BAB III METODE PENELITIAN
3.8. Model Analisis Data
3.8.2. Analisis Jalur
Dalam menganalisis data pada penelitian ini digunakan teknik analisis jalur (path analysis). Analisis ini untuk mengetahui pengaruh langsung variabel independen terhadap dependen dan pengaruh tidak langsung variabel independen melalui variabel mediasi (perantara) terhadap variabel dependen. Analisis jalur merupakan perluasan dari analisis regresi berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antara variabel yang telah ditetapkan sebelumnya berdasarkan teori (Ghozali, 2005:107). Retherford, 1993 dalam Sunyoto (2011 : 1) mendefinisikan analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung.
Persyaratan analisis jalur meliputi : 1. Data metrik berskala interval
2. Terdapat variabel independen exogenous atau dependen endogenous untuk model regresi berganda dan variabel perantara untuk model mediasi dan model gabungan mediasi dan regresi berganda serta model kompleks.
3. Ukuran sampel yang memadai minimal 100, sebaiknya di atasnya, dan idealnya 400-1000.
4. Pola hubungan antar variabel satu arah tidak boleh ada hubungan timbal balik (reciprocal).
5. Hubungan sebab akibat didasarkan pada teori yang sudah ada dengan asumsi sebelumnya menyatakan bahwa memang terdapat hubungan sebab akibat dalam variabel-variabel yang sedang diteliti. Dengan kata lain hubungan sebab akibat sudah dipraduga sebelumnya memang benar sudah ada / inherent dalam variabel-variabel yang sedang diteliti.
Data yang terkumpul kemudian diolah dengan menggunakan teknik analisis jalur atau Path Analysis yaitu :
1. Pengembangan model berbasis teori
Berdasarkan telaah pustaka telah diuraikan dalam Bab II, dikembangkan model penelitian sebagaimana yang tersaji dalam Gambar 2.4.
2. Pengembangan Diagram Alur
Setelah model berbasis teori dikembangkan, model disajikan dalam sebuah diagram alur. Gambar 3.1. menggambarkan diagram jalur (path diagram) untuk melakukan pengujian terhadap model penelitian ini.
Gambar 3.1. Diagram Jalur
Dalam diagram jalur (path diagram), hubungan antar konstruk ditunjukkan dengan garis dengan satu anak panah yang menunjukkan hubungan kausalitas (regresi) dari satu konstruk ke konstruk yang lain (Ghozali, 2008 : 18). Pengembangan diagram alur dilakukan dengan tujuan untuk memudahkan mengetahui hubungan kausalitas antar variabel yang akan diuji. Pada penelitian ini terdapat satu konstruk eksogen yaitu kualitas pelayanan dan dua konstruk endogen yaitu kepuasan dan word of mouth mahasiswa.
3. Konversi Diagram Alur ke Persamaan
Setelah model teoritis dikembangkan dan digambarkan dalam sebuah diagram alur, maka model dikonversi dalam rangkaian persamaan. Berikut ini merupakan penjabaran diagram jalur menjadi persamaan :
1. Persamaan struktural pertama adalah Y1 = β2 Y1 X + e
2. Persamaan struktural kedua adalah Y
1
Keterangan : X : Kualitas Pelayanan Y1 β : Kepuasan Mahasiswa 1
terhadap word of mouth
: Koefisien pengukur hubungan antara variabel kualitas pelayanan
β 2
terhadap kepuasan
: Koefisien pengukur hubungan antara variabel kualitas pelayanan
β 3
word of mouth
: Koefisien pengukur hubungan antara variabel kepuasan terhadap
e1
oleh model
: Varians pada persamaan struktural pertama yang tidak bisa dijelaskan
e2
oleh model
: Varians pada persamaan struktural kedua yang tidak bisa dijelaskan
4. Pemeriksaan Terhadap Asumsi yang melandasi
Pemeriksaan asumsi pada analisis jalur sama halnya pada analisis regresi, yaitu :
a. Assesment of Normality
Salah satu asumsi penggunaan statistik parametrik adalah asumsi
multivariate normality. Uji normalitas data ini dimaksudkan untuk mengetahui normal tidaknya distribusi penelitian masing-masing variabel (Ghozali, 2011). Jika asumsi normalitas dipenuhi, maka nilai residual dari analisis juga berdistribusi normal dan independen. Normalitas dapat dilihat dari nilai critical ratio (CR) sebesar ±2,58 pada tingkat signifikansi 1%. Apabila nilai CR yang
dihasilkan dalam tabel masing-masing dimensi variabel memiliki nilai yang lebih kecil dari ±2,58 maka disimpulkan bahwa data terdistribusi secara normal.
b. Mahalanobis Distance
Pengujian menggunakan nilai mahalanobis distance berguna untuk mengukur apakah terdapat data yang outlier yaitu mendeteksi apakah skor observasi ada yang jauh berbeda dengan skor centroid untuk 100 kasus. Mahalanobis d-squared digunakan untuk mengukur jarak skor hasil observasi terhadap nilai centroidnya. Kolom p1 dan p2 menunjukkan asumsi normal. Arbuckle (1997) dalam Ghozali (2013 : 85) menyatakan bahwa walaupun nilai p1 dan p2 menunjukkan observasi yang jauh dari centroidnya dan dianggap outlier serta sebaiknya data harus dibuang (didrop) dari analisis.
5. Pendugaan parameter atau perhitungan koefisien jalur
Koefisien jalur (path) adalah koefisien regresi standar atau disebut 'beta' yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel
tergantung dalam suatu model jalur tertentu. Koefisien beta (β) merupakan
koefisien regresi yang sudah distandarisasi (standardized regression coefficient) yang menunjukkan jumlah perubahan dalam variabel dependen endogenous yang dihubungkan dengan perubahan (kenaikan atau penurunan) dalam satu standar deviasi pada variabel bebas exogenous saat dilakukan pengendalian terhadap variabel-variabel independen lainnya. Koefisien beta (β) disebut juga sebagai bobot beta. Nilai ini yang digunakan sebagai besaran nilai dalam koefisien jalur (p) atau jumlah pengaruh setiap variabel exogenous terhadap variabel endogenous
secara sendiri-sendiri atau disebut sebagai pengaruh parsial. Untuk pendugaan parameter dilakukan dengan analisis jalur menggunakan software AMOS 18.
6. Pengujian Model
Koefisien determinasi (R2) digunakan untuk mengukur seberapa besar kontribusi variabel bebas terhadap variabel terikat. Semakin besar koefisien determinasi (R2) menunjukkan semakin baik kemampuan X menerangkan Y, dimana 0<R2
Tabel 3.12. Tabel Hubungan Antar Variabel
<1 atau nilainya 0-1. Untuk memastikan tipe hubungan antar variabel dapat dilihat pada Tabel 3.12. :
Nilai Interprestasi
0.0 – 0.19 Sangat Tidak Erat
0.2 – 0.39 Tidak Erat
0.4 – 0.59 Cukup Erat
0.6 – 0.79 Erat
0.8 – 0.99 Sangat Erat Sumber : Situmorang (2008 : 113)
Untuk melakukan pemeriksaan keakuratan model struktural dalam kaitannya dengan prediksi dapat menggunakan koefisien determinasi total. Dengan rumus: R2m = 1 – Pe12 Pe2 Keterangan: 2 R2 Pe
m = Total keseragaman data
12
Pe
= Nilai kuadrat residu pada kepuasan
7. Pengujian Hipotesis
Untuk mengetahui nilai estimasi pengaruh satu variabel terhadap variabel lainnya serta probabilitas yang menunjukkan signifikansi pengaruh dari satu variabel terhadap variabel lainnya, maka dapat dilihat dari output tabel regression weight. Selain probabilitas, pengujian hipotesis juga dapat menggunakan nilai
Critical Ratio (CR). Nilai CR merupakan nilai t-value. Nilai CR lebih besar dari 2 dengan tingkat signifikansi uji hipotesis yang lebih kecil dari 0,05. Bila bernilai diatas 2 maka hubungan variable sudah benar. Bila CR bernilai kurang dari 2, maka item tersebut dibuang bila bukan merupakan variable utama. Nilai regression weight estimate merupakan nilai regresi.