BAB III METODE PENELITIAN
3.1
Objek Penelitian
3.1.1
Waktu Penelitian Penelitian ini menganalisis bagaimana pengaruh
kepuasan terhadap
kepercayaan dan komitmen dalam membangun loyalitas pelanggan. Data yang diperoleh merupakan data hasil kuesioner terhadap pelanggan PT. Tiki Jalur Nugraha Ekakurir S.Parman. Waktu penelitian pada bulan September 2014 dan melakukan penyebaran kuesioner pada bulan November 2014. 3.1.2
Tempat Penelitian Penelitian ini menganalisis bagaimana pengaruh kepuasan terhadap
kepercayaan dan komitmen dalam membangun loyalitas pelanggan. Objek penelitian yang dipilih adalah di kantor perwakilan PT. Tiki Jalur Nugraha Ekakurir S.Parman. Alamat di jalan S.Parman kav. P1 – p2 Slipi Jakarta Barat 11480. 3.2
Desain Penelitian Dalam penyusunan penelitian ini penulis menggunakan metode analisis kausal. Analisis kausal adalah studi yang berusaha mengamati alasan atau penyebab terjadinya sebuah fenomena yang diteliti (Noor, 2011). Tujuan penelitian kausal dalam hal ini adalah untuk mengetahui seberapa besar
39
40
pengaruh kepuasan terhadap kepercayaan dan komitmen dalam membangun loyalitas pelanggan (studi kasus pada PT. Tiki Jalur Nugraha Ekakurir). 3.3
Pengukuran Variabel Skala pengukuran yang digunakan dalam penelitian ini yaitu skala ordinal. Menurut Noor (2011:126) skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh objek atau individu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu objek memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan atau kelebihannya. Skala ordinal memberikan nilai peringkat terhadap dimensi konstruk atau variabel yang diukur sehingga menunjukan suatu penilaian atau tingkat preferensi.
3.4
Operasional Variabel Variabel penelitian suatu atribut atau sifat atau nilai dari orang, objek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Sugiono, 2009). Macam-macam variabel yang digunakan dalam penelitian ini : a. Variabel eksogen adalah variabel yang mempengaruhi variabel lain (Sanusi, 2011). Dalam penelitian ini yang menjadi variabel bebas adalah kepuasan.
41
b. Variabel endogen merupakan variabel yang dipengaruhi oleh variabel lain dalam suatu penelitian (Sanusi, 2011). Dalam penelitian ini yang menjadi variabel terikat adalah loyalitas. c. Variabel antara (intervening variable) adalah variabel yang bertindak sebagai perantara dalam hubungan antara variabel bebas dengan variabel terikat. Artinya, sebelum variabel bebas itu mempengaruhi variabel terikat, yang bersangkutan dengan melewati variabel antara terlebih dahulu (Sanusi, 2011). Dalam penelitian ini yang menjadi variabel antara adalah kepercayaan dan komitmen. TABEL 3.1 OPERASIONAL VARIABEL KEPUASAN
Variabel
Dimensi Profesional Layanan
Indikator
Pengukuran
1. Ketepatan layanan. 2. Penyediaan informasi kepada pelanggan. 3. Cepat
Kepuasan
tanggap
terhadap
keluhan pelanggan
Ordinal
Efisiensi
4. Pengiriman tepat waktu.
Layanan
5. Kesesuaian
biaya
dengan
pelayanan yang diberikan. Cakupan
6. Jumlah karyawan.
Layanan
7. Jumlah kantor/cabang.
Sumber : Dima Jamali (2005)
42
TABEL 3.2 OPERASIONAL VARIABEL KEPERCAYAAN
Variabel
Dimensi
Indikator
Trusting Belief
Pengukuran
8. Niat baik. 9. Integritas 10. Kompetensi.
Kepercayaan Trusting Intention
Ordinal
11. Willingness to depend. 12. Subjective probability to depending.
Sumber : McKnight, Choudhury, Kacmar dalam Bachman & Zaheer (2002)
TABEL 3.3 OPERASIONAL VARIABEL KOMITMEN
Variabel
Dimensi Afektif
Indikator
Pengukuran
13. Perasaan identifikasi (senang) 14. Menjalin kerja sama 15. Mempertahankan perusahaan
Komitmen
Kalkulatif
16. Kebutuhan konsumen 17. Mempertimbangkan keuntungan 18. Melanjutkan hubungan dengan perusahaan Sumber : Mattila, Anna S (2006)
Ordinal
43
TABEL 3.4 OPERASIONAL VARIABEL LOYALITAS
Variabel
Indikator
Pengukuran
19. Pembelian ulang 20. Kebiasaan mengkonsumsi merek Loyalitas
21. Rasa suka yang besar pada merek
Ordinal
22. Ketetapan pada merek 23. Keyakinan bahwa merek tertentu merek yang paling baik 24. Perekomendasian merek kepada orang lain. Sumber : Tjiptono (2005) dalam Sangadji dan Sopiah (2013:115)
3.5
Metode Pengumpulan Data Dalam penelitian ini, peneliti menggunakan teknik convenience sampling. Convenience sampling merupakan teknik penentuan sampel dengan pertimbangan kemudahan (Noor, 2011:155). Sampel diambil karena anggota populasi yang ditemui peneliti dan bersedia menjadi responden dengan pertimbangan pengguna jasa pengiriman JNE S.Parman. Hal ini dilakukan mengingat jumlah sampel yang sangat banyak artinya penentuan jumlah sampel dan sampel terpilih dalam penelitian dilakukan dengan cara menyebar kuesioner terhadap responden secara acak yang tidak disengaja ditemui oleh peneliti dan dengan didasarkan pada berbagai
44
pertimbangan, diantaranya representatif atas populasi dan kesesuaian dengan persyaratan dalam alat analisis. Dalam penelitian ini data dikumpulkan melalui dua cara, yaitu (1) penelitian kepustakaan dan (2) penelitian lapangan. Penelitian kepustakaan dilakukan untuk mengumpulkan data mengenai teori – teori yang mendukung penelitian dan data pendukung lainnya, sedangkan penelitian lapangan dilakukan dengan mengumpulkan data dari responden. Data penelitian lapangan dikumpulkan dengan menggunakan angket atau kuesioner. Pengukuran masing-masing variabel dalam penelitian ini menggunakan skala likert. Skala likert merupakan teknik mengukur sikap dimana subjek diminta untuk mengindikasikan tingkat kesetujuan atau tidak setujuan mereka terhadap masing-masing pernyataan (Noor, 2011:128). Instrumen skala likert dapat dilihat pada Tabel 3.5 berikut: TABEL 3.5 INSTRUMEN SKALA LIKERT
Pernyataan
Kode
Skor
Sangat setuju
(SS)
5
Setuju
(S)
4
Ragu-ragu
(RR)
3
Tidak setuju
(TS)
2
Sangat tidak setuju
(STS)
1
Sumber : Sugiono (2011:93)
45
3.6
Jenis Data Penelitian Jenis data yang digunakan penulis dalam penelitian ini merupakan data primer. Data primer adalah data yang langsung memberikan data kepada pengumpul data (Sugiono, 2011:137). Seperti data yang diperoleh, diamati, dan dicatat secara langsung dari perusahaan yang menjadi objek penelitian. Dalam penelitian ini data primer yang dikumpulkan dengan melakukan survey menggunakan kuesioner.
3.7
Populasi dan Sampel
3.7.1
Populasi Menurut Sugiono (2009:61) populasi adalah wilayah generalisasi yang
terdiri atas obejk atau subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Dalam penelitian, populasi digunakan untuk menyebutkan seluruh elemen atau anggota dari suatu wilayah yang menjadi sasaran penelitian atau merupakan keseluruhan dari obyek penelitian yaitu tak terhingga. Dalam penelitian ini populasinya adalah pelanggan PT. Tiki Jalur Nugraha Ekakurir.
46
3.7.2
Sampel Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi (Sugiono, 2009:62). Apa yang dipelajari dari sampel, kesimpulannya akan dapat diberlakukan untuk populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul representatif (mewakili). Pedoman dalam menentukan ukuran sampel dalam analisis SEM, dimana dikemukakan oleh Ferdinand dalam Sanusi (2011:175) sebagai berikut : 1. Ukuran sampel 100-200 untuk teknik estimasi maximum likilihood (ML). 2. Bergantung pada jumlah parameter yang diestimasi. Pedomannya adalah 5-10 kali jumlah parameter yang diestimasi. 3. Bergantung pada jumlah indikator yang digunakan dalam seluruh variabel bentukan. Jumlah sampel adalah jumlah indikator variabel bentukan, yang dikali 5 sampai dengan 10. Jumlah sampel yang akan dikumpulkan adalah 24 indikator dikali 5 atau 10 adalah 120 atau 240 sampel. 4. Jika sampelnya sangat besar, peneliti dapat memilih teknis estimasi tertentu. Sampel dari penelitian ini adalah 120 pelangan PT. Tiki jalur Nugraha Ekakurir S. Parman.
47
3.8
Metode Analisis data
3.8.1
Structural Equation Modeling (SEM)
3.8.1.1 Pengertian Structural Equation Modeling (SEM) Structural Equation Modeling (SEM) merupakan teknik analisis yang memungkinkan pengujian sebuah rangkaian hubungan secara simultan (Noor, 2011:229). Hubungan ini dibangun antara satu atau beberapa variabel independen dengan satu atau beberapa variabel dependen. Permodelan Persamaan Struktural (Structural Equalion Modeling) adalah suatu analisis yang menggabungkan pendekatan analisis faktor (factor analysis), model struktural (structural model), dan analisis jalur (path analysis). Dengan demikian, di dalam analisis SEM dapat dilakukan tiga macam kegiatan secara serentak yaitu pengecekan validitas dan reliabilitas instrumen (berkaitan dengan analisis faktor konfirmatori), pengujian model hubungan antar variabel (berkaitan dengan analisis jalur), dan kegiatan untuk mendapatkan suatu model yang cocok untuk prediksi (berkaitan dengan analisis regresi atau analisis model struktural) (Sugiono, 2009). LISREL
merupakan
program
yang
paling
banyak
digunakan,
dibandingkan EQS dam AMOS. LISREL adalah satu-satunya program yang tercanggih dan yang dapat mengestimasi berbagai masalah SEM yang bahkan nyaris tidak mungkin dapat dilakukan oleh program lain, seperti AMOS, EQS dan lain sebagainya. Disamping itu LISREL merupakan program yang paling informatif dalam menyajikan hasil-hasil statistik.
48
Dengan menggunakan SEM, tidak hanya hubungan kausalitas (langsung dan tidak langsung) pada variabel atau konstruk yang diamati bisa terditeksi, tetapi komponen-komponen yang berkontribusi terhadap pembentukan konstruk itu sendiri dapat ditentukan besarnya. Dengan demikian, hubungan kausalitas diantara variabel atau konstruk yang sedang dipelajari menjadi lebih informatif, lengkap dan akurat. Berhubungan dengan asalisis SEM kita juga menentukan nilai-nilai komponen penyusunan konstruk, kita mengenal beberapa istilah atau penamaan untuk variabel-variabel. Alasan penelitian ini dilakukan dengan SEM dikarenakan masing-masing variabel diukur melalui indikator-indikator sehingga perlu dilakukan uji kelayakan model apakah model yang dianalisis dalam penelitian ini sesuai dengan keadaan yang sebenarnya. Aplikasi yang digunakan untuk analisis SEM adalah LISREL 8.80.
49
3.8.1.2 Notasi LISREL (Linear Structural Relationship) Menurut Ghozali dan Fuad (2005) terdapat beberapa notasi yang digunakan dalam LISREL : TABEL 3.6 NOTASI-NOTASI LISREL
Notasi ξ (Ksi)
Keterangan Variabel laten eksogen (variabel independen), digambarkan sebagai lingkaran pada model struktural SEM η (Eta) Variabel laten endogen (variabel dependen, dan juga dapat menjadi variabel independen pada persamaan lain), juga digambarkan sebagai lingkaran. γ (Gamma) Hubungan langsung variabel eksogen terhadap variabel endogen β (Beta) Hubungan langsung variabel endogen terhadap variabel endogen Y Indikator variabel eksogen X Indikator variabel endogen λ (Lambda) Hubungan antara variabel laten eksogen mapun endogen terhadap indikator-indikatornya Kovarians/korelasi antara variabel eksogen φ (PHI) Kesalahan pengukuran (measurement error) dari indikator variabel δ (DELTA) eksogen ε (EPSILON) Kesalahan pengukuran (measurement error) dari indikator variabel endogen ζ (ZETA) Kesalahan dalam persamaan yaitu antara variabel eksogen dan/atau endogen terhadap variabel endogen ψ (PSI) Matriks kovarians antara residual structural (ζ) Matriks kovarians antara loading indikator dari variabel suatu variabel laten Θδ (THETA Matriks kovarians symetris antara kesalahan pengukuran pada DELTA) indikator-indikator dari variabel laten eksogen (δ) θε (THETA Matriks covarians symetris antara kesalahan pengukuran pada EPSILON) indikator-indikator dari variabel laten endogen ( ) Sumber : Imam Ghozali & Fuad, (2005:22)
50
3.8.2
Uji Validitas Uji keabsahan data dalam penelitian, sering hanya ditekankan pada uji
validitas dan reliabilitas. Validitas merupakan derajat ketetapan antara data yang terjadi pada obyek penelitian dengan daya yang dapat di laporkan oleh peneliti (Sugiono, 2011:267). Pengujian validitas dilakukan menggunakan analisis konfirmatori. Dalam analisis konfirmatori, variabel laten dianggap sebagai variabel penyebab yang mendasari indikator-indikatornya (Ghozali, 2008). Dasar pengambilan keputusan uji validitas ini adalah jika loading factor > 0,5 maka item tersebut dikatakan valid. 3.8.3
Uji Reliabilitas Menurut Susan Stainback dalam Sugiono (2009:456) menyatakan bahwa
reliabilitas berkenaan dengan derajad konsistensi dan stabilitas atau temuan. Dengan pandangan positivistik (kuantitatif), suatu data dinyatakan reliabel apabila dua atau lebih peneliti dalam objek yang sama menghasilkan data yang sama, atau sekelompok data bila dipecah menjadi dua menunjukan data yang tidak berbeda. Karena reliabilitas berkenaan dengan derajad konsistensi, maka bila ada peneliti lain mengulang atau mereplikasi dalam penelitian pada objek yang sama dengan metode yang sama maka akan menghasilkan data yang sama, suatu data yang reliabel atau konsisten akan cenderung valid, walaupun belum tentu valid.
51
Hubungan antar variabel dikatakan signifikan apabila tampilan dalam output program LISREL menunjukan garis warna hitam dan tidak signifikan apabila hubungan antar variabel menunjukan warna merah (Sugiono, 2009:331). Dalam analisis SEM, reliabilitas merujuk pada konsistensi internal dari indikator-indikator konstruk (pada SEM terdapat variabel/konstruk laten yang dibentuk
oleh
indikator-indikator).
Nilai
reliabilitas
dicari
dengan
menggunakan rumus berikut ini. −
= (∑
(∑
. .
)² )
∑
Dimana : a. Std. Loading diperoleh langsung dari Standardize Loading untuk tiap-tiap indikator. b. Ej adalah 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. Variabel dapat dikatakan reliabel apabila koefisien Alpha Cronbach lebih besar dari 0,60. Artinya tingkat reliabilitas yang kedua adalah Varianve Extract, yang menunjukan jumlah varians yang indikator-indikator diekstraksi oleh konstruk laten yang dikembangkan. Nilai Variance Extract yang tinggi menunjukan bahwa indikator-indikator itu telah mewakili secara baik konstuk laten yang dikembangkan.
52
Nilai Variance Extract ini direkomendasikan pada tingkat paling sedikit 0,50. Variance Extract diperoleh dari rumus berikut ini:
=
3.8.4
(∑ (∑
)² ) + ∑
Uji Asumsi: Normalitas Asumsi yang paling fundamental dalam analisis multivariate adalah
normalitas, yang merupakan bentuk suatu distribusi data pada suatu variabel metrik tunggal dalam menghasilkan distribusi normal (Hair dalam Ghozali & Fuad, 2005). Suatu distribusi data yang tidak membentuk distribusi normal, maka data tersebut tidak normal, sebaliknya data dikatakan normal apabila ia membentuk suatu distribusi normal. Apabila asumsi normalitas tidak dipenuhi dan penyimpangan normalitas tersebut besar, maka seluruh hasil uji statistik adalah tidak valid karena perhitungan uji t dan lain sebagainya, dihitung dengan asumsi data normal. 3.8.5
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 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
53
estimasi parameter. Dibawah standar error adalah nilai t yang diperoleh melalui perbandingan antara nilai estimasi dengan nilai standar error.
Nilai t =
Untuk mengatahui signifikan tidaknya hubungan antara variabel, maka nilai t harus lebih besar dari t-tabel pada level tertentu yang tergantung dari ukuran sampel dan level signifikansi tersebut. Pada jumlah sampel yang besar, jika nilai t yang dihasilkan oleh LISREL lebih besar dari nilai t tabel yaitu ±1,960, maka hubungan antar variabel adalah sigifikan.
3.8.6
Tahap-Tahap Dalam Structural Equation Modeling (SEM) Proses strucrural equation modeling mencakup nenerapa langkah yang
harus dilakukan, yaitu: 1.
Tahap pertama adalah konseptualisasi model Tahap ini berhubungan dengan pengembangan hipotsis (berdasarkan
teori) sebagai dasar dalam menghubungkan variabel laten dengan variabel laten lainnya, dan juga dalam indikator-indikatornya. Untuk menguji ada atau tidaknya pengaruh antar variabel, maka kita harus mengumpulkan data, tetapi antar variabel tidak dapat dengan mudah diukur secara langsung dan memerlukan beberapa indikator. Variabel yang tidak bisa diukur secara langsung dan memerlukan beberapa indikator sebagai proksi disebut variabel laten. Indikator-indikator yang dapat diukur tersebut dikenal sebagai variabel manifest (variable observed/indikator).
54
Jika suatu variabel tidak dipengaruhi oleh variabel lain dalam model, maka dalam Structural Equation Modeling (SEM) sering disebut variabel eksogen (variable exogenous); setisp variabel eksogen selalu variabel independen. Variabel yang dipengaruhi oleh variabel lain dalam suatu model penelitian disebut variabel endogen.
2.
Tahap yang kedua yaitu penyusunan diagram jalur (path diagram construction). Setelah model dikembangkan berdasarkan pijakan teori yang kuat, model
tersebut diterjemah kedalam diagram alur. Penyusnan diagram alur (path diagram construction), akan memudahkan kita dalam memvisualisasikan hipotesis yang telah kita ajukan dalam konseptualisasi model diatas dengan tujuan agar kita dapat dengan mudah menentukan hubungan kausalitas atau korelasional di antara konstruk atau variabel. Meskipun LISREL dapat dijalankan dengan menggunakan persamaan dan tidak menggnakan diagram alur.
3.
Langkah ketiga adalah spesifikasi model. Spesifikasi model menggambarkan sifat dan jumlah parameter yang
diestimasi; analisis data tidak dapat digunakan sampai tahap ini selesai. Program LISREL memiliki dua bahasa yang digunakan; yaitu bahasa pemprograman LISREL dan SIMPLIS. Pada bahasa pemprograman LISREL, kita harus sangat berhati-hati dalam memastikan bahwa model yang kita susun telah direpresentasikan dalam model matematis. Sedangkan
55
bahasa perintah SIMPLIS (terdapat pada program LISREL versi 8.0 dan lebih), tidak menggunakan model matematis yang kompleks dan memungkinkan
kita untuk menuliskan nama variabel dan menentukan
hubungannya dengan menggunakan tulisan serta simbol matematika dasar, seperti sama dengan (=) dan tanda panah (). Persamaan Struktural : η1 = γ1 ξ1 + ζ1 η2 = γ2 ξ1 + β1 η1 + ζ2 η3 = β2 η1 + β3 η2 + ζ3 Keterangan : η1 = Kepercayaan η2 = Komitmen η3 = loyalitas ξ1 = Kepuasan
4.
Tahap keempat adalah identifikasi model. Identifikasi model merupakan informasi yang diperoleh dari data diuji
untuk menentukan apakah cukup untuk mengestimasi parameter dan model. Disini kita harus dapat memperoleh nilai yang unik untuk seluruh parameter dari data yang telah kita peroleh. Jika hal ini tidak dapat dilakukan, maka modifikasi kodel mungkin harus dilakukan untuk dapat diidentifikasi sebelum melakukan estimasi parameter.
56
Beberapa gejala yang sering muncul akibat adanya ketidaktepatan identifikasi ini antara lain : a. Terdapat kesalahan standar yang terlalu besar. b. Matriks informasi yang disajikan tidak sesuai harapan. c. Matriks yang diperoleh tidak definitif positif d. Terdapat kesalahan arian yang negatif. e. Terdapat korelasi yang tinggi antara koefisien hasil dugaan ( 0,9).
5.
Tahap kelima adalah estimasi parameter. Setelah model structural dapat diidentifikasi, maka estimasi parameter
dapat diketahui. Pada tahap ini, estimasi parameter untuk semua model diperoleh dari data karena program LISREL maupun AMOS berusaha untuk menghasilkan
matriks
kovarians
berdasarkan
model
(model-based
covarance matrix). Uji signifikan dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol. Asumsi-asumsi yang berkaitan dengan pendugaan parameter dan pengujian hipotesis antaralain : a. Pengambilan sampel secara acak. b. Data harus lengkap, artinya tidak ada missing data. c. Tidak ada data aneh (outliers) d. Ukuran sampel minimum 100 e. Penyebaran data bersifat normal. f. Tidak ada multikolinieritas.
57
6.
Tahap keenam dalam SEM adalah penelitian model fit. Suatu model dikatakan fit apabila kovarians matriks suatu model (model-
based covariance matrix) adalah sama dengan kovarians matriks data (observed). Model fit dapat dinilai berdasarkan dengan menguji berbagai index fit yang diperoleh dari LISREL (misalnya RMSEA, RMR, GFI, CFI, TLI, NFI dan masih banyak lagi). Dalam konteks penentuan model fit, model fit dapat ditentukan dengan meminimalkan perbedaan antara sample covariance matrix dan implied covariance matrix. Sampel covariance matrix adalah matriks kovarians yang diperoleh melalui observasi (data), sedangkan implied (fitted) covariance matrix adalah matriks kovarians yang diperoleh berdasarkan model. Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terdapat berbagai jenis fit index yang digunakan untuk mengukur derajad kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Kriteria untuk menerima suatu model (data fit) sebagaimana ditunjukan pada Tabel 3.7.
58
TABEL 3.7 KRITERIA UNTUK MENERIMA SUATU MODEL Goodness of Fit Index
Cut-off Value
X² - Chi Square
Diharapkan kecil
Significance Probability
≥ 0,05
RMSEA
≤ 0,08
GFI
≥ 0,90
AGFI
≥ 0,90
CMIN/DF
≤ 2,00
TLI
≥ 0,95
CFI
≥ 0,95 Sumber : Sanusi (2011:176)
Uraian masing-masing dari goodness of fit index dapat dijelaskan sebagai berikut: a.
X² - Chi Square Nilai statistik Chi-square digunakan untuk mengukur overall fit sebuah model. Model yang dievaluasi akan dipandang baik apabila nilai dari Chi-square kecil; semakin kecil nilai Chi-square, semakin baik sebuah model. Uji beda Chi-square diharapkan menerima hipotesis nol dengan Significance Probability ≥ 0,05.
b.
The Root Mean Square Error of Approximation (RMSEA) Karena X² - Chi Square sangat sensitif terhadap ukuran sampel (terlalu besar
atau
terlalu
kecil),
kriteria
RMSEA
digunakan
untuk
59
mengompensasi Chi Square dengan sampel besar. Nilai RMSEA ≤ 0,08 direkomendasikan sebagai pedoman untuk menyatakan model dapat diterima. c.
Goodness Of Fit Index (GFI) Indeks ini menghitungkan proporsi tertimbang dari varians dalam matrixs kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan dengan rentang nilai antara nol hingga satu. Semakin mendekati satu, niali GFI (≥ 0,90) maka semakin baik model tersebut.
d.
Adjusted Goodness Of Fit Index (AGFI) Kriteria AGFI merupakan penyesuaian dari GFI terhadap degree of freedom. Nilai AGFI ≥ 0,90 direkomendasikan bagi diterimanya model.
e.
The Minimum Sampel Discrepancy Function/Degree Of Freedom (CMIN/DF) atau X² relatif. CMIN/DF merupakan niai X²-Chi Square dibagi dengan degree of freedom-nya. Nilai CMIN/DF ≤ 2,00 menunjukan model fit.
f.
Tucker Lewis Index (TLI) Kriteria ini digunakan dengan membandingkan antara model yang diuji dengan baseline model. Nilai TLI ≥ 0,95 direkomendasikan untuk menerima sebuah model yang diuji.
g.
Comparative Ft Index (CFI) Berbeda dengan x²-Chi Square, indeks ini sama sekali tidak dipengaruhi oleh besarnya sampel yang digunakan dalam penelitian. Nilai CFI ≥ 0,95
60
menunjukan model yang baik bahkan jika mendekati satu menunjukan a very good fit. Menurut Wijanto (2008) indeks kecocokan NFI, NNFI, CFI, IFI, RFI, GFI dan AGFI > 0.90 dan RMSEA ≤ 0.08 menunjukan kecocokan yang baik. Dalam penelitian ini penulis menggunakan indeks kecocokan menurut Wijanto.
7.
Tahap terakhir dari proses ini adalah validitas silang model. Validitas silang model, yaitu menguji fit-tidaknya model terhadap suatu
data baru (atau validitas sub-sampel yang diperoleh melalui prosedur pemecahan sampel).
