BAB III METODE PENELITIAN
3.4. Definisi Operasional dan Pengukuran Variabel
3.4.1. Definisi Operasional
Secara operasional, variabel perlu didefinisikan yang bertujuan untuk menjelaskan makna variabel penelitian. Singarimbun (1987:23) memberikan pengertian tentang definisi operasional adalah unsur penelitian yang memberikan petunjuk bagaimana variabel itu diukur. Variabel penelitian terdiri dari dua variabel yaitu dua variabel bebas dan satu variabel terikat.
Agar variable yang digunakan dapat diukur serta menghilangkan dan menghindari adanya kesalahan dalam penafsiran makna, maka perlu adanya definisi yang jelas mengenai variabel yang akan dipakai sebagai berikut :
1. Keadilan (X1)
Kebutuhan akan keadilan adalah faktor penting dalam menetukan tarif pembayaran, khususnya keadilan eksternal dan internal. Meliputi indikator-indikator sebagai berikut :
a. Survey gaji (X1.1)
Yaitu survey gaji yang baik memberikan tarif upah yang spesifik untuk jabatan spesifik, survey kuesioner formal tertulis adalah yang paling komprehensif, tetapi survey telepon dan surat kabar juga merupakan sumber informasi.
b. Evaluasi jabatan (X1.2)
Yaitu suatu perbandingan sistematik yang dibuat untuk menetapkan nilai dari satu pekerjaan berhubungan dengan pekerjaan lain. c. Tarif upah (X1.3)
Yaitu serangkaian langkah atau level dalam tingkatan upah, biasanya berdasarkan pada tahun-tahun kinerja perusahaan.
2. Kebijakan (X2)
Kebijakan kompensasi mempengaruhi upah dan tunjangan yang dibayarnya karena kebijakan ini memberikan garis pedoman kompensasi yang penting. Meliputi indikator-indikator sebagai berikut : a. Peningkatan gaji (X2.1)
Yaitu tingkat upah yang diberikan sesuai dengan tingginya jabatan serta kecakapan dalam menyelesaikan pekerjaannya tepat waktu. b. Kebijakan promosi dan demosi (X2.2)
Yaitu peningkatan jabatan sesuai dengan keterampilan yang dimiliki seorang karyawan.
c. Kebijakan pembayaran lembur (X2.3)
Yaitu pembayaran yang dilakukan berdasarkan jumlah jam kerja lembur serta ketepatan waktu penyelesaiaan.
3. Faktor legal / hukum (X3)
Faktor hukum yaitu menetapkan apa yang para majikan dapat atau harus bayar dari segi upah minimum, tarif lembur dan tunjangan.
a. Upah yang kompetitif (X3.1)
Yaitu mengukur apakah tingkat perusahaan ini kompetitif dengan tingkat upah perusahaan lain sehingga para karyawan bertahan untuk tetap bekerja. Diantaranya adalah meliputi penetapan upah minimum, jam maksimum, pembayaran waktu lembur dan perlindungan tenaga kerja anak.
b. Pembayaran yang sama (X3.2)
Yaitu menuntut pembayaran yang sama untuk wanita yang melakukan pekerjaan yang sama dengan pria.
c. Pendapatan pensiun karyawan (X3.3)
Yaitu memberikan perlindungan pemerintah atas pensiun untuk semua karyawan.
4. Serikat Pekerja (X4)
Serikat pekerja dan Undang-undang hubungan kerja mempengaruhi bagaimana perencanaan pembayaran dirancang, memberi perlindungan hukum dan memberi karyawan hak untuk berorganisasi. a. Keterlibatan Serikat Pekerja (X4.1).
Pengurus Serikat Pekerja dilibatkan oleh perusahaan pada saat dilakukannya tawar menawar kenaikan kompensasi.
b. Pelanggaran Sistem Kompensasi (X4.2.).
Sistem manajemen kompensasi kepada setiap karyawan telah diterapkan dengan baik oleh perusahaan sesuai dengan peraturan
perundang-undang yang berlaku dan tidak ada yang dilanggar oleh perusahaan (mal praktek).
c. Peranan Serikat Pekerja (X4.3.).
Pengurus Serikat Pekerja perusahaan ini telah berperan aktif didalam mengusulkan kenaikan kompensasi kepada pihak perusahaan/ manajemen.
5. Kompensasi (Y1)
Kompensasi yaitu segala yang diterima para karyawan setiap bulan sebagai balas jasa untuk kerja mereka. Variabel-variabel yang terdapat didalamnya adalah :
a. Nilai Intrinsik (Y1.1)
Yaitu konsep yang didasarkan pada asumsi bahwa nilai jabatan ditentukan oleh besarnya tanggung jawab atau tingkat keterampilan atau level kompetensi yang dituntut untuk menjalankan jabatan oleh orang yang melaksanakan jabatan tersebut. Tingkat tanggung jawab terkait dengan hasil (output) yang diharapkan bisa dicapai dan kontribusi dari pemegang jabatan. Kontribusi yang dimaksudkan disini adalah dampak yang diberikan oleh pemegang jabatan terhadap hasil akhir bagiannya, departemennya, atau organisasinya secara keseluruhan.
b. Relativitas Eksternal (Y1.2)
Yaitu seseorang layak mendapat gaji tertentu di suatu organisasi karena sebesar itulah harga yang berlaku di pasar dan seseorang tersebut layak mendapat gaji yang selayaknya diterima.
c. Inflasi dan Gerakan Pasar (Y1.3)
Inflasi jelas mempengaruhi kecenderungan umum besarnya gaji dan pendapatan. Inflasi mendasari pergerakan pasar gaji. Organisasi sudah terbiasa memperhitungkan inflasi ketika melakukan penyesuaian struktur gaji dan saat ini dalam melakukan peninjauan gaji, organisasi banyak mendasarkan pada gerakan harga di pasar, yang dalam beberapa hal, responsif terhadap angka inflasi.
6. Motivasi Kerja (Y2)
Motivasi adalah dorongan dari diri karyawan untuk memenuhi kebutuhan yang stimulasi berorientasi kepada tujuan individu dalam mencapai rasa puas, kemudian diimplementasikan kepada orang atau organisasi untuk memberikan pelayanan yang baik kepada organisasi. Variabel-variabel yang terdapat didalamnya adalah :
a. Kepuasan terhadap upah/gaji yang diterima (Y2.1)
Pemberian kompensasi (gaji) yang tinggi bagi karyawan akan dapat meningkatkan motivasi kerja yang tinggi bagi karyawan.
b. Keamanan Kerja (Y2.2)
Pemberian kompensasi (gaji) saat ini sudah memberikan rasa aman dalam menghadapi masa depan bagi karyawan sehingga motivasi kerja karyawan tetap terpelihara dengan baik.
c. Pemberian Penghargaan (Y2.3).
Pemberian penghargaan bagi karyawan yang berprestasi dapat meningkatkan motivasi kerja karyawan yang tinggi.
7. Kinerja Karyawan (Y3)
Kinerja yaitu tingkat pelaksaan tindakan karyawan untuk menjalankan dan menyelesaikan tugas yang diberikan dalam mencapai tujuan- tujuan perusahaan. Meliputi beberapa indikator-indikator yaitu :
a. Produktifitas (Y3.1)
Diukur dari jumlah output pertenaga kerja, peningkatan tanpa henti pada produktifitas telah menjadi kompetisi global. Produktifitas tenaga kerja disebuah organisasi sangat dipengaruhi oleh usaha, program dan sistem manajemen.
b. Kualitas (Y3.2)
Kualitas suatu barang maupun jasa akan sangat mempengaruhi kesuksesan jangka panjang organisasi, jika suatu organisasi mempunyai reputasi menyediakan barang maupun jasa yang buruk kualitas hal ini akan mengurangi perkembangan dan kinerja organisasi tersebut.
c. Faktor Lingkungan (Y3.3)
Faktor lingkungan kerja organisasi sangat menunjang bagi individu dalam mencapai prestasi kerja. Faktor lingkungan organisasi yang dimaksud antara lain uraian jabatan yang jelas, autoritas yang memadai, target kerja yang menantang, pola komunikasi kerja efektif, hubungan kerja harmonis, iklim kerja respek dan dinamis, peluang berkarier dan fasilitas kerja yang relatif memadai.
3.4.2. Pengukuran Variabel
Pengukuran variabel yang digunakan dalam penelitian ini adalah interval dengan skala pengukuran metode semantic differensial dimana responden memberikan penilaian terhadap serangkaian pertanyaan yang masing-masing diukur dalam lima skala (five point scale) dan kelima skala yang dipakai dalam penelitian ini mengikuti pola sebagai berikut :
a. Nilai 1 = Sangat tidak setuju b. Nilai 2 = Tidak setuju
c. Nilai 3 = Ragu-ragu/Netral d. Nilai 4 = Setuju
3.5. Analisis Data
Tujuan dari penelitian ini adalah untuk menguji faktor-faktor yang mempengaruhi kompensasi dan dampaknya terhadap peningkatan motivasi dan kinerja karyawan dengan menggunakan motode Pemodelan Persamaan Struktural (Structural Equation Modeling) disingkat SEM,
karena penelitian bertujuan tidak hanya mengungkapkan hubungan kausalitas antara variabel independen dengan variabel dependen, tetapi juga untuk memeriksa validitas dan realibilitas pengukuran, dan pendugaan parameter pada setiap persamaan secara serentak untuk seluruh parameter. Disamping itu pemodelan suatu penelitian melalui SEM memungkinkan seorang peneliti dapat menjawab pertanyaan penelitian yang bersifat kausalitas yang kompleks maupun dimensional yaitu mengukur apa yang menjadi indikator suatu konstruk, dengan sekali jalan. Dalam perhitungan dan pengujian hipotesis untuk mendukung teknik analisis dan pengolahan data pada penelitian ini, akan dilakukan dengan bantuan software AMOS.. Data yang dianalisis merupakan data primer yang diperoleh menggunakan kuesioner kepada 200 responden untuk itu maka analisis yang dilakukan adalah menguji instrumen penelitian.
3.5.1. Pengertian Structural Equation Modeling
Menurut Suja’i (2007:63) Structural Equation Modeling (SEM)
adalah pemodelan yang menganalisis hubungan kausalitas antara variabel indikator dengan variabel konstruk, variabel konstruk yang satu dengan variabel konstruk lainnya dalam persamaan linier (Sharma, 1996),
Pemodelan SEM meliputi (1) Measurement Modeling, yaitu pemodelan yang melibatkan hubungan pengaruh antara konstruk dengan indikator dan (2) Structural Modeling, adalah pemodelan yang melibatkan hubungan antara variabel konstruk dependen dengan variabel konstruk independen dan bisa juga antara variabel konstruk dependen dengan variabel konstruk dependen.
3.5.2. Tujuan Analisis SEM
Analisis SEM merupakan metode statistik yang menggunakan pendekatan uji hipotesis atau confirmatory. Artinya, hubungan kausal antar variabel konstruk eksogen dengan variabel konstruk endogen, variabel konstruk endogen dengan variabel konstruk endogen serta variabel konstruk dengan variabel indikator didasarkan pada justifikasi (pembenaran) induktif maupun teori. Penelitian yang menggunakan SEM sebagai alat analisis, memiliki dua tujuan, yaitu : (1) Menguji kesesuaian model yang dihasilkan. (2) menguji hipotesis yang telah dibangun sebelumnya.
3.5.3. Tahapan Dalam Analisis SEM
Tahapan pemodelan SEM (Hair, et-al, 1992) dalam Suja’i (2007:67) yaitu : (1) Membangun Model Teoritis, (2) Mengembangkan Diagram Jalur, (3) Mengembangkan Persamaan Struktural, (4) Memilih Matriks Input dan Teknik Estimasi, (5) Menilai Problem Identifikasi, (6) Evaluasi Goodness of Fit Model, (7) Interpretasi dan Modifikasi Model.
1. Pengembangan Model Structural Teoritis
Ini adalah tahapan pertama dimana dilakukan suatu proses pembuatan suatu model yang akan diteliti yang mempunyai landasan teori yang kuat. Tanpa adanya justifikasi teoritis yang kuat, suatu model tidak ada artinya dianalisis dengan SEM. SEM pada umumnya tidak digunakan untuk menghasilklan suatu model, tetapi digunakan untuk mengkonfirmasi suatu model yang didukung oleh teori berdasarkan data empirik melalui komputasi program SEM.
Tabel 2. Model Structural Teoritis Variabel Eksogen/
Konstruk Endogen
1 Survey gaji X11
Eksogen X1 2 Evaluasi Jabatan X12
3 Tarif upah X13
1 Peningkatan gaji X21
Eksogen X2 2 Kebijakan promosi dan demosi X22 3 Kebijakan pembayaran lembur X23
Faktor 1 Upah yang kompetitif X31
Hukum Eksogen X3 2 Pembayaran yang sama X32 3 Pendapatan pensiun karyawan X33 Serikat 1 Keterlibatan Serikat Pekerja X41 Pekerja Eksogen X4 2 Pelanggaran Sistem Kompensasi X42 3 Peranan Serikat Pekerja X43
1 Nilai Intrinsik Y11
Endogen Y1 2 Relativitas Eksternal Y12 3 Inflasi dan Gerakan Pasar Y13 1 Kepuasan terhadap gaji yg diterima Y21
Endogen Y2 2 Keamanan Kerja Y22
3 Pemberian Penghargaan Y23
Kinerja 1 Produktifitas Y31
Karyawan Endogen Y3 2 Kualitas Y32
3 Faktor Lingkungan Y33 Motivasi
Notasi Variabel Notasi
Indikator
Keadilan
Kebijakan
Kompensasi
2. Membangun Diagram Jalur (Path Diagram)
Pembuatan path diagram untuk menunjukkan hubungan kausalitas dari suatu variabel terhadap variabel lainnya, yang disajikan pada gambar 3. Garis anak panah satu arah menunjukkan hubungan kausalitas antar variabel yang dihubungkan, sedangkan garis anak panah dua arah menunjukkan korelasi antar variabel yang dihubungkan.
Keterangan simbol-simbol diatas adalah sebagai berikut :
: adalah tanda yang menunjukkan faktor / construct / latent variable/ unobserved variable yaitu sebuah variabel bentukan, yang dibentuk melalui indikator- indikator diamati dalam dunia nyata.
: adalah tanda yang menunjukkan variabel terukur / observerd variable / indicators variables yaitu variabel yang datanya harus dicari melalui observasi, misalnya melalui instrumen-instrumen survei.
: tanda garis dengan anak panah satu arah menunjukkan adanya hubungan yang dihipotesiskan antara dua variabel, dimana variabel yang dituju oleh anak panah merupakan variabel dependen.
: tanda garis dengan anak panah dua arah menunjukkan adanya hubungan yang tidak dihipotesiskan antara dua variabel, dimana kedua variabel berkorelasi.
3. Mengembangkan Persamaan Structural
Tahap ini adalah mengkonversikan diagram jalur ke dalam model persamaan, contoh persamaan Keadilan (Measurement Equation) : X11 = λ1 Keadilan + er 1
X12 = λ2 Keadilan + er 2 X13 = λ3 Keadilan + er 3
Persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh Keadilan akan nampak sebagai berikut :
Gambar 4. Contoh Model Pengukuran Keadilan Keterangan :
X11 = Pertanyaan survey gaji.
X12 = Pertanyaan evaluasi suatu nilai pekerjaan atau jabatan. X13 = Pertanyaan tarif upah atau tingkatan upah.
Er_j = error term X1 j
Demikian juga faktor lain seperti Kebijakan, Faktor Hukum, Serikat er_2 er_1 er_3 Keadilan X11 X12 X13 1 1 1
4. Pemilihan Matriks Input dan Teknik Estimasi Model
Pemilihan matriks input dan teknik estimasi atas model yang dibangun, dalam SEM input data hanya ada dua macam, yaitu : matriks korelasi atau matrix covariace. Analisis data bertujuan melakukan pengujian suatu model yang telah mendapatkan justifikasi teori, sehingga input datanya adalah data matriks varian-kovarian, dimana tidak dilakukan interpretasi terhadap besar kecilnya pengaruh kualitas pada jalur-jalur dalam model.
Input data matrik korelasi dapat digunakan bilamana tujuan analisis adalah ingin mendapatkan penjelasan mengenai pola hubungan kausal antar variabel, dimana peneliti dapat melakukan eksplorasi jalur-jalur mana yang memiliki pengaruh kualitas lebih dominan dibandingkan dengan jalur lainnya. Teknik estimasi yang digunakan adalah teknik estimasi Maximum Likelihood (Solimun, 2002).
5. Menilai Problem Identifikasi (Penilaian Identifikasi Model)
Penilaian identifikasi model ini untuk menilai problem identifikasi yaitu problem mengenai ketidakmampuan suatu model yang diusulkan dalam menghasilkan suatu estimasi yang unik. Salah satu cara mengatasi masalah ini adalah dengan memberikan lebih banyak konstrain pada model yang dianalisis tersebut. Ciri-ciri adanya problem identifikasi adalah sebagai berikut :
a. Munculnya standard error yang sangat besar pada satu atau beberapa faktor.
b. Program tidak mampu menghasilkan matriks informasi yang seharusnya disajikan.
c. Munculnya angka-angka aneh, misalnya varian error negatif.
d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat (lebih dari 0,9).
e. Pendugaan tidak dapat diperoleh, misalnya terjadi matriks tidak defisit positif.
6. Evaluasi Penerimaan Model (Evaluasi Goodness of Fit Model) Hair et.al, 1998 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis- hipotesis dengan pengujian fit antara model teoritis dan data empiris, jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji apakah model “good fit”. Jadi “good fit”
model yang diuji sangat penting dalam penggunaan Structural Equation Modeling.
Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit, yakni Chi-square, Probality, RMSEA, GFI, TLI,
CFI, AGFI, CMIN/DF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan modification indices
Tabel 3. Model “Good Fit” GOODNESS OF
FIT INDEX
KETERANGAN CUT-OFF VALUE
X2 Chi-square
Menguji apakah covariance populasi yang destimasi sama dengan covariance sample (apakah model sesuai dengan data).
Diharapkan kecil, 1 s.d 5 atau paling baik diantara 1 dan 2
Probability
Uji signifikansi terhadap perbedaan matrik covariance data dan matrik covariance yang diestimasi
Minimum 0,1 atau 0,2 atau ≥ 0,05 CMIND/DF Kesesuaian antara data dan model ≤ 2,00 RMSEA Mengkompensasi kelemahan Chi-square pada
sample besar
≤ 0.08 GFI
Menghitung proporsi terimbang varians dalam matriks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi (analog dengan R2 dalam regresi berganda).
≥ 0,90
AGFI GFI yang disesuaikan terhadap DF ≥ 0,90 TLI Pembandingan antara model yang diuji terhadap
baseline model
≥ 0,95 CFI Uji kelayakan model yang tidak sensitive terhadap
besarnya sample dan kerumitan model
≥ 0,94 Sumber : Hair et.al., 1998
Kriteria untuk menentukan signifikansi parameter hasil estimasi dalam SEM dapat dilakukan dengan uji t. Pengujian parameter tersebut, meliputi :
a. Parameter Gamma (), yaitu parameter pengaruh (efek) variabel eksogen terhadap variabel endogen.
b. Parameter Delta () dan Epsilon (), yaitu parameter yang berkaitan dengan error pada pengukuran variabel latent eksogen (delta) dan Endogen (epsilon) berdasarkan indikator-indikator yang membentuknya.
c. Parameter Beta (), yaitu parameter pengaruh (efek) variabel endogen terhadap variabel endogen lainnya.
d. Parameter Lambda (), yaitu parameter yang berkaitan dengan pengukuran variabel latent berdasarkan indikator-indikator yang membentuknya.
e. Parameter-parameter Psi ( ), Phi ( ), Theta ( ).
Kriteria kekuatan hubungan (pengaruh/efek) persamaan-persamaan struktural (structural equation) dilihat dari besarnya nilai koefisien determinasi (R2). Apabila nilai ini semakin besar, yaitu semakin mendekati 1 (satu), maka hubungan (pengaruh/efek) persamaan- persamaan struktural tersebut semakin kuat.
Pada tahap Evaluasi Goodness of Fit Model ini dimaksudkan untuk mengevaluasi fit tidaknya model atau kesesuaian model dengan menelaah : (1) Penilaian asumsi Normality dan Linearity, (2) Penilaian asumsi Outlier, (3) Penilaian Multicollinearity dan Singularity, (4) Penilaian Unidimensionality, (5) Penilaian Reliability, (6) Penilaian Validity, (7) Penilaian Gooness of Fit Model.
(1). Penilaian Normality dan Linearity
a. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik.
b. Menggunakan critical ratio yang diperoleh dengan membagi koefisien sampel dengan standar errornya dan skewness value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas tersebut sebagai Z- value. Pada tingkat signifikan 1%, jika nilai Z lebih besar dari
nilai kristis, maka dapat diduga bahwa distribusi data adalah tidak normal.
c. Normal probality plot (SPSS 10.1)
d. Linearitas dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linieritas.
(2). Penilaian Asumsi Outlier
a. Mengamati nilai Z-score : ketentuannya diantara ± 3,0 non outlier.
b. Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p < 0,001. jarak diuji dengan Chi-Square (λ) pada df sebesar jumlah variabel bebasnya, ketentuan bila mahalanobis > dari nilai λ adalah Multivariate outlier.
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi- observasi lainnya dan muncul dalam bentuk nilai ekstrem untuk sebuah variabel tunggal atau variabel kombinasi (Hair, 1998).
(3). Penilaian/deteksi Asumsi Multicollniearity dan Singularity
Dengan mengamati determinant matriks covarians, dengan ketentuan apabila determinant sample matrix mendekati angka 0 (kecil), maka terjadi multikolinieritas dan singularitas (Tabachnick & Fidel, 1998).
Asumsi Multicollniearity dan Singularity mengharuskan antar variabel indikator tidak terjadi korelasi dan tidak terjadi singularity. Multicollniearity dan Singularity dapat dideteksi dari nilai Determinant Matrix Covariance. Nilai Determinant Matrix Covariance yang sangat kecil dan bahkan mendekati nol mengindikasikan adanya masalah multicollniearity dan singularity. (4). Penilaian Unidimensionality Konstruk
Unidimensionality Variabel Konstruk mengharuskan adanya kesamaan ukur antara variabel konstruk dengan indikatornya. Uji Unidimensionality variabel konstruk dilakukan dengan cara mengembangkan measurement modeling masing-masing variabel konstruk dalam Conformatory Factor Analysis (CFA). Kriteria untuk menguji Unidimensionality adalah Goodness of Fit Index (GFI) dengan Cut-off = 0,90. Unidimensionality Variabel Konstruk dipenuhi bilamana GFI – statistik > 0,90.
(5). Penilaian Realibility Konstruk
Bila telah dipenuhinya unidimensionality, dilanjutkan dengan penilaian reliability variabel konstruk terhadap indikatornya. Untuk menguji reliabilitas setiap konstruk digunakan kriteria Construct Reliability (CR) dengan Cut-off = 0,70 dan Variance Extracted (VE) dengan Cut-off = 0,50. Pengukuran suatu konstruk diindikasikan reliabel terhadap indikatornya dilamana CR-statistik > 0,70 dan tidak reliabel bilamana CR-statistik 0,70. Bila
digunakan uji Variance Extracted (VE), maka suatu pengukuran konstruk dikatakan reliabel bilama VE-statistik > 0,50 dan tidak reliabel bila VE-statistik 0,50.
(6). Penilaian/Uji Validity Konstruk
Validitas variabel konstruk dideteksi berdasarkan signifikansi (tingkat nyata) loading factor (regression weight) konstruk terhadap indikatornya. Bilama loading factor i secara statistik nyata (signifikan) maka indikator ke-i sebagai pengukur variabel konstruk adalah valid dan bilamana sebaliknya tidak valid.
(7). Penilaian/Uji Gooness of Fit Model
Langkah ini meliputi Uji Kesesuaian Model dan Uji Statistik. Uji Kesesuaian Model didasarkan pada Goodness of Fit-Statistik (hasil analisis), antara lain CMIN (Chi-Square), GFI, AGFI, CFI, TLI, RMSEA dan kriteria lainnya dengan cut-off. Uji Statistik adalah menguji hipotesis yang telah dibangun dengan menguji signifikansi parameter regresi (regression weight).
7. Interpretasi dan Modifikasi Model
Apabila suatu model dapat diterima, maka langkah selanjutnya adalah melakukan interpretasi terhadap pola-pola kausalitas yang dihasilkan (diestimasikan), apabila secara statistik signifikan dan mengikuti teori yang mandasari. Langkah berikutnya bisa saja dilakukan modifikasi model untuk menghasilkan model-model alternatif (competing models) yang akan dibandingkan dengan model aslinya, mana yang lebih baik
itulah yang akan dipilih, dengan catatan model yang dipilih harus mendapatkan justifikasi teoritis.
3.5.4. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung (koefisien jalur) diamati dari bobot regresi terstandar, dengan pengujian signifikasi pembanding nilai CR (Critical Ratio) yang sama dengan nilai t-hitung, apabila t hitung lebih besar dari pada t-table berarti signifikan.
Langkah pengujian hipotesis merupakan bagian dari langkah evaluasi kriteria penerimaan model yang baik (goodness of fit). Untuk mendapatkan model hasil analisis yang baik diperlukan beberapa asumsi yang berkaitan dengan model maupun pendugaan parameter dan pengujian hipotesis. Asumsi di dalam model SEM diantaranya bahwa hubungan antar variabel bersifat linier dan model bersifat aditif. Asumsi pendugaan parameter dan pengujian hipotesis diantaranya bahwa antar unit pengamatan saling bebas, jumlah sampel cukup besar agar diperoleh data berdistribusi normal (Hair, et al 1998).
Secara umum metode pengujian hipotesis model SEM yang digunakan ada tiga yaitu :
a. Untuk pengujian setiap parameter guna menentukan signifikansi parameter hasil estimasi dalam SEM dan pengujian model pengukuran dilakukan dengan uji t.
b. Untuk pengujian structural dapat dilihat melalui koefisien determinasi total (R²).
c. Untuk pengujian model overall guna memperoleh model secara keseluruhan baik structural maupun pengukuran dinyatakan fit atau tidak, dilakukan sesuai kriteria penerimaan model yang baik (goodness of fit) untuk beberapa indeks yang digunakan.
3.5.5. Pengujian Model dengan Two Step Approach
Two-step approach to Structural Equation Modeling (SEM) digunakan untuk menguji model, untuk mengatasi masalah sampel data yang kecil jika dibandingkan dengan jumlah butir instrumentasi yang digunakan dan keakuratan reliabilitas indikator-indikator terbaik dapat dicapai dengan two-step approach ini. Two-step approach bertujuan untuk menghindari interaksi antara model pengukuran dan model struktural pada
one-step approach (Hair, et al 1998), yang dilakukan dalam two-step approach to SEM adalah estimasi terhadap measurement model dan estimasi terhadap struktur model.
Cara menganalisis SEM two step approach adalah sebagai berikut : 1. Menjumlahkan skala butir-butir setiap konstruk sebuah indicator
summed-scale bagi setiap konstruk. Jika terdapat skala yang berbeda setiap indikator distandarisasi (Z-score) dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh- pengaruh skala yang berbeda-beda tersebut (Hair et.al., 1998)
2. Menetapkan error (ε) dan lambda (λ) terms, error term dapat dihitung dengan rumus 0,1 kali σ2 dan lambda term dengan rumus 0,95 kali σ (Anderson dan Gerbing, 1988). Perhitungan konstruk reliability (α)
telah dijelaskan pada bagian sebelumnya dan deviasi standar (σ) dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error (ε) dan lambda (λ) terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fiz pada analisis pengukuran SEM.