• Tidak ada hasil yang ditemukan

dengan empat moderator dari hubungan pokok (key relationships) (Venkantesh, 2003).

Keempat core determinants adalah pertama, ekspektasi terhadap kinerja (Performance Expectancy), yaitu sejauhmana suatu individu percaya bahwa menggunakan sistem akan membantunya untuk mencapai hasil-hasil dalam kinerja pekerjaannya. Kedua, ekspektasi terhadap upaya (Effort Expectancy), yaitu sejauhmana tingkat kemudahan penggunaan dari sistem. Ketiga, pengaruh sosial (Social Influence), yaitu sejauhmana persepsi suatu individu akan keyakinan orang lain dalam menggunakan sistem baru. Keempat, kondisi yang mendukung (Facilitating Conditions), yaitu sejauhmana suatu individu percaya bahwa infrastruktur organisasi dan teknis harus ada untuk mendukung penggunaan sistem. Keempat moderator yang dimaksud adalah jenis kelamin (Gender), usia (Age), pengalaman (Experience) dan kesukarelaan menggunakan (Voluntariness of Use).

2.6. Structural Equation Modeling (SEM) 2.6.1. Penjelasan SEM

SEM (Structural Equation Modeling) adalah alat analisis statistik yang semakin populer dewasa ini. Dilihat dari penyusunan model serta cara kerjanya, SEM adalah gabungan dari analisis faktor dan analisis regresi. Sejarahnya pada tahun 1950-an SEM sudah mulai dikemukakan oleh para ahli statistik yang mencari metode untuk membuat sebuah model yang mampu menjelaskan keterkaitan antar variabel. SEM bertujuan untuk menguji hubungan-hubungan antar variabel yang ada pada sebuah model, baik itu antar indikator dengan konstruknya, maupun hubungan antar konstruk. Suatu model dibuat berdasarkan teori tertentu, lalu SEM digunakan untuk menguji model itu apakah dapat diterima atau ditolak. Model yang dibuat didasarkan pada teori tertentu, sehingga dapat dikatakan SEM tidak digunakan untuk membuat model baru tanpa teori sebelumnya (Santoso, 2011).

Di dalam model SEM pasti berisi variabel laten dan juga variabel manifes. Jika terdapat variabel laten maka pasti akan ada dua atau lebih variabel manifes. Varibel laten dapat disebut juga dengan unobserved variable, konstruk atau konstruk laten merupakan variabel yang tidak dapat diukur secara langsung kecuali diukur dengan satu atau lebih variabel manifes. Contoh variabel laten adalah kepuasan pelanggan, variabel ini tidak dapat diukur secara langsung, untuk mengukurnya diperukan variabel manifes. Variabel manifes disebut juga dengan observed variable, measured variable atau indikator merupakan variabel yang digunakan untuk menjelaskan atau mengukur variabel laten. Contoh variabel manifes adalah pelayanan, harga, letak dan kelengkapan, keempat indikator ini dapat mengukur variabel laten kepuasan pelanggan (Santoso, 2011).

Gambar 2.12 Keterkaitan Variabel Laten dan Manifes

Disebutkan juga oleh Santoso (2011) bahwa dalam sebuah model SEM, sebuah variabel laten dapat berfungsi sebagai variabel eksogen atau endogen. Variabel eksogen adalah variabel independen yang mempengaruhi variabel dependen. Pada model SEM, variabel eksogen ditunjukkan dengan adanya panah yang berasal dari variabel tersebut menuju ke variabel endogen Variabel

22

endogen adalah variabel dependen yang dipengaruhi oleh variabel independen. Pada model SEM, variabel endogen ditunjukkan dengan adanya anak panah yang menuju variabel tersebut.

Pada dasarnya model SEM dibagi menjadi dua bagian utama yaitu measurement model dan structural model. Measurement model merupakan bagian dari model SEM yang menggambarkan hubungan antar variabel laten dengan indikator-indikatornya.

Gambar 2.13 Contoh Measurement Model

Kemudian pada structural model menggambarkan hubungan antar variabel-variabel laten. Berikut ini adalah contoh dari structural model.

Menurut Santoso (2011) berikut ini adalah beberapa tahapan pokok untuk menggunakan SEM dalam kegiatan penelitian.

1) Membuat model SEM (Model Specification)

Dalam tahapan ini, model dibuat berdasarkan teori yang sudah ada, baik dalam bentuk equation (persamaan-persamaan matematis) maupun dalam bentuk diagram (gambar).

2) Menyiapkan desain penelitian dan pengumpulan data Setelah model dibuat akan dilakukan pengujian asumsi-asumsi yang seharusnya dipenuhi dalam SEM, perlakuan terhadap missing data (jika ada dan cukup banyak), mengumpulkan data dan sebagainya.

3) Identifikasi Model (Model Identification)

Setelah model terentuk serta desain sudah ditentukan, maka selanjutnya pada tahapan ini dilakukan uji identifikasi model, apakah model dapat dianalisis lebih lanjut.

4) Pengujian Model (Model Testing dan Model Estimation) Pada tahapan ini dilakukan pengujian measurement model lalu menguji structural model. Dari pengujian measurement model, akan didapat keeratan hubungan antara indikator dan konstruknya. Jika measurement model dapat dianggap valid maka selanjutnya dilakukan pengujian structural model untuk memperoleh sejumlah korelasi yang menunjukkan hubungan antar konstruk.

2.6.2. Partial Least Square (PLS)

SEM merupakan pendekatan yang sangat membantu penelitian dalam konfirmasi model yang melibatkan variabel laten. Pendugaan dalam parameter menggunakan metode SEM membutuhkan beberapa asumsi kritis seperti ukuran sampel minimalnya 10 kali lebih banyaknya indikator atau lebih dari 100 unit pengamatan. Herman Wold memperkenalkan pendekatan baru

24

yang berorientasi pada prediksi untuk ukuran sampel yang relatif kecil yaitu PLS (Partial Least Square) atau sering disebut dengan soft modeling. Dengan adanya PLS maka dimungkinkan melakukan pemodelan persamaan struktural dengan sampel yang lebih kecil serta tidak membutuhkan asumsi multivariate. PLS memiliki dua model indikator dalam penggambarannya (Jaya & Sumertajaya, 2008), antara lain:

a) Model Indikator Refleksif

Model ini memiliki ciri-ciri seperti berikut ini:

1. Memiliki hubungan kausalitas dari konstruk ke indikator

2. Indikator-indikator saling berkorelasi

3. Ketika satu indikator dihilangkan maka tidak merubah makna dan arti konstruk

4. Menghitung kesalahan pengukuran pada tingkat indikator

Gambar 2.15 Contoh Model Indikator Refleksif

b) Model Indikator Formatif

1. Memiliki hubungan kausalitas dari indikator ke konstruk

2. Indikator-indikator tidak berkorelasi

3. Ketika satu indikator dihilangkan maka akan merubah makna dan arti konstruk

4. Menghitung kesalahan pengukuran pada tingkat konstruk

Gambar 2.16 Contoh Model Indikator Formatif

Tool yang dapat digunakan dalam pendekatan PLS salah satunya adalah SmartPLS. SmartPLS merupakan aplikasi untuk mendesain model persamaan struktural (SEM) pada antarmuka pengguna grafis (GUI).

2.6.3. Generalized Structured Component Analysis (GSCA) GSCA dikembangkan pada tahun 2004 oleh Heungsun Hwang, Hec Montreal dan Yhoshio Takane. Metode ini dikembangkan untuk menggantikan faktor dengan kombinasi linier dari indikator (variabel manifes) pada analisis SEM. Metode ini dikembangkan dengan tujuan untuk menutupi kekurangan dari metode Partial Least Square (PLS) karena dilengkapi prosedur optimalisasi global serta mempertahankan prosedur optimalisasi

Dokumen terkait