3.4.1 Uji Validitas dan Reliabilitas Indikator
Uji validitas merupakan suatu uji yang bertujuan untuk menentukan kemampuan suatu indikator dalam mengukur variabel laten. Validitas suatu indikator dapat dievaluasi dengan tingkat signifikansi pengaruh antara suatu variabel laten dengan indikatornya (Ghozali, 2012). Uji validitas dilakukan dengan analisis Lisrel 8.8 dengan kriteria jika nilai muatan faktornya (loading factors) lebih besar dari nilai 0,50 berarti data tersebut signifikan (valid) dan layak digunakan dalam pengujian hipotesis penelitian.
Uji reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk / faktor laten yang umum. Dengan kata lain bagaimana hal-hal yang spesifik saling membantu dalam
menjelaskan fenomena yang umum (Ferdinand, 2002). Untuk menguji reliabilitas digunakan analisisComposite Reliability. Nilai batas yang digunakan untuk menilai sebuah tingkat reliabilitas yang dapat diterima adalah 0,7.
3.4.2 Pengukuran Model
Penelitian ini menggunakan metode analisis data yang dilakukan dengan
pendekatan uji statistik SEM (Simultaneous Equation Model). Pendekatan SEM merupakan sekumpulan teknik-teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif kompleks secara simultan. Pengujian ini dibantu menggunakan software Lisrel 8.8. Model Persamaan Struktural atau Structural Equation Model (SEM)adalah teknik-teknik statistika yang
memungkinkan pengujian suatu rangkaian hubungan yang relatif kompleks secara simultan. Hubungan yang kompleks dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Mungkin juga terdapat suatu variabel yang berperan ganda yaitu sebagai variabel independen pada suatu hubungan, namun menjadi variabel dependen pada hubungan lain mengingat adanya hubungan kausalitas yang berjenjang.
Masing-masing variabel dependen dan independen dapat berbentuk faktor atau konstruk yang dibangun dari beberapa variabel indikator. Demikian pula diantara variabel-variabel itu dapat berbentuk sebuah variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian. Ferdinand (2002) mengemukakan bahwa dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terhadap berbagai jenisfit indexyang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Peneliti diharapkan melakukan evaluasi model struktural (struktural model) secara keseluruhan dengan menilai kelayakan model melalui kriteriagoodness of fit(Latan, 2012).
Beberapa indeks kesesuaian dancut-off value-nya yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak seperti diuraikan berikut ini:
1)Chi-Square Statistic(X²)
Chi-square statisticmerupakan kriteriafit indicesyang dikembangkan oleh Joreskog (1969). NilaiChi-squaremenunjukkan adanya penyimpangan antara sample covariance matrixdan model (fitted)covariance matrix.NilaiChi-square hanya akan fit apabila asumsii normalitas data terpenuhi dan ukuran sampel adalah besar, karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistikchi-squareini harus didampingi oleh alat uji lainnya . Model yang diuji akan dipandang baik atau memuaskan bila nilaichi-square -nya rendah. Semakin kecil nilaichi-square -nya semakin baik model itu.
2) 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. GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0(poor fit)sampai dengan 1,0(perfect fit).Nilai yang tinggi dalam indeks ini menunjukkan sebuah"better fit".
3) AGFI(Adjusted Goodness-of-Fit Index)
AGFI adalah anolog dari R2 dalam regresi berganda.Fit Indexdisesuaikan ter-hadapdegrees of freedomyang tersedia untuk menguji diterima tidaknya model. Indeks ini diperoleh dengan rumus sebagai berikut:
Dimana: db = jumlah sampel moment, dan d adalahdegreesoffreedom.
Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. Perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang darivarians dalam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat
diinterpretasikan sebagai tingkatan yang baikgood overall modelfit (baik) sedangkan besaran nilai antara 0,90 - 0,95 menunjukkan tingkatan cukup (adequate fit).
4) RMSEA(The Root Mean Square Error of Approximatian)
RMSEA adalah sebuah indeks yang dapat digunakan untuk menginterprestasikan chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan
goodness-of-fityang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuahclose fitdari model itu berdasarkandegrees of freedom.
5) ECVI (ExExpected Cross Validation Index)
Digunakan untuk mengukur perbedaan antara matriks kovarian yang dicocokan dalam sampel yang dianalisis dengan matriks kovarian yang diharapkan, dan diperoleh dari sampel lain dengan ukuran yang sama. Jika nilai ECVI terkecil maka model tersebut dapat direplikasi.
6) AIC (Aikake’s Information Criterion)
Hal ini didasarkan pada konsep yang pada dasarnya menawarkan ukuran relatif dari informasi yang hilang ketika sebuah model yang diberikan digunakan untuk menggambarkan realitas. AIC tidak menguji model dalam bentuk dalam uji hipotesis nol, tetapi AIC mampu menunjukkan seberapa tepat model tersebut dengan data yang kita miliki secara mutlak. Model dinyatakan fit jika AIC lebih kecil dari AICSaturatedsebesar 756,00.
7) NFI (Normed Fir Index)
Indeks ini merupakan pembanding antara proposed model dengan null model. NFI cenderung merendahkan nilai fit pada pengguna sampel ang kecil. Nilai NFI yang direkomendasikan untukindikasi model fit adalah0,90.
8) CFI(Comparative Fit Index)
momempunyai rentang nilai antara 0 sampai dengan 1. Semakin mendekati 1, mengindikasikan adanyaa very good fit. Nilai yang direkomendasikan adalah CFI > 0,90-0,95. Indeks ini besarannya tidak
dipengaruhi oleh ukuran sampel, karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model.
9) NNFI(Non-Normed Fit Index)
NNFI adalah nilai yang membandingkan model yang sedang diuji engan null modelnya. Model dikatakan baik bila nilai NNFI nya minimal 0,90.
Dari penjelasan diatas, maka indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model seperti pada tabel berikut:
Tabel 3.9 Goodness of Fit Index
Sumber: Ferdinand (2014)
3.4.3 Uji Hipotesis
Seperti dijelaskan pada bab II, hipotesis yang dirumuskan dalam penelitian ini terdiri dari 4 hipotesis. Untuk mengetahui apakah hipotesis didukung oleh data atau tidak, maka nilai statistik t dibandingkan dengan nilai ttabelsebesar 1,96 (Ghozali, 2012). Apabila nilai thitung> 1,96, maka dapat disimpulkan bahwa hipotesis penelitian didukung oleh data (terbukti secara signifikan).