ANALISIS DATA DAN PEMBAHASAN
D. Analisis Data Penelitian
Analisis yang digunakan untuk menguji hubungan antar variabel yang dihipotesiskan dalam penelitian ini adalah Structural Equation Modelling (SEM).
Model struktural pada prinsipnya bertujuan untuk menguji hubungan sebab akibat dari hubungan variabel sehingga jika salah satu variabel diubah, maka terjadi perubahan pada variabel yang lain. Dalam analisis SEM bisa ada beberapa variabel dependen dan variabel independen tersebut bisa menjadi variabel independen bagi variabel dependen yang lainnya. Sebelum melakukan pengujian model struktural, terdapat beberapa asumsi yang harus dipenuhi, yaitu sebagai berikut : asumsi kecukupan sampel, asumsi normalitas dan asumsi outliers (Ferdinand, 2005). Selanjutnya, dilakukan pengujian terhadap kriteria goodness of fit model.
1. Asumsi Kecukupan Sampel
Dalam penelitian ini jumlah responden adalah sebanyak 200 orang.
Responden telah mengisi kuesioner dan seluruh kuesioner yang telah terisi dapat digunakan dalam penelitian ini. Ini berarti prosedur Maximum
Likelihood Estimation yaitu penarikan sampel antara 100-200 sampel (Ghozali, 2008) telah terpenuhi.
2. Asumsi Normalitas
Syarat lain yang harus dipenuhi dalam SEM adalah normalitas data yaitu dengan menggunakan z value (Critical Ratio atau C.R pada output AMOS 18) dari nilai skewness dan kurtosis dari sebaran datanya. Pengujian normalitas bertujuan untuk mengetahui pola distribusi data yang mengikuti atau mendekati distribusi normal. Bila nilai C.R lebih besar dari nilai kritis maka dapat disimpulkan bahwa distribusi data tidak normal. Normalitas univariate dilihat dengan nilai critical ratio pada skewness yaitu di bawah 2,58 dan critical ratio pada kurtosis dibawah 7. Sedangkan normalitas multivariate dilihat pada assessment of normality baris kanan paling bawah yaitu nilai critical ratio kurtosis dibawah 7 (Ghozali dan Fuad, 2008).
Normalitas univariate dan multivariate terhadap data yang digunakan dalam analisis ini diuji dengan menggunakan AMOS 18. Tabel IV.4 menunjukkan hasil pengujian normalitas data dalam penelitian ini.
Tabel IV.4
Multivariate 105.476 15.989
Sumber: Hasil olahan data, 2012.
Tabel IV.4 menjelaskan bahwa secara univariate data dalam penelitian ini termasuk non-normal yang ditunjukkan dengan terdapatnya nilai skewness
> 2,58. Begitu juga secara multivariate, data dalam penelitian ini termasuk non-normals karena memilki c.r kurtosis diatas 7 yaitu sebesar 15.989.
Analisis terhadap data yang tidak normal dapat mengakibatkan pembiasan intrepretasi karena nilai chi-square hasil analisis cenderung meningkat sehingga nilai probability level akan mengecil. Namun demikian, teknik Maximum Likelihood Estimates (MLE) yang digunakan dalam penelitian ini tidak terlalu sensitif terhadap oleh penyimpangan multivariate normality (Ghozali, 2005). Selain itu, data yang digunakan dalam penelitian ini adalah data perilaku dan merupakan data primer berdasarkan jawaban responden yang bervariasi dipengaruhi oleh opini responden, sehingga sulit untuk memperoleh data yang mengikuti distribusi normal secara sempurna.
3. Asumsi Outliers
Pengujian terhadap multivariate outlier digunakan untuk menghindari data yang ekstrim yang dilakukan dengan melihat output tabel dari program AMOS, yaitu pada tabel Observations farthest from the centroid (Mahalanobis distance). Penentuan cut off value multivariate data berdasarkan nilai chi-square pada derajat kebebasan yaitu jumlah indikator pada tingkat signifikansi p < 0,001. Maka nilai cut off untuk jumlah indikator 32 dengan tingkat signifikansi 0,001 adalah 62,48722. Nilai yang berada lebih besar dari nilai cut off tersebut dianggap outlier dan dieliminasi dari data.
Rangkuman Mahalanobis distance dapat dilihat pada Tabel IV.5 (selengkapnya di Lampiran).
Tabel IV. 5 Uji Asumsi Outlier
Observations farthest from the centroid (Mahalanobis distance) Observation number Mahalanobis d-squared p1 p2
19 85.021 .000 .000
Tabel IV.5 menunjukkan bahwa terdapat nilai yang dikategorikan sebagai outliers karena nilai mahalanobis distance lebih dari 62,48722 yaitu pada data nomer 19, 6, 9, 22, dan 2. Dalam pengujian sampel sebanyak 200 sampel, hanya terdapat lima nilai yang dikategorikan outliers. Dalam studi ini,
outliers diputuskan untuk dikeluarkan karena outliers yang dikeluarkan dari analisis akan meningkatkan nilai goodness of fit dan akan menyebabkan perubahan pada nilai normalitas data sehingga mengeluarkan outliers dianggap pilihan yang tepat. Dengan demikian jumlah sampel yang akan digunakan tetap sebanyak 195 sampel.
4. Analisis Goodness of Fit
Langkah pertama sebelum melakukan pengujian hipotesis adalah menilai kesesuaian goodness of fit yang dapat dilihat pada tabel IV.6
Tabe l IV.6
Hasil Pe ngujian Goodness-of-Fit Model
Krite ria Cut-off Value Hasil
chi square Diharapkan kecil 478,868
significance probability ≥ 0,05 0,212*
GFI ≥ 0,90 0,874**
RMSEA ≤ 0,08 0,016*
AGFI ≥ 0,90 0,853**
TLI ≥ 0,95 0,989*
Comparative Fit Index (CFI) ≥ 0,90 0,990*
Normed Chi Square (CMIN/DF) < 2,00 – 5,00 1,052*
Sumber : Hasil olahan data, 2012.
Keterangan: * Baik
** Kurang Baik
Pada tabel IV.6 nilai chi-square sebesar 478,868 dengan degree of freedom 455 adalah signifikan secara statistik pada level signifikansi 0,212.
Probabilitas sebesar 0,212 lebih besar dari 0,05, hal ini merupakan indikasi yang baik.
Tabel IV.6 juga menjelaskan berbagai jenis fit index yang yang digunakan untuk mengukur derajad kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Nilai CMIN/DF pada model ini adalah 1,052 menunjukkan bahwa model penelitian ini baik. Untuk Goodness of Fit Index (GFI) dengan tingkat penerimaan yang direkomendasikan > 0,9 dapat disimpulkan bahwa model penelitian ini memiliki tingkat kesesuaian yang kurang baik dengan nilai GFI sebesar 0,874. Nilai AGFI dalam model ini adalah 0,853 menunjukkan tingkat penerimaan yang kurang baik. Untuk Tucker Lewis Index (TLI) nilai yang direkomendasikan > 0,9 sehingga dapat disimpulkan bahwa model yang diajukan menunjukkan tingkat kesesuaian yang baik dengan nilai TLI sebesar 0,989. Comparative Fit Index (CFI) nilai yang direkomendasikan yaitu >0,9, maka nilai CFI sebesar 0,990 menunjukkan bahwa model ini memiliki kesesuaian yang baik. Sedangkan untuk The Root Mean Square Error of Approximation (RMSEA) nilai penerimaan yang direkomendasikan < 0,08; nilai RMSEA model sebesar 0,016 menunjukkan tingkat kesesuaian yang baik.
Dari hasil diatas mengenai pengukuran goodness-of-fit model penelitian, dapat disimpulkan bahwa model yang diajukan dalam penelitian ini dapat diterima dengan baik.
E. Uji Hipotesis, Analisis Mediasi dan Pembahasan Hasil Penelitian