BAB III METODE PENELITIAN. Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan

BAB III METODE PENELITIAN Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Kegiatan penelitian dilakukan berdasarkan ciri-ciri keilmuan yaitu rasional, empiris, dan sistematis. Metode penelitian dengan teknik pengumpulan data yang tepat perlu dirumuskan dengan tujuan untuk mendapatkan gambaran objektif mengenai suatu permasalahan sehingga dapat menjelaskan dan menjawab permasalahan penelitian yang telah ditetapkan oleh peneliti. Berikut unsur-unsur metode penelitian. A.

Waktu dan Tempat Penelitian 1) Waktu Penelitian Proses

penelitian

ini

diawalai

dengan

kegiatan

mengidentifikasi permasalahan di tempat yang akan digunakan sebagai lokasi penelitian, perumusan masalah yang teridentifikasi, pengumpulan dasar teori yang memperkuat landasan dalam variabel, penyusunan metode dalam pengumpulan data, penyusunan instrumen, hingga penentuan teknik pengujian statistik yang dipergunakan. Pada proses ini dibutuhkan waktu penelitian sejak September sampai Desember 2015. 2) Tempat Penelitian Studi kasus pada penelitian ini yakni loyalitas merek terhadap aplikasi pesan instan WhatsApp pada mahasiswa Universitas di

51

http://digilib.mercubuana.ac.id/

52

Jakarta Barat.

Dalam penelitian ini dilakukan di dalam 5

Universitas yang terletak di daerah JakartaBarat yaitu lingkungan kampus Universitas Mercu Buana, Universitas Esa Unggul, Universitas Bina Nusantara, Universitas Trisakti dan Universitas Tarumanagara. B.

Desain Penelitian Desain penelitian ini merupakan suatu proses yang dilakukan dalam perencanaan dan pelaksanaan penelitian untuk memperoleh gambaran mengenai pengaruh grup refrensi, atribut produk dan perilaku perpindahan merek terhadap loyalitas merek. Penelitian ini menggunakan penelitian yang bersifat kausal (sebab-akibat). Desain penelitian kausal digunakan untuk membuktikan hubungan antara sebab dan akibat dari beberapa variabel. Penelitian kausal biasanya menggunakan metode eksperimen yaitu dalam mengendalikan variable bebas yang akan mempengaruhi variabel terikat pada situasi yang telah direncanakan. Desain penelitian ini berguna untuk mengetahui apakah ada pengaruh antara variabel eksogen dalam hal ini adalah kelompok referensi dan atribut produk terhadap variabel endogen yaitu loyalitas merek pada pengguna aplikasi pesan instan WhatsApp dengan variabel intervening yaitu perilaku perpindahan merek


53

C.

Definisi dan Operasionalisasi Variabel Berdasarkan judul skripsi yang diambil penulis yaitu “pengaruh kelompok referensi dan atribut produk terhadap perpindahan merek serta dampaknya pada loyalitas merek aplikasi pesan instan merek WhatsApp” Maka penulis mendefinisikan masing-masing variabel dan membuat operasional variabel. 1) Definisi Variabel Variabel adalah suatu atribut atau sifat atau nilai dari orang, objek, atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Sugiyono, 2014). Variabel yang digunakan pada penelitian ini adalah sebagai berikut: a. Variabel Eksogen Variabel Eksogen atau variabel bebas adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel endogen atau terikat (Sugiyono, 2014). Variabel Eksogen pada penelitian ini adalah kelompok referensi dan atribut produk. b. Variabel Intervening Variabel intervening adalah faktor-faktor yang secara teoritis mempengaruhi fenomena yang diteliti tetapi tidak dapat diukur dan dimanipulasi. Variabel ini merupakan variabel penyela/ antara yang terletak di antara variabel eksogen dan endogen, sehingga variabel eksogen tidak langsung mempengaruhi berubahnya atau timbulnya


54

variabel endogen (Tuckman, dalam Sugiyono, 2014). Variabel intervening pada penelitian ini adalah Perilaku perpindahan merek c. Variabel Endogen Variabel endogen atau variabel terikat adalah variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas (Sugiyono, 2014). Variabel Endogen pada penelitian ini adalah Loyalitas merek. 2) Definisi Operasional Variabel Definisi operasional variabel adalah merupakan konsep-konsep yang berupa kerangka menjadi kata-kata yang menggambarkan perilaku atau gejala yang dapat diamati, dan dapat diuji kebenarannya oleh orang lain. Maksud dari definisi operasional adalah untuk memberikan batasan dan penjelasan mengenai variabel-variabel yang akan dipakai dalam pembahasan ini. Adapun definisi operasional variabel dalam penelitian ini adalah sebagai berikut :


55

Tabel 3.1

Definisi Operasional Variabel Kelompok Referensi Variabel

Dimensi

Indikator

Skala Pengukuran

Kelompok referensi

Pengaruh normatif

- Pengaruh keluarga dalam penggunaan aplikasi pesan instan WhatsApp - Pengaruh kelompok pertemanan dalam penggunaan aplikasi pesan instan - Pengaruh kelompok masyarakat maya dalam pengguaan aplikasi pesan instan WhatsApp

ordinal

- Pengaruh selebriti dalam penggunaan aplikasi pesan instan WhatsApp - Pengaruh pengalaman/ulasan dari para ahli atau pakar dalam penggunaan aplikasi pesan instan WhatsApp

ordinal

Pengaruh ekspresi nilai Pengaruh informasi

Sumber : (Sumarwan, 2014)

ordinal

Tabel 3.2 Definisi Operasional Variabel Atribut Produk Variabel

Dimensi

Atribut Produk

Kualitas produk

Indikator

- Tingkat Kualitas mutu yang dimiliki aplikasi pesan instan WhatsApp - Daya tahan yang dimiliki aplikasi pesan instan WhatsApp - kenyamanan saat menggunakan aplikasi pesan instan WhatsApp - Kemudahan penggunaan aplikasi Fitur pesan instan WhatsApp - Kelengkapan fitur aplikasi pesan instan WhatsApp yang sesuai kebutuhan pengguna Gaya dan Desain - Gaya ciri khas aplikasi pesan instan WhatsApp - Desain tampilan aplikasi pesan instan Sumber : (Setyo ferry wibowo, Dkk, 2014)


Skala Pengukuran ordinal

ordinal

ordinal

56

Tabel 3.3 Definisi Operasional Variabel Perpindahan Merek Variabel

Dimensi

Brand switching

Pencarian variasi

Indikator

Skala Pengukuran

- Timbul rasa bosan pengguna dalam menggunakan aplikasi pesan instan WhatsApp - Keinginan mencari variasi dalam menggunakan aplikasi pesan instan Pengetahuan - Pengetahuan konsumen dalam konsumen penggunaan aplikasi pesan instan mengenai merek WhatsApp

ordinal

Ketidakpuasan

ordinal

Ketersedian produk

- Keluhan dalam penggunaan aplikasi pesan instan WhatsApp - Adanya ketidaksesuaian antara kualitas dan harapan dalam menggunakan aplikasi pesan instan WhatsApp - Adanya ketidakpuasan atas kualitas pada merek - Kemudahan dalam mengunduh aplikasi pesan instan WhatsApp di berbagai Platform

Ordinal

ordinal

Sumber : (Ariyanto & Mulyani, 2007)

Tabel 3.4 Operasional Variabel loyalitas Merek Variabel

Dimensi

Loyalitas Merek (Y)

Loyalitas Kognitif

- Tingkat kepercayaan pengguna aplikasi pesan instan WhatsApp

Loyalitas Afektif Loyalitas Konatif

- Kegemaran /rasa suka terhadap aplikasi pesan instan WhatsApp - Komitmen menggunakan aplikasi pesan instan WhatsApp di masa mendatang - Merekomendasikan/mempromosi kan aplikasi pesan instan WhatsApp kepada orang lain

Penyukai loyalitas Tindakan

Indikator

Sumber: (Dinarty Sh manurung, 2009)


Skala Pengukuran ordinal ordinal ordinal ordinal

57

D.

Skala Pengukuran Meurut Sugiyono (2008) menerangkan bahwa skala pengukuran merupakan kesepakatan yang digunakan sebagai acuan untuk menentukan panjang pendeknya interval yang ada di dalam alat ukur, sehingga alat ukur tersebut digunakan dalam pengukuran akan meghasilkan data kuantitatif. Dalam penelitian ini, skala pengukuran yang digunakan adalah skala ordinal. Skala ini menjadi dasar dalam skala likert. Skala likert adalah digunkaan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang. Data diolah dengan menggunakan skala likert dengan jawaban atas pertanyaan yaitu skala nilai 1-5. Nilai yang dimaksud adalah skor atas jawaban responden, dimana nilai yang digunakan peneliti adalah sebagai berikut : Tabel 3.5 Instrumen Skala Likert Pernyataan

Kode

Skor

Sangat Setuju

(SS)

5

Setuju

(S)

4

Netral

(N)

3

Tidak Setuju

(TS)

2

Sangat Tidak Setuju

(STS)

1


58

E.

Populasi dan Sampel Penelitian 1) Populasi Penelitian Populasi adalah wilayah generalisasi yang terdiri atas: objek/subjek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. (Sugiyono, 2014). Populasi dalam penelitian ini adalah mahasiswa di Jakarta barat yang menggunakan aplikasi pesan instan WhatsApp pada smartphone nya. 2) Sampel Penelitian Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin mempelajari semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka peniliti dapat menggunakan sample yang diambil dari populasi itu. Apa yang dipelajari dari sample itu, kesimpulannya akan dapat diberlakukan untuk populasi. Dalam penelitian ini, populasi yang digunakan adalah mahasiswa di Jakarta Barat yang memiliki lebih dari satu aplikasi pesan instan dan menggunakan aplikasi pesan instan WhatsApp dan fokus populasi dalam penelitian ini adalah mahasiswa yang berasal dari 5 universitas di Jakarta Barat yaitu universitas Mercu Buana, Bina Nusantara, Esa unggul, Tarumanagara dan Trisakti. Menurut Hair et al dalam (Noor, 2011) Ukuran sampel untuk kepentingan pengujian hipotesis yang menggunkan Structural equation modeling (SEM) berkisar 100-200. Pedomannya adalah 5-10 kali jumlah


59

parameter diestimasikan. Jumlah sample 5-10 dikali jumlah indikator. Maka ukuran sample minimum yaitu 5 x (23) = 115. Namun di penelitian ini peneliti mengambil sampel 200 untuk hasil yang lebih akurat. Penelitian ini menggunakan teknik non-probability sampling dimana setiap

sampel tidak memiliki kesempatan yang sama bagi

seluruh populasi untuk kembali terpilih menjadi anggota sampel. Peneliti menggunakan purposive sampling dimana metode penetapan responden untuk dijadikan sample berdasarkan pada kriteria-kriteria sebagai berikut : a. Mahasiswa aktif yang berasal dari Universitas Bina Nusantara, Universitas

Esa Unggul,

Universitas Mercu Buana,

Universitas

Tarumanagara dan Universitas Trisakti. b. memiliki aplikasi pesan instan lebih dari satu pada smartphone nya c. Pengguna memiliki/meng-instal aplikasi pesan instan WhatsApp pada smartphone nya. d. Pengguna aplikasi pesan instan yang mengakses/menggunakan aplikasi pesan instan WhatsApp minimal tiga kali dalam 24 jam. F.

Teknik Pengumpulan Data Metode pengumpulan data yang digunakan oleh penulisan dalam pengumpulan data yang diperlukan sebagai dasar penulisan skripsi ini adalah: 1) Kuesioner Pada penelitian ini menggunkan teknik pengumpulan data dengan teknik survei, untuk mendapatkan data opini individu. Kuesioner


60

merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pertanyaan tertulis kepada responden untuk dijawabnya. Kuesioner merupakan alat utama yang digunakan dalam penelitian ini, disebarkan dengan pertanyaan yang telah disusun. 2) Studi Pustaka Penelitian keputakaan ini bertujuan untuk memperoleh data yang bersifat teoritis yaitu dengan menggunakan daftar kepustakaan berupa buku-buku dan jurnal dan sumber tertulis dimana semua hal itu didapatkan untuk mendukung serta melengkapi penelitian guna terwujudnya skripsi yang dijalankan penulis. G.

Jenis Data Data yang digunakan dalam penelitian ini adalah data primer. Data primer adalah data yang mengacu pada informasi yang diperoleh dari tangan pertama peneliti yang berkaitan dengan variabel yang akan diteliti untuk tujuan spesifik studi. Data primer ini digunakan penulis dengan melakukan penyebaran kuesioner kepada responden yang memnuhi kriteria yang telah ditetapkan. Penyebaran kuesioner secara langsung diberikan kepada responden yang menggunakan objek yang diteliti yaitu mahasiswa di Jakarta Barat yang menggunakan aplikasi pesan instan WhatsApp.

H.

Metode Analisis Data Agar suatu data yang dikumpulkan dapat bermanfaat, maka harus diolah dan dianalisis terlebih dahulu sehingga dapat dijadikan dasar


61

pengambilan keputusan. Tujuan metode analisis data adalah untuk menginterprestasikan dan menarik kesimpulan dari sejumlah data yang terkumpul. Metode analisis data dalam penelitian ini menggunakan SEM (Structural Equation Modeling) dengan menggunkan program LISREL versi 8.80. Dimana SEM (Structural Equation Modeling) adalah gabungan dari dua metode statistic terpisah yaitu analisis faktor (factor analysis) yang dikembangkan di ilmu psikologi dan psikometri serta persamaan simultan (simulataneous equation modeling) yang dikembangkan di ekometrika (Ghozali, 2008). 1) Uji Validitas Validitas merupakan derajat ketetapan antara data yang terjadi pada objek penelitian dengan daya yang dapat dilaporkan oleh peneliti (Sugiyono, 2014). Sebelum dilakukan pengolahan data, maka perlu dilakukan pengujian data terhadap variabel tersebut. Uji validitas menunjukan sejauh mana alat ukur dapat mengukur variabel yang akan diukur. Pengujian validitas dilakukan menggunakan analisis konfirmatori. Dalam analisis konfirmator, variabel laten dianggap sebagai variabel penyebab yang mendasari indikator-indikatornya (Ghozali,2008). Dasar pengambilan keputusan uji validitas ini adalah jika Standart loading factor ≥ 0,5 maka item tersebut dikatakan valid.


62

2) Uji Reliabilitas Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator sebuah variabel yang menunjukkan derajat masing-masing indikator itu mengindikasikan sebuah konstruk / faktor laten yang umum. Pengujian reliabilitas instrumen bertujuan untuk mengetahui konsistensi suatu instrumen. Langkah selanjutnya adalah menghitung loadings dan menilai signifikansi statistik setiap indikator. Jika terbukti tidak signifikan, maka indikator harus dibuang atau mentransformasikannya agar menjadi fit untuk variabel laten (Noor, 2011). Reliabilitas yang tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur variabel latennya. Batas untuk menilai sebuah reabilitas yang dapat diterima ≥ 0,70 (Ghozali, 2008). Menurut Nunally dan Berntein dalam (Waluyo, 2011) menyatakan bahwa reabilitas antara 0,5-0,6 sudah dapat diterima. Nilai Variance Extract ini direkomendasikan pada tingkat paling sedikit 0,50. Namun VE hanya bersifat optional atau tidak diharuskan menurut Hair dalam (Yoslandari, 2009) sehingga peneliti lebih melihat nilai CR sebagai ukuran reabilitas. nilai reabilitas dapat dicari dengan rumus sebagai berikut: Construct Reability =

Variance Extract =

(𝜮 𝑺𝒕𝒅. 𝒍𝒐𝒂𝒅𝒊𝒏𝒈)² (𝜮 𝑺𝒕𝒅. 𝒍𝒐𝒂𝒅𝒊𝒏𝒈)² + 𝚺𝐞𝐣 (𝜮𝒍𝒐𝒂𝒅𝒊𝒏𝒈 𝑩𝒂𝒌𝒖) ²

(∑𝒍𝒐𝒂𝒅𝒊𝒏𝒈 𝒃𝒂𝒌𝒖)𝟐 + ∑𝒆𝒋


63

Dimana: a. Std. Loading diperoleh langsung dari Standardize Loading untuk tiaptiap indikator. b. ej adalah measurement error dari tiap-tiap indikator. 3) Metode Statistik Metode statistik yang diterapkan dalam penelitian ini adalah Model Persamaan Struktural (Structural Equation Modelling – SEM). Menurut Kusnendi (2008), SEM adalah metode analisis data multivariate yang bertujuan menguji model pengukuran dan model struktural variabel laten. Dari batasan tersebut dapat diidentifikasi tiga karkteristik utama SEM sebagai berikut : a. SEM merupakan kombinasi teknik analisis data multivarian interpedensi dan endogensi, yaitu analisis faktor konfirmatori dan analisis jalur. b. Variabel yang dianalisis adalah variabel laten (konstruk), yaitu variabel yang tidak dapat diobservasi langsung (unobservable) tetapi diukur melalui indikator-indikator terukur atau variabel manifest. c. SEM bertujuan bukan untuk menghasilkan model melainkan menguji atau mengkonfirmasikan model berbasis teori, yaitu model pengukuran dan model struktural. Dengan demikian paling tidak ada dua masalah penelitian yang hendak dijawab melalui SEM sebagai berikut :


64

- Masalah penelitian deskriptif, berkenaan dengan deskripsi atau mengkonfirmasikan secara empiris kesesuaian model konstruk atau “theorotical or hypothetical construct” dilihat menurut indikatorindikator yang dikonsepsikan sebagai manifest dari konstruk tersebut. Masalah pertama ini disebut model pengukuran, atau disebut juga sebagai model analisis faktor konfirmatory. - Masalah penelitian eksplanasi, menjelaskan hubungan kausal antar variabel laten. Masalah kedua ini disebut model struktural. Yang dianalisis SEM adalah hubungan kausal antara variabel laten (unobserved variable) dan bukan antara variabel manifes atau antar variabel indikator (observed variable). 4) Tahap-tahap dalam SEM Menurut Ghozali & Fuad (2005), mendeskripsikan tahap-tahap dalam SEM sebagai berikut : a. Konseptualisasi model Tahap ini berhubungan dengan pengembangan hipotesis (berdaasarkan teori) sebagai dasar dalam menghubungkan variabel laten dengan variabel laten lainnya, dan juga dengan indikatorindikatornya. Dengan kata lain, model yang dibentuk adalah persepsi mengenai bagaimana variabel laten dihubungkan berdasarkan teori dan bukti yang kita peroleh dari disiplin ilmu. Konseptualisasi model ini juga harus merefleksikan pengukuran variabel laten melalui berbagai indikator yang dapat diukur.


65

b. Penyusunan diagram alur (path diagram) Penyusunan

diagram

alur

akan

memudahkan

dalam

memvisualisasi hipotesis yang telah diajukan dalam konseptualisasi model. Meskipun LISREL dapat dijalankan dengan menggunakan persamaan dan tidak menggunakan diagram alur, namun sangat dianjurkan hal ini untuk dilakukan. Visualisasi model akan mengurangi tingkat kesalahan kita dalam pembangunan suatu model pada LISREL. c. Spesifikasi model Spesifikasi model menggambarkan sifat dan jumlah parameter yang diestimasi; analisis data tidak dapat dilakukan sampai tahap ini selesai. Program LISREL memiliki dua bahasa yang digunakan, yaitu bahasa

pemrograman

LISREL

dan

SIMPLIS.

Pada

bahasa

pemrograman LISREL, kita harus sangat berhati-hati dalam memastikan bahwa model yang kita susun telah dipresentasikan dalam model matematis. Sedangkan bahasa printis SIMPLIS (terdapat pada program Lisrel versi 8.0 dan lebih), tidak menggunakan model matematis yang kompleks dan memungkinkan kita untuk menulis nama variabel dan menentukan hubungannya dengan menggunakan tulisan serta simbol matematika dasar, seperti sama dengan (=) Dan tanda panah (→). d. Identifikasi model Informasi yang diperoleh dari data uji untuk menentukan apakah cukup untuk mengestimasi parameter dalam model. Disini, kita harus


66

dapat memperoleh nilai yang unik untuk seluruh parameter dari data yang telah kita peroleh. Jika hal ini tidak dapat dilakukan, maka modifikasi model mungkin harus dilakukan untuk dapat diidentifikasi sebelum melakukan estimasi parameter e. Estimasi parameter Pada tahap ini estimasi prameter untuk suatu model diperoleh dari data karena program LISREL maupun AMOS berusaha untuk menghasilkan matriks kovarians berdasarkan model yang sesuai dengan kovarians matriks sesungguhnya. Uji signifikansi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol. f. Penilaian model fit Pada langkah ini kesesuaian model dievaluasi, melalui berbagai kriteria goodness-of-fit (kelayakan model). Untuk itu tindakan pertama yang dilakukan adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM. Apabila asumsi-asumsi ini dipenuhi, maka model dapat diuji. Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terhadap berbagai jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihopetesiskan dengan data yang disajikan. Kriteria untuk menerima suatu modelsebagaimana ditunjukkan pada Tabel 3.6


67

Tabel 3.6 Goodness of fit indexs No

Goodness of fit indexs

Cut of value

1

X2 - Chi Square

Diharapkan kecil, lebih kecil pada 𝑋 2 tabel

2

RMSEA (The Root Mean Square ≤ 0,08 p ≥ 0,50 Error of Approximation)

3

Normal Fit Index (NFI)

4

Non-Normal Fit Index (NNFI) / Truckler Lewis Indexs (TLI)

≥ 0,90 ≥ 0,90

5

Comparaive Fit Index (CFI)

≥ 0,90

6

Incremental Fit Index (IFI)

≥ 0,90

7

Relative Fit Index (RFI)

≥ 0,90

8

GFI (Good of fit Indexs)

≥ 0,90

9

AGFI (Adjusted Goodness of Fit Indexs)

≥ 0,90

Sumber : Hair (1998) dalam Ghozali (2008) Keterangan: - 2 – Chi Square. Model yang dievaluasi akan dipandang baik apabila nilai Chi-Square kecil; semakin kecil nilai Chi-Sqaure, semakin baik sebuah model. Uji beda Chi-Square diharapkan menerima hipotesis nol dengan significance probability  0,05.


68

- The Root Mean Square Error of Approximation (RMSEA). Karena 2 – Chi-Square sangat sensitif terhadap ukuran sampel (terlalu besar atau terlalu kecil), kriteria RMSEA digunakan untuk mengompensasi Chi-Square dengan sampel besar. RMSEA ini mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians populasinya (Browne and Cudeck dalam Ghozali dan Fuad, 2005). Nilai RMSEA yang kurang dari 0,05 mengindikasikan adanya model fit, dan nilai RMSEA yang berkisar antara 0,08 menyatakan bahwa model memiliki perkiraan kesalahan yang reasonable. Sehingga dalam penelitian ini Nilai RMSEA  0,08 direkomendasikan sebagai pedoman untuk menyatakan model dapat diterima. - Normed Fit Index (NFI) Indeks ini juga merupakan ukuran perbandingan antara proposed model dan null model Nilai yang direkomendasikan adalah NFI > 0,90 yang mana NFI ≥ 0.90 adalah good fit, 0.80 ≤ NFI < 0.90 adalah marginal fit, NFI < 0.8 adalah poor fit - Non Normed Fit Index (NNFI) Indeks ini juga merupakan ukuran perbandingan antara proposed model dan null model Nilai yang direkomendasikan adalah NNFI > 0,90 yang mana NNFI ≥ 0.90 adalah good fit, 0.80 ≤ NNFI < 0.90 adalah marginal fit, NNFI < 0.8 adalah poor fit


69

- Comparative Fit Index (CFI). Berbeda dengan 2-Chi-Square, indeks ini sama sekali tidak dipengaruhi oleh besarnya sampel yang digunakan dalam penelitian. Nilai CFI  0,90 menunjukkan model yang baik bahkan jika mendekati satu menunjukkan a very good fit. - Incremental Fit Index (IFI) Indeks ini juga merupakan ukuran perbandingan antara proposed model dan null model. Nilai yang direkomendasikan adalah IFI ≥ 0.90 yang mana IFI ≥ 0.90 adalah good fit, 0.80 ≤ IFI < 0.90 adalah marginal fit, IFI < 0.8 adalah poor fit - Relative Fit Index (RFI). Indeks merupakan turunan dari NFI dengan nilai 0-1. Model mempunyai kecocokan yang ideal dengan nilai 0.90. Nilai yang direkomendasikan adalah RFI ≥ 0.90 yang mana RFI ≥ 0.90 adalah good fit, 0.80 ≤ RFI < 0.90 adalah marginal fit, IFI < 0.8 adalah poor - Goodness-of-Fit Index (GFI). Indeks ini menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians popolasi yang terestimasikan dengan rentang nilai antara nol hingga satu. Semakin mendekati satu nilai GFI ( 0,09) maka semakin baik model tersebut. - Adjusted Goodness Of-Fit (AGFI). AGFI adalah analog R2 dalam regresi berganda. Fit Indeks ini dapat disesuaikan terhadap degrees of freedomyang tersedia untuk menguji diterima atau


70

ditolaknya model. Tingkat penerimaan yang direkomendasikan adalah bila nilai AGFI  0,90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam suatu

matriks

kovarians

sampel.

Nilai

0,95

dapat

diinterpestasikan sebagai tingkatan yang baik (good overall model fit), sedangkan 0,90-0,95 menunjukkan tingkatan cukup (adequate fit). g. Modifikasi model Pengujian model penelitian untuk menentukan apakah modifikasi model diperlukan karena tidak fitnya hasil yang diperoleh pada tahap keenam. Namun harus diperhatikan bahwa segala modifikasi (walaupun sangat sedikit), harus berdasarkan teori yang mendukung. Dengan kata lain, modifikasi model seharusnya tidak dilakukan hanya semata-mata untuk mencapai model yang fit. Model yang tidak fit dapat dilihat dari beberapa indikator goodness of fit yang tidak menunjukan batas dan syarat tertentu dan dalam penelitian ini jika nilai RMSEA sebesar 0.08 atau lebih kecil maka nilai tersebut menunjukkan indeks untuk dapat diterimanya model yang dibuat. h. Validasi silang model Pengujian atas fit tidaknya model terhadap suatu data baru. Validasi silang ini penting apabila terdapat modifikasi subtansial yang dilakukan terhadap model asli yang dilakukan pada langkah keenam.


71

5) Pengujian Hipotesis Dalam LISREL, tidak terdapat nilai signifikansi yang langsung dapat memberitahu apakah hubungan antara suatu variabel dengan variabel lainnya adalah signifikan. Pada setiap estimasi parameter dalam LISREL, terdapat tiga informasi yang sangat berguna; yaitu koefisien regresi, standar error, dan nilai t. Standar error digunakan untuk mengukur ketepatan dari setiap estimasi parameter. Dibawah ini standar error adalah nilai t yang diperoleh melalui perbandingan antara nilai estimasi dengan standar error. Nilai t = Estimasi regresi Standar error Untuk mengetahui signifikan atau tidaknya suatu variabel, maka nilai t harus lebih besar dari nilai t-tabel pada level tertentu yang tergantung dari ukuran sampel dan level siginifikansi. Tetapi pada umumnya level signifikansi adalah 1%, 5 % dan 10%. Nilai t yang dihasilkan dari LISREL lebih besar dari nilai t table pada level 5% yaitu 1,960, maka hubungan antara variabel adalah signifikan (Wijanto, 2008).


BAB III METODE PENELITIAN. Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan

Recommend Documents