunjukkan seluruh indikator mempunyai hitung > ( , ; ), sehingga semua
indikator penelitian adalah valid. Kemudian, pengujian reliabilitas digunakan untuk melihat
keakuratan dan ketepatan dari suatu alat ukur dalam suatu prosedur pengukuran. Nilai cronbach alpha
digunakan untuk menilai realibilitas instrumen penelitian. Kriteria yang digunakan untuk uji reliablitas
jika nilai cronbach alpha ≥ 0,60 maka kuesioner dinyatakan reliabel. Uji reliabilitas yang dilakukan
pada data penelitian ini menunjukkan semua aspek variabel laten mempunyai nilai cronbach alpha
>0,60, sehingga semua indikator dalam variabel laten sudah reliabel.
402 S. SODIKIN, S.W. RIZKI, H. PERDANA

Tahapan selanjutnya setelah pemeriksaan data adalah spesifikasi model. Tahap ini berkaitan
dengan pembentukan model awal persamaan struktural, sebelum dilakukan estimasi. Spesifikasi model
meliputi perancangan model struktural, perancangan model pengukuran, serta konstruksi diagram
jalur. Model struktural menunjukkan hubungan sebab-akibat di antara variabel-variabel laten, yang
menjelaskan pengaruh dari penyebab. Model pengukuran menunjukkan cara variabel laten yang
dihipotesiskan diindikasikan oleh variabel teramati. Konstruksi diagram jalur yaitu membangun
hubungan-hubungan antar variabel. Berdasarkan model yang telah dibuat, terdapat parameter-
parameter model strukturalnya. Nilai dari parameter-parameter yang ada di dalam model struktural
dapat diperoleh menggunakan estimasi. Estimasi yang digunakan pada penelitian ini adalah maximum
likelihood. Hasil estimasi paramater menggunakan software Lisrel dapat dilihat pada Gambar 2.

Gambar 2 Hasil Estimasi Parameter

Nilai estimasi yang telah didapatkan belum diketahui kesesuaiannya dengan model yang telah
dibuat. Oleh karena itu, perlu dilakukan penilaian kesesuaian model (goodness of fit) untuk mengukur
seberapa akurat estimasi yang didapat dengan model yang telah dibuat. Nilai kecocokan model dapat
dilihat pada Tabel 2.
Tabel 2 Goodness of Fit (GOF)
Kriteria GOF Jenis Kecocokan Model Nilai Keterangan
GFI 0,74 Cukup Baik
Absolut
RMSEA 0,077 Cukup Baik
AGFI 0,71 Cukup Baik
Inkremental
TLI 0,97 Baik
PNFI 0,91 Baik
Parsimoni
PGFI 0,67 Cukup Baik
Berdasarkan Tabel 2, model secara relatif memiliki kecocokan yang cukup baik dengan data
penelitian.
 Penerapan Covariance Based Structural Equation Modeling (CB-SEM) ... 403

Evaluasi model struktural digunakan untuk melihat variabel laten eksogen yang secara signifikan
memengaruhi variabel laten endogen. Kriteria signifikansi variabel yang digunakan adalah dengan T-
value. Jika T-value > 1,96, maka variabel laten eksogen signifikan memengaruhi variabel laten
endogen, berlaku juga untuk kebalikannya. Signifikansi tiap variabel laten eksogen dapat dilihat pada
Tabel 3.
Tabel 3 Signifikansi Variabel Laten Eksogen
Variabel Laten Eksogen T-value Keterangan
Hukum 0,21 Tidak Signifikan
Kamtibmas 3,53 Signifikan
Pelayanan 7,36 Signifikan
Berdasarkan Tabel 3 bahwa variabel laten hukum tidak signifikan memengaruhi variabel kepercayaan,
akan tetapi variabel laten kamtibmas dan pelayanan secara signifikan memengaruhi variabel laten
kepercayaan. Evaluasi signifikansi model struktural secara simultan diukur menggunakan overall
coeficient of determination ( ). Hasil estimasi menggunakan software Lisrel didapat nilai sebesar
0,61 atau 61%. Sehingga, variabel hukum, variabel kamtibmas, dan variabel pelayanan secara
simultan memengaruhi variabel kepercayaan sebesar 61%.
Berdasarkan Gambar 2, persamaan model struktural dari hasil estimasi adalah:
= 0,39 + 0,02 + 0,368 + 0,467
Berdasarkan persamaan model struktural, diperoleh informasi pengaruh antara aspek penegakan
hukum terhadap aspek kepercayaan masyarakat yaitu sebesar 0,02 yang artinya semakin baik aspek
penegakan hukum maka kepercayaan masyarakat akan meningkat sebesar 0,02 atau 2%. Hal ini
menunjukkan bahwa kepuasan masyarakat terhadap aspek hukum tergolong buruk, sehingga perlu
ditingkatkan lagi agar penegakan hukum selalu terwujud demi tercapainya keadilan. Pengaruh antara
aspek pemeliharaan kamtibmas terhadap aspek kepercayaan masyarakat yaitu sebesar 0,368 yang
artinya semakin baik aspek pemeliharaan kamtibmas maka kepercayaan masyarakat akan meningkat
sebesar 0,368 atau 36,8%. Hal ini menunjukkan bahwa kepuasan masyarakat terhadap aspek
kamtibmas sudah cukup baik, namun perlu ditingkatkan lagi agar keamanan dan ketertiban selalu
terjamin. Serta pengaruh antara aspek pelayanan publik terhadap aspek kepercayaan masyarakat yaitu
sebesar 0,467 yang artinya semakin baik aspek pemeliharaan kamtibmas maka kepercayaan
masyarakat akan meningkat sebesar 0,467 atau 46,7%. Hal ini menunjukkan bahwa kepuasan
masyarakat terhadap aspek pelayanan sudah cukup baik, namun perlu ditingkatkan lagi agar
revitalisasi kepolisian menuju pelayanan yang prima.

KESIMPULAN
Berdasarkan analisis dan pembahasan yang telah dipaparkan pada penelitian ini, maka dapat
diambil kesimpulan bahwa hanya aspek penegakan hukum yang tidak memengaruhi aspek
kepercayaan masyarakat secara signifikan, sedangkan aspek pemeliharaan kamtibmas, dan aspek
pelayanan memengaruhi kepercayaan masyarakat secara signifikan. Aspek yang paling memengaruhi
kepercayaan masyarakat yaitu aspek pelayanan dengan pengaruh sebesar 46,7%. Diikuti dengan aspek
pemeliharaan kamtibmas sebesar 36,8%, serta aspek penegakan hukum hanya sebesar 2%.
Secara umum, aspek penegakan hukum, pemeliharaan kamtibmas, dan pelayanan memberikan
pengaruh terhadap kepercayaan masyarakat. Hal ini dapat diketahui melalui pengujian kecocokan
model secara keseluruhan, dengan hasil model secara relatif memiliki kecocokan yang cukup baik
dengan data penelitian. Dari model struktural yang telah dibentuk, model dapat menjelaskan sebesar
61% dari keseluruhan data penelitian, sedangkan 39% lainnya dijelaskan oleh faktor lain yang tidak
dimasukkan ke dalam model.
404 S. SODIKIN, S.W. RIZKI, H. PERDANA

UCAPAN TERIMAKASIH
Diucapkan terima kasih kepada semua pihak yang berperan dalam penyelesaian penelitian ini.
Terkhusus terima kasih kepada Kepolisian Daerah (Polda) Kalimantan Barat yang telah mengizinkan
peneliti untuk menggunakan data Survei Kepuasan Masyarakat terhadap Pelayanan Polda Kalimantan
Barat tahun 2018.

DAFTAR PUSTAKA
[1]. Tabachnick, B. G., & Fidell, L. S. Using Multivariate Statistics (7th Ed.). Boston: Allyn & Bacon;
2013.
[2]. Schumacker, R. E. & Lomax, R. G. A Beginner’s Guide to Structural Equation Modeling (3th
Ed.). New York: Routledge; 2010.
[3]. Siregar, S. Statistika Deskriptif untuk Penelitian: Dilengkapi Perhitungan Manual dan Aplikasi
SPSS Versi 17 Edisi 2. Jakarta: Rajawali Pers; 2011.
[4]. Sujarweni, V. W. SPSS untuk Penelitian. Yogyakarta: Pustaka Baru Press; 2014.
[5]. Wijanto, S.H. Structural Equation Modeling (SEM). Yogyakarta: Graha Ilmu; 2008.
[6]. Ghozali, I. & Fuad. Structural Equation Modeling dalam Penelitian Manajemen. Semarang:
Badan Penerbit Universitas Diponegoro; 2005.
[7]. Kasmuri, Tirta dan Dewi, Y. S. Pendekatan Covariance Based SEM dengan Estimasi Bollen-
Stine. Jurnal Ilmu Dasar. 2015; 16(2): 81-88.
[8]. Zuhri, S., Andriansyah, Asmadi, D. dan Khajar, S. Analisis Loyalitas Pelanggan Industri Jasa
Pengiriman Menggunakan Structural Equation Modeling. Jurnal Ilmiah Teknik Industri. 2016;
15(2): 101-108.

SYAFRIZAL SODIKIN : Jurusan Matematika FMIPA Untan, Pontianak

syafrizal.sodikin@gmail.com
SETYO WIRA RIZKI : Jurusan Matematika FMIPA Untan, Pontianak
setyo.wirarizki@math.untan.ac.id
HENDRA PERDANA : Jurusan Matematika FMIPA Untan, Pontianak
hendra.perdana@math.untan.ac.id