METODE PENELITIAN
D . SUMBER DATA
E. METODE ANALISIS DATA
Metode analisis yang digunakan dalam penelitian ini menggunakan Structural Equation Modelling (SEM). SEM merupakan teknik multivariat yang mengkombinasikan aspek regresi berganda dan analisis faktor untuk mengestimasi serangkaian hubungan ketergantungan secara simultan (Hair et al., 1998:583). Pengujian hipotesis dilakukan dengan menggunakan program AMOS versi 7.0. untuk menganalisis hubungan kausalitas dalam model struktural yang diusulkan.
1) Analisis Deskriptif
Analisis deskriptif merupakan analisis data dengan cara mengubah data mentah menjadi bentuk yang lebih mudah dipahami dan diinterpretasikan (Ferdinand, 2002).
2) Pengujian Statistik
Pengujian statistik merupakan pengujian yang diawali dengan pengujian validitas dan reliabilitas dalam penelitian. Hal ini bertujuan untuk memberikan jaminan bahwa data yang diperoleh telah memenuhi kritetria kelayakan untuk diuji dengan menggunakan
commit to user
metode statistik apapun jenisnya. Dengan demikian, hasil yang diperoleh mampu menggambarkan fenomena bisnis yang diukur (Ferdinand, 2002).
i. Uji Validitas
Validitas adalah suatu ukuran yang menunjukkan tingkat-tingkat keabsahan (validitas) suatu alat ukur (Arikunto, 1998) dalam (Rangkuti, 2004). Lebih lanjut, Rangkuti (2004) mengatakan bahwa suatu alat ukur yang valid, mempunyai validitas yang tinggi. Sebaliknya, alat ukur yang kurang valid berarti memiliki tingkat validitas yang rendah. Sebuah alat ukur dikatakan valid apabila mampu mengukur apa yang diinginkan. Tinggi rendahnya validitas alat ukur menunjukkan sejauh mana data yang terkumpul tidak menyimpang dari gambaran tentang variabel yang dimaksud.
Uji validitas digunakan untuk memilih item-item pertanyaan yang relevan untuk dianalisis. Pada penelitian ini, peneliti melakukan uji validitas dengan menggunakan
Confirmatory Factor Analysis (CFA) dikarenakan konstruk yang hendak diuji merupakan pengujian kembali dari penelitian yang telah dilakukan sebelumnya, dimana pada penelitian yang sebelumnya telah berhasil mengidentifikasikan faktor-faktor yang membentuk konstruk.
commit to user
Kriteria data yang dapat dianalisis dalam analisis faktor adalah data yang menunjukkan KMO MSA (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) dan Bartlett’s Test of Sphericity dengan signifikansi Item pertanyaan dikatakan valid jika memiliki factor loading dan terekstrak sempurna pada satu faktor yang sama (Simamora, 2005).
Menurut Hair et al (1998) menyatakan bahwa jumlah sampel minimum yang digunakan dalam analisis faktor adalah 50 responden. Sehingga pada tahap pertama peneliti menyebar 50 kuesioner guna pengujian pendahuluan (pretest) untuk menguji validitas dan reliabilitas.
Uji Validitas Pretest
Sebelum melakukan penyebaran ke sampel besar, peneliti terlebih dahulu melakukan pretest kepada 50 responden guna kepentingan uji validitas dan reliabilitas. Berikut ini hasil uji validitas pada pretest :
commit to user
Tabel III. 1
Hasil KMO dan Bartlett’s Test Pretest KMO and Bartlett's Test
.491 1140.358 630 .000 Kaiser-Mey er-Olkin Measure of Sampling
Adequacy .
Approx. Chi-Square df
Sig. Bart let t's Test of
Sphericity
Berdasarkan nilai KMO dan Bartlett’s Testpada Tabel III.1, model analisis faktor yang digunakan tidak memenuhi kriteria
goodness of fit yang baik. Hal ini diindikasikan melalui skor KMO
sebesar 0,491 (<0,50).
Rotated Co mpo nent Matr ixa
.676 .639 .483 .613 .688 .471 .573 .457 -.488 -.803 -.797 -.765 .475 .421 -.440 .426 .413 .437 .556 .734 .460 .732 .490 .621 .545 .794 .415 .602 .622 .690 .496 .637 .440 -.481 .511 .622 .461 .520 HC1 HC2 HC3 HC4 HC5 HC6 HC7 HC8 HC9 HC10 HC11 EA1 EA2 EA3 EA4 EA5 HL1 HL2 HL3 HL4 HL5 HL6 HL7 HL8 HL9 HL10 HL11 AT1 AT2 AT3 AT4 AT5 AT6 AT7 AT8 AT9 1 2 3 4 Component
Extract ion Method: Principal Component Analy sis. Rotation Met hod: Varimax with Kaiser Normalization.
Rotation conv erged in 6 iterations. a.
Sumber : Data Primer Yang Diolah, 2010
Tabel III.2
Hasil Uji Validitas Pretest
commit to user
Berdasarkan hasil uji validitas pada Tabel III.2 di atas, hasil uji validitas pretest pertama dinyatakan tidak valid karena setiap item pertanyaan yang menjadi indikator masing-masing variabel tidak terekstrak secara sempurna. Sehingga peneliti melakukan pretes kedua, kepada 50 responden yang berbeda dan melakukan perbaikan pada item-item pertanyaan pada kuesioner. Hasil uji validitas pada pretest kedua dapat dilihat pada Tabel III. 3 :
Tabel III. 3
Hasil KMO dan Bartlett’s Test Pretest KMO and Bartlett's Test
.316 1146.217 630 .000 Kaiser-Mey er-Olkin Measure of Sampling
Adequacy . Approx. Chi-Square df Sig. Bartlett's Test of Sphericity
Sumber : Data Primer Yang Diolah, 2010
Setelah kuesioner disebar kepada 50 responden yang berbeda dan item-item pertanyaan pada kuesioner telah diperbaiki, nilai KMO dan Bartlett’s Test pada Tabel III.3 model analisis faktor yang digunakan, juga belum memenuhi kriteria goodness of fit yang baik. Hal ini diindikasikan melalui skor KMO sebesar 0,316 (<0,50).
commit to user
Rotated Co mpo nent Matr ixa
.570 .492 .473 .599 .663 .548 -.726 -.834 -.806 .456 -.463 .568 .572 .698 -.558 .450 .425 .462 .625 .408 .532 .669 .712 .685 .779 .804 .773 .564 .540 .525 .481 .517 HC1 HC2 HC3 HC4 HC5 HC6 HC7 HC8 HC9 HC10 HC11 EA1 EA2 EA3 EA4 EA5 HL1 HL2 HL3 HL4 HL5 HL6 HL7 HL8 HL9 HL10 HL11 AT1 AT2 AT3 AT4 AT5 AT6 AT7 AT8 AT9 1 2 3 4 Component
Extract ion Method: Principal Component Analy sis. Rotation Met hod: Varimax with Kaiser Normalization.
Rotation conv erged in 6 iterations. a.
Hasil pretest kedua pada Tabel III.4 di atas, meskipun kuesioner telah disebar kepada 50 responden yang berbeda dan item-item pertanyaan pada kuesioner telah diperbaiki, hasil uji validitas juga dinyatakan tidak valid karena setiap item pertanyaan yang menjadi indikator masing-masing variabel tidak terekstrak secara sempurna. Dapat dilihat pada banyaknya indikator yang berada pada dua tempat variabel, seperti HC3, EA3, HL5, dan HT5. Sehingga peneliti melakukan pretest ketiga, kepada 50 responden yang berbeda dengan melakukan perbaikan kembali pada item-item pertanyaan kuesioner. Hasil uji validitas pada
pretest ketiga dapat dilihat pada Tabel III. 5 : Hasil Uji Validitas Pretest
commit to user
Tabel III. 5
Hasil KMO dan Bartlett’s Test Pretest KMO and Bartlett's Test
,539
1380,488 630 ,000 Kaiser-Mey er-Olkin Measure of Sampling
Adequacy .
Approx. Chi-Square df
Sig. Bart let t's Test of
Sphericity
Berdasarkan nilai KMO danBartlett’s test pada Tabel III.5, model analisis faktor yang digunakan memenuhi kriteria goodness of fit yang baik. Hal ini diindikasikan melalui skor KMO sebesar 0,539 (>0,50) dan signifikansi Bartlett’s test of sphericity sebesar 0,000 (<0,005).
commit to user
Rotated Co mpo nent Matr ixa
,723 ,672 ,640 ,782 ,791 ,593 ,584 ,784 ,652 ,513 ,677 ,824 ,782 ,609 ,651 ,512 ,683 ,667 ,675 ,671 ,714 ,449 ,475 ,431 ,475 ,546 ,431 ,755 ,753 ,754 ,443 ,751 ,438 ,474 ,754 ,647 HC1 HC2 HC3 HC4 HC5 HC6 HC7 HC8 HC9 HC10 HC11 EA1 EA2 EA3 EA4 EA5 HL1 HL2 HL3 HL4 HL5 HL6 HL7 HL8 HL9 HL10 HL11 AT1 AT2 AT3 AT4 AT5 AT6 AT7 AT8 AT9 1 2 3 4 Component
Extract ion Method: Principal Component Analy sis. Rotation Met hod: Varimax with Kaiser Normalization.
Rotation conv erged in 7 iterations. a.
Berdasarkan hasil uji validitas pretest pada Tabel III.6 diatas, maka item-item pertanyaan kuesioner dapat dikatakan valid, karena setiap item pertanyaan yang menjadi indikator masing-masing variabel telah terekstrak secara sempurna.
Hasil dari pengujian analisis faktor menunjukkan bahwa yang masuk ke faktor 1 dengan loading factor besar dan dikatakan
commit to user
valid adalah item pertanyaan HC1, HC2, HC3, HC4, HC5, HC6, HC7, HC8, HC9, HC9, HC10 dan HC11 sedangkan yang masuk faktor 4 dengan loading factor besar dan dikatakan valid adalah item pertanyaan EA1, EA2, EA3, EA4 dan EA5; yang masuk faktor 3 dengan loading factor besar dan dikatakan valid adalah item pertanyaan HL1, HL2, HL3, HL4, HL5, HL6, HL7, HL8, HL9, HL9, HL10 dan HL11 serta yang masuk faktor 2 dengan
loading factor besar dan dikatakan valid adalah item pertanyaan AT1, AT2, AT3, AT4, AT5, AT6, AT7, AT8 dan AT9.
Hal ini juga diperkuat dengan hasil perhitungan KMO sebesar 0,539 yang lebih besar dari 0,5. Oleh karena item-item pertanyaan telah teruji kevalidannya, maka langkah selanjutnya dapat dilakukan penyebaran kuesioner ke sampel besar.
ii. Uji Reliabilitas
Reliabilitas menunjuk pada suatu pengertian bahwa suatu alat ukur cukup dapat dipercaya untuk digunakan sebagai alat pengumpul data, karena alat ukur tersebut sudah baik (Sudarmanto, 2005). Rangkuti (2004) mengemukakan bahwa alat ukur yang baik tidak akan bersifat tendensius atau mengarahkan responden untuk memilih jawaban-jawaban tertentu. Alat ukur yang reliable (dapat dipercaya) akan menghasilkan data yang juga dapat dipercaya.
commit to user
Apabila datanya memang benar sesuai dengan kenyataan, maka berapa kali pun diambil, hasilnya akan tetap sama.
Uji reliabilitas dalam penelitian ini adalah uji reliabilitas internal karena cara menguji suatu alat ukur untuk sekali pengambilan data (Rangkuti, 2004). Sedangkan pengujian reliabilitas dalam penelitian ini menggunakan Cronbach’s alpha. Rangkuti (2004) mengemukakan bahwa suatu alat ukur dianggap
reliable apabila nilai koefisien alpha yang diperoleh sama dengan atau lebih besar dari 0,6. Kategori koefisien alpha dari satu pengujian adalah sebagai berikut :
1. 0,8 - 1 : Reliabilitas baik.
2. 0,6 – 0,79 : Reliabilitas dapat diterima. 3. < 0,6 : Reliabilitas kurang baik.
Uji Reliabilitas Pretest
Berdasarkan hasil uji reliabilitas pretest seperti yang terlihat pada Tabel III.7 di atas, dapat disimpulkan bahwa
Variabel Cronbach's Alpha Keteragan
Health Consciousness Environment Attitude Healthy Lifestyle
Attitude Toward Organic Foods
0,883 0,791 0,817 0,856 Reliabel Reliabel Reliabel Reliabel
Sumber : Data Primer Yang Diolah, 2010
Tabel III.7
commit to user
kehandalan alat ukur sangat tinggi dan dapat dipercaya karena nilai reliabilitas terletak pada indeks yang tinggi sehingga dengan demikian seluruh item pertanyaan dalam kuesioner penelitian ini dinyatakan reliabel.
iii. Langkah-langkah dalam pemodelan SEM adalah sebagai berikut:
a. Pengembangan Model Berdasar Teori
Model persamaan struktural didasarkan pada hubungan kausalitas, dimana perubahan satu variabel diasumsikan akan berakibat pada perubahan variable lainnya. Kuatnya hubungan kausalitas antara dua variabel yang diasumsikan oleh peneliti bukan terletak pada metode analisis yang dipilih, tetapi terletak pada justifikasi (pembenaran) secara teoritis untuk mendukung analisis (Ghozali, 2005:19).
b. Menyusun Diagram Jalur dan Persamaan Struktural
Setelah teori atau model teoritis dikembangkan dan digambarkan dalam sebuah diagram alur, peneliti dapat mulai mengkonversi spesifikasi model tersebut kedalam rangkaian persamaan.
commit to user
c. Estimasi dan Pengujian Model Struktural
Ada beberapa hal yang harus diperhatikan sebelum melakukan pengujian model struktural dengan pendekatan SEM, yaitu :
1) Asumsi Kecukupan Sampel
Sampel yang harus dipenuhi dalam pemodelan ini berjumlah 100 hingga 200 sampel (Ferdinand, 2002:52; Hair et al., 1998:605). Maximum Likehood (ML) akan menghasilkan estimasi parameter yang valid, efisien dan reliable apabila data yang digunakan adalah multivariate normaly (normalitas multivariat) dan akan robust (tidak terpengaruh) terhadap penyimpangan multivariate normal yang sedang (moderate) (Ghozali dan Fuad, 2005:35).
2) Asumsi Normalitas
Dalam analisis multivariate, asumsi ini paling fundamental karena merupakan bentuk distribusi data pada variabel matriks tunggal yang menghasilkan distribusi normal (Hair et al, 1998). Jika asumsi ini tidak dipenuhi dan penyimpangan datan normalitasya terlalu besar maka akan mengakibatkan hasil uji yang bias. Uji normalitas dapat digunakan dengan menggunakan nilai critical statistic ratio skewness yang menggambarkan penyimpangan distribusi
commit to user
simetris dan kurtosis atau tingkat kecuraman secara berturut –
turut. Nilai statistik untuk menguji normalitas disebut z value
(critical ratio / CR pada output AMOS 7.0.) dari ukuran
skewness dan kurtosis ditribusi data.
Bila nilai CR lebih besar dari nilai critical value, maka diduga distribusi data tidak normal. Critical value dapat ditentukan berdasar tingkat signifikansi 1% yaitu 2,58. Curran
et al (dalam Ghozali & Fuad, 2005: 37) membagi distribusi data menjadi:
a) normal,
b) moderately non normal
c) extremely non normal 3) Asumsi Outliers
Outliers adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal atau variabel kombinasi (Hair et al., dalam Ferdinand, 2002:97). Dalam analisis multivariat adanya outliers dapat diuji dengan statistik
Chi Square (x2) terhadap nilai mahalanobis distance square
pada tingkat signifikansi 0,001 dengan degree of freedom
commit to user
2002: 103), dalam hal ini variabel yang dimaksud adalah jumlah item pengukuran pada model, bila terdapat observasi yang mempunyai nilai mahalanobis distance square yang lebih besar dari Chi Square maka observasi tersebut dikeluarkan dari analisis.
Umumnya perlakuan terhadap outliers adalah dengan mengeluarkannya dari data dan tidak diikutsertakan dalam perhitungan berikutnya. Bila tidak terdapat alasan khusus untuk mengeluarkan outliers, maka observasi dapat diikutsertakan dalam analisis selanjutnya. Evaluasi outliers ini dilakukan dengan bantuan program komputer AMOS 7.0.
4) Evaluasi Atas Kriteria Goodness Of Fit
Dalam analisis SEM, tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model (Hair et al., 1998). Tetapi berbagai fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang disajikan dan data yang disajikan. Fit index yang digunakan meliputi :
commit to user
Tabel Indeks Kelayakan Model
Goodness of Fit Indeks
Keterangan Cut-off point
Chi Square (X2)
Tujuan analisis ini adalah
mengembangkan dan menguji sebuah model yang sesuai dengan data, maka yang dibutuhkan justru sebuah nilai chi-squares yang tidak signifikan, yang menguji hipotesa nol bahwa estimated population covariance
tidak sama dengan
sample covariance. Mende kati nol RMSEA (the Root Mean Square Error of Approxim atio) RMSEA adalah
sebuah indeks yang dapat digunakan untuk menkompensasi chi-squares statistic
dalam sampel yang besar.
0,08
GFI (Good of Fit Index)
Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. 0,90 AGFI (Adjusted Goodness of Fit Indices)
Indeks ini merupakan pengembangan dari
Goodness Fit Of Index
(GFI) yang telah disesuaikan dengan
ratio dari degree of freedom model.
commit to user CMIN/DF (The Minimum Sampel Discrepan cy Function)
Kesesuaian antara data
dengan model 2,00 TLI (Tucker Lewis Index) Sebuah alternatif
incremental fit index
yang membandingkan sebuah model yang diuji terhadap sebuah
baseline model. 0,95 CFI (Compara tive Fit Index)
Uji kelayakan model yang tidak sensitif terhadap besarnya sampel dan kerumitan model.
0,95 Sumber: (Ferdinand, 2002:55).
1) Uji Kesahihan Konvergen
Uji kesahihan konvergen diperoleh dari data pengukuran model setiap variabel (measurement model), uji ini dilakukan untuk menentukan kesahihan setiap indikator yang diestimasi, dengan mengukur dimensi dari konsep yang diuji pada penelitian. Apabila setiap indikator memiliki nilai nadir (critical ratio) yang lebih besar dari dua kali standar kesalahan (standard error), menunjukkan bahwa indikator secara sahih telah mengukur apa yang seharusnya diukur pada model yang disajikan (Ferdinand, 2002). Nilai bobot regresi menunjukkan bahwa nilai nadir (critical ratio) yang lebih besar dari dua kali
commit to user
standar kesalahan (standard error) yang berarti semua butir pada penelitian sahih terhadap setiap variabel penelitian.
2) Uji Kausalitas Model
Melalui program statistik AMOS versi 7.0. dapat dianalisis dan dihitung hasil bobot regresi antarvariabel laten yang sering disebut sebagai estimasi loading factors atau lambda value. Selain itu derajat bebas atau degree of freedom
commit to user