METODE PENELITIAN
B. Analisis SEM
Variabel dan Atribut Penelitian a. Variabel bebas (eksogen)
Variabel eksogen yang digunakan dalam penelitian ini diperoleh berdasarkan teori Parasuraman (1990) yang menggolongkan kualitas pelayanan dalam lima dimensi, yaitu tangibles, reliability, responsiveness, assurance, dan empathy. Variabel indikator atau atribut penelitian ditentukan berdasarkan konsep teori yang disesuaikan dengan kondisi pada PT Godongijo Asri yang berkaitan dengan pelayanan jasa agrowisatanya.
1. Tangibles
Bukti fisik merupakan penampilan fasilitas fisik, peralatan, karyawan, dan materi komunikasi (Parasuraman et al., 1990). Variabel tangibles (bukti fisik) agrowisata PT Godongijo Asri dapat diukur dari beberapa indikator berikut:
a. Area parkir (X11) b. Kebersihan toilet (X12) c. Kebersihan taman (X13)
d. Tempat-tempat yang digunakan untuk agrowisata (X14) e. Kerapihan penampilan karyawan (X15)
f. Peralatan yang digunakan dalam kegiatan agrowisata (X16) g. Ketersediaan media komunikasi (X17)
2. Reliability
Keandalan merupakan kemampuan untuk melakukan pelayanan sesuai dengan yang dijanjikan, benar, dan akurat (Parasuraman et al., 1990). Variabel reliability (keandalan) agrowisata PT Godongijo Asri dapat diukur dari beberapa indikator berikut:
a. Ketepatan waktu pelayanan (X21)
b. Kemampuan memberikan manfaat edukasi (X22) c. Informasi yang benar dan jelas (X23)
3. Responsiveness
Daya tanggap merupakan kemauan untuk membantu pelanggan dan memberikan pelayanan yang cepat (Parasuraman et al., 1990). Variabel responsiveness (daya tanggap) agrowisata PT Godongijo Asri dapat diukur dari beberapa indikator berikut:
a. Kecepatan karyawan dalam melayani pengunjung (X31)
b. Ketanggapan karyawan dalam membantu kesulitan pengunjung (X32) c. Kesediaan karyawan memberikan informasi (X33)
d. Kesiapan karyawan dalam merespon permintaan pengunjung (X34) 4. Assurance
Jaminan merupakan pengetahuan dan kesopanan karyawan dan kemampuan mereka untuk menyampaikan kepercayaan dan keyakinan (Parasuraman et al., 1990). Variabel assurance (jaminan) agrowisata PT Godongijo Asri dapat diukur dari beberapa indikator berikut:
a. Pengetahuan yang baik (X41)
b. Keramahan dan kesopanan karyawan (X42) c. Keamanan dan kenyamanan (X43)
5. Empathy
Empati merupakan kepedulian dan perhatian individual perusahaan dalam melayani pelanggannya (Parasuraman et al., 1990). Variabel empathy (empati) agrowisata PT Godongijo Asri dapat diukur melalui beberapa indikator berikut:
a. Perhatian personal karyawan (X51)
b. Kesungguhan karyawan dalam melayani pengunjung (X52)
c. Kemauan karyawan untuk mendengar dan menangani keluhan pengunjung (X53)
b. Varibel tidak bebas (endogen), yang terdiri dari: 1. Kepuasan pengunjung
Kepuasan pelanggan adalah perasaan senang atau kecewa seseorang yang muncul setelah membandingkan antara kinerja (hasil) produk yang dipikirkan terhadap kinerja yang diharapkan (Kotler, 2005). Variabel kepuasan pengunjung agrowisata PT Godongijo Asri diukur menggunakan beberapa indikator berikut:
a. Kepuasan pengunjung atas fasilitas (Y11) b. Kepuasan pengunjung atas pelayanan (Y12)
c. Kepuasan pengunjung atas keamanan dan kenyamanan (Y13) d. Kepuasan pengunjung atas paket wisata yang dibeli (Y14) 2. Minat berkunjung ulang (repurchase intention)
Menurut Ferdinand (2002), repurchase intention dapat diidentifikasi melalui indikator minat transaksional, minat referensial, minat preferensial, dan minat eksploratif. Variabel minat berkunjung ulang (repurchase intention) pengunjung agrowisata PT Godongijo Asri diukur malalui beberapa indikator berikut:
a. Keinginan berkunjung kembali (Y21)
b. Minat mereferensikan kepada orang lain (Y22)
c. Minat untuk menjadikan PT GIA sebagai pilihan utama objek agrowisata (Y23)
d. Ketertarikan membeli paket agrowisata yang berbeda (Y24)
Secara garis besar, klasifikasi, nama konstruk, dan indikator masing masing- masing konstruk tersebut dapat dilihat pada Tabel 5.
Tabel 5 Klasifikasi, nama konstruk, dan indikator masing-masing konstruk Klasifikasi konstruk Kategori variabel Nama
konstruk Indikator variabel Bebas/
eksogen
Service Quality
Tangibles - Area parkir (X11)
- Kebersihan toilet (X12) - Kebersihan taman (X13)
- Tempat-tempat yang digunakan untuk agrowisata (X14)
- Kerapihan penampilan karyawan (X15)
- Peralatan yang digunakan dalam kegiatan agrowisata (X16)
- Ketersediaan media komunikasi (X17)
Reliability - Ketepatan waktu pelayanan (X21)
- Kemampuan memberikan manfaat edukasi (X22) - Informasi yang benar dan jelas (X23)
Responsive- ness
- Kecepatan karyawan dalam melayani pengunjung (X31)
- Ketanggapan karyawan dalam membantu kesulitan pengunjung (X32)
- Kesediaan karyawan memberikan informasi (X33) - Kesiapan karyawan dalam merespon permintaan
pengunjung (X34)
Assurance - Pengetahuan yang baik (X41)
- Keramahan dan kesopanan karyawan (X42) - Keamanan dan kenyamanan (X43)
Empathy - Perhatian personal karyawan (X51)
- Kesungguhan karyawan dalam melayani
pengunjung (X52)
- Kemauan karyawan untuk mendengar dan menangani keluhan pengunjung (X53)
Tidak bebas/ endogen Kepuasan pengunjung Kepuasan pengunjung
- Kepuasan pengunjung atas fasilitas (Y11) - Kepuasan pengunjung atas pelayanan (Y12) - Kepuasan pengunjung atas keamanan dan
kenyaman (Y13)
- Kepuasan pengunjung atas paket wisata yang dibeli (Y14) Minat berkunjung ulang Repurchase intention
- Keinginan berkunjung kembali (Y21)
- Minat mereferensikan kepada orang lain (Y22) - Minat untuk menjadikan PT GIA sebagai pilihan
utama objek agrowisata (Y23)
- Ketertarikan membeli paket agrowisata yang berbeda (Y24)
Sumber: Parasuraman, Zeithaml, dan Berry, 1988 (dimodifikasi).
Uji Validitas dan Reliabilitas Model
Dalam penelitian ini, uji validitas dan reliabilitas instrumen penelitian tidak diujicobakan terlebih dahulu kepada beberapa responden, akan tetapi kuesioner penelitian langsung disebarkan kepada seluruh sampel, dalam hal ini kepada 145 responden. Dasar pertimbangannya adalah bahwa daftar pertanyaan dalam
kuesioner tersebut sudah dibuat berdasarkan standar yang telah baku yang dirumuskan oleh Parasuraman, Zeithaml dan Berry (1990) dan validitas serta reliabilitasnya telah dibuktikan oleh beberapa kali penelitian selama bertahun- tahun. Sehingga dalam penelitian ini hanya dilakukan uji terhadap validitas dan reliabilitas model. Menurut Santoso (2011), model SEM ada 2 (dua) jenis model, yaitu measurement model dan structural model. Tujuan utama terhadap analisis model SEM ini adalah untuk menguji apakah model tersebut fit dengan data yang ada. Pengujian model SEM dapat dibagi menjadi dua bagian utama, yaitu:
1. Menguji validitas measurement model 2. Menguji validitas structural model
Uji Measurement Model
Measurement model adalah bagian dari model SEM yang terdiri atas sebuah variabel laten (konstruk) dan beberapa variabel manifes (indikator) yang menjelaskan variabel laten tersebut. Tujuan pengujian adalah untuk mengetahui seberapa tepat variabel-variabel manifes dapat menjelaskan variabel laten yang ada. Dasar pengujian adalah sebagai berikut (Santoso, 2011):
a. Jika secara teori sebuah indikator menjelaskan keberadaan konstruk (variabel laten) maka akan ada hubungan diantara keduanya. Oleh karena variabel laten tidak mempunyai nilai tertentu dan proses pengujian dilakukan diantara indikator-indikator yang membentuknya.
b. Dilakukan perhitungan kovarians dari data sampel untuk mengetahui hubungan indikator-indikator dengan konstruk.
c. Penghitungan menggunakan prosedur estimasi maximum likelihood menghasilkan matriks kovarians estimasi. Selanjutnya dilakukan perbandingan matriks kovarians sampel dengan matriks estimasi. Uji perbandingan ini dinamakan uji goodness of fit dengan menggunakan estimasi maximum likelihood. Ketentuannya adalah :
1) Absolute Fit index (X2) > 0.05
2) GFI (Goodness of Fit Index) dan AGFI (Adjusted Goodness of Fit Index) berkisar antara 0 sampai 1. Semakin hasilnya mendekati 1, maka akan semakin baik model tersebut dalam menjelaskan data yang ada. Selain itu, dapat juga ditentukan dari nilai CFI (Comparative Fit Index) dan TLI (Tucker Lewis Index)
Setelah model fit, selanjutnya adalah uji validitas konstruk (variabel laten) dengan menganalisis faktor loading-nya. Hair, et al. (1995) dalam Ferdinand (2002) menyatakan bahwa sebuah indikator merupakan bagian dari konstruk dengan faktor loading tersebut adalah lebih besar atau sama dengan 0.50. Uji Structural Model
Setelah melakukan uji Measurement Model, maka pengujian berikutnya dilanjutkan dengan Uji Structural Model. Pada dasarnya Uji Measurement Model menguji apakah model secara keseluruhan pada sebuah konstruk dapat dikatakan fit dengan data sampel yang ada. Jika sebuah measurement model tidak dapat dikatakan fit, maka proses pengujian seharusnya tidak diteruskan ke pengujian Structural Model. Namun, jika sebuah Measurement Model telah lolos dalam pengujian, dapat dilakukan dengan Structural Model yang meliputi dua bagian utama yaitu:
1. Menguji keseluruhan model (overall model fit) dari structural model.
2. Menguji structural parameter estimates, yakni hubungan di antara konstruk atau variabel independen-independen yang ada dalam structural model (Santoso, 2011).
Uji Reliabilitas Model
Reliabilitas adalah ukuran konsistensi internal indikator-indikator sebuah variabel bentukan yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah variabel bentukan yang umum. Untuk menguji reliabilitas digunakan rumus Construct reliability (Ghozali, 2005), sebagai berkut.
Dimana:
a. Std. Loading diperoleh langsung dari Standardizes Loading untuk tiap-tiap indikator (diambil dari perhitungan komputer dengan menggunakan program IBM SPSS AMOS versi 21).
b. εj adalah measurement error dari tiap-tiap indikator. Nilai batas yang digunakan untuk menilai atau untuk menguji apakah setiap variabel dapat dipercaya, handal dan akurat dipergunakan koefisien Alpha Cronbach. Variabel dapat dinyatakan reliabel apabila Koefisien Alpha Cronbach lebih besar dari 0.70. Artinya tingkat reabilitas sebesar 0.70 merupakan indikasi realiabelnya sebuah konstruk.
Tahapan Prosedur SEM
Untuk menganalisis data yang telah terkumpul digunakan teknik Structural EquationModeling (SEM), di mana dalam proses perhitungannya dibantu dengan program IBM SPSS Analysis of Moment Structure (AMOS) versi 21.
1) Asumsi-asumsi Penggunaan SEM
Menurut Ferdinand (2002), asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan permodelan SEM adalah sebagai berikut:
a. Ukuran Sampel
Ukuran sampel yang harus dipenuhi dalam permodelan SEM adalah berkisar antara 100 hingga 200. Selanjutnya dinyatakan bahwa pedoman untuk ukuran sampel menggunakan perbandingan lima observasi untuk setiap parameter/indikator yang diestimasi. Oleh karena itu, apabila mengembangkan model dengan 29 parameter/indikator, maka ukuran sampel minimal yang harus digunakan adalah 145.
b. Normalitas dan Linearitas
Agar data dapat diolah lebih lanjut dalam permodelan SEM, maka sebaran data harus dianalisis terlebih dahulu untuk mengetahui apakah asumsi normalitas data sudah terpenuhi. Normalitas data dapat diuji dengan metode-metode statistik atau dapat pula dilakukan dengan melihat gambar histogram data. Menurut Santoso (2007), sebaran data dikatakan normal jika Critical Ratio (CR) Skeweness (kemiringan) atau CR Curtosis (keruncingan) terletak antara –2.58 sampai +2.58.
Uji linearitas dapat dilakukan dengan mengamati scatter plot (diagram pencar) dari data, yaitu dengan memilih pasangan data dan dilihat pada penyebarannya untuk menduga ada tidaknya linearitas. Menurut Santoso (2007), linearitas adalah keadaan di mana hubungan antara variabel dependen dengan variabel independen bersifat linier (garis lurus) dalam range/kisaran variabel independen tertentu.
c. Outliers
Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim, baik secara univariat maupun multivariat, yaitu yang muncul karena kombinasi karakteristik yang unik yang dimilikinya dan terlihat sangat jauh berbeda dengan observasi-observasi lainnya. Terhadap data outliers dapat dilakukan treatment khusus, sepanjang diketahui bagaimana munculnya outliers itu.
d. Multicollinearity dan Singularity
Multicolinearity atau multikolinearitas dan singularity atau singularitas dapat dideteksi dari determinan matriks kovarian. Nilai determinan matriks kovarians yang sangat kecil memberi indikasi adanya masalah multikolineritas atau singularitas (Ferdinand, 2002).
2) Tahapan-tahapan SEM
Data-data yang telah terkumpul melalui kuisioner, kemudian direkapitulasi dengan menggunakan program Microsoft Excel 2013. Hasil olahan tersebut selanjutnya menjadi input dan dianalisis dengan metode SEM menggunakan bantuan program IBM SPSS AMOS versi 21. Prosedur SEM secara umum mengandung tahap-tahap sebagai berikut:
a. Spesifikasi model
Spesifikasi model dilakukan terhadap permasalahan yang diteliti. Model yang ditetapkan akan sangat baik jika didasarkan pada rujukan atau teori ahli yang relevan. Spesifikasi model secara garis besar dijalankan dengan menspesifikasi model pengukuran serta menspesifikasi model struktural. Spesifikasi model pengukuran meliputi aktivitas mendefinisikan variabel- variabel laten, mendefinisikan variabel-variabel teramati, dan mendefinisikan hubungan antara variabel laten dengan variabel-variabel teramati. Spesifikasi model struktural dilakukan dengan mendefinisikan hubungan di antara variabel-variabel laten. Hubungan diantara variabel- variabel laten dan teramati dapat lebih mudah dipahami dengan mengembangkan path diagram model hybrid.
b. Identifikasi model
Tahapan identifikasi dimaksudkan untuk menjaga agar model yang dispesifikasikan bukan merupakan model yang under-identified atau unindentified. Model yang dispesifikasi diharapkan merupakan over- identified model, yaitu model dimana jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui. Pada kondisi over-identified, penyelesaian model diperoleh melalui proses estimasi iteratif.
c. Estimasi model
Estimasi dilakukan untuk memperoleh nilai dari parameter-parameter yang ada dalam model sedemikian rupa sehingga matrik kovarian yang diturunkan dari model sedekat mungkin atau sama dengan matrik kovarian populasi dari variabel-variabel teramati. Estimasi terhadap model dapat
dilakukan menggunakan salah satu dari metode estimasi yang tersedia, seperti maximum likelihood dan weighted least squares.
d. Uji kecocokan model
Tahapan ini mengevaluasi kesesuaian model melalui telaah terhadap berbagai kriteria goodness of fit, dimana langkah pertama yang dilakukan adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM, seperti ukuran sampel, normalitas dan linearitas data, outliers, dan multicollinearity dan singularity. Apabila asumsi-asumsi ini sudah terpenuhi, maka model dapat diuji melalui berbagai cara uji.
Berikut ini adalah beberapa indeks kesesuaian dan cut-off value-nya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak (Ferdinand, 2002).
1. X2– Uji Chi-Square Statistic.
Alat uji ini fundamental untuk mengukur overall fit adalah likelihood ratio chi square statistic. Model yang diuji akan dipandang baik atau memuaskan apabila nilai Chi Square-nya rendah. Semakin kecil nilainya, semakin baik model tersebut. Namun chi square sangat sensitif terhadap sampel yang terlalu kecil maupun yang terlalu besar. Oleh karenanya pengujian ini perlu dilengkapi dengan alat uji lainnya seperti probabilitas chi-square. nilai Probability Chi-square > 0.05 menandakan data empiris identik dengan teori/model.
2. CMIN/DF
The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedom akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fit-nya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik chi square, X2 dibagi DF-nya sehingga disebut X2 relatif. Nilai X2 kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikasi dari acceptable fit antara model dan data (Arbuckle (1997) dalam Ferdinand (2002)).
3. Root Mean Square Residual (RMR)
Alat uji ini pada dasarnya menghitung residual atau selisih dari kovarians sampel dengan kovarians estimate. Semakin kecil nilai RMR, pada umumnya di bawah 0.1 tentu akan semakin baik, yang menandakan semakin dekatnya angka pada sampel dengan estimasinya.
4. GFI (Goodness of Fit Index)
Indeks kesesuaian (fit index) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan (Ferdinand (2002)). GFI adalah sebuah ukuran non-statistical yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah kesesuaian yang lebih baik (better fit).
5. CFI (Comparatif Fit Index)
Besaran dari indeks ini adalah pada rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi yaitu a very good fit (Arbuckle (1997) dalam Ferdinand (2002)). Nilai
yang direkomendasikan adalah CFI ≥ 0.95. keunggulan dari indeks ini adalah bahwa indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model (Ferdinand (2002)).
6. TLI (Tucker Lewis Index)
TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model (Baumgartner dan Homburg (1996) dalam Ferdinand (2002)). Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan ≥ 0.9η (Hair dkk (199η) dalam Ferdinand (2002)), dan nilai yang sangat mendekati 1 menunjukkan a very good fit (Arbuckle (1997) dalam Ferdinand (2002)).
7. RMSEA (The Root Mean Square Error of Approximation)
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengompensasi Chi Square Statistic dalam sampel yang besar (Baumgartner dan Homburg (1996) dalam Ferdinand (2002)). Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi (Hair et al. (1995) dalam Ferdinand (2002)). Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degree of freedom (Browne dan Cudek (1993) dalam Ferdinand (2002)).
Ringkasan dari indeks-indeks tersebut yang dapat digunakan untuk menguji kelayakan sebuah model dapat dilihat pada Tabel 6 berikut.
Tabel 6 Ukuran Goodness of Fit Indexes Goodness of Fit Indexes Cut-off value
X2–Chi Square Diharapkan kecil
Probabilitas Chi Square ≥ 0.0η
CMIN/DF ≤ β.00 RMR ≤ 0.10 GFI ≥ 0.90 CFI ≥ 0.9η TLI ≥ 0.9η RMSEA ≤ 0.08 Sumber: Ferdinand (2002)
e. Interpretasi dan respesifikasi model
Langkah terakhir adalah menginterpretasikan model dan melakukan respesifikasi dengan cara memodifikasi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan distribusi frekuensi dari kovarians residual harus bersifat simetrik (Tabachnick dan Fidel (1997) dalam Ferdinand (2002)). Respesifikasi model diperlukan jika modelnya tidak memiliki kemampuan yang diharapkan. Proses ini dapat dilakukan berulang-ulang sampai diperoleh tingkat kecocokan terbaik.
Model SEM yang dikembangkan dalam penelitian tentang kepuasan dan minat berkunjung ulang pengunjung PT Godongijo Asri ini dapat dilihat melalui path diagram pada Gambar 4.
Gambar 4 Path diagram model SEM Formulasi Model SEM
Notasi matematik dari full atau hybrid model secara umum dapat dituliskan seperti berikut (Jöreskog & Sörbom 1989, diacu dalam Wijayanto 2008):
Y11 Y12 e21 e22 Y13 Y14 e21 e22 11 12 13 14 Y21 e23 Y22 e24 Y23 e25 Y24 e26 11 12 13 14 X21 X22 X23 X41 X42 X43 e8 e9 e10 e15 e16 e17 e1 e5 e2 e4 e3 e6 e7 X11 X12 X13 X14 X15 X16 X17 e11 e12 e13 e14 X31 X32 X33 X34 e18 e19 e20 X51 X52 X53 51 53 52 11 12 13 17 16 15 14 21 23 22 31 33 32 34 41 43 42 Tangibles λx11 λx12 λx13 λx14 λx15 λx16 λx17 ξ1 Reliability λx21 λx22 λx23 ξ2 Assurance λx41 λx42 λx43 ξ4 Responsiveness λx31 λx32 λx33 λx34 ξ3 Empathy λx51 λx52 λx53 ξ5 11 12 13 14 15 Kepuasan Pengunjung Repurchase intention β7 β8 λy11 λy12 λy13 λy14 λy24 λy23 λy22 λy21 1 2 1 2
1. Structural model (model struktural)
= B + Γξ +
2. Measurement model (model pengukuran) a) Model pengukuran untuk y
y = Λy +
b) Model pengukuran untuk x x = Λxξ +
Asumsi:
1) tidak berkorelasi dengan ξ 2) tidak berkorelasi dengan 3) tidak berkorelasi dengan ξ
4) , , dan tidak saling berkorelasi (mutually uncorrelated) 5) I – B adalah non-singular
Persamaan dan hubungan antar variabel dalam model SEM juga dapat dinyatakan dalam bentuk diagram lintas (path diagram). Diagram lintas yang diterapkan pada penelitian ini yaitu diagram model hybrid, karena model yang diestimasi merupakan gabungan antara model struktural dan model pengukuran. Firdaus dan Farid (2008) menyatakan, diagram lintas adalah sebuah gambar yang menampilkan hubungan yang lengkap dari sekelompok peubah. Keuntungan digunakannya diagram lintas antara lain mempermudah dalam memahami hubungan antar peubah baik dalam model pengukuran maupun model struktural. Pada diagram lintas terdapat notasi-notasi yang menyatakan jenis dan parameter/besaran dari variabel-variabel. Notasi-notasi variabel yang terdapat pada model SEM pada umumnya dinyatakan dalam bahasa Yunani (Sitinjak & Sugiarto 2006). Berikut ini adalah keterangan yang berkaitan dengan diagram lintas dalam model SEM:
1) Simbol diagram lintas dari variabel teramati adalah kotak atau persegi panjang, sedangkan simbol diagram lintas dari variabel laten adalah lingkaran atau elips.
2) Simbol anak panah ( ) menunjukkan adanya hubungan. Ekor anak panah menunjukkan variabel penyebab dan kepala anak panah menunjukkan variabel akibat. Arah anak panah dari variabel laten terhadap variabel teramati merupakan refleksi atau efek dari variabel latennya.
3) Notasi variabel laten eksogen adalah ξ (ksi), sedangkan notasi variabel laten
endogen adalah (eta).
4) Variabel teramati dari variabel laten eksogen dilambangkan dengan X, sedangkan variabel teramati dari variabel laten endogen dilambangkan dengan Y. Muatan-muatan faktor (factors loadings) yang menghubungkan variabel laten dan variabel teramati diberi notasi λ (lambda). Pada sisi X adalah λx dan
sisi Y adalah λy.
5) Parameter yang menunjukkan keeratan hubungan variabel laten endogen pada variabel laten eksogen diberi notasi (gamma), sedangkan parameter yang menunjukkan keeratan hubungan variabel laten endogen pada variabel laten endogen yang lain diberi notasi (beta).
6) Pada umumnya, variabel laten eksogen yang dimasukkan dalam model tidak dapat secara sempurna menjelaskan variabel laten terikatnya, sehingga dalam model struktural biasanya ditambahkan komponen kesalahan struktural, yang
variabel laten tidak dapat merefleksikan variabel latennya secara sempurna, sehingga diperlukan penambahan kesalahan pengukuran dalam model. Notasi bagi kesalahan pengukuran yang berkaitan dengan variabel teramati X adalah
(delta), sedangkan yang berkaitan dengan variabel teramati Y adalah
(epsilon). Penambahan komponen kesalahan pada model membuat model SEM menjadi lengkap.
Uji Kausalitas
Uji kausalitas pada penelitian ini dilakukan untuk menganalisis pengaruh antar variabel laten yang ada pada model. Penentuan signifikan atau tidaknya suatu variabel dalam mempengaruhi variabel lain dapat dilakukan menggunakan uji-T dengan ketentuan: jika T-hitung > T-tabel, berarti variabel tersebut signifikan dan jika T-hitung ≤ T-tabel berarti variabel tersebut tidak signifikan.
Ferdinand (2002) menjelaskan bahwa T-hitung identik dengan C.R (critical ratio) yang diuji dengan nilai probabilitas (P), dimana jika P < 0.05 menunjukkan pengaruh yang signifikan dan jika P > 0.05 menunjukkan tidak signifikan.
Indeks Kepuasan Pengunjung dan Minat Berkunjung Ulang
Perhitungan indeks kepuasan pengunjung dan minat berkunjung ulang pengunjung agrowisata PT Godongijo Asri perlu dilakukan agar perusahaan dapat mengukur tingkat kepuasan pengunjung atas kinerja pelayanan agrowisata secara keseluruhan dan besarnya minat berkunjung ulang yang dihasilkan atas pelayanan yang telah diberikan oleh PT Godongijo Asri. Terdapat beberapa alasan mengapa indeks diperlukan. Pertama karena hasil dari pengukuran selalu digunakan sebagai acuan untuk menentukan sasaran di tahun-tahun mendatang. Kedua, indeks diperlukan karena proses pengukuran tingkat kepuasan dan minat berkunjung ulang bersifat kontinu. Proses ini baru menghasilkan suatu manfaat jika sudah dapat disimpulkan bahwa apa yang dilakukan oleh perusahaan sudah benar.
Nilai indeks untuk masing-masing konstruk (kepuasan pengunjung dan minat berkunjung ulang) ini dapat dihitung dari jumlah varians yang diekstraksi oleh variabel bentukan yang dikembangkan (Alamsyah, 2008). Nilai tersebut dapat dituliskan dengan rumus sebagai berikut (Ghozali, 1995):
Ket:
λij = standardized loading pada output.
Pada umumnya, apabila indeks kepuasan pengunjung (Customer Satisfaction Index) atau indeks minat berkunjung ulang (Repurchase Intention Index) memiliki nilai di atas 50 persen, maka dapat dikatakan bahwa pengunjung sudah merasa puas atau pengunjung mau berkunjung kembali ke PT Godongijo Asri. Sebaliknya, apabila nilai CSI atau indeks minat berkunjung ulang di bawah 50 persen, maka pengunjung belum dikatakan puas atau mau berkunjung kembali untuk menggunakan jasa agrowisata PT Godongijo Asri. Namun pada penelitian ini, nilai CSI dan indeks minat berkunjung ulang (repurchase intention index) dibagi ke dalam lima kriteria mulai dari tidak puas sampai dengan sangat puas.
Kriteria ini mengikuti modifikasi kriteria yang dilakukan oleh PT. Sucofindo dalam melakukan survei kepuasan pelanggan. Adapun kriteria nilai indeks kepuasan pengunjung dan minat berkunjung ulang tersebut dapat dilihat pada Tabel 7.
Tabel 7 Kriteria nilai indeks kepuasan pengunjung dan minat berkunjung ulang Nilai indeks Kriteria CSI Kriteria RII
0,81-1,00 Sangat Puas Minat sangat tinggi
0,66-0,80 Puas Minat tinggi
0,51-0,65 Cukup Puas Minat cukup tinggi
0,35-0,50 Kurang Puas Minat rendah
0,00-0,34 Tidak Puas Minat sangat rendah
Sumber: Ihsani (2005).