PENELITIAN
REVIEW SKRIPSI
FAI UHAMKA
Website: www.lela.stiemj.ac.id
Email: lela@stiemj.ac.id
FENOMENA
KESENJANGAN
PENELITIAN
(Research Gap)
MASALAH
KESENJANGAN TEORI
(Theory Gap)
Langkah Penting Mereview
BAB I PENDAHULUAN
KINERJA H1 NILAI
PERBANKAN PERBANKAN
CSR
DISCLOSURE
Langkah Penting Mereview
BAB I PENDAHULUAN
• Identifikasi Masalah
Menginventarisir atau menyebutkan masalah-masalah yang
dikemukakan dalam latar belakang
• Batasan Masalah
Membatasi masalah pada masalah yang akan diteliti
• Tujuan Penelitian
• Manfaat Penelitian
Pengumpulan Data Awal
Pengumpulan data merupakan aktivitas yang dilakukan
guna mendapatkan informasi yang diperlukan dalam
rangka mencapai tujuan dari suatu penelitian. Adapun
tujuan penelitian adalah jawaban dari rumusan masalah
ataupun hipotesis penelitian, untuk dapat menjawabnya
diperlukan data atau informasi yang diperoleh melalui
tahapan pengumpulan data.
Pengumpulan data awal dalam penelitian dimaksudkan
guna mendapatkan bahan, keterangan, kenyataan, dan
informasi yang bisa dipercaya, juga dimaksudkan sebagai
induktif thinking (fenomena) untuk melihat permasalahan
yang terjadi di lapangan
MANFAAT
PENENTU JENIIS
DATA PENELITIAN
MEMPERMUDAH MENENTUKAN
POPULASI DAN SAMPEL
Kajian Pustaka
• Kajian pustaka dalam suatu penelitian ilmiah
adalah salah satu bagian penting dari
keseluruhan langkah-langkah metode penelitian.
Cooper dalam Creswell mengemukakan bahwa
kajian pustaka memiliki beberapa tujuan yakni;
menginformasikan kepada pembaca hasil-hasil
penelitian lain yang berkaitan erat dengan
penelitian yang dilakukan saat itu,
menghubungkan penelitian dengan literatur-
literatur yang ada, dan mengisi celah-celah
dalam penelitian-penelitian sebelumnya.
Bagaimana Membuat
Kajian Pustaka
1. Cari jenis literatur yang sesuai
2. Cari naskah dari publikasi yang sesuai
3. Cari naskah dengan variabel yang sesuai
4. Buatlah ringkasan dari pemikiran ilmuwan atau
peneliti yang dirujuk
5. Bahas substansi
6. Carilah pro-kontra
7. Kembangkan proposisi dan grand theoretical model
8. Kembangkan hipotesis dan empirical research
model
Fungsi Kajian Pustaka
• Mengetahui sejarah masalah penelitian,
• Membantu memilih prosedur penyelesaian
masalah penelitian
• Memahami latar belakang teori masalah
penelitian
• Mengetahui manfaat penelitian sebelumnya
• Menghindari terjadinya duplikasi penelitian, dan
• Memberikan pembenaran alasan pemilihan
masalah penelitian
Tujuan Kajian Pustaka
Menentukan apa yang telah dilakukan
orang yang berhubungan dengan topik
penelitian yang akan dilakukan. Selain itu
dengan kajian pustaka tidak hanya
mencegah duplikasi penelitian orang lain,
tetapi juga memberikan pemahaman dan
wawasan yang dibutuhkan untuk
menempatkan topik penelitian yang kita
lakukan dalam kerangka logis
Kerangka Pemikiran
• Kerangka pemikiran adalah model konseptual yang
ditujukan untuk menggambarkan kompleksitas
hubungan antara faktor-faktor atau variabel yang
diidentifikasi penting dalam suatu permasalahan.
• Perumusan kerangka pemikiran harus dapat
menggambarkan konsep-konsep yang akan
dipergunakan dalam penelitian yang menunjukkan
hubungan antar variabel-variabel, sehingga dapat
dijadikan pemandu (road map) investigasi secara
empirik. Pengembangan kerangka pemikiran yang
sistematis dan logik akan sangat membantu peneliti
dalam menguji hubungan antara variabel di
lapangan.
Komponen Kerangka
Pemikiran
• Variabel yang akan diteliti harus diidentifikasi dan
dinamai dengan jelas dalam pembahasan
• Pembahasan harus menyebutkan alasan pertautan dua
atau lebih variabel dan ada teori yang mendasari.
• Bila sifat dan arah hubungan terdapat dalam penelitian
sebelumnya, maka harus ditunjukkan apakah
hubungannya positif atau negatif
• Harus ada penjelasan yang rinci tentang alasan adanya
hubungan variabel tersebut berdasarkan penelitian
sebelumnya
• Kerangka berpikir tersebut selanjutnya dinyatakan dalam
bentuk diagram (paradigma penelitian), sehingga pihak
lain dapat memahami kerangka pikir yang dikemukakan
dalam penelitian.
Langkah-Langkah Penyusunan
Kerangka Pemikiran Teoritikal
1. Ilmu pengetahuan,
2. Wawasan,
3. Imajinasi,
4. Bahan bacaan,
5. Kebiasaan/ kegiatan
masyarakat
6. Data dan analogi
Variabel, Konsep dan
Konstruk
• Variabel merupakan proksi atau
representasi dari construct yang dapat
diukur dengan berbagai macam nilai.
Variabel juga merupakan mediator antara
construct yang abstrak dan fenomena
yang nyata. Variabel memberikan
gambaran yang lebih nyata mengenai
fenomena-fenomena yang
digeneralisasikan dalam construct.
Variabel Penelitian
• Dependent Varibel (Y), yaitu: variabel yang nilainya
dipengaruhi/ditentukan oleh variabel lain.
• Independent Variabel (X), yaitu: variabel yang
mempengaruhi/menentukan variabel lain (predictor
variable).
• Antecendent Variabel (A), yaitu: variabel awal yang
mempengaruhi variabel (Y) dan varabel (X).
• Moderating Variabel (M), yaitu : Variabel yang turut
menentukan hubungan varabel (X) dan varabel (Y).
• Intervening Variabel (I), yaitu : Variabel diantara varabel
(X) dan varabel (Y) yang turut mempengaruhi varabel
(Y).
Pembagian variabel berdasarkan pada hubungan
antar variabel:
1. Variabel Bebas 2. Variabel Moderator
Lingkungan
Lingkungan
Proses Prestasi
Proses Prestasi
Belajar
Belajar Siswa
Siswa
Minat
Minat Prestasi
Belajar
Belajar Siswa
2. Variabel Tak Bebas
Proses
Proses Prestasi
Prestasi
Siswa
Belajar
Belajar Siswa 4. Variabel Intervening
Proses
Belajar
Pendidik Prestasi
Pendidik
an Guru
an Guru SIswa
Operasional Variabel
• Defenisi operasional merupakan penjelasan
tentang bagaimana operasi atau kegiatan yang
harus dilakukan untuk memperoleh data atau yang
menunjukan indikator yang dimaksud. Dengan kata
lain, defenisi operasional adalah bagaimana
menemukan dan mengukur variabel-variabel
(kasus) tersebut di dunia nyata atau dilapangan,
dengan merumuskan secara pendek dan jelas,
serta tidak menimbulkan berbagai tafsiran.
Skala dan Indeks
Pengukuran
Skala dalam penelitian ada empat tingkatan:
1. Skala Nominal
2. Skala Ordinal
3. Skala Interval
4. Skala Rasio
Skala Nominal
• Skala nominal adalah skala yang
hanya digunakan untuk memberikan
kategori saja
• Contoh:
Wanita 1
Laki-laki 2
Skala Ordinal
• Adalah skala pengukuran yang sudah dapat digunakan untuk
menyatakan peringkat antar tingkatan, akan tetapi jarak atau interval
antar tingkatan belum jelas.
• Contoh:
Berilah peringkat supermarket berdasarkan kualitas pelayanannya !
Sri Ratu……………………… 1
Moro ………………………… 3
Matahari ………………….. 5
Rita I ………………………. 2
Rita II ……………………… 4
Super Ekonomi …………. 6
Skala Interval
• Adalah skala pengukuran yang sudah dapat digunakan untuk
menyatakan peringkat antar tingkatan, dan jarak atau interval antar
tingkatan sudah jelas, namun belum memiliki nilai 0 (nol) yang
.
mutlak
• Contoh:
1. Skala Pada Termometer
2. Skala Pada Jam
3. Skala Pada Tanggal
Skala Rasio
• Adalah skala pengukuran yang sudah dapat digunakan untuk
menyatakan peringkat antar tingkatan, dan jarak atau interval antar
tingkatan sudah jelas, dan memiliki nilai 0 (nol) yang mutlak .
• Contoh:
1. Berat Badan
2. Pendapatan
3. Hasil Penjualan
Ringkasan Tentang Skala
Interval Ya Ya Ya Tidak
Rasio Ya Ya Ya Ya
Metode Pengukuran Sikap
1. Skala Likert
2. Skala Guttman
3. Skala Semantic Deferensial
4. Skala Rating
Skala Likert
• Skala Likert’s digunakan untuk mengukur sikap, pendapat
dan persepsi seseorang tentang fenomena sosial.
• Contoh:
Pelayanan rumah sakit ini sudah sesuai dengan apa yang
saudara harapkan.
a. Sangat setuju skor 5
b. Setuju skor 4
c. Tidak ada pendapat skor 3
d. Tidak setuju skor 2
e. Sangat tidak setuju skor 1
Skala Guttman
• Skala Guttman akan memberikan
respon yang tegas, yang terdiri dari
dua alternatif.
• Misalnya :
Ya Tidak
Baik Buruk
Pernah Belum Pernah
Punya Tidak Punya
Skala Semamtik Deferensial
• Skala ini digunakan untuk mengukur sikap tidak dalam bentuk pilihan ganda atau
checklist, tetapi tersusun dari sebuah garis kontinuem dimana nilai yang sangat
negatif terletak disebelah kiri sedangkan nilai yang sangat positif terletak
disebelah kanan .
• Contoh:
Bagimana tanggapan saudara terhadap pelayanan dirumah sakit
ini ?
1. 5.
Sangat Buruk Sangat Baik
Skala Rating
• Dalam skala rating data yang diperoleh adalah data kuantitatif kemudian
peneliti baru mentranformasikan data kuantitatif tersebut menjadi data
.
kualitatif
• Contoh:
Kenyaman ruang loby Bank CBA:
5 4 3 2 1
Populasi
Sampe
l
PENGOLAHAN DATA
• Statistik Deskriptif
Statistik Deskriptif menjelaskan atau menggambarkan
berbagai karakteristik data, seperti berapa rata-ratanya,
seberapa jauh data-data bervariasi dari rata-ratanya, berapa
median data, dll.
• Statistik Induktif (Inferensi)
Statistik induktif menjelaskan berbagai inferensi terhadap
sekumpulan data yang berasal dari suatu sample, seperti
melakukan perkiraan populasi, uji hipotesis, peramalan dll.
Metode Statistik
No Variabel Dependen Variabel Independen Uji Statistik
1 satu skala metrik satu non-metrik dgn dua Uji beda t-test
kategori
2 satu skala metrik satu non-metrik dengan Analysis of Variance
dua kategori (ANOVA)
3 lebih dari satu metrik satu atau lebih non-metrik Multivariate Analysis of
Variance (MANOVA)
4 satu atau lebih metrik lebih dari satu metrik Canonical Correlation
5 satu non-metrik dua satu atau lebih metrik Analisis Diskriminan
kategori
6 satu non-metrik lebih dari satu atau lebih metrik Analisis Multiple
dua kategori Diskriminan
7 satu non-metrik dua satu atau lebih metrik dan Logistic Regression
kategori non-metrik
8 lebih dari satu metrik lebih dari satu metrik Analisis jalur (Path
Analysis) dan Structural
Equation Modeling (SEM)
Sofware Pengujian Hipotesis:
1. SPSS
2. Eviews
3. Stata
4. Smart PLS
5. Warp PLS
6. AMOS
7. Lisrel
8. Gesca
9. EQS dll
SEM VARIANCE VS COVARIANCE
No Kriteria VBSEM CBSEM
(PLS-SEM) (AMOS dan LISREL)
1 Tujuan Analisis Orientasi prediksi dan analisis eksploratori Taksiran parameter dan
konfirmatori
2 Asumsi Non-parametrik, tidak mengikuti pola distribusi Parametrik, mengikuti pola distribusi normal
tertentu (multivariate normal distribution)
3 Pendekatan Variance atau component based (VBSEM) Covariance based SEM CB SEM)
4 Jumlah sampel Kekuatan analisis didasarkan pada porsi dari Kekuatan analisis didasarkan pada model
model yang memiliki jumlah predictor terbesar. spesifik, minimal direkomendasikan berkisar
Minimal direkomendasikan berkisar dari 30 – 200 – 800
100 kasus, semakin besar jumlah
5 Hubungan konstruk laten Reflektif maupun formatif indikator Hanya Reflektif indikator
dan indikator
6 Kompleksitas model Mampu menangani hubungan yang sangat Kompleksitas kecil sampai menengah (Kurang
komplek, bisa terdiri dari 100 konstruk laten dari 100 variabel)
dan 1000 indikator
7 Kebutuhan teori Fleksibel, optimal pada prediksi dan akurasi Asumsi dan dasar teorikuat, pengembangan
model model berorientasi akurasi parameter
8 Identifikasi model Model rekursif dan non rekursif Algoritma CBSEM hanya menangani model
rekursif
9 Uji GOF Sedikit alat parameter GOF Lebih banyak alat parameter GOF
10 Kekuatan taksiran Konsisten ketika jumlah sampel meningkat Lebih baik, kuat dan konsisten
44
Metode PLS
PEMODELAN di dalam PLS:
• Inner model model struktural yang
menghubungkan antar variabel laten
• Outer model model pengukuran
yang menghubungkan indikator
dengan variabel latennya
45
Indikator
• Refleksif
x1 e1
F a k to r
x2 e2
U ta m a 1
x3 e3
• Formatif
x1
Faktor
zeta1 x2
Komposit 1
x3
46
Indikator Model Refleksif
• Contoh model indikator refleksif adalah Variabel
yang berkaitan dengan sikap (attitude) dan niat
membeli (purchase intention).
• Sikap umumnya dipandang sebagi respon dalam
bentuk favorable (menguntungkan) atau
unfavorable (tidak menguntungkan) terhadap suatu
obyek dan biasanya diukur dengan skala multi item
dalam bentuk semantik differences seperti, good-
bad, like-dislike, dan favorable-unfavorable.
• Sedangkan niat membeli umumnya diukur dengan
ukuran subyektif seperti how likely-unlikely,
probable-improbable, dan/atau possible-impossible.
47
Ciri-ciri model indikator
reflektif
• Arah hubungan kausalitas dari
variabel laten ke indikator
• Antar indikator diharapkan saling
berkorelasi (instrumen harus memiliki
internal consistency reliability)
• Menghilangkan satu indikator, tidak
akan merubah makna dan arti variabel
yg diukur
• Kesalahan pengukuran (error) pada
tingkat indikator
48
Indikator Model Formatif
• Contoh model indikator formatif adalah di bidang
ekonomi, seperti index of sustainable
economics welfare, the human development
index, the quality of life index.
• Variabel laten dengan model indikator formatif
berupa variabel komposit
– Variabel Status Sosial Ekonomi, diukur
berdasarkan indikator yang saling mutually
exclusive: Pendidikan, Pekerjaan dan Tempat
Tinggal
– Variabel kualitas pelayanan dibentuk (formatif)
oleh 5 dimensi: tangible, reliability, responsive,
emphaty dan assurance.
49
Ciri-ciri model indikator
formatif
• Arah hubungan kausalitas dari
indikator ke variabel laten
• Antar indikator diasumsikan tidak
berkorelasi (tidak diperlukan uji
reliabilitas konsistensi internal)
• Menghilangkan satu indikator
berakibat merubah makna dari
variabel laten
• Kesalahan pengukuran berada pada
tingkat variabel laten (zeta)
50
Notasi pada PLS
51
Notasi pada PLS
• = Ksi, variabel latent eksogen
• = Eta, variabel laten endogen
• x = Lamnda (kecil), loading faktor variabel latent eksogen
• y = Lamnda (kecil), loading faktor variabel latent endogen
• x = Lamnda (besar), matriks loading faktor variabel latent eksogen
• y = Lamnda (besar), matriks loading faktor variabel laten endogen
• = Beta (kecil), koefisien pngruh var. endogen terhadap endogen
• = Gamma (kecil), koefisien pngruh var. eksogen terhadap endogen
• = Zeta (kecil), galat model
• = Delta (kecil), galat pengukuran pada variabel laten eksogen
• = Epsilon (kecil), galat pengukuran pada variabel latent endogen
52
LANGKAH-LANGKAH PLS
1 Merancang Model Struktural (inner
model)
5
Estimasi: Koef. Jalur, Loading dan
Weight
7
Pengujian Hipotesis (Resampling
Bootstraping)
53
LANGKAH KE-1
MERANCANG INNER MODEL
Pada SEM perancangan model adalah berbasis teori,
akan tetapi pada PLS bisa berupa:
– Teori
– Hasil penelitian empiris
– Analogi, hubungan antar variabel pada bidang ilmu
yang lain
– Normatif, misal peraturan pemerintah, undang-undang,
dan lain sebagainya
– Rasional
PLS: Bisa ekplorasi hubungan antar variabel
54
LANGKAH KE-2
55
TAHAP KE-3
KONSTRUKSI DIAGRAM JALUR
56
LANGKAH KE-4
KONVERSI DIAGRAM JALUR KE PERSAMAAN
• Outer model
– Untuk variabel latent eksogen 1 (reflektif)
• x = +
1 x1 1 1
• x = +
2 x2 1 2
• x = +
3 x3 1 3
– Untuk variabel latent eksogen 2 (formatif)
• = X + X + X +
2 x4 4 x5 5 x6 6 4
58
LANKAH KE-5
Pendugaan parameter :
– Weight estimate yang digunakan untuk menghitung data
variabel laten
– Estimasi jalur (path estimate) yang menghubungkan antar
variabel laten (koefisien jalur) dan antara variabel laten
dengan indikatornya (loading)
– Berkaitan dengan means dan lokasi parameter (nilai
konstanta regresi) untuk indikator dan variabel laten.
– Metode estimasi PLS: OLS dengan teknik iterasi
– Interaction variable
• Pengukuran untuk variabel moderator, dengan teknik :
menstandarkan skor indikator dari variabel laten yang dimoderasi
dan yang memoderasi, kemudian membuat variabel laten interaksi
dengan cara mengalikan nilai standar indikator yang dimoderasi
dengan yang memoderasi
59
LANGKAH KE-6
GOODNESS OF FIT - OUTER MODEL
60
GOODNESS OF FIT - OUTER MODEL
• Convergent validity
– Nilai loading 0.5 sampai 0.6 dianggap cukup,
untuk jumlah indikator dari variabel laten
berkisar antara 3 sampai 7
• Discriminant validity
– Direkomendasikan nilai AVE lebih besar dari
0.50.
AVE
i
2
i i var( i )
2
61
GOODNESS OF FIT - OUTER MODEL
Uji yang dilakukan pada outer model refleftif adalah:
• Convergent Validity. Nilai convergen validity adalah nilai loading
faktor pada variabel laten dengan indikator-indikatornya. Nilai yang
diharapkan > 0.7, tetapi untuk penelitian pertama nilai loading di atas
0,5 masih dianggap valid.
• Discriminant Validity. Nilai ini merupakan nilai cross loading faktor
yang berguna untuk mengetahui apakah konstruk memiliki
diskriminan yang memadai yaitu dengan cara membandingkan nilai
loading pada konstruk yang dituju harus lebih besar dibandingkan
dengan nilai loading dengan konstruk yang lain.
• Composite Reliability. Data yang memiliki composite reliability > 0.8
mempunyai reliabilitas yang tinggi.
• Average Variance Extracted (AVE). Nilai AVE yang diharapkan > 0.5.
• Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach Alpha.
Nilai diharapkan > 0.6 untuk semua konstruk.
62
GOODNESS OF FIT - OUTER MODEL
Uji yang dilakukan pada outer model formatif adalah:
:
• Significance of weights
• Nilai weight indikator formatif dengan konstruknya harus
signifikan.
• Multicolliniearity
• Uji multicolliniearity dilakukan untuk mengetahui
hubungan antar indikator. Untuk mengetahui apakah
indikator formatif mengalami multicolliniearity dengan
mengetahui nilai VIF. Nilai VIF antara 5 - 10 dapat
dikatakan bahwa indikator tersebut terjadi
multicolliniearity.
63
GOODNESS OF FIT - OUTER MODEL
• Composite reliability
– Nilai batas yang diterima untuk tingkat reliabilitas
komposit (ρc) adalah ≥ 0.7, walaupun bukan
merupakan standar absolut.
( i ) 2
c
( i ) 2 i var( i )
64
GOODNESS OF FIT - INNER MODEL
Uji untuk model struktural (inner model) yaitu :
• R Square pada konstruk endogen. Nilai R Square adalah
koefisien determinasi pada konstruk endogen. Nilai R square
sebesar 0.67 (kuat), 0.33 (moderat) dan 0.19 (lemah).
• Estimate for Path Coefficients, merupakan nilai koefisen jalur
atau besarnya hubungan/pengaruh konstruk laten. Dilakukan
dengan prosedur Bootsrapping.
• Effect Size (f square) dilakukan untuk megetahui kebaikan
model.
• Prediction relevance (Q square) atau dikenal dengan Stone-
Geisser's. Uji ini dilakukan untuk mengetahui kapabilitas
prediksi dengan prosedur blinfolding. Apabila nilai yang
didapatkan 0.02 (kecil), 0.15 (sedang) dan 0.35 (besar). Hanya
dapat dilakukan untuk konstruk endogen dengan indikator
reflektif.
65
GOODNESS OF FIT - INNER MODEL
Composite Cronbachs
Variabel
Reliability Alpha
92
PENGUJIAN HIPOTESIS
93
PENGUJIAN HIPOTESIS
94
PENGUJIAN HIPOTESIS
95
PENGUJIAN HIPOTESIS
96
PENGUJIAN HIPOTESIS
97
PENGUJIAN HIPOTESIS
98
PENGUJIAN HIPOTESIS
Koefisien
Pengaruh Antar Variabel t Statistics Keterangan
Parameter
99
MODEL INTERVENING
100
MODEL MODERATING
101
MODEL SECOND ORDER CONFIRMATORY
102