IV. METODE PENELITIAN
4.4. Metode Analisis Data
4.4.4. Analisis Struktural Equation Modelling (SEM)
Faktor–faktor yang mempengaruhi kepuasan konsumen dapat diidentifikasi dengan melihat faktor eksternal dan internal yang mempengaruhi kepuasan konsumen dengan menggunakan analisis SEM. Menurut Sukajo dan Suwarno (2002), metode SEM pada hakekatnya adalah merupakan suatu metode yang menggabungkan analisis korelasi, analisis lintas (path analysis) dan analisis faktor. Semua peubah yang akan dianalisis hubungannya diasumsikan bias diukur langsung atau dapat diwakili oleh suatu peubah yang bias diukur (Ghozali, 2001). Menurut Firdaus dan Farid (2008), analisis SEM dapat disebut confirmatory factor analysis karena analisis SEM lebih banyak bersifat confirmatory. Maksudnya model SEM yang digunakan telah disusun sebelumnya dan lebih bersifat teoritis daripada exploratory (mencari model yang sesuai dengan data yang diperoleh) meskipun analisis SEM terkadang melibatkan teknik-teknik eksplorasi didalamnya.
Pendekatan SEM akan memberikan gambaran yang lebih komprehensip dalam mempelajari suatu fenomena ilmiah. SEM dapat membantu mengarahkan pola pikir peneliti secara efektif dalam menggali permasalahan penelitian hingga penelusuran atribut yang relevan dalam menjelaskan fenomena atau konstruk. Terdapat tujuh langkah dalam membangun SEM yaitu :
1. Mengembangkan model teoritis. Hubungan kausalitas dapat dibuat dalam berbagai bentuk dan arti, tetapi pola hubungan akan menjadi rasional bila dilandasi suatu teori.
2. Membangun diagram path atau diagram alur. Diagram dibangun berdasarkan konstruk untuk menunjukkan hubungan kausalitas. Konstruk merupakan suatu konsep yang dilandaskan pada suatu teori dan berperan sebagai pembatas dalam mendefinisikan pola hubungan.
3. Mengkonversi diagram path ke persamaan. Diagram path dikonversikan ke dalam bentuk persamaan struktural untuk menyatakan hubungan kausalitas. 4. Menentukan matriks input dan estimasi model. Data input SEM merupakan
matriks kovarian untuk melakukan pengujian model dari teori yang ada setara dengan regresi untuk digunakan dalam penjelasan atau prediksi fenomena yang dikaji.
5. Pendugaan koefisien model. Kadangkala proses pendugaan memberikan hasil yang irasional. Hal ini disebabkan ketidakmampuan struktural model dalam menduga hasil yang unik atau setiap koefisien memerlukan model tersendiri (terpisah/dalam pendugaannya). Untuk menanggulangi model yang tidak terdentifikasi maka dapat dilakukan beberapa hal antara lain menetapkan beberapa koefisien pada nilai tertentu (fixed coefficient) dan variabel laten yang memiliki satu peubah indikator ditetapkan nilainya (umumnya 1). 6. Evaluasi criteria goodness-of-fit. SEM tidak mempunyai alat uji statistik
tunggal untuk menguji antara model dengan data yang disajikan. Beberapa indeks kesesuaian dengan cut-of-value yang umumnya digunakan adalah sebagai berikut:
a. Degree of Freedom (DF) harus positif yang menandakan model tidak under identified.
b. P-value harus lebih dari 0,05 (P-value > 0,05), menandakan hasil bahwa uji kecocokan model yang dilakukan telah memenuhi ketentuan yang dipersyaratkan.
c. RMSEA (Root Means Square Error of Approximation) adalah indeks untuk mengkompensasikan Chi-square dalam contoh besar menunjukkan kesesuaian yang diharapkan bila model diestimasi. Syarat agar model menunjukkan close fit adalah RMSEA 0,08.
d. GFI (Goodnes of Fit = R² dalam regresi) dan AGFI (Adjusted R²) adalah rentang ukuran antara 0 (poor fit) sampai dengan 1 (perfect fit) yang
memperhitungkan proporsi tertimbang dari varian dalam sebuah matriks kovarian contoh. Nilai GFI dan AGFI yang disarankan 0.90
e. RMR (Root Means Square Residual) merupakan salah satu ukuran yang tergolong ukuran kebaikan absolute fit measure. Ukuran RMR sebenarnya merupakan ukuran ketidakcocokan model dengan data, sehingga nlai RMR diharapkan kecil. Nilai RMR yang disarankan adalah 0,10.
f. CFI (Comparative Fit Index) harus disarankan 0.90 untuk menunjukkan kecocokan inkremental.
7. Interpretasi dan modifikasi model. Setelah model diterima, interpretasi dilakukan mengikuti teori yang mendasarinya. Jika kriteria kelayakan model belum sesuai maka dilakukan modifikasi model. Modifikasi model dapat dilakukan dengan membuang atau menambah hubungan di dalam model SEM. Selain itu panduan modifikasi lain dapat didasarkan pada indeks modifikasi (modification indices). Modifikasi dapat dilakukan apabila Chi-square menurut minimal menjadi 3,84 merupakan nilai kritis Chi-Chi-square dengan satu degree of freedom pada tingkat signifikansi 4%. Dalam melakukan modifikasi terlebih dahulu dilakukan deteksi spesifikasi error. Setelah melihat modifikasi indeks, dapat diketahiu nilai modifikasi indeks yang besar, yaitu lebih besar dari 3,84. kemudian error antara indikator tersebut dikorelasikan (kovarians). Apabila terdapat beberapa indeks modifikasi dengan nilai yang sangat besar, maka estimasi parameter tersebut harus dilakukan satu-persatu karena menambah suatu hubungan akan berpengaruh terhadap kemungkinan fit parameter kedua. Modifikasi hanya boleh dilakukan dengan kehati – hatian dan disertai data empiris (Ghozali dan Fuad, 2005).
Abbas (2001) menyatakan bahwa variabel didalam SEM terdiri dari variabel manifest dan variabel laten. Variabel manifest adalah variabel yang dapat diamati dan diukur langsung, sedangkan variabel laten adalah variabel yang tidak dapat diamati dan diukur langsung, tetapi dapat dibangun atau dibentuk oleh variabel lain yang dapat diukur. Variabel laten diberi simbol (ksi). Variabel yang digunakan untuk membangun variabel laten disebut variabel indikator dan diberi
simbol x dan y. Pengaruh dari variabel laten terhadap variabel indikator disebut faktor loading yang diberi simbol (lambda).
Selanjutnya, Joreskog dan Sorbom (1996) dalam Ramadhani (2005) menambahkan bahwa variabel laten tak bebas dan Variabel laten bebas mempunyai hubungan linear structural sebagai berikut :
= +T +
Dimana : = matriks koefisien variabel laten tidak bebas berukuran m x m T= matriks koefisien variabel laten bebas berukuran m x n = vector variabel laten tak bebas berukuran m x 1 = vector variabel laten bebas berukuran n x 1 = vector sisaan acak berukuran m x 1
Terdapat dua persamaan matriks yang digunakan untuk menjelaskan model pengukuran. Namun dalam penelitian ini menggunakan satu persamaan untuk variabel penjelas tidak bebas :
X = x +
Dimana : X = Vektor variabel penjelas tidak bebas yang berukuran q x 1 x = matriks koefisien yang mengindikasikan pengaruh variabel
laten bebas terhadap variabel penjelas bebas yang berukuran q x n
= Vektor variabel laten tidak bebas yang berukuran n x 1 = Vektor kesalahan pengukuran variabel penjelas tidak bebas
yang berukuran q x 1
Model SEM dinyatakan juga dalam bentuk diagram path. Keuntungan dari diagram path adalah mempermudah dalam memahami hubungan antar peubah baik dalam model pengukuran maupun model struktural. Tabel 5 adalah ringkasan notasi–notasi LISREL yang biasa digunakan sebagai komunikasi Linear Structural Relationship (LISREL) dalam diagram path (Gambar 3).
Tabel 5. Notasi Lisrel
Notasi Keterangan
(ksi) Variabel laten bebas, digambarkan sebagai lingkaran pada model struktural SEM
(eta) Variabel laten tidak bebas (variabel laten tidak bebas dan juga dapat menjadi variabel laten bebas pada persamaan lain)
(gamma)
Koefisien korelasi variabel laten bebas terhadap variabel laten tidak bebas
X Indikator variabel laten bebas
(lamda) Koefisien korelasi antara variabel laten tidak bebas ataupun laten bebas terhadap indikator – indikatornya
(delta) Kesalahan pengukuran dari indikator variabel laten bebas
Secara umum, analisis SEM merupakan First Order Confirmatory Analysis, dimana satu faktor laten memiliki beberapa indikator, dimana indikator– indikator tersebut dapat langsung diukur. Tetapi apabila indikator–indikator tersebut tidak dapat diukur secara langsung, maka memerlukan beberapa indikator lain disebut Second Order Confirmatory Factor Analysis. Penelitian ini menggunakan Second Order Confirmatory Faktor Analysis, dimana variabel kepuasan diperoleh dari variabel laten jenjang kedua. Namun, untuk teknik interpretasi hasil data tetap sama dengan teknik interpretasi First Order Confirmatory Analysis, dimana hal yang ingin dicapai dari hasil analisis SEM ini adalah pengaruh dari kualitas produk, harga, service quality (kualitas pelayanan), dan kemudahan terhadap kepuasan.