BAB 4 METODE PENELITIAN
Pada bab ini diuraikan berbagai hal yang berhubungan dengan metode penelitian yang digunakan dalam pengujian hipotesis, antara lain rancangan penelitian, populasi, sampel dan penentuan besar sampel, cara penarikan sampel, variabel penelitian dan definisi operasional variabel, instrumen penelitian, prosedur pengumpulan data, cara pengolahan data dan analisis data, serta pengujian hipotesis.
4.1 Jenis dan Rancangan Penelitian Jenis penelitian dapat dilihat menurut teknik sampling, timbulnya variabel, model pengembangan atau pertumbuhan, dan menurut rancangan penelitian (Arikunto, 2002:75). Jenis penelitian menurut teknik sampling dibagi tiga yaitu penelitian populasi, penelitian sampel dan penelitian kasus. Penelitian ini merupakan penelitian populasi atau sensus, karena semua subjek penelitian diobservasi. Berdasarkan timbulnya variabel, jenis penelitian dapat dibedakan atas penelitian non-eksperimen dan penelitian eksperimen. Penelitian ini merupakan penelitian non-eksperimen, karena peneliti tidak memberi perlakukan (kontrol) terhadap subjek penelitian. Penelitian non-eksperimen menurut polapola atau sifat penelitian dapat dibedakan atas penelitian kasus, penelitian kausal komparatif, penelitian korelasi, penelitian historis, dan penelitian filosofis. Penelitian ini merupakan penelitian korelasi, karena bertujuan menguji pengaruh atau korelasi diantara beberapa variabel penelitian. Menurut model pengembangan atau pertumbuhan, jenis penelitian dapat dibedakan atas model model longitudinal dan cross-sectional. Model 76
77
longitudinal mempelajari berbagai tingkat pertumbuhan dengan cara ”mengikuti” perkembangan bagi subjek yang sama. Sedangkan model cross-sectional merupakan penelitian satu waktu tertentu dengan menggunakan banyak responden. Penelitian ini melakukan pengambilan data pada satu waktu tertentu untuk satu kelompok sampel, oleh karena itu penelitian ini merupakan penelitian model cross-sectional. Selanjutnya jenis penelitian menurut desain atau rancangan penelitian. Menurut Aaker et al. (2001:24) rancangan penelitian adalah perencanaan terinci yang digunakan sebagai pedoman studi penelitian yang mengarah pada tujuan dari penelitian tersebut. Selanjutnya menurut Kerlinger (1993:532) rancangan penelitian adalah suatu rencana, kerangka untuk mengkonseptualisasikan struktur relasi variabel-variabel suatu kajian penelitian. Sedangkan menurut Suchman dalam Nazir (2005:84) rancangan penelitian adalah semua proses yang diperlukan dalam perencanaan dan pelaksanaan penelitian. Rancangan atau desain penelitian umumnya terbagi atas 3 (tiga) bentuk, yaitu penelitian eksploratif (explorative research), penelitian deskriptif (descriptive research) dan penelitian penjelasan (explanatory research) (Umar, 1999:36). Penelitian eksploratif adalah jenis penelitian yang berusaha mencari ide-ide atau hubungan-hubungan yang baru. Sedangkan penelitian deskriptif merupakan penelitian yang bertujuan menguraikan sifat-sifat atau karakteristik dari suatu fenomena tertentu. Terakhir, penelitian eksplanatori adalah penelitian yang bertujuan menganalisis hubungan-hubungan antara satu variabel dengan variabel lainnya atau bagaimana suatu variabel mempengaruhi variabel lainnya. Penelitian
ini
bertujuan
untuk
menguji
pengaruh
kemampuan
pembelajaran organisasi terhadap kompetensi, tingkat diversifikasi, dan kinerja
78
Perguruan Tinggi Swasta di Sumatera Utara. Berdasarkan pengelompokan tersebut, maka penelitian ini termasuk penelitian penjelasan (explanatory research) karena penelitian ini bermaksud menjelaskan hubungan kausal antar variabel melalui pengujian hipotesis. Unit analisis penelitian ini adalah Perguruan Tinggi Swasta (PTS). Responden penelitian ini difokuskan pada pimpinan PTS (rektor atau pembantu rektor I, II, atau III; direktur atau wakil direktur I, II, atau III; ketua atau wakil ketua I, II, atau III), serta BAK dimana satu PTS akan diwakili oleh satu responden. Penelitian ini akan menggambarkan persepsi pimpinan PTS mengenai pembelajaran organisasi, kompetensi, strategi diversifikasi, dan kinerja PTS-nya. Dipilihnya pimpinan PTS sebagai responden, karena mereka dianggap paling mengetahui kebijakan pembelajaran organisasi yang diterapkan PTS dalam upaya menghadapi persaingan yang ada, kompetensi unik yang dimiliki untuk mendapatkan keunggulan bersaing, strategi diversifikasi yang dilakukan serta kinerja yang diperoleh PTS dimana mereka bekerja. Baik data primer maupun sekunder dikumpulkan dengan cara cross section, yaitu penelitian satu waktu tertentu dengan menggunakan banyak responden. Data penelitian dikumpulkan secara langsung ke lokasi penelitian.
4.2 Populasi, Sampel, dan Teknik Pengambilan Sampel Populasi penelitian ini adalah seluruh Perguruan Tinggi Swasta di Sumatera Utara yang berada di bawah KOPERTIS Wilayah I. Kriteria selanjutnya adalah PTS tersebut menjalankan strategi diversifikasi. PTS yang menjalankan strategi diversifikasi sampai dengan Maret 2006 berjumlah 134 PTS. Populasi penelitian disajikan secara lengkap pada Tabel 4.1 (halaman 79).
79
Jumlah anggota populasi adalah 134 PTS. Dalam penelitian ini seluruh populasi akan diobeservasi, karena populasi penelitian adalah finit dan cenderung heterogen. Oleh karena itu penelitian ini menggunakan metode sensus atau complete enumeration, atau penelitian ini tidak menggunakan sampel sehingga teknik pengambilan sampel tidak diperlukan. Tabel 4.1 POPULASI PENELITIAN Bentuk PTS Jumlah PTS Universitas 25 Institut 3 Sekolah Tinggi 71 Akademi 24 Politeknik 11 Total 134 Sumber: Data diolah peneliti, 2007
4.3 Klasifikasi dan Definisi Operasional Variabel Penelitian 4.3.1 Klasifikasi Variabel Penelitian Variabel dalam penelitian ini dapat diklasifikasikan menjadi: 1. Variabel eksogen, yakni variabel yang tidak diprediksi oleh variabel lain dalam model (Ferdinand, 2002:41). Variabel eksogen dikenal juga sebagai source variable atau independent variable. Dalam penelitian ini variabel eksogen adalah kemampuan pembelajaran organisasi (X1). 2. Variabel endogen, yakni variabel yang diprediksikan oleh satu atau beberapa variabel yang lain dalam model (Ferdinand, 2002:43). Ada dua jenis variabel endogen dalam penelitian ini, yakni: a. Variabel endogen intervening, yakni variabel yang ikut berpengaruh saat variabel eksogen mempengaruhi variabel endogen (Sekaran, 2003:91).
80
Dalam penelitian ini variabel intervening adalah kompetensi (Y1), dan tingkat diversifikasi PTS (Y2). b. Variabel endogen tergantung (dependent variable). Dalam penelitian ini variabel endogen tergantung adalah kinerja PTS (Y3).
4.3.2 Definisi Operasional Variabel Penelitian 1. Kemampuan Pembelajaran Organisasi PTS (X1) Merupakan
kemampuan
perguruan
tinggi
untuk
menciptakan,
memperoleh, menginterpretasikan dan membagi pengetahuan yang bertujuan memodifikasi perilaku, melalui pengembangan ilmu pengetahuan, teori-teori praktis dan keterampilan kognitif pada dosen. Variabel kemampuan pembelajaran organisasi diukur dengan enam indikator yakni pengembangan sistem berpikir, pengembangan model mental, kemampuan personal, visi bersama, kemampuan membagi visi bersama dan kemampuan dialog. a. Pengembangan sistem berpikir adalah kesempatan dan bantuan yang diberikan PTS kepada dosen untuk mengembangkan diri, diukur dengan 4 item: 1. PTS memberi kesempatan kepada dosen untuk melanjutkan pendidikan formal. 2. PTS memberi bantuan dana kepada dosen untuk melanjutkan pendidikan formal. 3. PTS memberi kesempatan kepada dosen untuk mengikuti pendidikan non formal. 4. PTS
memberi
kesempatan
kepada
dosen
pengetahuan tentang cara mengajar/bekerja.
untuk
meningkatkan
81
b. Pengembangan model mental adalah dorongan yang dimiliki dosen dan karyawan untuk mengubah dan mengembangkan cara pandangnya terhadap lingkungan, diukur dengan 2 item: 1. Tingkat motivasi dosen untuk melakukan studi banding 2. Tingkat motivasi dosen untuk senantiasa memperbaharui metode pengajaran dan metode kerja c. Kemampuan Personal adalah kemampuan dan kecakapan personal dosen dalam menjalankan pekerjaannya, diukur dengan 2 item: 1. kemampuan dosen mencapai target yang ditetapkan 2. kemampuan dosen untuk mengembangkan diri dalam pengetahuan, wawasan dan teknologi d. Kerjasama tim adalah kemampuan orang-orang dalam PTS untuk bekerjasama dalam tim yang diukur dengan 2 item: 1. kemampuan bekerja dengan cara-cara koordinatif dan inovatif 2. kerjasama yang erat antar sesama dosen dan karyawan e. Kemampuan membagi visi bersama adalah kemampuan PTS untuk membagi visi organisasi kepada semua orang yang ada di dalamnya, diukur dengan 2 item: 1. tingkat sosialisasi visi organisasi kepada semua anggota organisasi 2. tingkat kesesuaian tujuan individu dan organisasi f. Kemampuan berdialog adalah kesediaan dosen untuk saling berdialog, bertukar pendapat dan kesediaan mendengar pendapat orang lain, diukur dengan 2 item: 1. tingkat toleransi dosen terhadap perbedaan pendapat 2. komunikasi antara dosen dengan pimpinan PTS
82
Masing-masing item indikator diukur dengan menggunakan Skala Likert dengan lima pilihan jawaban, dimana jawaban terendah diberi skor 1 dan tertinggi diberi skor 5. Skala ini adalah skala interval (Indriantoro dan Supomo, 2002:99). Skor masing-masing indikator merupakan nilai rata-rata dari item indikator. Semakin tinggi skor angka variabel mengindikasikan semakin tinggi kemampuan pembelajaran organisasi.
2. Kompetensi (Y1) Merupakan keahlian dan pengetahuan khusus yang dimiliki dosen PTS yang diarahkan untuk mencapai tingkat kepuasan pengguna yang lebih tinggi disebabkan bernilai, langka dan unik. Variabel ini diukur dengan empat indikator yakni nilai kompetensi, tingkat kelangkaan kompetensi, tingkat kesulitan pesaing untuk meniru kompetensi dan tingkat kesulitan PTS memperoleh pengganti kompetensi: a. Nilai kompetensi, diukur dengan 2 item: 1. kompetensi yang dimiliki dosen menghasilkan keunggulan bersaing 2. kompetensi yang dimiliki dosen memberikan pendapatan maksimal b. Tingkat kelangkaan kompetensi, diukur dengan 3 item: 1. kompetensi dosen hanya dimiliki oleh perguruan tinggi tertentu 2. kompetensi dosen sulit ditemukan 3. tingkat keunikan kompetensi yang dimiliki dosen c. Tingkat kesulitan pesaing meniru kompetensi, diukur dengan 2 item: 1. tingkat kesulitan pesaing meniru kompetensi dosen 2. besar biaya yang harus dikeluarkan pesaing untuk meniru kompetensi dosen.
83
d. Tingkat kesulitan PTS memperoleh pengganti kompetensi, diukur dengan 2 item: 1. tingkat kesulitan PTS untuk mencari pengganti kompetensi dosen 2. tingginya biaya yang harus dikeluarkan PTS bila ingin mencari pengganti kompetensi dosen Masing-masing item indikator diukur dengan menggunakan Skala Likert dengan lima pilihan jawaban, dimana jawaban terendah diberi skor 1 dan tertinggi diberi skor 5. Skala
ini merupakan skala interval (Indriantoro dan
Supomo, 2002:99). Skor masing-masing indikator merupakan nilai rata-rata dari item indikator. Semakin tinggi skor angka variabel mengindikasikan semakin tinggi kompetensi yang dimiliki dosen PTS.
3. Tingkat Diversifikasi PTS (Y2) Tingkat diversifikasi merupakan tindakan perguruan tinggi untuk melakukan keanekaragam usaha dengan menggunakan semua kekuatan, keahlian dan sumberdaya yang dimiliki yang ditunjukkan oleh aktivitas baru. Variabel tingkat diversifikasi diukur dengan tiga indikator yakni jumlah program studi yang dimiliki oleh PTS, tingkat keterkaitan diantara program studi dan tingkat penggunaan bersama sarana dan prasarana diantara program studi. a. Jumlah program studi yang dimiliki saat ini, diukur dalam satuan angka. b. Tingkat keterkaitan diantara program studi yang ada, yakni tingkat keterkaitan produk jasa yang ditawarkan diantara program studi oleh PTS. c. Tingkat penggunaan bersama sarana dan prasarana diantara program studi. Indikator Y2.2 dan Y2.3 (poin b dan c) diukur dengan menggunakan Skala Likert dengan lima pilihan jawaban, dimana jawaban terendah diberi skor 1
84
dan tertinggi diberi skor 5. Skala ini merupakan skala interval (Indriantoro dan Supomo, 2002:99). Semakin tinggi skor angka variabel mengindikasikan semakin tinggi tingkat diversifikasi.
4. Kinerja Perguruan Tinggi Swasta (Y3) Merupakan hasil akhir atau tingkat prestasi yang dicapai PTS selama satu periode tertentu. Variabel ini diukur dengan 5 indikator yakni kelancaran arus kas, tingkat persaingan mahasiswa baru, perkembangan jumlah perolehan mahasiswa baru, persentase mahasiswa yang mengundurkan diri, dan rata-rata indeks prestasi lulusan. a. Kelancaran arus kas adalah tingkat kelancaran arus kas masuk dan keluar dimana ketika diperlukan, kas tersedia tepat waktu untuk mendukung kegiatan operasional PTS. Diukur dengan menggunakan Skala Likert dengan lima pilihan jawaban. b. Tingkat persaingan mahasiswa baru, adalah rasio jumlah mahasiswa baru yang diterima dibandingkan dengan calon mahasiswa yang melamar. Diukur dalam satuan persen (%). c. Perkembangan jumlah perolehan mahasiswa baru, adalah perkembangan jumlah mahasiswa baru yang terdaftar pada tahun bersangkutan dibandingkan tahun sebelumnya. Diukur dengan cara: jumlah mahasiswa baru tahun ini - jumlah mahasiswa baru tahun lalu x 100% dibagi jumlah mahasiswa tahun lalu Diukur dalam satuan persen (%).
85
d. Persentase mahasiswa yang mengundurkan diri, adalah perbandingan jumlah mahasiswa yang mengundurkan diri dengan total mahasiswa dalam satu tahun. Diukur dalam persen (%). e. Rata-rata IPK lulusan, adalah Indeks Prestasi Kumulatif rata-rata yang dicapai para lulusan. Diukur dalam satuan angka. Semakin tinggi skor angka variabel mengindikasikan semakin tinggi tingkat kinerja PTS, kecuali untuk indikator Y3.4 (item d) dimana semakin rendah skor angka indikator mengindikasikan semakin tinggi tingkat kinerja PTS. Berdasarkan definisi operasional variabel,
keseluruhan variabel yang
digunakan dalam penelitian ini secara ringkas dapat dilihat pada Tabel 4.2. Tabel 4.2 VARIABEL BENTUKAN DAN VARIABEL TERUKUR Variabel Bentukan Variabel Terukur 1. Kemampuan Pembelajaran X1.1 Pengembangan sistem berpikir Organisasi PTS (X1) X1.2 Pengembangan model mental X1.3 Keahlian personal X1.4 Kerjasama tim X1.5 Kemampuan membagi visi bersama X1.6 Kemampuan berdialog 2. Kompetensi (Y1) Y1.1 Nilai kompetensi Y1.2 Tingkat kelangkaan kompetensi Y1.3 Tingkat kesulitan pesaing meniru kompetensi Y1.4 Tingkat kesulitan PTS memperoleh pengganti kompetensi 3. Tingkat Diversifikasi PTS (Y2) Y2.1 Jumlah program studi Y2.2 Tingkat keterkaitan diantara Y2.3 program studi yang ada Tingkat penggunaan bersama sarana dan prasarana diantara program studi 4. Kinerja PTS (Y3) Y3.1 Kelancaran arus kas Y3.2 Tingkat persaingan mahasiswa baru Y3.3 Perkembangan jumlah perolehan mahasiswa baru Y3.4 Persentase mahasiswa yang mengundurkan diri Y3.5 Rata-rata IPK Sumber: Data diolah peneliti, 2007
86
4.4 Instrumen Penelitian Data dikumpulkan dengan menggunakan daftar pertanyaan yang terdiri dari pertanyaan mengenai karakteristik responden dan pertanyaan tentang variabel yang diteliti. Pertanyaan disajikan dalam bentuk pernyataan terbuka serta pernyataan dan skala untuk menyatakan respon. Pernyataan yang ada dalam daftar pertanyaan berkaitan dengan penilaian pimpinan PTS mengenai pengaruh kemampuan pembelajaran organisasi PTS terhadap kompetensi, tingkat diversifikasi PTS, dan kinerja PTS di Sumatera Utara.
4.5 Prosedur Pengumpulan Data Pengumpulan data pada penelitian ini dilakukan dengan metode survei yaitu menggunakan kuesioner yang berisi butir-butir pengukur konstruk atau variabel yang digunakan dalam model penelitian. Penyebaran dan pengumpulan data dilakukan secara langsung dengan meminta kesediaan responden untuk mengisi kuesioner.
4.6 Teknis Analisis Penelitian ini bertujuan menguji dan menganalisis hubungan kausal antara variabel eksogen dan endogen baik endogen intervening maupun endogen tergantung, sekaligus memeriksa validitas dan reliabilitas instrumen penelitian secara keseluruhan. Oleh karena itu digunakan teknik analisis Structural Equation Modeling (SEM) dengan menggunakan paket program AMOS (Analysis of Moment Structure) versi 5 dan SPSS versi 12.0. SEM
merupakan
sekumpulan teknik-teknik
yang memungkinkan
pengujian beberapa variabel dependen dengan beberapa variabel independen
87
secara
simultan.
Ferdinand
(2002:7)
mengungkapkan
bahwa
SEM
memungkinkan untuk dapat menjawab pertanyaan penelitian yang bersifat regresif maupun dimensional (yaitu mengukur apa dimensi-dimensi dari sebuah konsep). Pada saat seorang peneliti menghadapi pertanyaan penelitian berupa identifikasi dimensi-dimensi sebuah konsep atau konstruk dan pada saat yang sama ingin mengukur pengaruh atau derajat hubungan antar faktor yang telah diidentifikasi dimensi-dimensinya, maka SEM akan memungkinkan untuk melaksanakannya. SEM juga merupakan pendekatan terintegrasi antara analisis faktor, model struktural dan analisis jalur (Solimun, 2002:65). Penggunaan SEM memungkinkan peneliti untuk menguji hubungan antara variabel yang kompleks untuk memperoleh gambaran menyeluruh mengenai keseluruhan model. SEM dapat menguji secara bersama-sama (Bohlen, dalam Ghozali dan Fuad, 2005:3): 1. Model struktural hubungan antara konstruk independen dan dependen 2. Model measurement: hubungan (nilai loading) antara indikator dengan konstruk (variabel laten) Digabungkannya
pengujian
model
struktural
dan
pengukuran
tersebut
memungkinkan peneliti untuk: 1. Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tidak terpisahkan dari SEM 2. Melakukan analisis faktor persamaan dengan pengujian hipotesis.
4.6.1 Uji Validitas Suatu tes atau alat instrumen dapat dikatakan mempunyai validitas tinggi apabila alat tersebut menjalankan fungsi ukurnya atau memberikan hasil ukur
88
yang sesuai dengan tujuan pengukuran tersebut. Suatu alat ukur yang valid, tidak sekedar mampu mengungkapkan data dengan tepat dan memberikan gambaran yang cermat mengenai data tersebut. Cermat artinya pengukuran itu mampu memberikan gambaran mengenai perbedaan yang sekecil-kecilnya di antara subjek yang satu dengan yang lainnya. Loading factor sudah memenuhi convergent validity yaitu apabila ≥ 0,4 (Ferdinand, 2002:131).
4.6.2 Uji Reliabilitas Reliabilitas menunjuk pada adanya konsistensi internal dan stabilitas nilai hasil skala pengukuran tertentu. Reliabillitas berkonsentrasi pada masalah akurasi pengukuran dan hasilnya (Sarwono, 2006:100). Pendekatan yang digunakan adalah menilai besar composite reliability serta variance construct extrated dari masing-masing konstruk. Dengan rumusan sebagai berikut:
(ΣStd Loading)
2
Construct-reliability = 2
(ΣStd Loading) - Σє ј Sumber: Ferdinand, 2002:62 Dimana: • •
Standard Loading diperoleh langsung dari standardised loading untuk indikator (dari perhitungan AMOS) є ј adalah measurement error dari setiap indikator
Nilai batas yang digunakan untuk menilai sebuah tingkat reliabilitas yang dapat diterima adalah 0,70 (Malholtra dalam Solimun, 2002:71). Bila penelitian yang dilakukan adalah ekploratori maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai dengan alasan-alasan empirik yang terlihat dalam proses eksplorasi.
89
4.7 Pengujian Hipotesis Penelitian ini merupakan penelitian atas 4 variabel yakni: kemampuan pembelajaran organisasi PTS, kompetensi, tingkat diversifikasi PTS, dan kinerja Perguruan Tinggi Swasta. Dalam pengujian hipotesis yang diajukan, data yang diperoleh selanjutnya diolah sesuai dengan kebutuhan analisis. Untuk kepentingan pembahasan, data diolah dan dipaparkan berdasarkan prinsip-prinsip statistik deskriptif, sedangkan untuk kepentingan analisis dan pengujian hipotesis digunakan statistik inferensial. Untuk menguji hipotesis digunakan analisis multivariat dengan Structural Equation Modeling (SEM) dengan menggunakan program AMOS 5. Pengujian apakah hipotesis yang diajukan dapat diterima dilakukan dengan jalan membandingkan nilai probabilitas (p) dengan taraf signifikan α yang ditentukan sebesar 0,05. Apabila nilai probabilitas (p) lebih kecil dari nilai α (0,05), maka hipotesis tersebut dapat diterima. Begitu pula sebaliknya, jika nilai probabilitas (p) lebih besar dari nilai α (0,05), maka hipotesis tersebut tidak diterima. Namun, sebelum dilakukan pengujian hipotesis, maka terlebih dahulu dilakukan analysis factor comfirmatory guna melihat dimensi-dimensi yang dapat digunakan untuk membentuk faktor atau konstruk.
4.7.1 Pengujian Hipotesis Penelitian a. Kemampuan Pembelajaran Organisasi PTS (X1) Variabel yang digunakan sebagai indikator kamampuan pembelajaran organisasi (X1) adalah pengembangan sistem berpikir (X1.1), pengembangan model mental (X1.2), keahlian personal (X1.3), kerjasama tim (X1.4), kemampuan membagi visi bersama (X1.5), dan kemampuan berdialog (X1.6).
90
Pengembangan sistem berfikir (X1.1)
Pengembangan mental model (X1.2)
Keahlian personal (X1..3)
Kerjasama tim (X1.4)
Kemampuan Pembelajaran Organisasi PTS (X1)
Kemampuan membagi visi bersama (X1.5) Kemampuan berdialog (X1.6)
Sumber: Diolah Peneliti, 2007 Gambar 4.1 CONFIRMATORY FACTOR ANALYSIS PEMBELAJARAN ORGANISASI
KEMAMPUAN
Pengujian apakah variabel-variabel ini dapat digunakan untuk membentuk faktor atau konstruk dilakukan dengan jalan melihat nilai probabilitas (p) dari nilai koefisien lambda (λ). Jika nilai probabilitas (p) koefisien lambda lebih kecil dari nilai α (0,05), maka indikator/dimensi tersebut dapat digunakan untuk membentuk faktor atau konstruk. Begitu pula sebaliknya, jika nilai probabilitas (p) koefisien lambda lebih besar dari nilai α (0,05), maka indikator/dimensi tersebut tidak dapat digunakan untuk membentuk faktor atau konstruk. Adapun model pengukuran confirmatory factor analysis untuk kemampuan pembelajaran organisasi dapat dilihat pada Gambar 4.1.
b. Kompetensi Variabel kompetensi (Y1) menggunakan empat indikator yakni nilai kompetensi (Y1.1), tingkat kelangkaan kompetensi (Y1.2), tingkat kesulitan
91
pesaing meniru kompetensi (Y1.3), dan tingkat kesulitan PTS mencari pengganti kompetensi (Y1.4).
Nilai kompetensi (Y1.1) Tingkat kelangkaan kompetensi (Y1.2)
Kompetensi Tingkat kesulitan pesaing meniru kompetensi (Y1.3)
(Y1)
Tingkat kesulitan PTS mencari pengganti kompetensi (Y1.4)
Sumber: Diolah Peneliti, 2007 Gambar 4.2: CONFIRMATORY FACTOR ANALYSIS KOMPETENSI
Pengujian apakah variabel-variabel ini dapat digunakan untuk membentuk faktor atau konstruk dilakukan dengan jalan melihat nilai probabilitas (p) dari nilai koefisien lambda (λ). Jika nilai probabilitas (p) koefisien lambda lebih kecil dari nilai α (0,05), maka indikator/dimensi tersebut dapat digunakan untuk membentuk faktor atau konstruk. Begitu pula sebaliknya, jika nilai probabilitas (p) koefisien lambda lebih besar dari nilai α (0,05), maka indikator/dimensi tersebut tidak dapat digunakan untuk membentuk faktor atau konstruk. Adapun model pengukuran confirmatory factor analysis untuk kompetensi dapat dilihat pada Gambar 4.2.
c.
Tingkat Diversifikasi PTS Variabel yang digunakan sebagai indikator tingkat diversifikasi (Y2)
adalah jumlah program studi (Y2.1), tingkat keterkaitan antar program studi (Y2.2) dan tingkat penggunaan bersama sarana dan prasarana diantara program studi (Y2..3).
92
Pengujian apakah variabel-variabel ini dapat digunakan untuk membentuk faktor atau konstruk dilakukan dengan jalan melihat nilai probabilitas (p) dari nilai koefisien lambda (λ). Jika nilai probabilitas (p) koefisien lambda lebih kecil dari nilai α (0,05), maka indikator/dimensi tersebut dapat digunakan untuk membentuk faktor atau konstruk. Begitu pula sebaliknya, jika nilai probabilitas (p) koefisien lambda lebih besar dari nilai α (0,05), maka indikator/dimensi tersebut tidak dapat digunakan untuk membentuk faktor atau konstruk. Adapun model pengukuran confirmatory factor analysis untuk tingkat diversifikasi dapat dilihat pada Gambar 4.3. Jumlah program studi (Y2.1)
Tingkat keterkaitan diantara program studi (Y2.2)
Tingkat diversifikasi (Y2)
Tingkat penggunaan bersama sarana dan prasarana diantara program studi (Y2.3)
Sumber: Diolah Peneliti, 2007 Gambar 4.3: CONFIRMATORY FACTOR ANALYSIS TINGKAT DIVERSIFIKASI
d.
Kinerja PTS Variabel yang digunakan sebagai indikator kinerja PTS (Y3) adalah
kelancaran arus kas (Y3.1), tingkat persaingan mahasiswa baru (Y3.2), perkembangan jumlah perolehan mahasiswa baru (Y3.3), persentase mahasiswa yang mengundurkan diri (Y3.4), dan rata-rata IPK (Y3.5). Pengujian apakah variabel-variabel ini dapat digunakan untuk membentuk faktor atau konstruk dilakukan dengan jalan melihat nilai probabilitas (p) dari nilai koefisien lambda (λ). Jika nilai probabilitas (p) koefisien lambda lebih kecil
93
dari nilai α (0,05), maka indikator/dimensi tersebut dapat digunakan untuk membentuk faktor atau konstruk. Begitu pula sebaliknya, jika nilai probabilitas (p) koefisien lambda lebih besar dari nilai α (0,05), maka indikator/dimensi tersebut tidak dapat digunakan untuk membentuk faktor atau konstruk. Adapun model pengukuran confirmatory factor analysis untuk kinerja PTS dapat dilihat pada Gambar 4.4.
Kelancaran arus kas (Y3.1) Tingkat persaingan mahasiswa baru (Y3.2)
Perkembangan jumlah perolehan mahasiswa baru (Y3.3)
Kinerja PTS (Y3)
Persentase mahasiswa yang mengundurkan diri (Y3.4) Rata-rata IPK (Y3.6)
Sumber: Diolah Peneliti, 2007 Gambar 4.4 CONFIRMATORY FACTOR ANALYSIS KINERJA PTS
4.7.2 Analisis SEM Teknik SEM memungkinkan seorang peneliti menguji beberapa variabel dependen sekaligus, dengan beberapa variabel independen (Ferdinand, 2002:5). Adapun langkah-langkah untuk melakukan pemodelan SEM adalah: a. Pengembangan model berbasis konsep dan teori Pada prinsipnya menganalisis hubungan kausal antar variabel eksogen dan endogen sekaligus memeriksa validitas dan reliabilitas instrumen penelitian. Langkah awal di dalam SEM adalah pengembangan model hipotetik, yaitu
94
pengembangan model berdasarkan teori atau konsep atau dikenal sebagai pembuatan model dengan pendekatan konfirmatori. Tabel 4.3 JUSTIFIKASI TEORI UNTUK MODEL KONSEPTUAL PENELITIAN No 1
2
3
4
5
Keterangan Hipotesis Justifikasi Teori Kemampuan pembelajaran organisasi Hipotesis 1 Wang and Lo, 2003; Murray and Donegan, 2003, Chaston PTS berpengaruh signifikan terhadap and Badger, 1999. Kompetensi and Hunger, Kemampuan pembelajaran organisasi Hipotesis 3 Wheelen PTS berpengaruh signifikan terhadap 2002:9; Marquardt, 1996:19; Baldwin et al., 1997; Lopez kinerja PTS et al., 2005; Khandekar and Sharma, 2006; Murray, 2003; Prieto and Revilla, 2006; Bontis et al., 2002. Kompetensi berpengaruh signifikan Hipotesis 4 Silverman, 1998, Chaterjee and Wernerfelt, 1991; terhadap tingkat diversifikasi PTS Pfeffer and Salancik 1978; Carleton et al., 1984; Lemelin, 1982. Kompetensi berpengaruh signifikan Hipotesis 5 Pace et al., 2005; Rumelt, terhadap kinerja PTS 1974; Barney, 1991; Wernerfelt, 1984; Durand, 1999 Duhaime, Tingkat diversifikasi PTS berpengaruh Hipotesis 6 Stimpert and 1997; Amit and Livnat, signifikan terhadap kinerja PTS 1988; Rumelt, 1982; Christensen and Montgomery, 1981, Lloyd and Jahera, Jr. (1994), De (1992) Sumber: Diolah peneliti dari berbagai sumber, 2007 Dalam penelitian ini, hal tersebut telah tertuang dalam kerangka konspetual pada bab 3 (tiga). Model persamaan struktural (SEM) merupakan sebuah confirmatory technique. Teknik ini merupakan teknik untuk menguji baik teori baru maupun teori yang sudah dikembangkan yang akan diuji lagi secara empiris. Pengujian ini dapat dilakukan dengan menggunakan SEM, akan tetapi perlu diketahui bahwa SEM tidak digunakan untuk membentuk hubungan kausalitas baru, tetapi digunakan untuk menguji pengembangan kausalitas yang
95
memiliki justifikasi teori. Dalam penelitian ini, justifikasi teori yang digunakan dalam membangun model konseptual penelitian dapat dilihat pada Tabel 4.3 (halaman 94).
b. Mengkonstruksi diagram jalur Setelah menyusun model berbasis teori, langkah selanjutnya adalah menerjemahkan model tersebut ke dalam diagram jalur (path diagram) agar dapat diestimasikan dengan menggunakan program AMOS 5. Dalam model struktural dikenal dua variabel, yaitu variabel eksogen dan endogen. Sedangkan untuk persamaan-persamaan struktural (structural equations) yang dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Dimana persamaan tersebur pada dasarnya dibangun dengan pedoman sebagai berikut: variabel endogen (terikat) = variabel eksogen + variabel endogen + error (Ferdinand, 2002:167). Variabel eksogen adalah variabel yang nilainya ditentukan di luar model, seperti variabel bebas dan variabel instrumen (juga disebut predetermined variables). Sedangkan variabel endogen adalah variabel yang nilainya ditentukan berdasarkan model, seperti variabel tidak bebas. Persamaan struktural dalam penelitian ini adalah persamaan rekursif dimana memenuhi asumsi-asumsi sebagai berikut: 1. Antara ε1 saling bebas (independent) 2. Antara ε1, ε2, ε3 dengan X1 dan X2 saling bebas 3. Arah pengaruh kausalitas dari variabel endogen adalah searah atau tidak ada variabel endogen yang mempunyai pengaruh bolak-balik (resiplokal).
96
c. Menerjemahkan diagram jalur ke dalam persamaan Persamaan yang dihasilkan pada penelitian ini adalah persamaan model struktural (structural model), karena tujuan penelitian ini adalah ingin mengetahui hubungan kausalitas antar variabel yang diteliti. Persamaan struktural diajukan dalam model konseptual penelitian seperti pada Gambar 3.2 (halaman 71) adalah sebagaimana dirinci pada Tabel 4.4. Tabel 4.4 PERSAMAAN STRUKTURAL PENELITIAN No Persamaan Struktural Penelitian 1 Y1 = β 1.1X1 + ε1 2 Y2 = β 2.1Y1 + ε2 3 Y3 = β 3.1X1 + γ 3.1 Y1 + ε3 4 Y3 = β 3.1X1 + γ 3.2 Y2 + ε4 5 Y3 = β 3.1X1 + γ 3.1 Y1 + γ 3.2 Y2 + ε5 Sumber: Data diolah peneliti, 2007
Dimana: β, γ = (betha, gamma) koefisien path dari masing-masing variabel X1 = kemampuan pembelajaran organisasi PTS Y1= kompetensi Y2= tingkat diversifikasi PTS Y3= kinerja PTS ε = error
d. Memilih matriks dan teknik estimasi Setelah model dispesifikasikan secara lengkap, langkah berikutnya adalah memilih jenis input (kovarians dan korelasi). Matriks input yang dipilih dalam penelitian ini adalah matrix kovarians. Alasan memilih input data matrix covarians adalah karena matriks covarians memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda. Selain itu matriks covarians lebih sesuai untuk memvalidasi hubungan kausal.
97
Selanjutnya untuk memilih teknik analisis dengan mempertimbangkan ukuran sampel, dapat dilihat pada Tabel 4.5. Setelah memilih matriks input, maka AMOS akan melakukan estimasi koefisien path. Dalam melakukan estimasi model, ukuran sampel memegang peranan yang cukup penting. Dalam program AMOS 5 teknik-teknik estimasi yang tersedia adalah: (a) Maximum Likelihood Estimation (ML), (b) Generalized Least Square Estimation (GLS), (c) Unweighted Least Square Estimation (ULS), (d) Scale Free Least Square Estimation (SLS), dan (e) Symtotically Distribution-free Estimation (ADF). Metode yang digunakan dalam penelitian ini adalah Maximum Likelihood (ML). Metode ini dipilih mengingat ukuran sampel adalah antara 100-200. Tabel 4.5 MEMILIH TEKNIK ESTIMASI Pertimbangan Teknik yang Dipilih Keterangan Bila ukuran sampel adalah ML ULS dan SLS biasanya kecil (100-200) dan asumsi tidak menghasilkan uji χ2, normalitas dipenuhi karena itu tidak menarik perhatian peneliti Bila asumsi normalitas ML dan GLS Bila ukuran sample kurang dipenuhi dan ukuran sampel dari 500, hasil GLS cukup sampai dengan antara 200-500 baik Bila asumsi normalitas kurang ADF ADF kurang cocok bila dipenuhi dan ukuran sample ukuran sampel kurang dar lebih dari 2500 2500 Sumber: Ferdinand, 2002:49
e. Menilai masalah identifikasi Masalah identifikasi merupakan masalah ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Masalah identifikasi dapat muncul melalui gejala sebagai berikut: 1. Standard error untuk satu sampai beberapa koefisien sangat besar
98
2. Program tidak mampu menghasilkan matriks informasi yang seharusnya disajikan 3. Munculnya angka-angka aneh, seperti varians error yang negatif 4. Munculnya angka korelasi yang sangat tinggi antar koefisien estimasi yang diperoleh (misalnya lebih dari 0,9)
f. Evaluasi kriteria goodness of fit Dalam langkah ini yang pertama harus dilakukan adalah memenuhi asumsi-asumsi SEM. Adapun asumsi-asumsi SEM yang harus dipenuhi adalah sebagai berikut: 1. Ukuran Sampel Ukuran sampel yang harus dipenuhi dalam pemodelan SEM adalah minimum berjumlah 100, selanjutnya menggunakan perbandingan 5 observasi untuk setiap parameter yang diestimasi. Oleh karena itu, bila mengembangkan model dengan 20 parameter maka minimum digunakan 100 sampel. 2. Normalitas dan Linieritas Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas terpenuhi sehingga data dapat diolah lebih lanjut dengan pemodelan SEM. Normalitas dapat diuji dengan melihar gambar histogram data atau dapat diuji dengan model statistik. Uji normalitas dilakukan dengan menggunakan uji skewness yang menunjukkan bahwa hampir seluruh variabel normal pada tingkat signifikansi 0,01 (1%). Hal ini terlihat pada nilai CR dari skewness yang berada di bawah ± 2,58 (Arbuckle, 1997:78). Nilai mutivariat pada uji normalitas adalah koefisien kurtosis multivariate, apabila hasil yang diperoleh
99
masih di bawah nilai batas ± 2,58, ini berarti bahwa ada data yang digunakan berdistribusi multivariat normal. 3. Angka Ekstrim (Outliers) Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya. Outlier muncul dengan 4 (empat) kategori, yakni: a) Outlier muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. b) Outlier muncul karena keadaan benar-benar khusus yang memungkinkan profil data menjadi lain, tetapi peneliti mempunyai penjelasan mengenai apa yang menyebabkan munculnya nilai ekstrim tersebut. c) Outlier muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebab munculnya nilai ekstrim tersebut. d) Outlier munculnya dalam
rentang nilai
yang ada,
tetapi bila
dkombinasikan dengan variabel lain, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut multivariat outlier. 2. Multikolonearitas (Multicollinearity) Multicollinearity adalah suatu kondisi, dimana terdapat hubungan korelasi yang tinggi antar sebagian atau seluruh variabel independen dalam suatu regresi berganda (Cooper and Emory, 1996:324). Multicollinearity dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks kovarian
yang
multicollinearity.
sangat
kecil
memberi
indikasi
adanya
problem
100
Selanjutnya, setelah asumsi-asumsi SEM terpenuhi maka dilakukan kelayakan model. Untuk menguji kelayakan model yang dikembangkan dalam model persamaan struktural ini, maka akan digunakan beberapa indeks kelayakan model.
Menurut
Arbuckle
(1997:85)
AMOS
juga
digunakan
untuk
mengindentifikasikan model yang diajukan memenuhi kriteria model persamaan struktural yang baik. Adapun kriteria tersebut adalah: 1. Derajat kebebasan (Degree of Freedom) harus positif 2. χ2 (chi square statistic) dan probabilitas Alat uji fundamental untuk mengukur overall fit adalah likelihood ratio chi square statistic. Model dikategorikan baik harus mempunyai chi square = 0 berarti
tidak
ada
perbedaan.
Tingkat
signifikan
penerimaan
yang
direkomendasikan adalah apabila p ≥ 0,05 (Hair et al., 1998:389) yang berarti matriks input sebenarnya dengan matriks input yang diprediksi tidak berbeda secara statistik. 3. CMIN/DF (Normed Chi Square) CMIN/DF adalah ukuran yang diperoleh dari nilai chi-square dibagi dengan degree
of
freedom.
Menurut
Hair
et
al.
(1998:340)
nilai
yang
direkomendasikan untuk menerima kesesuian sebuah model adalah nilai CMIN/DF yang lebih kecil atau sama dengan 2,0 atau 3,0. 4. Goodness of fit Index (GFI) Digunakan untuk menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. Indeks ini mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang yang diprediksi dibandingkan dengan data yang sebenarnya. Nilai Goodness of Fit Index
101
biasanya dari 0 sampai 1. Semakin besar jumlah sampel penelitian maka nilai GFI akan semakin besar. Nilai yang lebih baik mendekati 1 mengindikasikan model yang diuji memiliki kesesuaian yang baik (Hair et al., 1998:387) nilai GFI dikatakan baik adalah ≥ 0,90. 5. Adjusted GFI (AGFI) Menyatakan bahwa GFI adalah analog dari R2 (R square) dalam regresi berganda. Fit Index dapat diadjust terhadap degree of freedom yang tersedia untuk menguji diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila mempunyai nilai sama atau lebih besar dari 0,9. 6. Tuker-Lewis Index (TLI) TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah lebih besar atau sama dengan 0,9 dan nilai yang mendekati 1 menunjukkan a very good fit. TLI merupakan index fit yang kurang dipengaruhi oleh ukuran sampel. 7. CFI (Comparative Fit Index) CFI juga dikenal sebagai Bentler Comparative Index. CFI merupakan indeks kesesuaian incremental yang juga membandingkan model yang diuji dengan null model. Indeks ini dikatakan baik untuk mengukur kesesuaian sebuah model karena tidak dipengaruhi oleh ukuran sampel (Hair et al., 1998:289). Indeks yang mengindikasikan bahwa model yang diuji memiliki kesesuian yang baik adalah apabila CFI ≥ 0,90.
102
8. RMSEA (Root Mean Square Error of Approximation) Nilai RMSEA menunjukkan goodness of fit yang diharapkan bila model diestimasikan dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu didasarkan degree of freedom. RMSEA merupakan indeks pengukuran yang tidak dipengaruhi oleh besarnya sampel sehingga biasanya indeks ini digunakan untuk mengukur fit model pada jumlah sampel besar. Indeks-indeks yang digunakan untuk menguji kelayakan sebuah model dapat diringkas dalam Tabel 4.6. Tabel 4.6 INDEKS GOONESS OF FIT Goodness of Fit Index Chi square Significance Probability RMSEA GFI AGFI CMIN/DF TLI CFI Sumber: Hair et al. (1998:390)
Cut off Value Diharapkan kecil ≥ 0,05 ≤ 0,08 ≥ 0,90 ≥ 0,90 ≤ 2,00 ≥ 0,95 ≥ 0,95
Pengujian hipotesis dilakukan dengan menguji signifikansi regresi berdasarkan uji F pada α = 0,05 pada masing-masing koefisien persamaan, baik secara langsung maupun secara parsial. Setelah dilakukan pengujian terhadap asumsi dasar SEM dan terhadap uji kesesuaian dan uji statistik, langkah berikutnya adalah melakukan modifikasi terhadap model yang tidak memenuhi syarat pengujian yang telah dilakukan. Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan distribusi frekuensi dari kovarians residual harus bersifat simetrik (Tabaknick and Fidell, 1997). Hair et al. (1998) memberikan sebuah pedoman untuk mempertimbangkan perlu tidaknya
103
modifikasi terhadap sebuah model, yaitu dengan melihat sejumlah residual yang dihasilkan oleh model. Bila jumlah residual lebih besar dari 5% dari semua residual kovarians yang dihasilkan oleh model, maka modifikasi perlu dipertimbangkan. Bila ditemukan nilai residual yang dihasilkan oleh model cukup besar
(>2,58),
maka
cara
lain
dalam
memodifikasi
adalah
dengan
mempertimbangkan untuk menambah jalur baru terhadap model yang diestimasi. Nilai residual lebih besar atau sama dengan 2,58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5% dan residual yang signifikan ini menunjukkan adanya prediction error yang substansial untuk sepasang indikator.
