HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian
4.1.5. Analisa Faktor Konfirmatori ( confirmatory factor analysis)
Analisis faktor konfirmatori ini merupakan tahap pengukuran terhadap dimensidimensi yang membentuk variabel laten/konstruk dalam model penelitian. Tujuan dari analisis faktor konfirmatori adalah untuk menguji validitas dari dimensi-dimensi pembentuk masing-masing variabel laten. Analisis faktor konfirmatori ini dilakukan dalam 3 tahap. Tahap pertama (confirmatory factor analysis-1) mengukur dimensi-dimensi yang membentuk 3 konstruk eksogen dengan 12 observed variable. Tahap kedua (confirmatory factor analysis-2) mengukur 2 konstruk endogen dengan 8 observed variable. Tahap selanjutnya adalah analisis SEM model keseluruhan.
Hasil pengolahan data untuk masing-masing tahap analisis faktor konfirmatori adalah sebagaimana disajikan pada gambar-gambar berikut:
4.1.5.1. Analisa Faktor Konfirmatori Konstruk Eksogen.
Hasil analisis faktor konfirmatori ini adalah pengukuran terhadap dimensidimensi yang membentuk variabel laten dalam model penelitian, yang terdiri dari 3 konstruk eksogen dengan 12 observed variable. Hasil pengolahan data untuk analisis faktor konfirmatori konstruk eksogen ini terlihat pada Gambar 4.2 berikut:
Sumber: data primer diolah, 2013.
Gambar 4.2: Analisis Faktor Konfirmatori Kontsruk Eksogen
Ringkasan uji kelayakan model confirmatory factor analysis konstruk eksogen tersebut terlihat pada Tabel 4.23.
Tabel 4.24. Hasil Uji Model Faktor Konfirmatori Konstruk Eksogen.
Sumber: data primer diolah, 2013.
Goodness of Fit Index Cut off Value Hasil Evaluasi
χ² ch- square χ2 dengan df : 51 ; p : 5 % = 68.669 27.479 Baik
Significance probability ≥ 0.05 0.997 Baik
RMSEA ≤ 0.08 0.000 Baik GFI ≥ 0.90 0.965 Baik AGFI ≥ 0.90 0.946 Baik CMIN/DF ≤ 2.00 0.539 Baik TLI ≥ 0.95 1.045 Baik CFI ≥ 0.95 1.000 Baik
Berdasarkan hasil analisis pengolahan data terlihat pada Gambar 4.2 dan pada Table 4.24 menunjukkan bahwa semua konstruk eksogen yang digunakan untuk membentuk sebuah model penelitian, pada proses analisis faktor konfirmatori telah memenuhi kriteria goodness of-fityang telah ditetapkan.
Hasil perhitungan uji chi-square pada konstruk eksogen memperoleh nilai sebesar 27,479 masih dibawah chi-square tabel untuk derajat kebebasan 51 pada tingkat signifikan 5 % sebesar 68,669. Nilai probabilitas sebesar 0,997 yang mana nilai tersebut di atas 0,05. Semua kriteria-kriteria lainnya juga masuk dalam kategori baik (fit). Hasil tersebut menunjukkan bahwa semua konstruk memenuhi kriteria model fit (Goodness of-fit). Disamping kriteria di atas observed (indikator) dari konstruk eksogen X1 (Kapabilitas), eksogen X2 (Sumberdaya Berwujud), dan eksogen X3 (Sumberdaya Tidak Berwujud) valid karena mempunyai nilai loading di atas 0,5 sehingga tidak satupun observed (indikator) yang didrop (dibuang). Hasil tersebut menunjukkan konstruk dapat diolah dengan full model.
Hasil pengujian terhadap nilai-nilai muatan faktor (loading factor) untuk masing-masing indikator diperoleh dapat dilihat pada Tabel 4.25.
Tabel 4.25. Hasil Regression Weights Faktor Konfirmatori Kontruk Eksogen.
Sumber: data primer diolah, 2013.
Estimate S.E. C.R. P Label X2.2 <--- SDB 1.000 X2.1 <--- SDB 0.983 0.104 9.442 *** par_1 X2.3 <--- SDB 0.957 0.097 9.857 *** par_2 X2.4 <--- SDB 0.977 0.100 9.819 *** par_3 X3.2 <--- SDTB 1.000 X3.1 <--- SDTB 0.962 0.110 8.721 *** par_4 X3.3 <--- SDTB 0.947 0.112 8.467 *** par_5 X3.4 <--- SDTB 0.969 0.109 8.866 *** par_6 X1.2 <--- Kapabilitas 1.000 X1.1 <--- Kapabilitas 0.973 0.134 7.250 *** par_7 X1.3 <--- Kapabilitas 1.130 0.130 8.666 *** par_8 X1.4 <--- Kapabilitas 1.099 0.140 7.869 *** par_9
Berdasarkan hasil pada Tabel 4.25, juga terlihat bahwa setiap indikator atau dimensi pembentuk masing-masing konstruk laten menunjukkan hasil yang memenuhi kriteria yaitu nilai Critical Ratio (CR) >1.96 dengan Probability (P) lebih kecil dari pada 0,05. Berdasarkan hasil ini, maka dapat dikatakan bahwa indikator-indikator pembentuk konstruk laten telah menunjukkan unidimensionalitas atau kumpulan dimensi konfirmatori faktor terjadi unidimensi antara indikator pembentuk suatu rangkaian yang tidak dapat dipisahkan. Selanjutnya berdasarkan analisis faktor konformatori ini, maka model penelitian ini dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-penyesuaian.
4.1.5.2. Analisa Faktor Konfirmatori Konstruk Endogen.
Tahap analisis faktor konfirmatori konstruk endogen ini sama dengan tahap analisis faktor konfirmatori konstruk eksogen. Variabel laten/konstruk endogen yang digunakan terdiri dari 2 konstruk endogen dengan 8 observed variable sebagai pembentuknya. Hasil pengolahan data untuk analisis faktor konfirmatori konstruk eksogen ini terlihat pada Gambar 4.3 berikut:
Sumber: data primer diolah, 2013.
Ringkasan uji kelayakan model confirmatory factor analysis konstruk endogen tersebut terlihat pada Tabel 4.26
Tabel 4.26. Hasil Uji Model Faktor Konfirmatori Konstruk Endogen.
Sumber: data primer diolah, 2013.
Berdasarkan hasil analisis pengolahan data terlihat pada Gambar 4.3 dan pada Tabel 4.26 menunjukkan bahwa semua konstruk endogen yang digunakan untuk membentuk sebuah model penelitian, pada proses analisis faktor konfirmatori telah memenuhi kriteria goodness of-fityang telah ditetapkan.
Hasil perhitungan uji chi-square pada konstruk eksogen memperoleh nilai sebesar 9,394 masih dibawah chi-square tabel untuk derajat kebebasan 19 pada tingkat signifikan 5 % sebesar 30,144. Nilai probabilitas sebesar 0,966 yang mana nilai tersebut di atas 0,05. Semua kriteria-kriteria lainnya juga masuk dalam kategori baik (fit). Hasil tersebut menunjukkan bahwa semua konstruk memenuhi kriteria model fit (Goodness of-fit). Disamping kriteria di atas observed (indikator) dari konstruk endogen Y1 (Posisi Bersaing), endogen Y2 (Keunggulan Posisi) valid karena mempunyai nilai loading di atas 0,5 sehingga tidak satupun observed (indikator) yang didrop (dibuang). Hasil tersebut menunjukkan konstruk dapat diolah dengan full model.
Hasil pengujian terhadap nilai-nilai muatan faktor (loading factor) untuk masing-masing indikator diperoleh tesebagai berikut:
Goodness of Fit Index Cut off Value Hasil Evaluasi
χ² ch- square χ2 dengan df : 19 ; p : 5 % = 30.144 9.394 Baik
Significance probability ≥ 0.05 0.966 Baik
RMSEA ≤ 0.08 0.000 Baik GFI ≥ 0.90 0.981 Baik AGFI ≥ 0.90 0.964 Baik CMIN/DF ≤ 2.00 0.494 Baik TLI ≥ 0.95 1.033 Baik CFI ≥ 0.95 1.000 Baik
Tabel 4.27. Hasil Regression Weights Faktor Konfirmatori Kontruk Endogen.
Sumber: data primer diolah, 2013.
Berdasarkan hasil pada Tabel 4.27, juga terlihat bahwa setiap indikator atau dimensi pembentuk masing-masing konstruk laten menunjukkan hasil yang memenuhi kriteria yaitu nilai Critical Ratio (CR) >1.96 dengan Probability (P) lebih kecil dari pada 0,05. Berdasarkan hasil ini, maka dapat dikatakan bahwa indikator-indikator pembentuk konstruk laten telah menunjukkan unidimensionalitas atau kumpulan dimensi konfirmatori faktor terjadi unidimensi antara indikator pembentuk suatu rangkaian yang tidak dapat dipisahkan. Selanjutnya berdasarkan analisis faktor konformatori ini, maka model penelitian ini dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-penyesuaian.
4.1.5.3. Analisa Structural Equation Model.
Analisis selanjutnya adalah analisis Structural Equation Model (SEM) secara Full Model yang dimaksudkan untuk menguji model dan hipotesis yang dikembangkan dalam penelitian ini. Pengujian model dalam Structural Equation Model dilakukan dengan dua pengujian, yaitu uji kesesuaian model dan uji signifikansi kausalitas. Hasil pengujian model melalui SEM adalah seperti yang ditampilkan dalam Gambar 4.4
Estimate S.E. C.R. P Label
Keunggulan Posisi <--- Posisi Bersaing 0.801 0.140 5.715 *** par_7
Y2.3 <--- Keunggulan Posisi 1.000
Y2.4 <--- Keunggulan Posisi 0.997 0.106 9.413 *** par_1
Y2.2 <--- Keunggulan Posisi 0.848 0.101 8.393 *** par_2
Y2.1 <--- Keunggulan Posisi 0.949 0.100 9.492 *** par_3
Y1.2 <--- Posisi Bersaing 1.000
Y1.1 <--- Posisi Bersaing 0.962 0.137 7.021 *** par_4
Y1.3 <--- Posisi Bersaing 1.008 0.132 7.613 *** par_5
Sumber: data primer diolah, 2013.
Gambar 4.4: Hasil Analisis Structural Equation Model (SEM)
Ringkasan uji kelayakan model confirmatory factor analysis tersebut dapat dilihat pada Tabel 4.28.
Tabel 4.28. Hasil Uji Full Model.
Sumber: data primer diolah, 2013.
Berdasarkan hasil analisis pengolahan data terlihat pada Gambar 4.4 dan pada Tabel 4.28 menunjukkan bahwa proses analisis full model penelitian ini telah memenuhi kriteria
goodness of-fit yang telah ditetapkan. Hasil perhitungan uji chi-square pada full model memperoleh nilai chi-square sebesar 79,893 masih dibawah chi-square tabel untuk derajat kebebasan 161 pada tingkat signifikan 5% sebesar 191,608. Nilai probabilitas sebesar 1,000
Goodness of Fit Index Cut off Value Hasil Evaluasi
χ² ch- square χ2 dengan df : 161 ; p : 5 % = 191.608 79.893 Baik
Significance probability ≥ 0.05 1.000 Baik
RMSEA ≤ 0.08 0.000 Baik GFI ≥ 0.90 0.939 Baik AGFI ≥ 0.90 0.920 Baik CMIN/DF ≤ 2.00 0.496 Baik TLI ≥ 0.95 1.083 Baik CFI ≥ 0.95 1.000 Baik
yang mana nilai tersebut di atas 0,05. Semua kriteria-kriteria lainnya juga masuk dalam kategori baik (fit). Hasil tersebut menunjukkan bahwa full model memenuhi kriteria model fit. Disamping kriteria di atas observed (indikator) dari eksogen X1, eksogen X2, eksogen X3, endogen Y1 dan endogen Y2 adalah valid karena mempunyai nilai di atas 0,5 sehingga tidak satupun observed (indikator) yang didrop (dibuang).
Hasil pengujian terhadap nilai-nilai muatan faktor (loading factor) untuk masing-masing indikator diperoleh dapat dilihat pada Tabel 4.29.
Tabel 4.29. Hasil Regression Weights Analisis Struktural Equation Modeling.
Lanjutan Tabel 4.29. Hasil Regression Weights Analisis Struktural Equation Modeling. Estimate S.E. C.R. P Label
Posisi Bersaing <--- Kapabilitas 0.397 0.103 3.849 *** par_13 Posisi Bersaing <--- SDB 0.238 0.079 3.015 0.003 par_15 Posisi Bersaing <--- SDTB 0.239 0.083 2.880 0.004 par_16 Keunggulan Posisi <--- Posisi Bersaing 0.390 0.131 2.973 0.003 par_14 Keunggulan Posisi <--- SDTB 0.336 0.095 3.533 *** par_17 Keunggulan Posisi <--- SDB 0.334 0.090 3.725 *** par_18
X2.2 <--- SDB 1.000 X2.1 <--- SDB 0.982 0.104 9.478 *** par_1 X2.3 <--- SDB 0.965 0.097 9.976 *** par_2 X2.4 <--- SDB 0.975 0.099 9.843 *** par_3 X1.2 <--- Kapabilitas 1.000 X1.1 <--- Kapabilitas 0.998 0.137 7.284 *** par_4 X1.3 <--- Kapabilitas 1.137 0.132 8.594 *** par_5 X1.4 <--- Kapabilitas 1.136 0.144 7.911 *** par_6 X3.2 <--- SDTB 1.000 X3.1 <--- SDTB 0.953 0.108 8.862 *** par_7 X3.3 <--- SDTB 0.927 0.109 8.490 *** par_8 X3.4 <--- SDTB 0.967 0.107 9.065 *** par_9 Y2.3 <--- Keunggulan Posisi 1.000
Y2.4 <--- Keunggulan Posisi 0.984 0.103 9.579 *** par_10 Y2.2 <--- Keunggulan Posisi 0.847 0.099 8.572 *** par_11 Y2.1 <--- Keunggulan Posisi 0.948 0.098 9.710 *** par_12 Y1.3 <--- Posisi Bersaing 1.005 0.131 7.654 *** par_19 Y1.2 <--- Posisi Bersaing 1.000
Y1.1 <--- Posisi Bersaing 0.977 0.137 7.145 *** par_20 Y1.4 <--- Posisi Bersaing 0.921 0.130 7.090 *** par_21
Sumber: data primer diolah, 2013.
Berdasarkan hasil pada Tabel 4.29, juga terlihat bahwa setiap indikator atau dimensi pembentuk masing-masing konstruk laten menunjukkan hasil yang memenuhi kriteria yaitu nilai Critical Ratio (CR) >1.96 dengan Probability (P) lebih kecil dari pada 0,05. Berdasarkan hasil ini, maka dapat dikatakan bahwa indikator-indikator pembentuk variabel laten tersebut secara signifikan merupakan indikator dari faktor-faktor laten yang dibentuk. Dengan demikian, model yang dipakai dalam penelitian ini dapat diterima dan digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-penyesuaian.
Selanjutnya perlu dilakukan uji statistik terhadap hubungan antar variabel yang nantinya digunakan sebagai dasar untuk menjawab hipotesis penelitian yang telah diajukan. Uji statistik hasil pengolahan dengan SEM dilakukan melalui nilai probability (P) dan Critical Ratio (CR) masing-masing hubungan antar variabel. Namun demikian untuk mendapatkan model yang baik, terlebih dahulu akan diuji masalah penyimpangan terhadap asumsi SEM.
Estimate S.E. C.R. P Label Y2.3 <--- Keunggulan Posisi 1.000
Y2.4 <--- Keunggulan Posisi 0.984 0.103 9.579 *** par_10 Y2.2 <--- Keunggulan Posisi 0.847 0.099 8.572 *** par_11 Y2.1 <--- Keunggulan Posisi 0.948 0.098 9.710 *** par_12 Y1.3 <--- Posisi Bersaing 1.005 0.131 7.654 *** par_19 Y1.2 <--- Posisi Bersaing 1.000
Y1.1 <--- Posisi Bersaing 0.977 0.137 7.145 *** par_20 Y1.4 <--- Posisi Bersaing 0.921 0.130 7.090 *** par_21
4.1.6. Analisis Asumsi Struktural Equation Modeling (SEM). 4.1.6.1. Uji Normalitas Data.
Estimasi dengan Maximum Likelihood menghendaki variabel observed harus memenuhi asumsi normalitas multivariate. Analisis normalitas dilakukan dengan mengamati nilai CR untuk multivariate dengan rentang ± 2.58 pada tingkat signifikansi 1% (Imam Ghozali, 2005). Hasil pengujian normalitas data disajikan dalam Tabel 4.30 berikut ini:
Tabel 4.30. Hasil Uji Normalitas Data.
Sumber: data primer diolah, 2013.
Tabel 4.30 yang menyajikan hasil pengujian normalitas data menunjukkan bahwa nilai CR untuk multivariate adalah 2.346 yang berada di bawah 2.58, sehingga dapat dikatakan tidak terdapat bukti bahwa distribusi data variable observed tidak normal.
Variable min max skew c.r. kurtosis c.r. Y1.4 1.000 5.000 -0.438 -1.976 -0.844 -1.903 Y1.3 1.000 5.000 -0.560 -2.526 -0.814 -1.834 Y1.1 1.000 5.000 -0.421 -1.898 -0.987 -2.224 Y1.2 1.000 5.000 -0.411 -1.852 -1.010 -2.277 Y2.1 1.000 5.000 -0.703 -3.168 -0.739 -1.667 Y2.2 1.000 5.000 -0.525 -2.366 -0.866 -1.953 Y2.4 1.000 5.000 -0.575 -2.594 -0.942 -2.123 Y2.3 1.000 5.000 -0.638 -2.878 -0.975 -2.199 X3.4 1.000 5.000 -0.256 -1.155 -1.195 -2.693 X3.3 1.000 5.000 -0.380 -1.714 -1.302 -2.936 X3.1 1.000 5.000 -0.374 -1.687 -1.127 -2.541 X3.2 1.000 5.000 -0.410 -1.851 -1.197 -2.699 X1.4 1.000 5.000 -0.290 -1.308 -1.362 -3.070 X1.3 1.000 5.000 -0.300 -1.352 -1.212 -2.732 X1.1 1.000 5.000 -0.200 -0.901 -1.262 -2.846 X1.2 1.000 5.000 -0.453 -2.043 -1.087 -2.451 X2.4 1.000 5.000 -0.260 -1.171 -1.138 -2.565 X2.3 1.000 5.000 -0.195 -0.879 -1.174 -2.646 X2.1 1.000 5.000 -0.182 -0.819 -1.257 -2.833 X2.2 1.000 5.000 -0.087 -0.393 -1.402 -3.162 Multivariate 12.600 2.346
4.1.6.2. Uji Outlier.
Outlier adalah kondisi observasi dari suatu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari obeservasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variable tunggal maupun variabel-variabel kombinasi (Imam Ghozali, 2005).
Pada penelitian ini nilai chi-square pada derajat bebas 20 (jumlah indikator) pada tingkat p < 0.001 adalah χ2 (20, 0.001) = 37.566 (berdasarkan Tabel distribusi χ2). Hasil uji outliers pada penelitian ini tampak pada mahalanobis distance. Nilai mahalanobis yang lebih kecil dari chi-square table atau nilai p < 0,001. Adapun hasil uji Mahalanobis distance dari tiap observed variable dapat dilihat pada Tabel 4.12
Tabel 4.31. Hasil Uji Mahalanobis Distance.
Sumber: data primer diolah, 2013.
Berdasarkan hasil uji Mahalanobis Distance pada Tabel 4.31 diatas, dapat diketahui bahwa jarak Mahalanobis maksimal adalah 33.384, lebih kecil dari χ2 (20, 0.001) = 37.566. Hal ini dapat disimpulkan bahwa tidak terdapat observasi yang outlier.
Observation number Mahalanobis d-squared p1 p2
82 33.384 0.031 0.977 66 33.278 0.031 0.899 121 31.674 0.047 0.929 86 31.639 0.047 0.834 73 31.598 0.048 0.698 ……… ……… ……… ……… 75 14.429 0.808 0.765 95 14.353 0.812 0.730 22 13.671 0.847 0.924 15 13.242 0.867 0.968 14 13.238 0.867 0.948
4.1.6.3. Uji Multikolinearitas dan Singularitas.
Untuk melihat apakah pada data penelitian terdapat multikolinearitas (multicollinearity) atau singularitas (singularity) dalam kombinasi-kombinasi variabel, maka yang perlu diamati adalah determinan dari matriks kovarians sampelnya. Indikasi adanya multikolineritas dan singularitas menunjukkan bahwa data tidak dapat digunakan untuk penelitian. Adanya multikolinearitas dan singularitas dapat diketahui melalui nilai determinan matriks kovarians yang benar-benar kecil, atau mendekati nol (Tabachnick & Fidell, 1998 dalam Ferdinand, 2002).
Dari hasil pengolahan data pada penelitian ini, nilai determinan matriks kovarians sampel sebagai berikut : Determinant of sample covariance matrix = 3,063. Hasil tersebut menunjukkan bahwa nilai determinan matriks kovarians sampel adalah diatas dari nol. Dengan demikian dapat disimpulkan bahwa data penelitian yang digunakan tidak terdapat multikolinearitas dan singularitas, maka asumsi SEM sudah terpenuhi, dan data layak untuk digunakan.
4.1.6.4. Interpretasi dan modifikasi model.
Interpretasi dan modifikasi dimaksudkan untuk melihat apakah model yang dikembangkan dalam penelitian ini perlu dimodifikasi atau dirubah sehingga mendapatkan model yang lebih baik lagi. Sebuah model penelitian dikatakan baik jika memiliki nilai Standardized Residual Covarian diluar standar yang ditetapkan (≤ ± 2,58). Hasil Standardized Residual Covarian model penelitian ini ditampilkan pada Tabel 4.32 di bawah ini:
Tabel 4.32. Hasil Standardized Residual Covariances.
Sumber: data primer diolah, 2013.
Hasil analisis pada penelitian ini tidak menunjukkan adanya nilai standardized residual covariance yang melebihi ± 2,58. Nilai standardized residual covariance terbesar adalah1,032 (pada kolom Y14 dan baris Y23) yang lebih kecil dari 2,58. Dengan melihat pada hasil tersebut maka tidak perlu dilakukan modifikasi model penelitian ini.