METODE PENELITIAN

BAB IV

METODE PENELITIAN

4.1.        Rancangan Penelitian

Penelitian ini menggunakan pola eksplanasi (explanatory) merupakan penelitian yang bermaksud menjelaskan kedudukan variabel-variabel yang diteliti serta hubungan antara satu variabel dengan variabel lain. Dalam explanatory, dilakukan dalam dua tahap, pada tahap pertama lebih menekankan pada pengumpulan dan analisis data kuantitatif kemudian dilanjutkan dengan pendekatan kualitatif untuk menggambarkan atau menjelaskan lebih lanjut temuan kuantitatif. (Dale dalam (Lodico, Spaulding, & Voegtle, 2006).

4.2.        Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di seluruh Perguruan Tinggi Swasta di Gorontalo. Waktu penelitian berlangsung selama 6 (Enam) bulan

4.3.        Populasi dan Sampel

Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tentang apa yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulan (Sugiyono, 2007). Populasi adalah Semua orang atau benda dari mana sampel terpilih (Greener, 2008). Populasi dalam penelitian ini adalah seluruh Dosen di Perguruan Tinggi Swasta di Gorontalo sejumlah 672 orang.

Tabel 4.1

Jumlah Populasi Penelitian

No	Perguruan Tinggi	Jumlah Dosen
1	Universitas Ichsan Gorontalo	223
2	Universitas Gorontalo	114
3	Universitas Muhammadiyah Gorontalo	134
4	Politeknik Gorontalo	37
5	STMIK Ichsan	42
6	Sekolah Tinggi Ilmu Administrasi Bina Taruna	31
7	STITEK Bina Taruna	14
8	Sekolah Tinggi Ilmu Ekonomi Ichsan	23
9	Sekolah Tinggi Ilmu Manajemen dan Bisnis Gorontalo	19
10	STIM Boalemo	10
11	STIKES Bina Mandiri Gorontalo	14
12	STIKES Bakti Nusantara Gorontalo	14
	Jumlah	672

Sumber : PortalDikti dan Kopertis Wil IX Sulawesi, 2016

Dari 672 orang dosen yang ada, sekitar 36,31% atau 244 orang memiliki jabatan fungsional Asisten Ahli, 10,57% atau 71 orang memiliki jabatan fungsional lektor dan 1,04% atau 7 orang yang memiliki jabatan fungsional lektor kepala. Secara Absolut dosen berpangkat Asisten Ahli sampai Lektor Kepala sebanyak 322 orang. Dosen yang memiliki pangkat akademik merupakan populasi yang akan dijadikan sebagai sampel penelitian. Pengambilan sampel dilakukan dengan menggunakan metode cluster dan stratified random sampling, yakni berdasarkan jenis Perguruan Tinggi, tingkatan kepangkatan dan strata tingkat pendidikan. Karakteristik tersebut dianggap dapat mewakili informasi yang cukup heterogen mengenal karakteristik dosen. Responden yang berjumlah 322 orang telah mencapai batas minimal untuk melakukan analisis persamaan struktural, yaitu 100 orang (Kline, 2011). Penentuan sampel responden yang di gunakan dalam penelitian ini adalah melalui Non Probability Sampling pada kuota tertentu, yaitu teknik pengambilan sampel berdasarkan kriteria responden yang memenuhi tujuan penelitian sampai pada jumlah responden tertentu berdasarkan jumlah sampel yang telah ditentukan.

4.4.        Jenis dan Sumber Data

Jenis data dalam penelitian ini adalah data primer yaitu data penelitian yang diperoleh atau dikumpulkan langsung dari sumber asli (responden). Sumber data dalam penelitian ini diperoleh dari jawaban atas kuesioner yang dibagikan kepada responden yang berasal dari Dosen Perguruan Tinggi Swasta di Gorontalo.

4.5.        Metode Pengumpulan Data

Metode yang digunakan untuk mengumpulkan data dalam penelitian ini yaitu:

1)    Kuesioner

Merupakan sejumlah pertanyaan tertulis yang digunakan untuk memperoleh informasi dari responden. Kuesioner dalam penelitian ini dibagikan kepada responden untuk mengumpulkan data yang berkaitan dengan variabel Personality (kepribadian), Ability (kemampuan) dan dukungan organisasi, Kepuasan kerja, komitmen organisasi dan Kinerja Dosen. Kuesioner yang digunakan adalah angket tertutup (closed from questioner) yaitu kuesioner yang disusun dengan menyediakan pilihan jawaban yang lengkap, sehingga responden hanya memberikan jawaban yang telah disediakan.

Kuisioner disebarkan ke beberapa perguruan tinggi dengan cara menyerahkan langsung kepada perguruan tinggi, kemudian melakukan appoinment untuk menentukan waktu pengembalian kuisioner. Melalui cara tersebut, seluruh kuisioner terdistribusi seluruhnya.

Berdasarkan sebaran kuisioner tersebut, maka jumlah kuisioner yang layak untuk dilanjutkan kedalam penelitian sebagai berikut:

Tabel 4.2.

Sebaran Kuisioner yang Layak Dilanjutkan Dalam Penelitian

Perguruan Tinggi	Populasi Sasaran	Populasi Sampling	Kuisioner Kembali	Kuisioner batal	Kuisioner yang diolah
Univ Ichsan	223	115	41	0	41
Univ Gorontalo	114	66	47	0	47
Univ Muhammadiyah Gorontalo	134	22	12	1	11
Poligon	37	15	15	0	15
STMIK Ichsan	42	17	15	0	15
STIA Bina Taruna	31	15	11	0	11
STITEK Bina Taruna	14	6	6	2	4
STIE Ichsan	23	22	22	0	22
STIMB	19	17	17	0	17
STIM Boalemo	10	8	8	0	8
STIKES Bina Mandiri Gorontalo	14	8	8	0	8
STIKES Bakti Nusantara Gorontalo	11	11	11	0	11
Jumlah	672	322	213	3	210

Sumber : Data diolah untuk kepentingan Disertasi, 2017

2)    Wawancara

Pedoman wawancara dibuat untuk memudahkan peneliti berkomunikasi dengan responden yang dapat digunakan oleh peneliti untuk melengkapi pengetahuan dan pemahaman terhadap sampel penelitian. Wawancara ini dilakukan kepada beberapa responden dengan harapan adanya konsistensi jawaban responden terhadap Quisioner yang diisi.

4.6.        Variabel Penelitian dan Defenisi Operasional

4.6.1.    Personality (Kepribadian)

Personality (kepribadian), merupakan sifat atau karakter yang melekat dalam diri setiap dosen berupa; keramahan (agreeableness) Kehati-hatian (conscientiounsness), stabilitas emosi (emotional stability), ekstraversi (extroversion), keterbukaan pada pengalaman (openness to experience)

4.6.2.    Ability (Kemampuan)

Tingkat kemampuan yang dimiliki setiap dosen dalam melaksanakan tridharma perguruan tinggi berupa kemampuan penalaran, kecerdasan emosional, kemampuan verbal dan kemampuan kuantitatif

4.6.3.    Dukungan Organisasi

Persepsi dukungan organisasi yang dirasakan dalam melaksanakan tridharma perguruan tinggi, seperti dukungan atasan dan penghargaan organisasi.

4.6.4.    Kepuasan Kerja

Suatu perasaan yang diungkapkan oleh dosen dalam suatu perguruan tinggi bilamana kenyataan yang diterimanya sesuai dengan harapannya berupa kepuasan Intrinsik dan kepuasan Ekstrinsik

4.6.5.    Komitmen Organisasi

Merupakan sikap loyal yang ditunjukkan oleh seorang dosen terhadap organisasi tempatnya bekerja

4.6.6.    Kinerja

Dalam hal ini kinerja yang dimaksud adalah kinerja Dosen. Yakni, bilamana Dosen mampu melaksanakan Tridharma Perguruan Tinggi yaitu Pendidikan dan Pengajaran, Penelitian serta Pengabdian pada masyarakat.

4.7.        Instrumen Penelitian

4.7.1.    Personality (kepribadian)

Variabel Personality (kepribadian) dalam penelitian ini diukur dengan Lima Besar ciri-ciri Personality (kepribadian) (Big Five Personality Traits) diadaptasi dari Costa dan McCrae dalam (Yang & Hwang, 2014) (McCrae et al., 1998); Goldberg, L.R dalam (Colquitt, et al., 2014); Wang dan Mount dalam (Robbins & Judge, 2014); Barrick dan Mount dalam (Griffin & Moorhead, 2014); John A Wagner & Hollenbeck (2010); John R. Schermerhorn (2007) dengan lima indikator yaitu:

a.    Keramahan (Agreeableness)

b.    Kehati-hatian (Conscientiounsness)

c.    Stabilitas Emosi (Emotional stability)

d.    Ekstraversi (Extroversion)

e.    Keterbukaan pada pengalaman (Openness to experience)

Pengukuran variabel Personality (kepribadian) diukur dengan menggunakan skala Interval antara 1 sampai dengan 5. Skor terendah (1) dari jawaban responden menunjukkan sangat rendahnya tingkat Personality (kepribadian) dan skor tertinggi (5) menunjukkan sangat tingginya tingkat Personality (kepribadian).

4.7.2.    Ability (kemampuan)

Ability (kemampuan) diukur dengan 4 indikator yang diadaptasi dari Spencer and Spencer (1993) dalam (Rachman, 2012); Johnson dan Cullen dalam (Colquitt, et al., 2014); John A Wagner & Hollenbeck (2010), yaitu:

a.    Kemampuan Verbal

b.    Kemampuan Kuantitatif

c.    Kemampuan Penalaran

d.    Kecerdasan emosional.

Pengukuran variabel Ability (kemampuan) diukur dengan menggunakan skala Interval antara 1 sampai dengan 5. Skor terendah (1) dari jawaban responden menunjukkan sangat rendahnya tingkat Ability (kemampuan) dan skor tertinggi (5) menunjukkan sangat tingginya tingkat Ability (kemampuan)

4.7.3.    Dukungan Organisasi

Persepsi dukungan organisasi diukur dengan 3 indikator dari item original yang dikembangkan dalam Survei Persepsi Dukungan Organisasional diadaptasi dari Robert Eisenberger, et al (1986); Robert Eisenberger, et al (2002) dan Chiang & Hsieh (2012), antara lain:

a.    Dukungan atasan

b.    Penghargaan organisasi

4.7.4.    Kepuasan Kerja

Kepuasan kerja diukur dengan 2 indikator yang diadaptasi dari Porter dan Lawler dalam (Yang & Hwang, 2014); John R. Schermerhorn (2007); Weiss et al (1967), yaitu:

a.    Kepuasan Intrinsik

b.    Kepuasan Ekstrinsik

Pengukuran variabel kepuasan kerja dilakukan dengan menggunakan skala Interval antara 1 sampai dengan 5. Skor terendah (1) menunjukkan sangat rendahnya kepuasan kerja dan skor tertinggi (5) menunjukkan sangat tingginya kepuasan kerja.

4.7.5.    Komitmen Organisasi

Variabel komitmen organisasi diukur mennggunakan 3 indikator yang diadaptasi dari Allen & Meyer (1990), Robbins & Judge (2014), Colquitt, et al (2014), yaitu:

a)    Komitmen Afektif: Kebanggaan pada perusahaan

b)    Komitmen Continuance : Kebutuhan terhadap pekerjaan

c)    Komitmen Normative: Kewajiban untuk memberikan hasil yang terbaik.

Variabel komitmen organisasi tersebut di atas diukur dengan menggunakan skala Interval antara 1 sampai dengan 5. Skor terendah (1) dari jawaban responden yang menunjukkan sangat rendahnya komitmen organisasi yang ada, sebaliknya skor tertinggi (5) menunjukkan sangat tingginya komitmen organisasi yang ada.

4.7.6.    Kinerja

Variabel Kinerja Dosen dalam penelitian ini diukur dengan menggunakan 3 indikator yang diadaptasi dari Fortunato dan Waddell (1981) Dalam (Anggraeni, 2014), yaitu:

a)    Pendidikan dan pengajaran

b)    Penelitian dan Pengembangan Ilmu Pengetahuan

c)    Pengabdian pada masyarakat

Pengukuran variabel Kinerja Dosen dilakukan dengan menggunakan skala Interval antara 1 sampai dengan 5. Skor terendah (1) menunjukkan sangat rendahnya Kinerja Dosen dan skor tertinggi (5) menunjukkan sangat tingginya Kinerja Dosen

Tabel 4.3

Konstruk, Sumber dan Indikator

No	Konstruk	Dimensi	Indikator
1	Personality (kepribadian)	a.    Keramahan (Agreeableness) b.    Kehati-hatian (Conscientiounsness) c.    Stabilitas Emosi (Emotional stability) d.    Ekstraversi (Extroversion) e.    Keterbukaan pada pengalaman (Openness to experience)	1.    Mudah untuk mempercayai orang lain 2.    Melakukan yang terbaik untuk membantu orang lain 3.    Bekerja dengan penuh tanggung jawab 4.    Teliti dengan pekerjaan 5.    Tidak mudah gugup 6.    Menangani tekanan dengan baik 7.    Tegas kepada siapa saja 8.    Berjiwa seorang pemimpin 9.    Selalu berkeinginan untuk mencoba hal-hal baru
2	Ability (Kemampuan)	a.    Kemampuan Verbal b.    Kemampuan Kuantitatif c.    Kemampuan Penalaran d.    Kecerdasan emosional	1.    Menghidupkan suasana kelas dalam proses pembelajaran 2.    Menggunakan bahasa secara efektif 3.    Menggunakan beragam teknologi komunikasi 4.    Memecahkan masalah secara akurat 5.    Menyampaikan pendapat 6.    Kemampuan menerima kritik 7.    Mengendalikan diri dalam berbagai kondisi 8.    Menata emosi dalam diri
3	Dukungan Organisasi	a.    Dukungan atasan b.    Penghargaan Organisasi	1.    Sarana prasarana yang lengkap dalam proses pembelajaran 2.    Bantuan dana untuk penelitian 3.    Bantuan dana dalam kegiatan pengabdian masyarakat 4.    Pengembangan karier dosen 5.    Tunjangan hari tua untuk dosen 6.    Kesediaan memberikan bantuan
4	Kepuasan Kerja	a.    Kepuasan Intrinsik b.    Kepuasan Ekstrinsik	1.    Gaji yang sesuai dengan prestasi 2.    Tunjangan yang adil 3.    Tingkat Kesejahteraan 4.    Penghargaan atas prestasi 5.    Jaminan keamanan dalam bekerja 6.    Sistem promosi jabatan
5	Komitmen Organisasi	a.    Komitmen Afektif b.    Komitmen Continuance c.    Komitmen Normative	1.    Perasaan senang untuk menghabiskan sisa karir pada tempat kerja 2.    Melakukan usaha maksimal untuk membantu organisasi mencapai tujuannya 3.    Keberadaan dalam organisasi didasarkan atas keharusan bukan karena keinginan 4.    Asumsi bahwa meninggalkan pekerjaan, akan menderita 5.    Perasaan loyal terhadap organisasi 6.    Perasaan berkorban demi organisasi
6	Kinerja	a.    Pendidikan dan pengajaran b.    Penelitian dan Pengembangan Ilmu Pengetahuan c.    Pengabdian pada masyarakat	1.    Mengembangkan materi pelajaran sesuai GBPP 2.    Menyediakan waktu khusus kepada mahasiswa untuk bimbingan 3.    Melakukan penelitian tiap semester 4.    Aktif mengikuti kegiatan diskusi ilmiah 5.    Memberikan penyuluhan yang bermanfaat kepada masyarakat tentang isu-isu yang terkait dengan pembangunan masyarakat sesuai bidang saya 6.    Aktif menulis hasil karya pengabdian pada masyarakat

Sumber : Beberapa Penelitian terdahulu, 2016

4.8.        Teknik Analisis Data

Metode analisis data menggunakan metode statistik dengan bantuan program AMOS dengan tahapan pengujian sebagai berikut:

4.8.1      Uji Validitas dan Reliabilitas

Validitas alat ukur berarti sejauhmana ketepatan dan kecermatan suatu alat ukur dalam menentukan fungsi alat ukurnya. Suatu alat ukur dikatakan memiliki validitas yang tinggi apabila alat tersebut menjalankan fungsi ukurnya atau memberikan hasil ukur yang sesuai dengan tujuan dilakukannya pengukuran tersebut. Validitas instrument dalam penelitian ini diukur dengan validitas isi yang berarti sejauh mana item-item dalam skala mencakup keseluruhan kawasan isi obyek yang akan diukur. Ghozali (2013) menyatakan bahwa bilangan koefisien satu skor suatu indikator dengan total seluruh indikator lebih besar atau sama dengan 0,3 (≥ 0,3) maka instrumen tersebut dianggap valid.

Uji reliabilitas merupakan konsistensi dan stabilitas dari suatu skor (skala pengukuran). Quisioner sebagai alat ukur dikatakan konsisten bila dalam mengukur sesuatu secara berulang kali memberikan hasil konsisten berarti bagaimana item pertanyaan tersebut apabila pengukuran lebih besar dari sekali untuk suatu kejadian dengan alat ukur yang sama, maka hasilnya akan relatif sama. Ghozali (2013) menyatakan bahwa bilangan lebih besar atau sama dengan 0,6 (≥ 0,6) maka instrumen tersebut dianggap Reliabel.

4.8.2.    Analisis Deskriptif

Analisis Deskriptif digunakan untuk mendeskripsikan persentase masing-masing variabel yaitu Personality (kepribadian), Ability (kemampuan), dukungan organisasi, kepuasan kerja, komitmen organisasi dan Kinerja Dosen Perguruan Tinggi Swasta di Gorontalo. Pengukuran pada variabel dilakukan dengan menggunakan skala Likert dengan lima alternatif jawaban masing-masing diberi skor yaitu : Sangat Setuju (SS), Setuju (S), Kurang Setuju (KS), Tidak Setuju (TS), Sangat Tidak Setuju (STS), yang digunakan untuk mengukur variabel independen dan variabel dependen.

4.8.3.    Analisis Statistik Inferensial

Hubungan kausal yang dirumuskan dalam penelitian ini menggunakan model yang tidak sederhana, hal ini terlihat adanya variabel dalam model tersebut yang berperan ganda, yaitu variabel kepuasan kerja dan komitmen organisasi. Di satu sisi, variabel tersebut sebagai variabel dependen dalam kaitannya dengan variabel Personality (kepribadian), Ability (kemampuan) dan dukungan organisasi namun menjadi variabel independen dalam kaitannya dengan variabel kinerja. Bentuk hubungan kausal seperti ini membutuhkan alat analisis yang mampu menjelaskan secara simultan tentang hubungan tersebut, sehingga metode statistik inferensial yang bisa digunakan dalam analisis data penelitian ini adalah Structural Equation Modeling (SEM) dengan bantuan software AMOS (Kline, 2011).

Penggunaan SEM sebagai alat analisis, selain didasarkan pada alasan kerumitan model yang digunakan, juga didasarkan adanya keterbatasan dari alat analisis multidimensi yang sering digunakan dalam penelitian kuantitatif, seperti multiple regression, factor analysis, descriminant analysis, dan lainnya. Beberapa alat analisis tersebut memiliki kelemahan utama, yaitu hanya dapat menganalisis satu hubungan pada satu waktu, dalam bahasa penelitian dapat dinyatakan bahwa teknik analisis tersebut hanya dapat menguji satu variabel dependen melalui beberapa variabel independen. Pada kenyataannya, penelitian manajemen dihadapkan pada situasi bahwa ada lebih dari satu variabel dependen yang harus saling dihubungkan untuk diketahui derajat interrelasinya.

4.8.4.    Uji Structural Equation Modeling (SEM)

Asumsi-asumsi yang harus dipenuhi dalam prosedur dan pengolahan data yang dianalisis dengan pemodelan SEM adalah sebagai berikut :

1)    Ukuran sampel

Ukuran sampel yang harus dipenuhi dalam pemodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan 5 - 10 observasi untuk setiap estimated parameter. Contoh, misalnya dalam penelitian ini ada 33 parameter maka sampel yang digunakan adalah minimal 165 sampel (5 X 33). Untuk memenuhi syarat analisis dengan metode Structural Equation Model (SEM), membutuhkan sampel minimal 5-10 kali jumlah variabel indikator/manifest yang digunakan, apalagi dalam pengujian Chi-Square model SEM yang sensitif terhadap jumlah sampel. Oleh karena itu di dalam penelitian ini menggunakan 165 sampel.

2)    Normalitas dan Linearitas

Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. Uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariat dimana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji Linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya Linearitas.

3)    Outlier

Uji data outlier ada dua cara:

a)    Mendeteksi terhadap univariate outliers dengan mengamati Z score. Bila data memiliki nilai Z score ± 4,0 berarti ada nilai outlier.

b)    Bila dideteksi terhadap multivariate outliers, nilai Chi-Square pada tingkat signifikan 0,01 maka tidak terjadi multivariate outliers.

4)    Langkah-langkah Pengujian SEM

Terdapat tujuh langkah pengujian dengan pemodelan SEM (Lee, 2007; Kline, 2011; Byrne, 2010) yaitu

Langkah Pertama: Pengembangan Model Teoritis Dalam langkah pengembangan model teoritis, hal yang harus dilakukan adalah melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka guna mendapatkan justifikasi atas model teoritis yang akan dikembangkan. SEM digunakan bukan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkorfirmasi model teoritis tersebut melalui data empirik.

Langkah Kedua: Menyusun path diagram untuk menyatakan hubungan kausalitas. Dalam langkah kedua ini, model teoritis yang telah dibangun pada tahap pertama akan digambarkan dalam sebuah path diagram, yang akan mempermudah untuk melihat hubungan-hubungan kausalitas yang ingin diuji. Dalam diagram alur, hubungan antar konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu konstruk dengan konstruk lainnya. Sedangkan garis-garis antar konstruk dengan anak panah disalah satu pada setiap ujungnya menunjukkan korelasi antara konstruk. Konstruk yang dibangun dalam diagram alur dapat dibedakan dalam dua kelompok, yaitu sebagai berikut:

a.    Konstruk eksogen (exogenous constructs), yang dikenal juga sebagai source variabel atau independent variabel yang tidak diprediksi oleh variabel yang lain dalam model.

b.    Konstruk endogen (endogenous constructs), yang merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya.

Berikut ini gambar diagram path untuk model pengukuran.

Gambar 4.1. Diagram Path Model Pengukuran

Langkah Ketiga: Menterjemahkan ke dalam persamaan struktural dan spesifikasi model pengukuran. Persamaan yang didapat dari diagram alur yang dikonversi terdiri dari:

a)    Persamaan struktural (struktural equation), yang dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk.

b)    Persamaan spesifik model pengukuran (measurement model), dimana harus ditentukan variabel yang mengukur konstruk dan menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesakan antar konstruk atau variabel. Komponen-komponen ukuran mengidentifikasi latent variabel, dan komponen-komponen struktural mengevaluasi hipotesis hubungan kausal, antara latent variabel pada model kausal dan menunjukkan sebuah pengujian seluruh hipotesis dari model sebagai satu keseluruhan. Sisi sebelah kiri dari tiap persamaan dari model pengukuran yang diajukan merupakan observed variabel (variabel yang dapat diamati secara langsung) dan sisi sebelah kanan untuk unobserved variabels (variabel yang tidak dapat diamati secara langsung)

Langkah Keempat: Memilih matriks input dan model/ teknik estimasi. SEM menggunakan input data yang hanya menggunakan matriks varians/kovarians atau matrik korelasi untuk keseluruhan estimasi yang dilakukan. Matrik kovarian digunakan karena SEM memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda, yang tidak dapat disajikan oleh korelasi. (Kline, 2011) menyarankan agar menggunakan matriks varians/kovarins pada saat pengujian teori sebab lebih memenuhi asumsi-asumsi metodologi dimana standar error yang dilaporkan akan menunjukkan angka yang lebih akurat dibanding menggunakan matriks korelasi.

Langkah Kelima: Menilai problem identifikasi Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk.

Langkah keenam: Evaluasi Model Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah terhadap berbagai kriteria goodness of fit. Goodness of fit merupakan indikasi dari perbandingan antara model yang dispesifikasi dengan matriks kovarian antara indikator atau observed variabel. Jika goodness of fit yang dihasilkan suatu model itu baik, maka model tersebut dapat diterima dan sebaliknya jika goodness of fit yang dihasilkan suatu model itu buruk, maka model tersebut harus ditolak atau dilakukan modifikasi model. Secara keseluruhan terdapat tigas jenis ukuran goodness of fit yaitu (1) absolut fit indices  (2) incremental fit indices (3) parsimony fit indices. Dalam suatu penelitian empiris, seorang peneliti tidak dituntut untuk memenuhi dan atau melaporkan semua kriteria GoF model, karena hal ini tentunya akan sulit dilakukan mengingat banyaknya ukuran overall fit model pada CB-SEM.

1)    Garson (2012) dalam Latan (2013) merekomendasikan untuk hanya melaporkan CMIN, RMSEA, salah satu dari baseline fit (CFI, IFI, NFI, RFI, TLI), salah satu dari parsimony fit (PNFI, PCFI) dan salah satu dari information theory (AIC, BIC, CAIC, BCC, ECVI, MECVI)

2)    Kline (2011) merekomendasikan untuk hanya melaporkan chi-square, df, probability, CFI, RMSEA dan SRMR

GoF yang tinggi bukan berarti hubungan antar variabel menjadi kuat atau variabel eksogen berpengaruh terhadap variabel endogen. Dan sebaliknya jika terdapat satu atau dua ukuran GoF yang buruk, bukan berarti terjadi kesalahan pada model struktural, akan tetapi karena pengukuran mode yang lemah. Baik buruknya GoF model sangat tergantung dari jumlah indikator per konstruk (minimal direkomendasikan > 3 indikator per konstruk) dan jumlah sampel untuk estimasi parameter model.

Untuk itu tindakan pertama yang dilakukan adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM. Bila asumsi ini sudah dipenuhi, maka model dapat diuji melalui berbagai cara uji yang diuraikan dibawah ini.

Berikut ini disajikan beberapa indeks kesesuaian dan cut-off value yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.

a)    Chi-square (χ2). Chi-square sering disebut juga “-2 log likelihood” merupakan kriteria fit indices yang dikembangkan oleh Joreskog (Latan, 2013). Nilai chi-square menunjukkan adanya penyimpangan antara sample covariance matrix dan model (fitted) covariance matrix. Namun nilai chi-square hanya akan fit apabila ukuran sampel yang digunakan adalah besar atau asymptotic (Hox, Garson) dalam (Latan, 2013) dan memenuhi asumsi multivariate normality. Fungsi chi-square dirumuskan sebagai berikut χ2 = (N -1) F , dimana N sama dengan besarnya sampel dan F sama dengan disrepancy. Model dikatakan fit jika mempunyai nilai chi-square (P)  > 0,05 yang berarti tidak ada perbedaan antara input matriks kovarian yang diobservasi dengan model yang diprediksi.

b)    RMSEA (The Root Mean Square Error of Approximation), dikembangkan oleh Steiger dan Lind (Latan, 2013). RMSEA mengukur penyimpangan nilai parameter suatu model dengan matriks kovarians populasinya (Browne dan Cudeck dalam Latan, 2013). Nilai RMSEA yang ≤ 0,05 mengindikasikan fit model sangat baik (Scumacker dan Lomax dalam Latan, 2013). RMSEA ≤ 0,06 – 0,08 mengindikasikan GoF model cukup baik (Chen et al dalam Latan, 2013) dan nilai RMSEA di atas 1,00 mengindikasikan model perlu untuk diperbaiki  (Browne dan Cudeck dalam Latan, 2013).

c)    GFI (Goodness of Fit Index), adalah merupakan kriteria fit indices yang dikembangkan oleh Joreskog dan Sorbon (Latan, 2013) untuk metode estimasi ML dan ULS dan dikembangkan lebih lanjut oleh Tanaka dan Huba (Latan, 2013) untuk metode estimasi GLS. GFI merupakan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang diprediksi dibandingkan dengan data observasi yang sebenarnya. Nilai GFI dapat dihitung dari 1 – Chi Square untuk default model dibagi dengan chi-square untuk null model. Nilai GFI akan berkisar dari 0-1. Semakin besar nilai ini menunjukkan spesifikasi model yang baik. Nilai GFI yang dianjurkan sebagai ukuran fit model adalah > 0,90. Sedangkan Schumacker dan Lomax (Latan, 2013) merekomendasikan nilai > 0,95.

d)    AGFI (Adjusted Goodness of Fit Index), merupakan kriteria fit indices yang dikembangkan oleh Joreskog dan Sorbon (Latan, 2013). AGFI merupakan pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom untuk proposed model dengan degree of freedom untuk null model. Nilai AGFI yang direkomendasikan untuk indikasi model fit adalah ≥ 0,90 (Schumacker dan Lomax, dalam Latan, 2013). Jika nilai AGFI > 1,0 mengindikasikan bahwa model just-identified dan jika < 0 mengindikasikan bahwa model mempunyai fit yang buruk.

e)    CMIN/DF (χ2/df) adalah The Minimum Sample Discrepancy Function yang dibagi dengan Degree of Freedom. CMIN/DF sering disebut “normal chi square” merupakan kriteria yang dikembangkan oleh Wheaton, et al (Latan, 2013). Carmines dan McIver (Latan, 2013) menyatakan bahwa nilai CMIN/DF ≤ 3 dan ≥ 2 maka model dapat diterima. Schumacker dan Lomax (Latan, 2013) menyatakan bahwa nilai CMIN/DF yang dapat diterima adalah ≤ 2 dan jika < 1 maka dapat disimpulkan bahwa model sangat fit.

f)     TLI (Tucker Lewis Index), atau sering disebut rho2 merupakan kriteria fit indices yang dikembangkan oleh Tucker dan Lewis (Latan, 2013). Ukuran ini membandingkan model yang diuji dengan baseline model. Nilai TLI yang direkomendasikan untuk indikasi model Fit adalah > 0,90 (Schumacker dan Lomax, dalam Latan ; 2013), sedangkan Hu dan Bentler (Latan, 2013) mengusulkan nilai sebesar > 0,95.

g)    CFI (Comparative Fit Index), merupakan kriteria fit indices yang dikembangkan oleh Bentler (Latan, 2013). CFI juga dikenal dengan Bentler Fit Index (BFI). CFI merupakan ukuran perbandingan antara model yang dihipotesiskan dengan null model. Nilai CFI yang direkomendasikan untuk indikasi model fit adalah > 0,90 (Schumacker dan Lomax dalam Latan, 2013) sedangkan Brown; Hu dan Bentler (Latan, 2013) mengusulkan nilai > 0,95.

Dengan demikian indeks-indeks yang digunakan untuk menguji kelayakan sebuah model adalah seperti dalam tabel berikut ini:

Tabel 4.4.

Kriteria Goodness of Fit Index

Goodness of Fit Index	Cut-of-Value
χ2-Chi-square Significaned ProbAbility RMSEA GFI AGFI CMIN/DF TLI CFI	Diharapkan Kecil ≥ 0,05 ≤ 0,08 ≥ 0,90 ≥ 0,90 ≤ 2,00 ≥ 0,90 ≥ 0,90

Sumber: Greener (2008), Kline (2011) dan Byrne (2010)

Langkah Ketujuh: Interpretasi dan modifikasi model. Tahap terakhir ini adalah menginterpretasikan model dan memodifikasi model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Memberikan pedoman untuk mempertimbangkan perlu tidaknya modifikasi sebuah model dengan melihat jumlah residual yang dihasilkan oleh model.

Batas keamanan untuk jumlah residual adalah 5%. Bila jumlah residual lebih besar dari 2% dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi mulai perlu dipertimbangkan. Bila ditemukan bahwa nilai residual yang dihasilkan model cukup besar (>2.58) maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah sebuah alur baru terhadap model yang diestimasi itu. Nilai residual value yang lebih besar atau sama dengan 2.58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5 %.

Berdasarkan kerangka model hubungan antar variabel pada gambar 3.1 dan 4.1 diatas, maka model matematis yang dibangun dalam penelitian ini sebagai berikut:

Berdasarkan kerangka analisis di atas maka dibentuk fungsi sebagai berikut:

Y₁ = f (X₁, X₂, X₃)      

Y₂ = f (X₁, X₂, X₃, Y₁)

Y₃ = f (X₁, X₂, X₃, Y₁, Y₂)      

Persamaan matematis:

Y₁        =          f (X₁, X₂, X₃)

Sehingga : Y₁ = α₀ + α₁X₁ + α₂X₂ + α₃X₃+ µ₁

Y₂        =          f (X₁, X₂, X₃, Y₁)

Sehingga : Y₂ = β₀  + β₁X₁ + β₂X₂ + β₃X₃ + β₄Y₁ + µ₂

Y₃        =  f (X₁, X₂, X₃, Y₁, Y₂)

Sehingga Y₃ = λ₀ + λ₁X₁ + λ₂X₂ + λ₃X₃ + λ₄ Y₁ + λ₅Y₂ + µ₃

Dari Model struktural di atas, nampak bahwa ada empat model hubungan fungsional yang secara matematis dapat dilihat pada model di atas. Dari model hubungan fungsional (model teoretis), masing-masing model tersebut, maka dibentuk model stocastic untuk mengestimasi (memprediksi) besarnya pengaruh masing-masing variabel bebas terhadap variabel terikat :

Y₁ = α₁ + α₁X₁ + α₂X₂ + α₃X₃ + µ₁     (1)

Y₂ = β₀ + β₁X₁ + β₂X₂ + β₃X₃ + β₄Y₁ + µ₂     (2)

Y₃ = l₀ + l₁X₁ + l₂X₂ + l₃Y₁ + l₄Y₂ + µ₃      (3)

Y₁        =          α₀ + α₁X₁ + α₂X₂ + α₃X₃ + µ₁             (4)

- β₂Y₁ + Y₂      =          β₀ + β₁X₁ + β₂X₂ + β₃X₃ +  µ ₂            (5)

-l₂Y₁ – l₃Y₂ + Y₃        =          l₀ + l₁X₁ + l₂X₂ + l₃X₃+ µ ₃ (6)

Berdasarkan persamaan di atas, maka didapat persamaan model estimasi untuk, masing-masing fungsi Y1, fungsi Y2 dan fungsi Y3 sebagai berikut :

Y₁      =   α₀ + α₁X₁ + α₂X₂ + α₃X₃ + e₁;

Y₂      =   α₀β₂ + α₁β₂X₁ + α₂β₂X₂ +α₃β₃X₃+ β₄e₁ + β₀ + β₁X₁ + β₂X₂ + β₃X₃ +e₂

          =   (α₀β₂ + β₀) + β₁X₁ + β₂X₂+ β₃X₃ +α₁β₂X₁ + α₁β₂X₂+ α₁β₃X₃ +(β₃e₂ + e₂)

          =   (α₀β₁ + β₀) + (α₁β₂ + β₁) X₁ + (α₁β₂ + β₂) X₂  + (α₁β₂ + β₂) X₃ + (β₃e₂ + e₂)

          =   Ө₀ + Ө₁ X₁ + Ө₂ X₂  + Ө₃ X₃ +μ₁

Y₃      =   [α₀ (β₂ γ₃ + γ₂)] + [α₁X₁ (β₂ γ₃ + γ₂)] + [α₂X₂ (β₂ γ₃ + γ₂)]+ [α₃X₃ (β₂ γ₃ + γ₂)] + [e₁ (β₂ γ₃ + γ₂)] + [γ₃ (β₀) + [γ₃ (β₁X₁)] + γ₃ (β₀) + [γ₃ (β₂X₂)] + γ₃ (β₀) + [γ₃ (β₃X₃)] + γ₃ (β₀) [γ₃ (e₂)] + [γ₀ + γ₁X + e₃]

          =  [α₀ β₂ γ₃ + α₀ γ₂ + β₀ γ₃ + γ₀] + α₁β₂ γ₃X₁ + α₂β₂ γ₃X₂ + α₃β₂ γ₃X₃ + α₁ γ₂X₁ + α₂ γ₂X₂+ α₃ γ₂X₃ + β₁ γ₃X₁ + β₂ γ₃X₂ + β₃ γ₃X₃ + γ₁X₁ + γ₁X₂ + γ₁X₃ + [e₁ β₂ γ₃ + e₁ γ₂+ e₃]

          = (α₀ β₂ γ₃ + α₀ γ₂ + β₀ γ₃ + γ₀) + (γ₁ + α₁ γ₂ + β₁ γ₃ + α₁ β₂ γ₃)X₁ + (γ₁ + α₂ γ₂ + β₂ γ₃ + α₂ β₂ γ₃)X₂+ (γ₁ + α₃ γ₂ + β₃ γ₃ + α₃ β₂ γ₃)X₃ + μ₃

          = ∂0 + ( ∂1 )X1 +( ∂1 )X2 +( ∂1 )X3+ μ2

Pengaruh Langsung (Direct Effect)

• α₁ = Pengaruh langsung X₁ terhadap Y₁
• α₂ = Pengaruh langsung X₂ terhadap Y₁
• α₃ = Pengaruh langsung X₃ terhadap Y₁
• β₁ = Pengaruh  langsung X₁ terhadap Y₂
• β₂ = Pengaruh langsung X₂ terhadap Y₂
• β₃ = Pengaruh langsung X₃ terhadap Y₂
• δ₁ = Pengaruh langsung X₁ terhadap Y₃
• δ₂ = Pengaruh langsung X₂ terhadap Y₃
• δ₃ = Pengaruh langsung X₃ terhadap Y₃
• l1 = Pengaruh langsung Y1 Terhadap Y3
• l2 = Pengaruh langsung Y1 Terhadap Y2
• l3 = Pengaruh langsung Y2 Terhadap Y3

Pengaruh Tak Langsung (Indirect Effect)

• α₁β₃      = Pengaruh tak langsung X₁ terhadap Y₂ melalui Y₁
• α₂β₃      = Pengaruh tak langsung X₂ terhadap Y₂ melalui Y₁
• α₃β₃      = Pengaruh tak langsung X₃ terhadap Y₂ melalui Y₁
• α₁δ₃      = Pengaruh tak langsung X₁ terhadap Y₃ melalui Y₁
• α₂δ₃      = Pengaruh tak langsung X₂ terhadap Y₃ melalui Y₁
• α₃δ₃      = Pengaruh tak langsung X₃ terhadap Y₃ melalui Y₁
• β₁δ₄      = Pengaruh tak langsung X₁ terhadap Y₃ melalui Y₂
• β₂δ₄      = Pengaruh tak langsung X₂ terhadap Y₃ melalui Y₂
• β₃δ₄      = Pengaruh tak langsung X₃ terhadap Y₃ melalui Y₂

Pengaruh Total (Total Effect)

• α₁ = Total pengaruh X₁ terhadap Y₁
• α₂ = Total pengaruh X₂ terhadap Y₁
• α₃ = Total pengaruh X₃ terhadap Y₁
• π₁ = α₁β₃ + β₁ = Total pengaruh X₁ terhadap Y₂
• π₂ = α₂β₃ + β₂ = Total pengaruh X₂ terhadap Y₂
• π₃ = α₂β₃ + β₃ = Total pengaruh X₃ terhadap Y₂
• θ₁ = α₁β₃δ₄ + α₁δ₃+ β₁δ₄+ δ₁ = Total pengaruh X₁ terhadap Y₃ 
• θ₂ = α₂β₃δ₄ + α₂δ₃+ β₂δ₄+ δ₂ = Total pengaruh X₂ terhadap Y₃ 
• θ₃ = α₃β₃δ₄ + α₃δ₃+ β₃δ₄+ δ₃ = Total pengaruh X₃ terhadap Y₃

Error Term

• μ₁ =  Error term dari Y₁
• μ₂ = β₃ε₁ + ε₂ = Error term dari Y₂
• μ₃ = β₃δ₄ε₁ + δ₃ε₁ + δ₄ε₂ + ε₂ = Error term dari Y₃