bab iv metode penelitian - Perpustakaan Universitas Mercu Buana

BAB IV
METODE PENELITIAN
4.1. Jenis/Disain Penelitian
Penelitian ini bersifat asosiatif. Penelitian asosiatif merupakan penelitian
yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih.
Dengan penelitian ini maka akan dapat dibangun suatu teori yang dapat berfungsi
untuk menjelaskan, meramalkan dan mengontrol suatu gejala (Sugiyono, 2004).
Pendekatan yang digunakan dalam penelitian ini adalah metode survai dan
kuantitatif.
Menurut Sugiyono (2012) metode survai digunakan untuk
mendapatkan data dari tempat tertentu yang alamiah (bukan buatan), tetapi
peneliti melakukan perlakuan dalam pengumpulan data, misalnya dengan
mengedarkan kuesioner, test, wawancara terstruktur dan sebagainya.
Metode
kuantitatif
disebut
sebagai
metode
positivistik
karena
berlandaskan pada filsafat positivisme, realitas dipandang sebagai sesuatu yang
kongkrit, dapat diamati dengan panca indera, dapat dikategorikan menurut jenis,
bentuk, warna dan perilaku, tidak berubah, dapat diukur dan diverifikasi. Dengan
demikian dalam penelitian kuantitatif, peneliti dapat menentukan hanya beberapa
variabel saja dari obyek yang akan diteliti, dan kemudian dapat membuat
instrumen untuk mengukurnya. Metode ini sebagai metode ilmiah karena telah
memenuhi kaidah-kaidah ilmiah yaitu konkrit/empiris, obyektif, terukur, rasional,
dan sistematis. Metode ini juga disebut metode discovery, karena dengan metode
ini dapat ditemukan dan dikembangkan berbagai iptek baru. Metode ini disebut
53
http://digilib.mercubuana.ac.id/
metode kuantitatif karena data penelitian berupa angka-angka dan analisis
menggunakan statistik (Sugiyono, 2012).
4.2. Variabel Penelitian
Secara teoritis variabel dapat didefinisikan sebagai atribut seseorang, atau
obyek, yang mempunyai “variasi” antara satu orang dengan yang lain atau satu
obyek dengan obyek yang lain (Hatch dan Farhady dalam Sugiyono, 2012).
Kerlinger dalam Sugiyono (2012) menyatakan bahwa variabel adalah konstruk
(constructs) atau sifat yang akan dipelajari. Dibagian lain Kerlinger menyatakan
bahwa variabel dapat dikatakan sebagai suatu sifat yang diambil dari suatu nilai
yang berbeda. Dengan demikian variabel itu merupakan suatu yang bervariasi.
Selanjutnya Kidder dalam Sugiyono (2012) menyatakan bahwa variabel adalah
suatu kualitas dimana peneliti mempelajari dan menarik kesimpulan darinya.
Sugiyono (2012) merumuskan variabel penelitian adalah suatu atribut atau
sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu
yang
ditetapkan
oleh
peneliti
untuk
dipelajari
dan
kemudian
ditarik
kesimpulannya. Variable penelitian adalah sesuatu hal yang berbentuk apa saja
yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi
tentang hal tersebut, kemudian ditarik kesimpulannya. Sugiyono (2012)
menyatakan bahwa menurut hubungan antara satu variabel dengan variabel yang
lain maka macam-macam variabel dalam penelitian dapat dibedakan menjadi:
a.
Variabel Independen: variabel ini sering disebut sebagai variabel
stimulus, prediktor.
variabel bebas.
Dalam bahasa Indonesia sering disebut sebagai
Variabel bebas adalah merupakan variabel yang
54
http://digilib.mercubuana.ac.id/
mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya
variabel dependen (terikat).
b.
Variabel Dependen: sering disebut sebagai variabel output, kriteria,
konsekuen.
Dalam bahasa Indonesia sering disebut sebagai terikat.
Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi
akibat, karena adanya variabel bebas.
c.
Variabel Moderator: adalah variabel yang mempengaruhi (memperkuat
dan memperlemah) hubungan antara variabel independen dengan
dependen. Variabel disebut juga sebagai variabel independen ke dua.
d.
Variabel Intervening: adalah variabel yang secara teoritis mempengaruhi
(memperlemah dan memperkuat) hubungan antara variabel independen
dengan dependen, tetapi tidak dapat diamati dan diukur. Variabel ini
merupakan variabel penyela/antara yang terletak di antara variabel
independen dan dependen, sehingga variabel independen tidak langsung
mempengaruhi berubahnya atau timbulnya variabel dependen.
e.
Variabel Kontrol: adalah variabel yang dikendalikan atau dibuat konstan
sehingga pengaruh variabel independen terhadap dependen tidak
dipengaruhi oleh faktor luar yang tidak diteliti. Variabel kontrol sering
digunakan oleh peneliti, bila akan melakukan penelitian yang bersifat
membandingkan.
Menurut Haryono dan Wardoyo (2013) variabel-variabel yang terdapat
dalam analisis Structural Equation Modeling (SEM) antara lain adalah:
55
http://digilib.mercubuana.ac.id/
a.
Variabel Tersembunyi (Un-observed/Latent). Dalam SEM, unobserved
variabel sering disebut juga dengan istilah laten, konstruk atau tak
teramati.
Menurut Latan (2012:8) Unobserved variabel merupakan
variabel yang tidak dapat diukur atau diobservasi secara langsung tetapi
melalui indikator atau manifest variabelnya. Unobserved dapat berupa
variabel eksogen, variabel endogen atau variabel moderating ataupun
intervening.
b.
Variabel Teramati/Manifest (Observed).
Menurut Latan (2012:8)
observed variabel merupakan variabel yang dapat diukur secara langsung
atau variabel yang menjelaskan unobserved variabel yang diukur.
Observed variabel juga sering disebut juga dengan istilah manifest
variabel, indikator atau variabel teramati. Observed variabel dapat juga
berupa variabel independen, variabel dependen atau variabel moderating
maupun intervening, walaupun hal tersebut jarang terjadi. Menurut Hair
et. al (1995) dalam Kurniawan dan Yamin (2009:6) pengertian variabel
manifest (manifest variable) adalah sebagai berikut: [“... nilai observasi
untuk bagian spesifik yang dipertanyakan, baik dari responden yang
menjawab pertanyaan (misalnya, kuesioner) maupun observasi yang
dilakukan oleh peneliti.”]
c.
Variabel Reflektif Vs Formatif. Menurut Bollen (1989) dalam Ghozali
(2008b:7) pemilihan konstruk berdasarkan model refleksi atau model
formatif tergantung dari prioritas hubungan kualitas antara indikator dan
variabel laten. Lebih jauh dinyatakan oleh Fornell dan Bookstein (1982)
56
http://digilib.mercubuana.ac.id/
bahwa konstruk dipandang sebagai faktor yang menimbulkan sesuatu
yang diamati sehingga indikatornya bersifat refleksi. Sebaliknya jika
konstruk merupakan kombinasi penjelas dari indikator yang ditentukan
oleh kombinasi variabel maka indikatornya harus bersifat formatif.
Dalam SEM, variabel-variabel teramati atau indikator-indikator yang
digunakan untuk mengukur sebuah variabel laten bersifat reflektif,
dikatakan demikian karena variabel-variabel teramati tersebut dipandang
sebagai indikator-indikator yang dipengaruhi oleh konsep yang sama dan
yang mendasarinya (yaitu variabel laten).
Variabel yang digunakan dalam penelitian ini dapat dikelompokkan
sebagai berikut:
-
Penerimaan Pemasaran mobile sebagai variabel laten, konstruk endogen,
dan variabel dependen
-
Menyediakan Konten, Membagi Konten dan Mengakses Konten masingmasing sebagai variabel laten, konstruk endogen, dan variabel dependen
-
Penerimaan Resiko dan Karakter Personal sebagai variabel laten,
konstruk eksogen, dan variabel independen.
4.2.1. Definisi Konseptual
Variabel eksogen dalam penelitian ini adalah variabel penerimaan resiko
dan karakter personal dalam menggunakan alat komunikasi bergerak. Sultan et. al
(2009) mendefinisikan penerimaan resiko sebagai kecenderungan individu untuk
menyediakan informasi personal sehingga dapat berpartisipasi dalam promosi
pemasaran online agar dapat memperoleh kesempatan mendapatkan hadiah,
57
http://digilib.mercubuana.ac.id/
mengikuti suatu kontes, atau mendapatkan diskon. Sementara karakter personal
mengacu kepada seberapa jauh konsumer melakukan usaha-usaha untuk
memberikan ciri-ciri personal terhadap telepon selular, smartphones, atau gadget
yang dimilikinya sebagai contoh, penggunaan wallpapers, konten yang unik, dan
ringtones sebagai cara-cara untuk memberikan karakter personal ke dalam alat
komunikasi bergerak yang dimiliki.
Variabel Menyediakan Informasi, Mengakses Konten, dan Membagi
Konten disebut sebagai variabel endogen/dependen.
Sultan et. al (2009)
menjelaskan variabel-variabel tersebut diturunkan berdasarkan literatur penelitian
yang terkait dengan karakteristik penggunaan telepon selular yang beragam
berdasarkan motivasi utilitarian dan hedonik. Ke-tiga variabel ini juga disebut
sebagai aktifitas mobile terkait dengan pemasaran.
Variabel laten Penerimaan Pemasaran Mobile diukur dengan intensi
perilaku pengguna alat komunikasi bergerak terhadap pemasaran yang terdapat di
dalam alat komunikasi tersebut.
Menurut Fishbein dan Ajzen (1975) dalam
Sultan et. al (2009), intensi perilaku didefinisikan sebagai kekuatan intensi
seseorang untuk melakukan perilaku tertentu.
Menurut Sultan et. al (2009)
konstruk penerimaan pemasaran mobile berkaitan dengan penerimaan dan intensi
responden atas aktifitas pemasaran produk atau menerima informasi yang terkait
dengan komunikasi pemasaran dan usaha-usaha promosi produk atau jasa di
dalam alat komunikasi mobile yang dimilikinya. Konstruk ini merupakan variabel
endogen dan merupakan variabel keluaran utama dalam penelitian ini. Sultan et.
al (2009) mengargumentasikan bahwa indikator-indikator variabel penerimaan
58
http://digilib.mercubuana.ac.id/
pemasaran mobile mencakup keinginan menerima usaha-usaha pemasaran atau
penawaran promosi produk/jasa melalui telepon selular atau smartphones,
keinginan menerima penawaran produk melalui telepon selular dan smartphones
yang dikaitkan dengan event tertentu (konser musik, event olahraga, dll.), dan
menerima penawaran dari produk atau perusahaan melalui telepon selular dimana
yang bersangkutan telah memberikan persetujuan terlebih dahulu.
4.2.2. Definisi Operasional
Terdapat beberapa konsep yang akan diukur melalui pertanyaan indikator
yang diajukan kepada responden dalam penelitian ini. Konsep-konsep tersebut
yaitu: (1) faktor anteseden yang mencakup penerimaan resiko dan karakter
personal, (2) aktifitas mobile terkait dengan pemasaran, dan (3) penerimaan
pemasaran mobile.
Skala pengukuran data dalam penelitian ini menggunakan skala ordinal
dimana menggunakan bilangan atau tanda yang berfungsi sebagai simbol yang
dapat membedakan. Skala ordinal menunjukkan urutan atau peringkat. Dalam
hal ini dinyatakan ke dalam sangat tidak setuju, tidak setuju, ragu-ragu, setuju,
dan sangat setuju.
Pada tabel 4.1. berikut ditampilkan definisi operasional variabel dan
indikator pertanyaan yang digunakan dalam penelitian ini.
59
http://digilib.mercubuana.ac.id/
Tabel 4.1. Definisi Operasional Variabel dan Indikator
Variabel
Penerimaan Resiko (X1)
Kecenderungan individu untuk
menyediakan informasi personal
sehingga dapat berpartisipasi
dalam promosi pemasaran online.
Notasi
Dimensi/Indikator
X11
Kemungkinan
menyediakan informasi
personal (alamat e-mail)
ke suatu website untuk
menerima hadiah
Kemungkinan
menyediakan informasi
personal (alamat e-mail)
ke suatu website untuk
mengikuti kontes
Kemungkinan
menyediakan informasi
personal (alamat e-mail)
ke suatu website untuk
menerima diskon dalam
pembelian yang akan
datang
Menyesuaikan telepon
selular dengan wallpapers
atau grafis yang menarik
Tampilan dan desain
telepon selular yang
dimiliki adalah penting
Menggunakan ringtones
yang baru pada telepon
selular yang dimiliki
Memberikan alamat email
ke suatu website melalui
telepon selular
Melakukan registrasi ke
suatu website melalui
telepon selular
Melakukan registrasi
untuk mengikuti kontes
atau program promosi
melalui telepon selular
X12
X13
Karakter Personal (X2)
Usaha konsumen untuk
memberikan ciri-ciri personal
terhadap telepon selular,
smartphones, atau gadget yang
dimilikinya
X21
X22
X23
Menyediakan Informasi (Y1)
Y11
Y12
Y13
Skala
Pengukuran
5 point skala
digunakan
mulai 1
(sangat tidak
setuju)
sampai 5
(sangat
setuju)
5 point skala
digunakan
mulai 1
(sangat tidak
setuju)
sampai 5
(sangat
setuju)
5 point skala
digunakan
mulai 1
(sangat tidak
setuju)
sampai 5
(sangat
setuju)
60
http://digilib.mercubuana.ac.id/
Lanjutan Tabel 4.1. Definisi Operasional Variabel dan Indikator
Variabel
Mengakses Konten (Y2)
Notasi
Dimensi/Indikator
Y21
Mendownload konten
(wallpaper, ringtone,
aplikasi, dll.) melalui
telepon selular
Mengakses konten yang
menyenangkan dan
menghibur seperti
misalnya ringtones atau
games melalui telepon
selular
Membeli konten seperti
games atau ringtones
untuk digunakan pada
telepon selular
Teman-teman sering
mengirimkan download
yang keren seperti
ringtones atau grafis layar
melalui telepon selular
Sering mengirimkan
ringtones, grafis layar
kepada teman melalui
telepon selular
Menerima informasi
dimana membeli produk
tertentu melalui telepon
selular.
Menerima penawaran
penjualan produk melalui
telepon selular yang
terkait dengan event yang
dihadiri.
Memenuhi permintaan
perusahaan/produk
melalui telepon selular
dimana sebelumnya telah
mendapatkan persetujuan
Y22
Y23
Membagi Konten (Y3)
Y31
Y32
Penerimaan Pemasaran Mobile
(Y4)
Penerimaan dan intensi responden
atas aktifitas pemasaran produk
atau menerima informasi yang
terkait dengan komunikasi
pemasaran dan usaha-usaha
promosi produk atau jasa di dalam
alat komunikasi mobile yang
dimilikinya.
Y41
Y42
Y43
Skala
Pengukuran
5 point skala
digunakan
mulai 1
(sangat tidak
setuju)
sampai 5
(sangat
setuju)
5 point skala
digunakan
mulai 1
(sangat tidak
setuju)
sampai 5
(sangat
setuju)
5 point skala
digunakan
mulai 1
(sangat tidak
setuju)
sampai 5
(sangat
setuju)
Sumber: Dikembangkan untuk tesis ini.
61
http://digilib.mercubuana.ac.id/
4.3. Populasi dan Sampel Penelitian
Cooper dan Emori dalam Harianto (2006:26) mendefinisikan populasi
sebagai kumpulan individu yang memiliki kualitas-kualitas dan ciri-ciri yang
telah ditetapkan. Berdasarkan kualitas dan ciri tersebut, populasi dapat dipahami
sebagai kelompok individu atau obyek pengamatan yang minimal memiliki satu
persamaan karakteristik.
Peters et. al (2007) dalam Sultan (2009) mengungkapkan bahwa
penggunaan telepon selular dikalangan mahasiswa dimotivasi oleh kebutuhan
untuk menghilangkan kepenatan serta untuk mengisi waktu, motivasi ini
dihubungkan dengan pandangan yang positif terhadap pemasaran mobile.
Motivasi penggunaan telepon selular untuk target segmen lainnya seperti misalnya
karyawan kemungkinan mungkin memiliki motivasi yang berbeda. Sementara
itu, seperti yang telah dijelaskan sebelumya bahwa ketidakjelasan dalam
penerimaan pemasaran mobile tersebut juga dapat terjadi dalam area demografis
yang lebih sempit yaitu kelompok demografis mahasiswa dan karyawan.
Sehingga dapat dijelaskan terdapat dua populasi yang diminati dalam penelitian
ini, yaitu: (1) mahasiswa strata satu Kampus Meruya, Universitas Mercu Buana,
(2) karyawan di beberapa stasiun televisi.
Masing-masing populasi tersebut memiliki kriteria yang sama yaitu
kepemilikan alat komunikasi bergerak (mobile) yang digunakan tidak hanya
sebagai alat komunikasi verbal tetapi juga digunakan untuk kegiatan digital
lainnya (misalnya, browsing internet, percakapan di media sosial, penggunaan
aplikasi, dll.). Tidak terdapat data yang pasti mengenai jumlah mahasiswa dan
62
http://digilib.mercubuana.ac.id/
karyawan yang memiliki alat komunikasi bergerak (mobile) yang digunakan tidak
hanya sebagai alat komunikasi verbal tetapi juga digunakan untuk kegiatan digital
lainnya sehingga teknik penarikan sampling menggunakan nonprobability
sampling.
Tidak seluruh anggota populasi akan menjadi responden dalam penelitian
ini, sehingga perlu dilakukan pengambilan sampel. Menurut Singarimbun dalam
Harianto (2006:27), sampel adalah sebagian dari populasi yang memiliki
karakteristik yang relatif sama dan bisa dianggap mewakili populasi. Teknik yang
digunakan dalam penarikan sampel pada penelitian ini adalah kombinasi sampling
aksidental dan sampling purposive.
Menurut Sugiyono (2004:77), sampling
aksidental adalah teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja
yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel,
bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.
Sampling purposive adalah teknik penentuan sampel dengan pertimbangan
tertentu. Sampel penelitiannya adalah mahasiswa strata satu, Kampus Meruya,
Universitas Mercu Buana yang memiliki alat komunikasi bergerak (mobile)
seperti misalnya telepon selular, smartphones, dan/atau mobile devices lainnya
dan karyawan di lingkungan stasiun televisi dengan kriteria yang sama seperti
halnya sampel di lingkungan Universitas Mercu Buana.
Dalam penelitian ini kuesioner penelitian didistribusikan kepada orang
yang kebetulan bertemu dengan peneliti di lingkungan Universitas Mercu Buana
dan lembaga penyiaran televisi swasta yang memiliki alat komunikasi bergerak
(mobile) seperti misalnya telepon selular, smartphones, dan/atau mobile devices
63
http://digilib.mercubuana.ac.id/
lainnya untuk kegiatan komunikasi verbal dan untuk kegiatan digital lainnya
sebagai pertimbangan tertentu dari penetapan populasi penelitian. Masing-masing
responden dari lingkungan Universitas Mercu Buana dan lembaga penyiaran
televisi swasta tersebut menjadi dua populasi yang diminati peneliti sebagai kajian
analisis sehingga hasilnya dapat diperbandingkan berdasarkan metode analisis
yang digunakan dalam penelitian ini.
Penentuan
jumlah
sampel
ditentukan
dengan
persyaratan
yang
didefinisikan oleh Hair et. al dalam Harianto (2006). Hair et. al menyatakan
bahwa jumlah sampel yang diambil minimal 5 kali dari jumlah parameter yang
berupa indikator pertanyaan dalam kuesioner, sehingga jumlah sampel minimal
yang diambil adalah sebesar 17 * 5 = 85. Lebih lanjut Hair et. al menyebutkan
bahwa jumlah sampel yang representatif untuk menggunakan teknik analisis SEM
adalah 100 – 200. Berdasarkan jumlah sampel minimal yang harus diambil dalam
penelitian ini dan adanya saran dari Hair et. al yang menyebutkan bahwa jumlah
sampel dalam analisis SEM adalah sebesar 100 – 200. Dalam penelitian ini
jumlah kuesioner yang didistribusikan ke masing-masing populasi adalah
sebanyak 175 kuesioner, analisis data dilakukan terhadap minimal 130 kuesioner
yang dipertimbangkan layak untuk dilakukan analisis statistik.
4.4. Jenis dan Sumber Data
Menurut Cooper dan Emory dalam Harianto (2006) data primer adalah
data yang berasal langsung dari sumber data yang dikumpulkan secara khusus dan
berhubungan langsung dengan permasalahan yang diteliti.
64
http://digilib.mercubuana.ac.id/
Jenis data yang digunakan dalam penelitian ini adalah jenis data primer.
Pada penelitian ini data primer diperoleh melalui metode survey dengan
menggunakan kuesioner. Kuesioner didistribusikan kepada responden untuk diisi
kemudian responden diminta untuk mendistribusikan kuesioner tersebut di
lingkungan terdekatnya (Universitas Mercu Buana dan Lembaga-lembaga
Penyiaran Televisi Swasta).
4.5. Teknik Pengumpulan Data
Metode pengumpulan data primer yang digunakan adalah dengan metode
angket (kuesioner). Di lingkungan Universitas Mercu Buana, angket tersebut
disebarkan kepada mahasiswa yang menjadi responden penelitian.
Sejumlah
pertanyaan akan diajukan kepada responden dan kemudian responden diminta
menjawab sesuai dengan pendapat mereka. Sementara, di lingkungan lembaga
penyiaran televisi swasta, angket tersebut disebarkan kepada karyawan
(responden) yang bekerja di masing-masing lembaga, sejumlah pertanyaan akan
diajukan kepada responden dan kemudian responden diminta menjawab sesuai
dengan pendapat mereka. Dari masing-masing responden yang ditunjuk tersebut,
kemudian peneliti meminta mereka agar dapat mendistribusikan kuesioner di
lingkungan masing-masing.
Menurut Sugiyono (2004) skala Likert digunakan untuk mengukur sikap,
pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial.
Fenomena sosial ini telah ditetapkan secara spesifik oleh peneliti, yang
selanjutnya disebut sebagai variabel penelitian.
Dengan skala Likert, maka
variabel yang akan diukur dijabarkan menjadi indikator variabel.
Kemudian
65
http://digilib.mercubuana.ac.id/
indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item
instrumen yang dapat berupa pernyataan atau pertanyaan. Jawaban setiap item
instrumen yang menggunakan skala Likert mempunyai gradasi dari sangat positif
(atau sangat setuju) sampai sangat negatif (atau sangat tidak setuju). Dalam
penelitian ini untuk mengukur pendapat tersebut digunakan skala Likert lima
angka yaitu mulai angka 1 untuk sangat tidak setuju (STS), angka 2 untuk tidak
setuju (TS), angka 3 untuk ragu-ragu (RR), angka 4 untuk setuju (S), dan angka 5
untuk sangat setuju (SS).
Sebelum daftar pertanyaan diajukan kepada seluruh responden penelitian,
dilakukan pengujian validitas dan reliabilitas daftar pertanyaan dengan sampel 30
responden. Tujuan pengujian daftar pertanyaan adalah untuk menghasilkan daftar
pertanyaan yang reliabel dan valid sehingga dapat secara tepat digunakan untuk
menyimpulkan hipotesis. Menurut Sekaran (1992) dalam Harianto (2006), suatu
angket dikatakan reliabel jika mempunyai nilai korelasi Alpha dari Cronbach di
atas 0.7.
Sementara itu uji validitas angket dilakukan dengan tujuan untuk
mengetahui kesahihan angket.
Angket dikatakan valid akan mempunyai arti
bahwa angket mampu mengukur apa yang seharusnya diukur. Menurut Ghozali
dalam Harianto (2006) syarat minimum yang harus dipenuhi agar angket
dikatakan valid adalah nilai corrected item total correlation lebih besar dari 0,239.
4.5. Teknik Analisis Data
Suatu penelitian membutuhkan analisis data dan interpretasi, yang
bertujuan
menjawab
pertanyaan-pertanyaan
mengungkapkan fenomena sosial tertentu.
penelitian
dalam
rangka
Analisis data adalah proses
66
http://digilib.mercubuana.ac.id/
penyederhanaan data ke dalam bentuk yang lebih mudah dibaca dan
diinterpretasikan.
Metode yang dipilih untuk menganalisis data harus sesuai
dengan pola penelitian dan variabel yang akan diteliti.
Penelitian ini menggunakan alat/teknis analisis multivariat Structural
Equation Modeling (SEM) yang dapat menganalisis hubungan antar variabel
secara lebih kompleks.
Teknik ini memungkinkan peneliti untuk menguji
hubungan di antara variabel laten yang satu dengan variabel manifes (persamaan
pengukuran), hubungan antara variabel laten yang satu dengan variabel laten yang
lain (persamaan struktural), serta memaparkan kesalahan pengukuran (Sarjono
dan Julianita, 2015). Penelitian ini bertujuan untuk menjelaskan hubungan antara
variabel laten penerimaan resiko dan karakter personal dengan variabel laten
penyediaan informasi personal, membagi konten melalui alat komunikasi
bergerak, mengakses konten melalui alat komunikasi bergerak dan variabel laten
penerimaan pemasaran pada alat komunikasi bergerak sehingga ditinjau dari
kompleksitas variabel serta hubungan antar variabel dan mengacu kepada
penjelasan teknik analisis SEM di atas, pemilihan teknik analisis SEM dipandang
sebagai teknik analisis yang tepat.
Haryono dan Wardoyo (2013:3) memaparkan metode SEM merupakan
pengembangan dari analisis jalur (path analysis) dan regresi berganda (multiple
regression)
yang sama-sama merupakan bentuk model analisis multivariat
(multivariate analysis).
Dalam analisis yang bersifat asosiatif, multivariate-
korelasional atau kausal-efek, metode SEM seakan mematahkan dominasi
67
http://digilib.mercubuana.ac.id/
penggunaan analisis jalur dan regresi berganda yang telah digunakan selama
beberapa dekade sampai dengan sebelum memasuki tahun 2000-an.
Dibandingkan dengan analisis jalur dan regresi berganda, metode SEM
lebih unggul karena dapat menganalisis data secara lebih komprehensif. Analisis
data pada analisis jalur dan regresi berganda hanya dilakukan terhadap data total
score variabel yang merupakan jumlah dari butir-butir instrumen penelitian.
Dengan demikian, analisis jalur dan regresi berganda sebenarnya hanya dilakukan
pada tingkat variabel laten (unobserved). Sedangkan analisis data pada metode
SEM bisa menusuk lebih dalam karena dilakukan pada setiap score butir
pertanyaan sebuah instrumen variabel penelitian. Butir-butir instrumen dalam
analisis SEM disebut sebagai variabel manifes (observed) atau indikator dari
sebuah konstruk atau variabel laten. Menurut Ghozali dan Fuad (2008) dalam
Haryono dan Wardoyo (2013), variabel laten merupakan variabel yang tidak dapat
diukur secara langsung dan memerlukan beberapa indikator sebagai proksi,
sedangkan variabel manifes merupakan indikator yang digunakan dalam
pengukuran tersebut.
Haryono dan Wardoyo (2013) memaparkan beberapa alasan keunggulan
metode SEM sebagai berikut:
1.
Metode SEM memiliki kemampuan analisis dan prediksi yang lebih hebat
(stronger predicting power) dibandingkan analisis jalur dan regresi
berganda karena SEM mampu menganalisis sampai pada tingkat terdalam
terhadap variabel atau konstruk yang diteliti.
68
http://digilib.mercubuana.ac.id/
2.
Metode SEM lebih komprehensif dalam menjelaskan fenomena penelitian.
Sementara analisis jalur dan regresi berganda hanya mampu menjangkau
tingkat variabel laten sehingga mengalami jalan buntu untuk mengurai dan
menganalisis fenomena empiris yang terjadi pada butir-butir atau
indikator-indikator dari variabel laten.
3.
Dilihat dari data yang digunakan, analisis jalur dan regresi berganda
sejatinya hanya menjangkau kulit luar sebuah model penelitian.
Sedangkan metode SEM dapat diibaratkan mampu menjangkau sekaligus
mengurai dan menganalisis isi perut terdalam sebuah model penelitian.
Metode SEM diharapkan mampu menjawab kelemahan dan kebuntuan
yang dihadapi metode multivariat generasi sebelumnya, yaitu analisis jalur
dan regresi berganda.
Menurut Ghozali (2008) dalam Haryono dan Wardoyo (2013) model
persamaan struktural (Structural Equation Modeling) adalah generasi kedua
teknik analisis multivariat yang memungkinkan peneliti menguji hubungan antar
variabel yang komplek baik recursive maupun non-recursive untuk memperoleh
gambaran yang komprehensif mengenai keseluruhan model. SEM dapat menguji
secara bersama-sama:
1.
Model struktural: hubungan antara konstruk independen dengan
dependen.
2.
Model pengukuran (measurement model): hubungan (loading value)
antara indikator dengan konstruk/laten.
69
http://digilib.mercubuana.ac.id/
Model struktural adalah model yang menggambarkan hubungan yang terjadi antar
variabel laten. Sarjono dan Julianita (2015) memaparkan model pengukuran
adalah model yang menggambarkan hubungan yang terjadi di antara variabel laten
dengan indikator-indikatornya (variabel manifes).
Model pengukuran di dalam SEM dikenal juga sebagai analisis faktor
konfirmatori (confirmatory factor analysis) karena hubungan di antara variabel
laten dengan variabel-variabel manifes dimodelkan dalam bentuk analisis faktor.
Dalam SEM, setiap variabel laten biasanya memiliki beberapa indikator (variabel
manifes) dan indikator yang digunakan dalam SEM merupakan indikator reflektif.
Indikator reflektif adalah indikator yang dipengaruhi oleh variabel laten.
Digabungkannya pengujian model struktural dengan pengukuran tersebut
memungkinkan peneliti untuk:
1. Menguji kesalahan pengukuran (measurement error) sebagai bagian yang
tidak terpisahkan dari SEM.
2. Melakukan analisis fakor bersamaan dengan pengujian hipotesis.
Sementara itu, kesalahan dalam SEM menurut Sarjono dan Julianita (2015) dapat
dikelompokkan menjadi:
1. Kesalahan Struktural; adanya kesalahan struktural karena variabel laten
eksogen tidak dapat secara sempurna memprediksi variabel laten endogen.
2. Kesalahan Pengukuran; kesalahan pengukuran disebabkan oleh variabelvariabel manifes yang tidak dapat secara sempurna memprediksi variabel
laten.
Komponen kesalahan pengukuran yang terkait dengan variabel
manifes X (variabel manifes yang terkait dengan variabel laten eksogen)
70
http://digilib.mercubuana.ac.id/
diberi label " (delta), sementara komponen kesalahan pengukuran yang
terkait dengan variabel Y (variabel manifes yang terkait dengan variabel
laten endogen) diberi label # (epsilon).
Sedangkan menurut Haryono dan Wardoyo (2013) Kesalahan Struktural
dan Kesalahan Pengukuran dapat dijelaskan sebagai berikut:
1. Kesalahan Struktural (Structural Error); Peneliti umumnya tahu bahwa
tidak mungkin memprediksi secara sempurna (perfect) konstruk dependen,
oleh karena itu model SEM memasukkan struktural error term yang ditulis
dalam karakter Greek “zeta” ($). Untuk mencapai konsistensi estimasi
parameter, error term ini diasumsikan tidak berkorelasi dengan kosntruk
eksogen dalam model.
Namun demikian struktural error term dapat
dikorelasikan dengan struktur error term yang lain dalam model.
2. Kesalahan Pengukuran (Measurement Model); Pengguna SEM mengakui
bahwa pengukuran mereka tidak sempurna dan hal ini dimasukkan dalam
model.
Jadi model persamaan struktural memasukkan kesalahan
pengukuran dalam modeling. Dalam kaitannya dengan faktor analytic
measurement model, kesalahan pengukuran (error term) ini adalah faktor
yang unik dikaitkan dengan setiap pengukuran. Kesalahan pengukuran
yang berhubungan dengan pengukuran X di beri label karakter Greek
“delta” (") sedangkan kesalahan pengukuran yang dihubungkan dengan
pengukuran Y diberi simbol karakter Greek “epsilon” (&). Kesalahan
pengukuran " boleh berkovarasi satu sama lain, meskipun demikian secara
default mereka tidak berkovarasi satu sama lain. Matrik kovarian dari "
71
http://digilib.mercubuana.ac.id/
diberi tanda dengan huruf Yunani Θ" (“thetra delta”) dan secara default
adalah matrik diagonal.
Hal yang sama berlaku untuk kesalahan
pengukuran epsilon yang matrik kovariannya adalah Θε (“thetra epsilon”)
dan merupakan matrik diagonal secara default.
Gozhali (2008a:71) dan Santoso (2011:69) dalam Haryono dan Wardoyo
(2013) memaparkan bahwa estimasi parameter dalam SEM umumnya berdasarkan
pada metode Maximum Likehood (ML). Perlu diketahui bahwa estimasi dengan
metode ML menghendaki adanya asumsi yang harus dipenuhi, diantaranya:
1. Jumlah sampel harus besar (asymptotic)
2. Distribusi dari observed variabel normal secara multivariat
3. Model yang dihipotesiskan harus valid
4. Skala pengukuran variabel kontinyu (interval)
Haryono dan Wardoyo (2013) memaparkan secara lebih spesifik asumsi
dasar SEM dapat dijelaskan sebagai berikut:
1. Jumlah sampel harus besar (asymptotic)
Sampel (n) atau perwakilan populasi adalah anggota populasi yang
dipilih dengan berbagai pertimbangan sehingga dianggap mewakili
karakteristik populasi secara keseluruhan.
Dengan demikian apabila
pengujian hipotesis signifikan maka kesimpulan dari analisis terhadap
sampel dapat digeneralisasikan terhadap karakteristik populasi.
Dalam Ghozali (2008a:64) besarnya ukuran sampel memiliki peran
penting dalam interpretasi hasil SEM. Ukuran sampel memberikan dasar
untuk mengestimasi sampling error. Menurut Wijaya (2009:10) asumsi
72
http://digilib.mercubuana.ac.id/
dasar yang harus dipenuhi dalam analisis SEM adalah jumlah sampel yang
memenuhi kaidah analisis.
Menurut Sekaran dalam Wijaya (2009:10)
analisis SEM membutuhkan sampel paling sedikit 5 kali jumlah variabel
indikator yang digunakan.
Teknik Maximum Likelihood Estimation
membutuhkan sampel berkisar antara 100 – 200 sampel.
Pendapat lain mengemukakan bahwa teknik Maximum Likelihood
Estimation (ML) efektif untuk sampel berkisar 150 – 400 sampel. Teknik
Generalised Least Square Estimation (GLS) dapat digunakan pada sampel
berkisar 200 – 500.
Teknik ML dan GLS mengharuskan data dalam
kondisi berdistribusi normal. Model yang menggunakan sampel sangat
besar yang berada di atas 2500 sampel disarankan menggunakan teknik
Asymptotic Distribution Free Estimation.
Menurut Ghozali (2008a:71) analisis struktur kovarian atau SEM
berdasar pada large sample size theory. Sehingga jumlah sampel yang
besar sangat kritis untuk mendapatkan estimasi parameter yang tepat,
begitu juga dicapainya asymptotic distributional approximation.
2. Distribusi dari observed variabel normal secara multivariat
Menurut Wijaya (2009:11) analisis SEM mensyaratkan data
berdistribusi normal untuk menghindari bias dalam analisis data. Data
dikatakan normal secara multivariat apabila c.r. multivariat (critical ratio)
memiliki syarat -2,58 < c.r. < 2,58. Namun tidak setiap data berdistribusi
secara normal.
Untuk mengurangi dampak ketidaknormalan sebuah
73
http://digilib.mercubuana.ac.id/
distribusi
data,
penggunaan
jumlah
sampel
yang
besar
dapat
dipertimbangkan.
Sedangkan Ghozali (2006:27) screening terhadap normalitas data
merupakan langkah awal yang harus dilakukan untuk setiap analisis
multivariat, khususnya jika tujuannya adalah inferensi.
Jika terdapat
normalitas, maka residual akan terdistribusi secara normal dan independen.
Yaitu perbedaan antara nilai prediksi dengan score yang sesungguhnya
atau error akan terdistribusi secara simetri disekitar nilai means sama
dengan nol (0). Jadi salah satu cara mendeteksi normalitas adalah lewat
pengamatan nilai residual.
3. Skala pengukuran variabel kontinyu (interval)
Menurut Ghozali (2008a:71) skala pengukuran variabel dalam analisis
SEM merupakan yang paling kontroversial dan banyak diperdebatkan.
Kontroversi ini timbul karena perlakuan variabel ordinal yang dianggap
sebagai variabel kontinyu. Umumnya pengukuran indikator suatu variabel
laten menggunakan skala Likert dengan 5 kategori yaitu Sangat Tidak
Setuju (STS), Tidak Setuju (TS), Netral (N), Setuju (S) dan Sangat Setuju
(SS) yang sesungguhnya berbentuk skala ordinal (peringkat).
Banyak juga peneliti yang merubah dahulu skala Likert yang ordinal
ini menjadi skala interval dengan metode successive interval (MSI).
Menurut Edward dan Kenny dalam Ghozali (2008a:72) skor yang
dihasilkan oleh skala Likert ternyata berkorelasi sebesar 0,92 jika
dibandingkan dengan skor hasil pengukuran menggunakan skala
74
http://digilib.mercubuana.ac.id/
Thurstone yang merupakan skala interval.
Disamping itu skor hasil
perhitungan skala interval ternyata mempunyai urutan yang sama dengan
skor skala Likert. Oleh karena tidak ada perbedaan urutan, maka skala
Likert dapat dianggap berskala interval.
Menurut Haryono dan Wardoyo (2013) penting bagi kita mengetahui
bahwa jika data ordinal dianggap sebagai data interval berdasarkan studi
Monte Carlo, West et. Al (1995) menemukan beberapa hal penting.
Pertama, koefisien korelasi Pearson antar variabel kontinyu nilainya lebih
besar dibandingkan jika korelasi itu antara variabel kategori atau ordinal
tersebut memiliki distribusi mendekati normal, maka:
a.
Jumlah kategori mempunyai pengaruh yang kecil terhadap X12
likelihood ratio test of model fit.
b.
Loading
faktor
dan
factor
correlation
hanya
sedikit
underestimate.
c.
Estimasi error variance dibandingkan parameter lainnya lebih
sensitif terhadap data kategorikal seperti dijelaskan pada point 2.
d.
Estimasi standard error untuk semua parameter cenderung
rendah.
Secara umum, steps atau tahapan-tahapan dalam praktek penelitian yang
menggunakan persamaan struktural dalam ilmu-ilmu social-behavioral dan
manajemen dapat dijelaskan dalam gambar 4.1. berikut (Haryono dan Wardoyo,
2013):
75
http://digilib.mercubuana.ac.id/
Gambar 4.1. Skematik Diagram Langkah-Langkah Model SEM
Skematik diagram langkah-langkah model SEM dalam Gambar 4.1. dapat
dijelaskan sebagai berikut (Haryono dan Wardoyo, 2013):
-
Dalam membuat sebuah model persamaan struktural atau SEM, langkah
pertama adalah mengkaji berbagai teori dan literatur yang merupakan
temuan-temuan terdahulu yang relevan (previous relevant facts finding).
Dari kajian dan sintesis teori serta temuan-temuan sebelumnya lalu
disusunlah model persamaan struktural. Langkah ini disebut membuat
spesifikasi model persamaan struktural.
-
Kurniawan dan Yamin (2011) menyatakan landasan awal analisis SEM
adalah sebuah teori yang secara jelas terdefinisi oleh peneliti. Landasan
teori tersebut kemudian menjadi sebuah konsep keterkaitan antar variabel.
Hubungan kausalitas antara variabel laten (unobserved) tidak ditentukan
76
http://digilib.mercubuana.ac.id/
oleh analisis SEM, melainkan dibangun oleh landasan teori yang
mendukungnya.
Dapat dikatakan bahwa analisis SEM berguna untuk
mengkonfirmasi suatu bentuk model berdasarkan data empiris yang ada.
-
Hasil yang diharapkan dari analisis teori adalah menentukan definisi
konseptual dan operasional untuk menyusun instrumen penelitian yang
akan digunakan untuk mengukur variabel latent. Hasil dari proses pada
tahap ini dapat digunakan untuk mengembangkan questionaire atau
instrumen penelitian.
-
Persamaan struktural yang digambarkan oleh diagram alur (path analysis)
adalah representasi teori.
Jadi jalur-jalur yang menghubungkan antar
variabel latent pada persamaan struktural merupakan manifestasi atau
perwujudan teori-teori yang telah dikaji sebelumnya.
-
Setelah
didapatkan
spesifikasi
model
dan
questionaires
langkah
selanjutnya adalah menentukan sampel dan pengukurannya. Setelah itu
peneliti melakukan estimasi terhadap paramater model. Pada tahap ini
dapat dilakukan estimasi terhadap setiap variabel, baru diikuti model
struktural atau model keseluruhan (full model).
Kemudian lakukan
pengujian kesesuaian model (goodness of fit test). Jika masih dihasilkan
model yang belum fit, maka lakukan modifikasi atau respesifikasi model.
-
Dengan proses iterasi yang terus-menerus, akhirnya dapat dihasilkan
model yang paling sesuai atau fit.
Selanjutnya dilakukan pengujian
terhadap hipotesis yang diajukan dan menarik kesimpulan.
Langkah
terakhir adalah melakukan pembahasan.
77
http://digilib.mercubuana.ac.id/
Hasil dan pembahasan dalam penelitian ini diarahkan untuk menjelaskan:
1. Analisis model struktural untuk menggambarkan hubungan yang terjadi
antar variabel laten.
2. Analisis model pengukuran atau analisis faktor konfirmatori untuk
menjelaskan hubungan di antara setiap variabel laten dengan variabelvariabel manifesnya.
3. Perbandingan hasil model struktural dan model pengukuran untuk setiap
populasi yang diminati.
Penelitian ini menggunakan alat bantu analisis AMOS 22.00 (Analysis of
Moment Structure) untuk menganalisis data hasil penelitian. Menurut Harianto
(2006), AMOS digunakan untuk menganalisis data dalam penelitian ini karena
dipandang lebih mampu untuk menguji serangkaian hipotesis yang telah
dirumuskan secara bersamaan di mana terdapat lebih dari satu variabel dependen
yang saling berkaitan dan menguji hipotesis yang telah dirumuskan secara
bersamaan ini sangatlah penting dalam penelitian ini, karena model pada pada
penelitian ini merupakan model persamaan struktur yang membutuhkan pengujian
secara simultan. Diharapkan pula dapat disimpulkan kelayakan model penelitian
yang diajukan pada penelitian ini.
Menurut Bacon dalam Harianto (2006), sebagai sebuah model persamaan
struktur, AMOS telah sering digunakan dalam pemasaran dan penelitian
manajemen strategik.
Model kausal AMOS menunjukkan pengukuran dan
masalah yang struktural, dan digunakan untuk menganalisis dan menguji model
hipotesis. Menurut Arbuckle dan Bacon dalam Harianto (2006), AMOS sangat
78
http://digilib.mercubuana.ac.id/
tepat untuk analisis seperti ini, karena kemampuannya untuk: (1) memperkirakan
koefisien
yang
tidak
diketahui
dari
persamaan
linier
terstruktur,
(2)
mengakomodasi model yang meliputi latent variable, (3) mengakomodasi
kesalahan
pengukuran
mengakomodasi
pada
peringatan
variabel
yang
dependen
timbal
balik,
dan
independen,
simultan
dan
(4)
saling
ketergantungan.
Teknik analisis data dalam penelitian ini menerapkan tahapan-tahapan
seperti yang dijelaskan oleh Haryono dan Wardoyo (2013) sebagai berikut:
1.
Analisis Deskriptif
Analisis deskriptif 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.
Analisis deskriptif yang disusun berdasarkan data dari suatu
sampel survey mempunyai peranan yang penting, bahkan dapat dinyatakan
merupakan salah satu bagian yang terpenting dalam laporan hasil penelitian.
Menurut Agung (2001), ada beberapa alasan kenapa rangkuman deskriptif
mempunyai peranan penting didalam laporan hasil penelitian, diantaranya;
mempunyai kebenaran yang mutlak jika data yang digunakan akurat dan tepat
waktu; mudah dimengerti dan dapat dipahami oleh banyak pihak; mudah
dilakukan walaupun latar belakang statistika yang kurang; nilai-nilai statistik
seperti rata-rata, proporsi, varian, atau standar deviasi dari suatu atau beberapa
variabel sampel dapat digunakan sebagai estimator titik parameter populasi.
79
http://digilib.mercubuana.ac.id/
2.
Analisis Inferensial Statistik Dengan Analisis SEM
Analisis SEM dalam penelitian ini dilakukan dengan menggunakan
pendekatan dua tahap (two-step approach). Tahap pertama dilakukan dengan
merespesifikasikan sebuah model hybrid atau full model sebagai sebuah model
CFA (confirmatory factor analysis) sehingga diperoleh model CFA dari masingmasing konstruk eksogen maupun endogen yang dapat diterima. Model CFA
dapat diterima apabila memiliki kecocokan data model validitas dan reliabilitas
yang baik (Wijanto, 2008:69).
Tahap kedua dari two step approach adalah
menggabungkan model CFA dari konstruk eksogen maupun endogen yang sudah
diterima menjadi satu model keseluruhan (hybrid model) atau full model untuk
diestimasi dan dianalisis guna melihat kecocokan model secara keseluruhan serta
evaluasi terhadap model strukturnya sehingga diperoleh full model yang dapat
diterima.
a.
Analisis Faktor Konfirmatori
Analisis
faktor
konfirmatori
dirancang
untuk
menguji
unidimensionalitas dari suatu konstruk teoritis. Analisis ini sering juga
disebut menguji validitas suatu konstruk teoritis (Ghozali, 2008a:121).
Variabel laten yang digunakan dalam penelitian ini dibentuk berdasarkan
konsep teoritis dengan beberapa indikator atau variabel manifes.
Analisis konfirmatori menguji apakah indikator dan dimensi pembentuk
konstruk laten merupakan indikator dan dimensi yang valid sebagai
pengukur konstruk laten.
Analisis konfirmatori dalam penelitian ini
80
http://digilib.mercubuana.ac.id/
dilakukan antar konstruk eksogen dan antar konstruk endogen. Adapun
pengujian CFA merujuk pada criteria model fit yang terdapat pada tabel
4.2. Goodness of Fit Index berikut:
Tabel 4.2. Goodness of Fit Index
No
Goodness of Fit Index
1.
DF
Chi-Square
Probability
CMIN/DF
GFI
AGFI
CFI
TLI atau NNFI
NFI
IFI
RMSEA
RMR
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
Cut off Value
(Nilai Batas)
>0
< ).df
> 0,05
<2
≥ 0,90
≥ 0,90
≥ 0,90
≥ 0,90
≥ 0,90
≥ 0,90
≤ 0,08
≤ 0,05
Kriteria
Over Identified
Good Fit
Good Fit
Good Fit
Good Fit
Good Fit
Good Fit
Good Fit
Good Fit
Good Fit
Good Fit
Sumber : Ghozali (2008) dan Wijanto (2008)
Apabila dalam model CFA baik konstruk eksogen maupun endogen
memiliki persoalan identifikasi (misalnya terdapat varian yang negatif
pada error atau nilai residual) maka nilai varian tersebut harus dibuat fix
dengan nilai yang kecil (sebesar 0,005). Apabila model yang dihasilkan
tetap memiliki kondisi yang sama, penyesuaian terhadap nilai varian
yang negatif terus dilanjutkan sampai dengan konstruk tidak memiliki
nilai varian yang negatif.
memiliki
varian
yang
Apabila model CFA konstruk tidak lagi
negatif
selanjutnya
dilakukan
pengujian
signifikansi terhadap dimensi dan indikator yang merefleksikan konstruk
serta dilakukan pengujian validitas konstruk.
Menurut Igbaria et. al dalam Wijanto (2008:65) dan Ghozali
(2008a:135) apabila hasil model yang memiliki dimensi atau indikator
81
http://digilib.mercubuana.ac.id/
dari konstruk seluruhnya signifikan (nilai P < 0,05 atau terdapat tanda
***, mengacu pada output Regression Weights) dan valid (nilai faktor
loading standard > 0,5, mengacu pada output Standardized Regression
Weights) maka dapat dilanjutkan dengan pengujian kelayakan model
(goodness of fit). Analisis CFA yang menghasilkan GOF index yang
memenuhi kriteria menunjukkan bahwa secara keseluruhan model CFA
konstruk merupakan fit Model dari konstruk yang dapat diterima.
Sebaliknya apabila hasil pengujian kelayakan model CFA konstruk tidak
memenuhi kriteria perlu dilakukan modifikasi model agar model menjadi
fit.
Apabila model CFA konstruk tidak lagi memiliki persoalan
identifikasi model selanjutnya dapat dilakukan pengujian signifikansi
terhadap dimensi dan indikator yang merefleksikan konstruk serta
dilakukan pengujian validitas konstruk.
Kasus-kasus modifikasi model yang dapat terjadi dalam analisis
CFA konstruk antara lain dapat dijelaskan sebagai berikut:
-
Nilai probabilitas Chi-square < 0,05, modifikasi model dilakukan
agar model menjadi fit dengan cara membuat covarian antar
indikator yang memiliki nilai Modification Indicies (M.I.) yang
besar.
-
Nilai C.R. atau probabality indikator yang tidak signifikan karena
memiliki nilai C.R. < 1,96 atau probability (P) > 0,05 dan terdapat
ketidak-valid-an beberapa indikator karena memiliki faktor loading
standard < 0,5 maka modifikasi model dapat dilakukan dengan cara
82
http://digilib.mercubuana.ac.id/
men-drop atau membuang indikator-indikator tersebut dari konstruk
pada analisis selanjutnya.
b.
Analisis Model Struktural
Analisis selanjutnya adalah analisis Structural Equation Modeling
(SEM) secara full model, setelah dilakukan analisis terhadap tingkat
unidimensionalitas dari dimensi maupun indikator-indikator pembentuk
variabel laten atau konstruk eksogen maupun endogen yang diuji dengan
confirmatory factor analysis. Analisis hasil pengolahan data pada tahap
full model SEM dilakukan dengan melakukan uji kesesuaian dan uji
statistik. Adapun pengujiannya merujuk pada kriteria model fit yang
terdapat pada tabel 4.2. Goodness of Fit Index di atas.
Hasil pengolahan data untuk analisis full model SEM untuk
memeriksa apakah model masih memiliki persoalan identifikasi model.
Jika tidak terdapat persoalan identifikasi model dapat dilanjutkan dengan
pengujian signifikansi dimensi maupun indikator pengukur konstruk dan
pengujian validitas konstruk.
Sepertinya halnya dalam proses analisis faktor konfirmatori baik
pada konstruk eksogen dan endogen, prosedur ini terus dilakukan sampai
dapat disimpulkan bahwa secara keseluruhan full model terakhir
merupakan fit model yang dapat diterima. Hal ini dapat diartikan bahwa
hipotesis fundamental analisis SEM di dalam penelitian dapat diterima,
artinya tidak ada perbedaan yang signifikan antara matrik kovarian data
dari variabel teramati dengan matrik kovarian dari model yang
83
http://digilib.mercubuana.ac.id/
dispesifikasikan (implied covariance matrix).
Hal ini menunjukkan
bahwa persamaan-persamaan yang dihasilkan oleh fit model dalam
penelitian ini dapat digunakan untuk menjelaskan hubungan dan
pengaruh antar variabel eksogen dengan variabel endogen-nya.
Sedangkan besarnya pengaruh masing-masing variabel independen
terhadap variabel dependen akan dilakukan pengujian secara statistik
sehingga dapat diketahui variabel independen mana saja yang
berpengaruh signifikan dan paling dominan mempengaruhi variabel
dependen-nya.
c.
Evaluasi Model Struktural
Sebelum dilakukan pengujian secara statistik terhadap pengaruh
masing-masing variabel independen terhadap variabel dependen dalam fit
model (pengujian hipotesis penelitian), terlebih dahulu akan dilakukan
evaluasi terhadap model struktural yang dihasilkan oleh fit model di
dalam penelitian.
Evaluasi yang dilakukan terhadap model struktural, meliputi:
1. Skala Pengukuran Variabel (Skala Data)
Data yang digunakan untuk mengukur variabel dalam penelitian ini
menggunakan skala Likert dengan 5 kategori 1 s/d. 5.
Menurut
Edward dan Kenny dalam Ghozali (2008a:72) skor yang dihasilkan
oleh skala Likert ternyata berkorelasi sebesar 0,92 jika dibandingkan
dengan skor hasil pengukuran menggunakan skala Thurstone yang
merupakan skala interval. Disamping itu skor hasil perhitungan skala
84
http://digilib.mercubuana.ac.id/
interval ternyata mempunyai urutan yang sama dengan skor skala
Likert. Oleh karena tidak ada perbedaan urutan, maka skala Likert
dapat dianggap berskala interval. Dengan demikian, penggunaan data
skala Likert untuk analisis dalam penelitian ini telah memenuhi
persyaratan asumsi structural equation modeling (SEM).
2. Ukuran Sampel
Untuk melakukan penetapan jumlah sampel penelitian ini penulis
mengacu pendapat Wijaya (2009:10) dan Santoso (2011:70) yang
menyatakan syarat jumlah sampel yang harus dipenuhi jika
menggunakan analisis SEM, maka jumlah sampel berkisar antara 100200 atau minimal lima kali jumlah indikator.
Penentuan jumlah
sampel berdasarkan pendapat Hair, et. al bahwa analisis data
multivariat mengggunakan SEM, pada umumnya metode estimasi
menggunakan Maximum Likelihood Estimation (MLE) disamping
alternatif metode lain, seperti GLS atau ULS. Metode MLE akan
efektif pada jumlah sampel antara 150-400.
3. Normalitas Data
Estimasi dengan Maximum Likelihood menghendaki variabel
observed harus memenuhi asumsi normalitas multivariate.
Oleh
karena itu perlu dilakukan pengujian untuk melihat tingkat normalitas
secara multivariat terhadap data yang digunakan dalam penelitian ini.
Pengujian ini adalah dengan mengamati nilai kurtosis data yang
digunakan.
Evaluasi normalitas multivariat dengan AMOS 22.00
85
http://digilib.mercubuana.ac.id/
dilakukan dengan menggunakan kriteria critical ratio (c.r.) dari
multivariat pada kurtosis, apabila berada pada rentang ± 2,58 berarti
data berdistribusi normal secara multivariat. jika nilai curtosis ratio
(c.r.) dari multivariat pada kurtosis berada dibawah harga mutlak 2,58.
4. Data Outliers
Outlier adalah kondisi observasi dari suatu data yang memiliki
karakteristik unik yang terlihat sangat berbeda jauh dari observasiobservasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk
variabel tunggal maupun kombinasi (Hair, et. al, dalam Ghozali,
2008a:227).
Deteksi
terhadap
multivariat
outliers
memperhatikan nilai Mahalanobis Distance.
dilakukan
dengan
Jarak Mahalanobis
(Mahalanobis Distance) untuk tiap-tiap observasi akan menunjukkan
jarak sebuah observasi data terhadap nilai rata-rata (centroid) nya.
Observasi yang jauh dari nilai centroid-nya dianggap outlier dan harus
dibuang (di-drop) dari analisis.
Kriteria yang digunakan adalah
berdasarkan nilai Chi-squares pada derajat kebebasan (degree of
freedom) ~ yaitu jumlah indikator dalam fit model penelitian ~ pada
tingkat signifikansi p < 0,001. Semua kasus (observation number)
yang memiliki nilai Mahalanobis Distance yang lebih besar dari nilai
Chi-squares (df;0,001) adalah multivariat outliers.
86
http://digilib.mercubuana.ac.id/
5. Multicolinearity dan Singularity
Pengujian selanjutnya adalah untuk melihat apakah terdapat
multikolinearitas dan singularitas dalam sebuah kombinasi variabel.
Indikasi adanya multikolinearitas dan singularitas dapat diketahui
melalui nilai determinan matrik kovarian sampel yang benar-benar
kecil, atau mendekati nol. Multikolinearitas dan singularitas yang
terdapat pada data penelitian masih dapat diterima apabila persyaratan
asumsi SEM yang lain terpenuhi.
6. Uji Reliabilitas Konstruk
Reliabilitas adalah ukuran konsistensi internal dari indikatorindikator sebuah variabel bentuk yang menunjukkan derajat sampai
dimana masing-masing indikator itu mengindikasikan sebuah variabel
bentuk yang umum. Terdapat dua cara yang dapat digunakan, yaitu
composite (construct) reliability dan variance extracted.
Cut-off Value dari construct reliability adalah minimal 0,70
sedangkan Cut-off Value Extracted minimal 0,50 (Ghozali, 2008:233).
Uji reliabilitas dapat diperoleh melalui rumus sebagai berikut:
@A3<1B<4B:0<B;1C D
/0123456389:;<=;:;3> =
@A3<1B<4B:0<B;1C D + @&F
G<4;<16989:;<=;:;3> =
@A3<1B<4BH0<B;1CD
@A3<1B<4BH0<B;1CD + @&F
87
http://digilib.mercubuana.ac.id/
Keterangan:
•
Standard Loading ( I) diperoleh dari standardized loading
untuk tiap indikator yang didapat dari hasil perhitungan alat
bantu analisis
•
&F adalah measurement error dari tiap indikator = 1A3<1B<4BH0<B;1CD
7. Discriminant Validity
Discriminant Validity mengukur sampai seberapa jauh suatu
konstruk benar-benar berbeda dari konstruk lainnya.
Nilai
discriminant validity yang tinggi memberikan bukti bahwa suatu
konstruk adalah unik dan mampu menangkap fenomena yang diukur.
Cara mengujinya adalah membandingkan nilai akar kuadrat dari
Average Variance Extracted (AVE) atau JGK dengan nilai korelasi
antar konstruk.
3.
Pengujian Hipotesis
Selanjutnya dilakukan pengujian hipotesis penelitian.
Pengujian
hipotesis dilakukan dengan menggunakan nilai t-Value dengan tingkat
signifikansi 0,05.
Apabila nilai Critical Ratio (C.R.) ≥ 1,967 atau nilai
probability (P) ≤ 0,05 maka H0 ditolak (hipotesis penelitian diterima).
4.
Analisis Pengaruh Langsung, Tidak Langsung dan Pengaruh Total
Analisis pengaruh ditujukan untuk melihat seberapa kuat pengaruh suatu
variabel dengan variabel lainnya baik secara langsung, maupun secara tidak
langsung. Interpretasi dari hasil ini akan memiliki arti yang penting untuk
88
http://digilib.mercubuana.ac.id/
menentukan strategi yang jelas dalam meningkatkan kinerja variabel endogen
yang merupakan variabel keluaran utama dari penelitian.
Sebelum analisis faktor konfirmatori dilakukan, dijalankan terlebih dahulu
pengujian reliabilitas dan validitas angket.
Uji reliabilitas dilakukan dengan
tujuan untuk mengetahui konsistensi derajat ketergantungan dan stabilitas dari alat
ukur sementara uji validitas dilakukan dengan tujuan untuk mengetahui kesahihan
angket. Uji reliabilitas dan validitas dilakukan dengan melakukan pengujian pada
30 angket yang telah diisi oleh responden dari kedua kelompok populasi yang
diminati pada tahap pra survei. Angket dikatakan reliabel jika Cronbach Alpha di
atas 0,70 (Sekaran, 1992 dalam Harianto, 2006). Apabila hasil uji reliabilitas
yang dilakukan diperoleh Cronbach Alpha untuk di atas 0.70 untuk setiap variabel
indikator penelitian sehingga dapat disimpulkan dan diyakinkan bahwa angket
adalah handal untuk digunakan sebagai alat dalam mengumpulkan data penelitian.
Angket dikatakan valid akan mempunyai arti bahwa angket mampu
mengukur apa yang seharusnya diukur. Syarat minimum yang harus dipenuhi
agar angket dikatakan valid / sahih adalah nilai corrected item total correlation
untuk setiap variabel indikator lebih besar dari 0,239 (Imam Ghozali (2001) dalam
Harianto, 2006) terpenuhi. Sehingga dapat disimpulkan bahwa angket yang
digunakan adalah valid / sahih. Pada penelitian ini analisa uji reliabilitas dan
validitas angket penelitian ditempatkan setelah analisis deskriptif dilakukan, dan
sebelum analisis faktor konfirmatori dijelaskan.
89
http://digilib.mercubuana.ac.id/
Proses analisis SEM menggunakan alat bantu analisis AMOS 22.00 dapat
digambarkan dalam gambar 4.2. berikut ini:
Start
Indicator
Significance &
Construct Validity
Test
Designing
Model
No
Yes
Significance
and/or Valid
Model Fit Test
No
Model
Verification
Problem
Identification
Yes
Modifying
Model
No
Model
Fit
Yes
Accepted
Model
End
Gambar 4.2. Proses analisis SEM dalam AMOS 22.00
90
http://digilib.mercubuana.ac.id/