BAB V PENGEMBANGAN MODEL
5.1 Analisa Implementasi Model
Analisa Implementasi model dilakukan berdasarkan SEM (Structural Equation Model). Tahapan dalam analisis ini terdiri dari 3 tahapan yaitu :
1. Pengujian Asumsi SEM
2. Pengujian model pengukuran (Measuremenet Model) untuk mengetahui (Goodness of Fit) hubungan antara indikator dengan variabel.
3. Pengujian model struktural untuk mengetahui hubungan antara variabel.
Adapun data yang digunakan dalam analisis implementasi model ini menggunakan data persepsi/kinerja website dari 100 responden yang berasal dari
mahasiswa aktif UPN “Veteran” Jawa Timur dimulai dari angkatan 2011 sampai
dengan angkatan 2014.
5.1.1 Hasil Pengujian Asumsi SEM
Hasil pengujian asumsi SEM ini terdiri dari evaluasi normalitas data dan evaluasi data outliers.
5.1.1.1 Evaluasi Normalitas Data
Asumsi normalitas data diuji dengan melihat nilai skewness dan kurtosis
dari data yang diperoleh. Apabila nilai cr skewness rentang antara 2,58, maka data masih dapat dinyatakan berdistribusi normal. Hasil pengujian normalitas data dibawah ini memperlihatkan bahwa hampir setengah dari nilai unvariate yang berada di luar rentang nilai 2,58 kecuali pada indikator INT1, INT3, INF5, INF4,
INF3, INF7, INF4, INF6, INF7, INF8, INF2, INF1. Maka dari itu data dikatakan berdistribusi normal. Serta nilai cr. kurtosis yang berdistribusi normal yaitu keseluruhan nilai indikator berada di bawah 7 (<7).
Tabel 5.1 Hasil Evaluasi Normalitas
Variable min max skew c.r. kurtosis c.r.
INT1 1,000 7,000 -,785 -3,206 -,542 -1,107 INT2 1,000 7,000 ,084 ,345 -1,225 -2,500 INT3 1,000 7,000 -,667 -2,724 -,845 -1,725 INT4 1,000 7,000 -,217 -,885 -1,225 -2,500 INT5 1,000 7,000 -,015 -,061 -1,357 -2,769 INT6 1,000 7,000 -,195 -,798 -1,416 -2,890 INT7 1,000 7,000 -,194 -,792 -1,157 -2,362 INT8 1,000 7,000 -,301 -1,229 -,924 -1,887 INF6 1,000 7,000 -,335 -1,368 -,943 -1,925 INF5 1,000 7,000 -,917 -3,743 ,113 ,230 INF4 1,000 7,000 -,842 -3,436 -,271 -,553 INF3 1,000 7,000 -,675 -2,756 -,636 -1,298 INF2 1,000 7,000 -,273 -1,116 -1,083 -2,210 INF1 1,000 7,000 -,508 -2,075 -,783 -1,598 INF7 1,000 7,000 -,658 -2,688 -,450 -,919 USA5 1,000 7,000 -,266 -1,088 -1,003 -2,048 USA4 1,000 7,000 -,761 -3,106 -,721 -1,471 USA6 1,000 7,000 -,743 -3,035 -,326 -,665 USA7 1,000 7,000 -,635 -2,592 -,587 -1,197 USA8 1,000 7,000 -,985 -4,019 -,003 -,006 USA3 1,000 7,000 -,410 -1,674 -,958 -1,956 USA2 1,000 7,000 -,888 -3,624 -,405 -,826
67
Variable min max skew c.r. kurtosis c.r.
USA1 1,000 7,000 -,672 -2,743 -,909 -1,855
Multivariate 91,757 13,529
Sumber : Hasil Olah Data
5.1.1.2 Evaluasi Data Outlier
Pada tabel dibawah ini nilai “Mahal.Distance” terendah adalah 3,803 dan yang tertinggi adalah 48,362. Sementara itu perhitungan tabel Chi-Square yang dihasilkan menunjukkan bahwa mahalanobi distance yang lebih besar dari �2 (0.001) = 49,728 adalah sampel yang dipandang sebagai Data Outlier, oleh karena itu tampilan data yang telah dianalisis ini dapat disimpulkan bahwa tidak terdapat data Outlier (LAMPIRAN 5).
Tabel 5.2 Hasil Evaluasi Outliers
Minimum Maximum Mean
Std. Deviation N Predicted Value 6.56 92.46 50.50 16.986 100 Std. Predicted Value -2.587 2.470 .000 1.000 100 Standard Error of Predicted Value 5.907 18.952 12.758 3.206 100 Adjusted Predicted Value 1.99 109.13 50.32 18.904 100 Residual -53.093 59.498 .000 23.519 100
Std. Residual -1.978 2.217 .000 .876 100
Stud. Residual -2.240 2.434 .002 .993 100
Deleted Residual -70.681 71.766 .179 30.510 100
Stud. Deleted Residual -2.302 2.518 .002 1.004 100
Mahal. Distance 3.803 48.362 22.770 11.185 100
Cook's Distance .000 .106 .013 .018 100
Centered Leverage Value
.038 .489 .230 .113 100
a. Dependent Variable: KODE_RESPONDEN Sumber : Hasil Olah Data
5.1.2 Hasil pengujian Model Pengukuran
Analisis model pengukuran (measurement model) menggunakan analisis faktor konfirmatori (Confirmatory factor analysis) dimaksudkan untuk mengkonfirmasi semua indikator yang membentuk tiap-tiap konstruk/variabel. Setelah dilakukan konfirmatori faktor untuk tiap variabel maka dilakukan pengukuran keseluruhan model.
5.1.2.1 Hasil Pengujian Analisis Konfirmatori Variabel Kegunaan (Usability)
Hasil uji analisis konfirmatori dimensi Usability dapat dilihat pada gambar 5.1. pada gambar tersebut diketahui bahwa :
69
Gambar 5.1 Analisis Faktor Konfirmatori Usability
Dari gambar 5.1 terdapat variabel Usability (digambarkan dengan bentuk bulat). yang memiliki 8 buah indikator pertanyaan. Yaitu USA1, USA2, USA3, USA4, USA5, USA6, USA7, USA8 (digambarkan dengan bentuk persegi). Tiap indikator dan variabel memiliki satu variabel error (e1, e2, e3, e4, e5, e6, e7, e8, c1) yang berfungsi untuk menggambarkan measurement error untuk mendefinisikan sebauh variabel maupun indikator.
Rincian hasil uji dari analisis konfirmatori dimensi Usability dapat terlihat pada tabel 5.3 dibawah ini :
Tabel 5.3 Goodness Of Fit Usability
Goodness Of Fit Cut-Off Value Nilai Kesimpulan
Absolute Fit Indices
Chi-Squares >0.05 128,049 Matriks Kovarian sampel tidak berbeda secara signifikan dengan matriks kovarian estimasi
CMIN 0,000<CMIN<13,066 6,402 Model dapat dikatakan bagus Goodness Of Fit (GFI) <1,01 0,724 Jumlah sampel berpengaruh dalam proses pengambilan keputusan Adjusted Goodness Of Fit (AGFI) <1,01 0,503 Jumlah sampel berpengaruh dalam proses pengambilan keputusan
Root Mean Residual (RMR)
Diharapkan Kecil 0,434 Selisih dari kovarian dengan kovarian estimate kecil
Incremental Fit Index Tucker lewis Index
(TLI)
<1,01 0,552 Model sudah fit
dengan data yang ada
Comparative Fit Index (CFI)
<1,05 0,680 Model sudah fit
dengan data yang ada
71
Parsimony Fit Indices Parsimony Goodness
Of Ft Index (PGFI)
PGFI>0,337 0,402 Model fit
Root Mea Square Error of
Approximation (RMSEA)
>0,01 0,234 Model fit dengan
data yang ada
Akaike Information Criteria (AIC)
AIC<381.862 160,049 Model fit dengan data yang ada
Brown Cudeck Criterion (BCC)
BCC<383,462 163,249 Model fit dengan data yang ada
Bayes information Criterion (BIC)
BIC<402,783 201,732 Model fit dengan data yang ada
Consistent Akaike Information Criteria (CAIC)
CAIC<410,703 217,732 Model fit dengan data yang ada
Expected Cross Validation Index (ECVI)
ECVI< 3,857 1,617 Model Fit dengan Data yang ada
Sumber : Hasil Olah Data
Berdasarkan hasil pengolahan data terlihat bahwa semua variabel yang digunakan untuk membuat sebuah model penelitian, pada proses analisa faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Hal ini berarti bahwa model fit dengan data sampel (LAMPIRAN 6). Untuk regression weight model pengukuran dimensi Usability dapat terlihat pada tabel 5.4 dibawah ini.
Tabel 5.4 Regression Weight Model Pengukuran Usability
Estimate S.E. C.R. P Label USA8 <--- USA ,897 ,175 5,113 *** USA1 <--- USA 1,000 USA2 <--- USA ,916 ,183 4,996 *** USA3 <--- USA ,678 ,180 3,776 *** USA4 <--- USA ,953 ,186 5,114 *** USA5 <--- USA ,971 ,183 5,301 *** USA6 <--- USA ,926 ,166 5,579 *** USA7 <--- USA 1,040 ,180 5,787 ***
Sumber : Hasil Olah Data
Berdasarkan hasil analisis diatas dapat dilihat semua nilai probabilitas (*** = 000) untuk masing-masing indikator lebih kecil dari 0.05 dan nilai estimate
berada diatas 0,5. Dengan hasil ini maka dapat dikatakan indikator-indikator pembentuk variabel telah menunjukkan sebagai indikator yang kuat dalam pengukuran variabel . Selanjutnya beradasrkan analisis faktor konfirmatori ini, maka model penelitian dapat digunakan untuk analisis .
5.1.2.2 Hasil Pengujian Analisis Konfirmatori Variabel Kualitas Informasi (Information Quality)
Hasil uji analisis konfirmatori dimensi Information Quality dapat dilihat pada gambar 5.2. pada gambar tersebut diketahui bahwa :
73
Gambar 5.2 Analisis Faktor Konfirmatori Information Quality
Rincian hasil uji dari analisis konfirmatori dimensi Information Quality
dapat terlihat pada tabel 5.5 dibawah ini :
Tabel 5.5 Goodness Of Fit Information Quality
Goodness Of Fit Cut-Off Value Nilai Kesimpulan
Absolute Fit Indices
Chi-Squares >0.05 43,706 Matriks Kovarian
sampel tidak berbeda secara signifikan dengan
matriks kovarian estimasi
CMIN 0,000<CMIN<12,610 3,122 Model dapat
dikatakan bagus
Goodness Of Fit (GFI) <1,01 0,891 Jumlah sampel berpengaruh dalam proses pengambilan keputusan
Adjusted Goodness Of Fit (AGFI)
<1,01 0,781 Jumlah sampel
berpengaruh dalam proses pengambilan keputusan
Root Mean Residual (RMR)
Diharapkan Kecil 0,230 Selisih dari kovarian dengan kovarian estimate kecil
Incremental Fit Index
Tucker lewis Index (TLI) <1,01 0,817 Model sudah fit dengan data yang ada
Comparative Fit Index (CFI)
<1,05 0,878 Model sudah fit
dengan data yang ada
Parsimony Fit Indices Parsimony Goodness Of
Ft Index (PGFI)
75
Root Mea Square Error of Approximation (RMSEA)
>0,01 0,146 Model fit dengan
data yang ada
Akaike Information Criteria (AIC)
AIC<278,814 71,706 Model fit dengan data yang ada
Brown Cudeck Criterion (BCC)
BCC<280,045 74,167 Model fit dengan data yang ada
Bayes information Criterion (BIC)
BIC<297,050 108.178 Model fit dengan data yang ada
Consistent Akaike Information Criteria (CAIC)
CAIC<304.050 122,178 Model fit dengan data yang ada
Expected Cross Validation Index (ECVI)
ECVI< 2,816 0,724 Model Fit dengan Data yang ada Sumber : Hasil Olah Data
Berdasarkan hasil pengolahan data terlihat bahwa semua variabel yang digunakan untuk membuat sebuah model penelitian, pada proses analisa faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Hal ini berarti bahwa model fit dengan data sampel (LAMPIRAN 6). Untuk regression weight model pengukuran dimensi Information Quality dapat terlihat pada tabel 5.6 dibawah ini.
Tabel 5.6 Regression Weight Model Pengukuran Information Quality
Estimate S.E. C.R. P Label INF1 <--- INF 1,000 INF7 <--- INF ,932 ,173 5,400 *** INF6 <--- INF 1,326 ,208 6,385 *** INF5 <--- INF ,937 ,174 5,388 *** INF4 <--- INF 1,053 ,186 5,669 *** INF3 <--- INF ,830 ,184 4,526 *** INF2 <--- INF ,986 ,202 4,878 ***
Sumber : Hasil Olah Data
Berdasarkan hasil analisis diatas dapat dilihat semua nilai probabilitas (*** = 000) untuk masing-masing indikator lebih kecil dari 0.05 dan nilai estimate
berada diatas 0,5. Dengan hasil ini maka dapat dikatakan indikator-indikator pembentuk variabel telah menunjukkan sebagai indikator yang kuat dalam pengukuran variabel. Selanjutnya berdasarkan analisis faktor konfirmatori ini, maka model penelitian dapat digunakan untuk analisis selanjutnya.
5.1.2.3 Hasil Pengujian Analisis Konfirmatori Variabel Kualitas Interaksi (Interaction Quality)
Hasil uji analisis konfirmatori dimensi Interaction Quality dapat dilihat pada gambar 5.3. pada gambar tersebut diketahui bahwa :
77
Gambar 5.3 Analisis Faktor Konfirmatori Interaction Quality
Rincian hasil uji dari analisis konfirmatori dimensi Interaction Quality
dapat terlihat pada tabel 5.7 dibawah ini :
Tabel 5.7 Goodness Of Fit Interaction Quality
Goodness Of Fit Cut-Off Value Nilai Kesimpulan
Absolute Fit Indices
Chi-Squares >0.05 46,759 Matriks Kovarian
sampel tidak berbeda secara signifikan dengan
matriks kovarian estimasi
CMIN 0,000<CMIN<5,421 2,338 Model dapat dikatakan bagus
Goodness Of Fit (GFI) <1,01 0,903 Jumlah sampel berpengaruh dalam proses pengambilan keputusan
Adjusted Goodness Of Fit (AGFI) <1,01 0,825 Jumlah sampel berpengaruh dalam proses pengambilan keputusan
Root Mean Residual (RMR)
Diharapkan Kecil 0,346 Selisih dari kovarian dengan kovarian estimate kecil
Incremental Fit Index
Tucker lewis Index (TLI) <1,01 0,697 Model sudah fit dengan data yang ada
Comparative Fit Index (CFI)
<1,01 0,784 Model sudah fit
dengan data yang ada
79
Parsimony Goodness Of Ft Index (PGFI)
PGFI>0,526 0,502 Model belum fit
Root Mean Square Error of Approximation
(RMSEA)
>0,01 0,116 Model fit dengan
data yang ada
Akaike Information Criteria (AIC)
AIC<167,798 78,759 Model fit dengan data yang ada
Brown Cudeck Criterion (BCC)
BCC<169,398 81,959 Model fit dengan data yang ada
Bayes information Criterion (BIC)
BIC<188,640 120,442 Model fit dengan data yang ada
Consistent Akaike Information Criteria (CAIC)
CAIC<196,640 136,442 Model fit dengan data yang ada
Expected Cross Validation Index (ECVI)
ECVI< 1,695 0,796 Model Fit dengan Data yang ada
Sumber : Hasil Olah Data
Berdasarkan hasil pengolahan data terlihat bahwa semua variabel yang digunakan untuk membuat sebuah model penelitian, pada proses analisa faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Hal ini berarti bahwa model fit dengan data sampel (LAMPIRAN 6). Untuk regression weight model pengukuran dimensi Interaction Quality dapat terlihat pada tabel 5.8 dibawah ini.
Tabel 5.8 Regression Weight Model Pengukuran Interaction Quality
Estimate S.E. C.R. P Label INT8 <--- INT ,918 ,644 1,427 ,154 INT1 <--- INT 1,000 INT2 <--- INT ,536 ,569 ,942 ,346 INT3 <--- INT 2,313 1,189 1,945 ,052 INT4 <--- INT 2,852 1,410 2,023 ,043 INT5 <--- INT 2,917 1,451 2,010 ,044 INT6 <--- INT 3,066 1,521 2,016 ,044 INT7 <--- INT 2,858 1,410 2,027 ,043
Sumber : Hasil Olah Data
Berdasarkan hasil analisis diatas dapat dilihat semua nilai probabilitas (*** = 000) untuk masing-masing indikator lebih kecil dari 0.05 dan nilai estimate
berada diatas 0,5. Dengan hasil ini maka dapat dikatakan indikator-indikator pembentuk variabel telah menunjukkan sebagai indikator yang kuat dalam pengukuran variabel. Selanjutnya beradasarkan analisis faktor konfirmatori ini, maka model penelitian dapat digunakan untuk analisis selanjutnya
5.1.2.4 Hasil Pengujian Analisis Konfirmatori Variabel Full Model
Hasil uji analisis konfirmatori Full Model dapat dilihat pada gambar 5.4. pada gambar tersebut diketahui bahwa :
81
Gambar 5.4 Analisis Faktor Konfirmatori Full Model
Rincian hasil uji dari analisis konfirmatori dimensi Full Model dapat terlihat pada tabel 5.9 dibawah ini :
Tabel 5.9 Goodness Of Fit Full Model
Goodness Of Fit Cut-Off Value Nilai Kesimpulan
Absolute Fit Indices
Chi-Squares >0.05 586,642 Matriks
Kovarian sampel tidak berbeda secara signifikan
dengan matriks kovarian estimasi
CMIN 0,000<CMIN<4,936 2,576 Model dapat dikatakan bagus
Goodness Of Fit (GFI) <1,01 0,651 Jumlah sampel berpengaruh dalam proses pengambilan keputusan Adjusted Goodness Of Fit (AGFI) <1,01 0,576 Jumlah sampel berpengaruh dalam proses pengambilan keputusan
Root Mean Residual (RMR)
Diharapkan Kecil 0,373 Selisih dari kovarian dengan kovarian estimate kecil
Incremental Fit Index
Tucker lewis Index (TLI) <1,01 0,600 Model sudah fit dengan data yang ada
Comparative Fit Index (CFI)
<1,01 0,641 Model sudah
fit dengan data yang ada
83
Parsimony Fit Indices Parsimony Goodness Of
Ft Index (PGFI)
PGFI>0,287 0,536 Model fit
Root Mean Square Error of Approximation (RMSEA) >0,01 0,126 Model fit dengan data yang ada Akaike Information Criteria (AIC)
AIC<1294,736 682,642 Model fit dengan data yang ada
Brown Cudeck Criterion (BCC) BCC<1309,456 714,002 Model fit dengan data yang ada Bayes information Criterion (BIC)
BIC<1354,655 810,296 Model fit dengan data yang ada
Consistent Akaike Information Criteria (CAIC)
CAIC<1377,655 859,296 Model fit dengan data yang ada
Expected Cross Validation Index (ECVI)
ECVI< 13,078 6,895 Model Fit dengan Data yang ada
Sumber Hasil Olah Data
Bersdasarkan hasil pengolahan data terlihat bahwa semua variabel yang digunakan untuk membuat sebuah model penelitian, pada proses analisa faktor konfirmatori telah memnuhi kriteria goodness of fit yang telah ditetapkan. Hal ini
berarti bahwa model fit dengan data sampel (LAMPIRAN 6). Untuk regression weight model pengukuran Full Model dapat terlihat pada tabel 5.10 dibawah ini.
Tabel 5.10 Regression Weight Model Pengukuran Full Model
Estimate S.E. C.R. P Label
USA1 <--- USABILITY 1,000 USA8 <--- USABILITY ,908 ,176 5,151 *** USA7 <--- USABILITY 1,036 ,179 5,772 *** USA2 <--- USABILITY ,904 ,183 4,934 *** USA6 <--- USABILITY ,953 ,168 5,683 *** USA4 <--- USABILITY ,966 ,187 5,159 *** USA5 <--- USABILITY 1,023 ,186 5,495 *** USA3 <--- USABILITY ,696 ,181 3,853 *** INF7 <--- INF 1,000 INF6 <--- INF 1,289 ,188 6,839 *** INF5 <--- INF ,940 ,165 5,684 *** INF4 <--- INF 1,047 ,175 5,979 *** INF3 <--- INF ,830 ,178 4,656 *** INF2 <-- INF 1,062 ,196 5,419 *** INF1 <--- INF 1,104 ,183 6,037 *** INT1 <--- INT 1,000 INT2 <--- INT ,352 ,456 ,773 ,440 INT3 <--- INT 2,230 ,963 2,314 ,021 INT4 <--- INT 2,405 1,016 2,368 ,018 INT5 <--- INT 2,513 1,067 2,355 ,019 INT6 <--- INT 2,606 1,105 2,360 ,018
85
Estimate S.E. C.R. P Label
INT7 <--- INT 2,568 1,070 2,400 ,016
INT8 <--- INT ,573 ,467 1,227 ,220
INT <--- INF ,145 ,112 1,297 ,195
USABILITY <--- INT 1,674 ,765 2,188 ,029
INF <--- USABILITY ,553 ,157 3,532 ***
Sumber : Hasil Olah Data
Berdasarkan hasil analisis diatas dapat dilihat semua nilai probabilitas (*** = 000) untuk masing-masing indikator lebih kecil dari 0.05 dan nilai estimate
berada diatas 0,5. Dengan hasil ini maka dapat dikatakan indikator-indikator pembentuk variabel telah menunjukkan sebagai indikator yang kuat dalam pengukuran variabel. Selanjutnya berdasarkan analisis faktor konfirmatori ini, maka model penelitian dapat digunakan untuk analisis selanjutnya.
5.1.3 Hasil Uji Struktural Model
Proses pengujian model penelitian selanjutnya adalah uji hubungan indikator dengan konstruk melalui uji convergent validity dan uji discriminant validity. Perhitungannyadapat dilihat pada tabel 5.11 dibawah ini.
Tabel 5.11 Hasil Uji Validitas Convergent dan Discriminant
Hubungan Indikator Konstruk Estimate Standardized AVE Reliabilitas USA1 USA 0,607 0,408 0,843 USA8 USA 0,633 USA7 USA 0,741 USA2 USA 0,598
USA6 USA 0,725 USA4 USA 0,634 USA5 USA 0,691 USA3 USA 0,443 INF7 INF 0,685 0,437 0,839 INF6 INF 0,791 INF5 INF 0,639 INF4 INF 0,676 INF3 INF 0,515 INF2 INF 0,607 INF1 INF 0,683 INT1 INT 0,271 0,248 0,684 INT2 INT 0,090 INT3 INT 0,552 INT4 INT 0,621 INT5 INT 0,603 INT6 INT 0,609 INT7 INT 0,674 INT8 INT 0,155
Sumber : Hasil Olah Data
Tabel 5.12 Hubungan Antar Konstruk
Hubungan antar Konstruk Estimate
USABILITY <--> INT ,771
INF <--> INT ,652
USABILITY <--> INF ,735
87
Angka pada nilai estimasi menunjukkan loading factor dari setiap indikator terhadap variabel terkait. Nilai dari Average Variance Extracted (AVE) menunjukkan angka diatas 0,05 (≥0,05). Hal ini menunjukkan adanya hubungan antara indikator untuk menjelaskan variabel yang ada. Berdasarkan hasil pengukuran reliabilitas data diperoleh nilai ≥0,6 untuk semua konstruk. Dengan demikian penelitian ini dapat diterima.
Angka yang menunjukkan pada hubungan antar konstruk erat (≥0,05) dengan arah hubungan antar konstruk semuanya positif dan searah. Hal ini berarti semakin baik kegunaan, informasi dan interaksi suatu website maka semakin baik tingkat kualitas suatu website.
Besarnya hubungan variabel dapat dilihat pada nilai dari hubungan antar variabel tersebut. jika semua angka korelasi antar variabel dibandingkan dengan kuadrat AVE menunjukkan bahwa korelasi variabel masih di bawah angka akar kuadrat AVE. Hal ini membuktikan bahwa hubungan antar variabel lemah, yang menunjukkan konstruk memang dapat dibedakan satu dengan yang lain. Dengan demikian konstruk telah lolos uji diskriminan.