BAB III METODE PENELITIAN

BAB III METODE PENELITIAN

Pada bab ini, menjelaskan tentang langkah-langkah yang digunakan untuk membahas permasalahan yang diambil dalam penelitian. Selain itu, dibagian ini juga dijelaskan mengenai alat dan metode yang digunakan untuk melakukan kegiatan penelitian ini.

A.

Waktu dan Tempat Penelitian 1. Waktu Penelitian Proses

penelitian

ini

diawali

dengan

kegiatan

mengidentifikasi

permasalahan di tempat 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 waktu penelitian sudah dimulai sejak September 2015 sampai dengan April 2016. 2. Tempat Penelitian Penelitian

ini

menganalisis

pengaruh

Kepuasan

Pelanggan

dan

Kepercayaan Merek terhadap Loyalitas Pelanggan. Untuk memperoleh data guna penyusunan penelitian ini, peneliti memilih lokasi atau tempat penelitian pada PT. Toyota Astra Motor yang terletak di Kota Jakarta dan Tangerang.

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

39

B.

Desain Penelitian Dalam penyusunan penelitian ini penulis menggunakan metode analisis

kausal. Analisis kausal berguna untuk menganalisis hubungan yang bersifat sebab akibat antara satu atau lebih variabel yang mempengaruhi (independent variables) terhadap variabel dipengaruhi (dependent variabel). Pengumpulan data penelitian dilakukan dengan menyebar kuesioner untuk mengetahui seberapa besar pengaruh Kepuasan Pelanggan dan Kepercayaan Merek terhadap Loyalitas Pelanggan di PT. Toyota Astra Motor.

C.

Variabel dan Definisi Operasionalisasi Variabel 1. Variabel Menurut Sugiyono (2011) variabel adalah suatu atribut atau sifat suatu

nilai dari orang, objek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk mempelajari dan kemudian ditarik kesimpulannya. Berdasarkan pokok masalah dan hipotesis yang diajukan, variabel-variabel dalam

penelitian ini dapat diindentifikasi sebagai berikut : a. Variabel bebas (Variabel Eksogen) merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel terikat. Dalam SEM (Structural Equation Modeling) variabel independen disebut sebagai variabel eksogen. Variabel eksogen pada penelitian ini yaitu kepuasan pelanggan dan kepercayaan merek.

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

40

b. Variabel terikat (Variabel Endogen) merupakan variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas. Dalam SEM variabel dependen disebut sebagai variabel endogen. Variabel endogen pada penelitian ini yaitu loyalitas pelanggan.

2.

Definisi Operasionalisasi Variabel Definisi operasional variabel dimaksudkan untuk menjelaskan makna

variabel yang sedang diteliti. Masri.S dalam Riduan (2014) memberikan pengertian

tentang

definisi

operasional

adalah

unsur

penelitian

yang

memberitahukan cara mengukur suatu variabel. Dengan kata lain definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun operasionalisasi dari masing-masing variabel terdapat pada tabel-tabel berikut: Tabel 3.1 Operasionalisasi Variabel Kepuasan Pelanggan Variabel

Dimensi

Indikator

Skala Pengukuran

1. Kinerja produk (perfoemance) 2. Keistimewaan tambahan (feature) 3. Kehandalan produk (reliability) Kepuasan Pelanggan

4. Kesesuaian dengan spesifikasi Kualitas Produk

(conformance to spesifications)

(Product Quality)

5. Daya tahan produk (durability) 6. Kemudahan dalam perawatan (serviceability) 7. Estetika desain produk


Skala Ordinal

41

8. Persepsi terhadap produk (perceived quality (Customer

Harga

9. Kesesuaian dengan kualitas

Satisfaction)

(Price)

10. Terjangkau

Kualitas Jasa

11. Layanan delivery

(Service Quality)

12. Service after sales

Faktor Emosional

13. Percaya diri

(Emotional Factor)

14. Berijiwa muda

Biaya dan Kemudahan

15. Efisiensi produk

Mendapatkan Produk

16. Distribusi yang luas

Skala Ordinal

atau Jasa (Easy)

Sumber : Irawan (2007) Tabel 3.2 Operasionalisasi Variabel Kepercayaan Merek Variabel

Dimensi

Indikator

Skala Pengukuran

Karakteristik Merek (Brand Characteristics)

Kepercayaan Merek (Trust in Brand)

Karakteristik Perusahaan (Company Characteristics)

Karakteristik Pelanggan – Merek (Consumer – Brand Characteristics)

1. Opini terhadap sebuah merek 2. Keyakinan konsumen terhadap merek 3. Kemampuan memenuhi keinginan konsumen 4. Kepercayaan pelanggan terhadap perusahaan. 5. Opini pelanggan terhadap permasalahan produk 6. Persepsi pelanggan terhadap perusahaan 7. Konsistensi perusahaan terhadap konsumen 8. Kesamaan produk dengan karakter pelanggan 9. Kesukaan konsumen terhadap merek 10. Pengalaman dalam menggunakan produk 11. Ekspektasi yang dirasakan konsumen 12. Kepercayaan merek yang terbentuk dari kepercayaan individu lain

Sumber: Lau dan Lee dalam Kurniawan (2011)


Skala Ordinal

42

Tabel 3.3 Operasionalisasi Variabel Loyalitas Pelanggan Variabel

Dimensi

Indikator

Skala Pengukuran

1. Melakukan pembelian ulang Loyalitas Pelanggan (Customer Loyalty)

Sumber: Hurriyati (2010) D.

Populasi dan Sampel

1.

Populasi

2. Membeli produk pada lini produk lainnya 3. Merekomendasikan kepada orang lain 4. Menunjukkan kekebalan terhadap merek

Skala Ordinal

Sugiyono (2008) Populasi merupakan wilayah generalisasi yang terdiri atas subyek atau objek

yang memiliki karakter & kualitas tertentu yang

ditetapkan oleh seorang peneliti untuk dipelajari yang kemudian ditarik sebuah kesimpulan. Sandjaja dan Heriyanto (2006) menambahkan populasi adalah keseluruhan objek yang menjadi pusat perhatian penelitian dan tempat untuk menggeneralisasikan temuan penelitian. Populasi bukan hanya jumlah yang ada pada objek atau subjek yang dipelajari, tetapi meliputi seluruh karakteristik sifat yang dimiliki oleh subjek atau objek itu sendiri. Jumlah populasi pengguna mobil Toyota ini tidak diketahui secara terperinci oleh peneliti, jadi populasi dalam penelitian ini yaitu seluruh pengguna yang menggunakan kendaraan Toyota di wilayah Kota Jakarta dan Tangerang.


43

2.

Sampel Menurut Sugiyono (2008) sampel adalah sebagian dari jumlah dan

karakteristik yang dimiliki oleh populasi tersebut. Sampel yang diambil dari populasi tersebut harus betul-betul representatif (mewakili). Penentuan jumlah sampel ditentukan dengan persyaratan yang ditentukan oleh Hair et al (1998) dalam Harianto (2006) menyatakan bahwa jumlah sampel yang diambil minimal 5 kali dari jumlah parameter (indikator) yang dipergunakan dalam penelitian. Penelitian ini menggunakan 33 parameter yang berupa itemitem pernyataan dalam kuesioner, sehingga jumlah minimal yang diambil adalah sebesar 33 x 5 = 165. Akan tetapi dalam penelitian ini jumlah kuesioner yang dibagikan kepada responden adalah sebanyak 180 kuesioner guna untuk menambah tingkat validasi terhadap masing-masing variabel. Peneliti menggunakan teknik Convenience sampling. Convenience sampling adalah sampel dengan pertimbangan kemudahan merupakan teknik penentuan sampel berdasarkan kemudahan atau kebetulan saja. Seseorang diambil sebagai sampel karena kebetulan, atau siapa saja yang kebetulan bertemu dengan peneliti yang dianggap cocok dengan karakteristik sampel yang ditentukan akan dijadikan sampel (Noor , 2011) dalam Apriliani (2015). E.

Jenis Data Penelitian

Data yang akan digunakan dalam penelitian ini adalah data primer. Data sumber primer adalah data sumber yang didapat langsung dari yang memberikan


44

data kepada pengumpulan data. Seperti data yang diperoleh, diamati, dan dicatat langsung oleh peneliti dari responden yang menjadi objek penelitian. F.

Teknik Pengumpulan Data

Teknik pengumpulan data pada penelitian ini adalah dengan menggunakan teknik survei, yaitu untuk mendapatkan data opini dari individu. Instrumen yang digunakan untuk pengumpulan data adalah kuesioner yang ditujukan kepada responden. Kuesioner atau angket menurut Arikunto (2006) adalah pernyataan tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan tentang pribadi atau hal-hal yang ia ketahui. Sedangkan menurut Sugiyono (2008) Angket atau kuesioner merupakan tehnik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawab. G.

Skala Pengukuran Skala pengukuran yang penulis gunakan pada penelitian ini adalah

menggunakan skala ordinal, yang digunakan untuk mengukur data dari tingkat yang paling rendah ke tingkat yang paling tinggi atau sebaliknya, dimana angka selain sebagai lambang, juga menunjukkan urutan. Pengukuran masing-masing variabel dalam penelitian ini menggunakan skala likert. Skala likert ini digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau kelompok orang tentang fenomena atau gejala sosial yang terjadi (Iskandar, 2009).


45

Tabel 3.4 Instrument Skala Likert Pernyataan

Kode

Skor

Sangat Setuju

(SS)

5

Setuju

(S)

4

Netral

(N)

3

Tidak Setuju

(TS)

2

Sangat Tidak Setuju

(STS)

1

Sumber: Supranto (2006)

H.

Metode Analisis 1.

Uji Validitas Uji keabsahan data dalam penelitian, sering hanya ditekankan pada

uji validitas dan reliabilitas. Validitas adalah tingkat dimana satu instrumen ukur digunakan untuk mengukur apa yang diharapkan (Everitt dan Skondral, 2010). Oleh karena itu ada kesamaan antara data yang dihasilkan dengan data yang seharusnya pada objek yang diteliti. Sebelum dilakukan pengolahan data, perlu dilakukan pengujian data terhadap variabel tersebut. Uji validitas akan menunjukkan sejauh mana alat ukur dapat mengukur variabel yang akan diukur. Uji validitas mengacu kepada kepatutan (appropriateness), keberartian (meaningfulness), kebenaran (correctness), dan kegunaan (usefulness) kesimpulan yang diambil oleh peneliti (Sandjojo, 2014).


46

Pengujian validitas dilakukan menggunakan analisis konfirmatori. Dalam analisis konfirmatori, variabel laten dianggap sebagai variabel penyebab yang mendasari indikator-indikatornya (Ghozali, 2008) dalam Apriliani (2015). Dasar pengambilan keputusan uji validitas ini adalah jika Loading factor ≥ 0,50 maka item tersebut dikatakan valid. 2.

Uji Reliabilitas Reliabilitas adalah ukuran mengenai konsistensi internal dari

indikator sebuah variabel yang menunjukan derajat masing-masing indikator itu mengindikasikan sebuah konstruk atau faktor laten yang umum. Everitt dan Skondral (2010) memaparkan reliabilitas adalah tingkat dimana pengukuran berkali-kali terhadap suatu unit akan menghasilkan output yang sama. 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) Menurut Sanusi (2011), nilai reliabilitas dapat dicari dengan rumus berikut ini : Construct Realibility = Dimana : a. Std. Loading diperoleh

langsung dari Standardized Loading

untuk tiap-tiap indikator.


47

b. ej adalah measurement error dari tiap-tiap indikator. Nilai batas yang digunakan untuk menilai atau menguji apakah setiap variabel dapat dipercaya, handal dan akurat dipergunakan koefisien Alpha Cronbach. Cronbach’s alpha merupakan teknik pengujian keandalan kuesioner yang paling sering digunakan (Bryman dan Bell, 2007), dengan melakukan uji cronbach’s alpha maka akan terdeteksi indikator-indikator yang tidak konsisten. Cronbach’s Alpha merupakan sebuah ukuran keandalan yang memiliki nilai berkisar dari nol sampai satu (Hair et al., 2006). Variabel dapat dikatakan reliabel apabila koefisien Alpha Cronbach lebih besar dari 0,60.

Tabel 3.5 Tingkat Keandalan Cronbach’s Alpha Nilai Cronbach’s Alpha

Tingkat Keandalan

0.0 - 0.20

Kurang Andal

>0.20 – 0.40

Agak Andal

>0.40 – 0.60

Cukup Andal

>0.60 – 0.80

Andal

>0.80 – 1.00

Sangat Andal

Sumber: Hair et al. (2006) Tingkat reliabilitas yang kedua adalah Variance Extract, yang menunjukan jumlah varians yang indikator-indikator yang


48

diekstraksi oleh konstruk laten yang dikembangkan. Nilai Variance Extract yang tinggi menunjukan bahwa indikatorindikator itu telah mewakili secara baik konstruk laten yang dikembangkan, Sanusi (2011). Nilai Variance Extract ini direkomendasikan pada tingkat paling sedikit 0,50. Variance Extract diperoleh dari rumus berikut ini : Variance Extract= 3.

Metode Statistik Metode Statistik yang diterapkan dalam penelitian ini adalah Model

Persamaan Struktural (Structural Equation Modelling – SEM). Menurut (Pirouz 2006) dalam Latan 2013, SEM merupakan suatu teknik analisis multivariate generasi kedua yang menggabungkan antara analisis faktor dan analisis jalur sehingga memungkinkan peneliti untuk menguji dan mengestimasi secara simultan hubungan antara multiple exogenous dan endogenous variabel dengan banyak indikator. Sedangkan menurut (MacCallum dan Austin 2000) dalam Latan 2013 SEM sebagai suatu teknik analisis yang digunakan untuk spesifikasi model dan estimasi model dalam hubungan linear antar variabel. Menurut Latan (2013) Analisis SEM terdiri dari dua sub model, yaitu: 1. Model pengukuran ( measurement model ) atau disebut juga outer model,

menunjukkan

bagaimana

variabel

manifest

atau

observerved variabel merepresentasi variabel laten untuk diukur.


49

2. Model struktural ( structural model ) atau innear model, menunjukkan kekuatan estimasi antar variabel laten atau konstruk. Variabel laten yang dibentuk dalam model persamaan struktural, indikatornya dapat berbentuk reflective maupun formative. Indikator reflective ialah indikator yang bersifat manifestasi terhadap konstruk dan sesuai dengan classical test theory yang mengasumsikan bahwa variance di dalam pengukuran score variabel laten merupakan fungsi dari true score ditambah dengan error. Sedangkan indikator formative

meruopakan

indikator yang bersifat mendefinisikan karakteristik atau menjelaskan konstruk (Latan, 2013). Linear Structural RELationship (LISREL) merupakan salah satu program SEM yang paling banyak digunakan saat ini karena lisrel merupakan satu-satunya program SEM yang tercanggih dan dapat mengestimasi persoalan SEM yang hampir tidak mungkin dilakukan oleh program SEM lainnya. Tabel 3.6 SIMBOL DALAM NOTASI LISREL Simbol

Baca

Penggunaan



Xi

Vaiabel laten (konstruk) eksogenus



Eta

Variabel laten (konstruk) endogenus

X

Variabel indikator eksogenus

Y

Variabel indikator endogenus


50



Zeta

Faktor unik atau kesalahan (error) struktural. Error ini hanya ada pada konstruk endogenus



Delta

Faktor unik atau kesalahan (error) pengukuran dari indikator eksogenus



Epsilon

Faktor unik atau kesalahan (error) pengukuran dari indikator endogenus



Gamma

Loading struktural dari konstruk eksogenus ke konstruk endogenus



Beta

Loading struktural dari konstruk endogenus ke konstruk endogenus lainnya



Lambda

Loading indikator terhadap konstruknya (loading faktor). (x) adalah loading indikator terhadap konstruk eksogenusnya. (y) adalah loading indikator terhadap konstruk endogenusnya.



Phi



Tetha

Korelasi antar konstruk eksogenus Korelasi antar error pengukuran.  adalah korelasi antar error pengukuran pada indikator eksogenus.

 adalah

korelasi

antar

pengukuran pada indikator eksogenus. 

Psi

Korelasi antar error struktural

Sumber : Dachlan (2014)


error

51

4.

Tahapan Analisis SEM Bollen dan Long (1993) dalam Latan (2013), terdapat lima proses

yang dilakukan dalam analisis SEM, dimana pada setiap tahapan akan berpengaruh pada tahapan-tahapan berikutnya: 1. Spesifikasi model Spesifikasi model memrupakan langkah awal dalam analisis SEM. Tahap ini harus mendefinisikan secara konseptual konstruk yang diteliti dan menentukan dimensionalitasnya. Selanjutnya arah kausalitas antar konstruk yang menuunjukkan hubungan yang dihipotesiskan harus ditentukan dengan jelas, dan mempunyai landasan teori yang kuat. 2. Identifikasi model Dalam SEM identifikasi model untuk mengetahui apakah model yang dibangun dengan data empiris yang dikumpulkan memiliki nilai yang unik ataukah tidak sehingga model tersebut dapat diestimasi. Dan jika model tidak memiliki nilai yang unik maka model tidak dapat diidentifikasi. Penyebabnya ialah ialah informasi

yang terdapat

pada

data

empiris

tidak

cukup

menghasilkan solusi yang unik dalam menghitung parameter estimasi model. 3. Estimasi model Model penelitian yang sudah memenuhi spesifikasi dan identifikasi model selanjutnya dapat dilakukan estimasi model.


52

Dalam hal ini penting sebelumnya mempertimbangkan berapa besar jumlah sampel yang dibutuhkan, karena akan berpengaruh terhadap interpretasi hasil analisis. Terdapat tiga metode estimasi yang sering digunakan: a. Maximum Likelihood (ML) Merupakan metode estimasi yang paling populer dan banyak digunakan dibidang SEM. Maximum likelihood akan menghasilkan estimasi parameter yang terbaik (unbiased) apabila data yang digunakan memenuhi asumsi multivariate normality dan akan bias jika dilanggarnya asumsi multivariate normality. Ukuran sampel yang disarankan ialah sebesar 100-200 (Bryne, 2001) dalam Latan (2013). Maximum likelihood akan menjadi sangat sensitif dan menghasilkan goodness of fit model yang buruk apabila data yang digunakan melebihi 400. b. Generalized Least Square (GLS) Metode estimasi yang jarang digunakan di SEM. Dikarenakan hasil estimasi dari GLS hampir sama dengan hasil Maximum Likelihood apabila asumsi multivariate normality data terpenuhi. Sampel yang dianjurkan metode GLS ini adalah antara 200 – 300. c. Asymptotically Distribution Free


53

Metode ini disebut juga Weighted Least Square (WLS) merupakan suatu metode estimasi yang diciptakan karena sensitivitas metode ML maupun GLS apabila dilanggarnya asumsi multivariate normality data. Metode ini

tidak

menyaratkan

data

harus

normal

secara

multivariate. Kelemahan metode ini ialah harus memakai sampel 2000 – 2500 dan juga jumlah variabel yang dapat diestimasi dalam model sangat terbatas. Hanya 10 sampai 15 variabel saja.

Tabel 3.7 Pedoman Jumlah Sampel Jumlah

Jumlah

Communalities

Jumlah Sampel

Variabel Laten

Indikator

>6

<3

Low

> 500

≤5

>3

High

100-150

≤5

<3

Modest

> 200

≤5

<3

Low

> 300

Sumber : Hair et al (2010) dalam Latan (2013)

4. Evaluasi Model Evaluasi model bertujuan untuk mengevaluasi model secara keseluruhan, apakah model fit yang baik ataukah tidak. Evaluasi model dalam SEM dapat dilakukan dengan menilai hasil


54

pengukuran model (measurement model) melalui analisis faktor konfirmatori atau confirmatory factor analysis (CFA) dengan menguji validitas dan reliabilitas konstruk laten kemudian dilanjutkan dengan evaluasi model struktural. Secara keseluruhan dengan menilai kelayakan model melalui kriteria goodness of fit.

Tabel 3.8 Ringkasan Rule of Thumb Uji Validitas dan Reliabilitas Validitas dan

Parameter

Rule Of Thumb

Reliabilitas Validitas Convergent

Loading Factor

 > 0,7 untuk Confirmatory Research  > 0,6 untuk Explanatory Research

Average Variance Extracted

 > 0,5 untuk Confirmatory

(AVE)

maupun Explanatory Research

Validitas Discriminant

Cross Loading

Indikator loading > Seluruh Cross Loading

Akar kuadrat AVE dan Korelasi antar Konstruk Laten Reliabilitas

Cronbach’s Alpha

 > 0,7 untuk Confirmatory Research  > 0,6 masih dapat diterima untuk Explanatory


55

Research Composite Reliability

 > 0,7 untuk Confirmatory Research  0,6 – 0,7 masih dapat diterima untuk Explanatory Research

Sumber: Latan (2013)

TABEL 3.9 RINGKASAN GOODNESS OF FIT INDEX No

Goodness of Fit

Cut-Off Value

1

Goodness of Fit Index (GFI)

> 0.90

2

Akaike Informative Index (AIC)

< AIC Saturated dan Independence Model

3

Chi Squares

Diharapkan kecil

4

Comparative Fit Index (CFI)

> 0.90; > 0.95

5

Consistent Akaike Information Index (CAIC)

< CAIC Saturated dan Independence Model

6

Degree of Freedom

Diharapkan besar

7

Expected Cross Validation Index (ECVI)

< EVCI Saturated dan Independence Model

8

Adjusted Goodness of Fit Index (AGFI)

≥ 0.90

9

Incremental Fit Index (IFI)

> 0.90; > 0.95

10

Non Centrality Parameter (NCP)

< Independence Model

11

Normed Fit Index (NFI)

> 0.90; > 0.95

12

Parsimonious Normed Fit Index (PNFI)

0.06 – 0.09

13

Parsiminious Goodness of Fit Index (PGFI)

> 0.60

14

Probability

≥ 0.05


56

15

P Value for RMSEA

> 0.05

16

Relative Fit Index (RFI)

> 0.90; > 0.95

17

Root Mean Square Error Approximation 0.05 – 0.08 (RMSEA)

18

Root Mean Square Residual (RMSR)

< 0.08

Sumber : Latan (2013)

Uraian dari beberapa goodness of fit index adalah sebagai berikut: a. Goodness of Fit Index (GFI), merupakan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang diprediksi dibandingkan dengan data observasi yang sebenarnya. Nilai yang dianjurkan sebagai ukuran fit model ialah > 0.90. b. Akaike Informative Index (AIC) dan Consistent Akaike Informative Index (CAIC), digunakan dalam perbandingan model dimana nilai AIC dan CAIC default model harus dibandingkan dengan nilai AIC dan CAIC saturated dan independence model. Jika nilai AIC dan CAIC default model < nilai AIC dan CAIC saturated dan independence maka model tersebut fit. c. Chi

Square,

nilai

chi-square

menunjukkan

adanya

penyimpangan antara sample covarience matrix dan model (fitted) covarience matrix. Namun nilainya hanya akan fit


57

apabila asumsi normalitas data terpenuhi dan ukuran sampel adalah besar atau asymptotic (Hair et al 2010) dalam Latan (2013). Model dinyatakan fit jika nilai chi-square sama dengan 0 yang berarti tidak ada perbedaan antara input matriks kovarian yang diobservasi dengan model yang diprediksi. Tingkat signifikansi yang direkomendasikan dengan nilai probabilitas > 0,05. Jadi nilai chi-square diharapkan tidak signifikan agar model yang diusulkan sesuai atau fit dengan data observasi. d. Comparative Fit Index (CFI), merupakan ukuran perbandingan antara model yang dihipotesiskan dengan null model. CFI merupakan perbaikan dari NFI sehingga tidak dipengaruhi oleh ukuran sampel dan merupakan ukuran fit yang sangat baik untuk mengukur kesesuaian sebuah model. Nilai CFI yang diharuskan ialah > 0,90 namun ada beberapa peneliti yang menyarankan > 0,95. e. Adjusted Goodness of Fit

Index (AGFI),

merupakan

pengembangan dari GFI yang disesuaikna dengan ratio degree fo freedom untuk proposed model dengan degree of freedom untuk null model. Nilai AGFI yang direkomendasikan untuk indikasi model fit adalah ≥ 0.90.


58

5. Respesifikasi Model atau Modifikasi Model Setelah melakukan penilaian goodness of fit dan didapatkan model yang diuji tidak fit, maka perlu dilakukan respesifikasi model. Respesifikasi model tidak dianjurkan hanya untuk mendapatkan model yang fit, jika model telah direspesifikasi maka model yang baru harus dicross-validated (validasi silang) dengan data yang baru. 6. 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.

5.

Pengujian Hipotesis Dalam LISREL tidak terdapat nilai signifikansi yang langsung dapat

memberi tahu apakah hubungan antara suatu variabel dengan variabel lainnya adalah signifikan. Pada setiap estimasi 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. Di bawah standar error adalah nilai t yang diperoleh melalui perbandingan antara nilai estimasi dengan standar error.


59

Untuk mengetahui signifikan tidaknya hubungan antar variabel, maka nilai t harus lebih besar dari t-tabel pada level tertentu yang tergantung dari ukuran sampel dan level signifikansi, tetapi umumnya level signifikansi adalah 1%, 5% dan 10%. Pada jumlah sampel besar (lebih besar 150), jika nilai t yang dihasilkan oleh LISREL lebih besar daripada nilai t tabel pada level 5%, yaitu 1,960, maka hubungan antara variabel adalah signifikan.


BAB III METODE PENELITIAN

Recommend Documents