BAB 4 METODE PENELITIAN
4.4 Teknik Analisa Data
Teknik analisa yang dipakai dalam menjawab hipotesis penelitian ini adalah path analisys atau analisis jalur. Analisis jalur merupakan pengembangan dari analisis regresi linier berganda yang digunakan untuk menerangkan akibat langsung maupun tidak langsung antar variabel eksogen dengan variabel endogen yang telah ditetapkan sebelumnya bedasarkan teori (Ghozali, 2005). Manfaat dari model path analysis diantaranya (Riduwan & Kuncoro, 2012):
1. Penjelasan terhadap fenomena dari permasalahan yang diteliti
2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X) dan prediksi dengan path analysis ini bersifat kualitatif
3. Faktor determinan yaitu penentuan variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y)
4. Pengujian model menggunakan theory triming, baik untuk uji reliabilitas (uji keajegan) konsep yang sudah ada ataupun uji pengembangan konsep baru
Asumsi-asumsi yang melandasi analisis jalur adalah (Riduwan & Kuncoro, 2012):
1. Pada model path analysis hubungan antar variabel bersifat linier, adaptif dan bersifat normal
2. Hanya sistem aliran kausal satu arah atau tidak ada arah kausalitas yang berbalik arah
3. Variabel terikat (endogen) minimal berskala ukur interval dan ratio. 4. Menggunakan sampel propability sampling,yaitu tehnik pengambilan
sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.
5. Observed variable diukur tanpa kesalahan (instrumen pengkuran valid
dan reliabel), artinya variabel yang diteliti dapat diobservasi secara langsung.
6. Model yang dianalisis diidentifikasi berdasarkan teori-teori dan konsep-konsep yang relevan, artinya model teori yang diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.
Alat yang digunakan dalam analisis jalur ini adalah dengan Program Analysis Moment of Structural (AMOS). Salah satu keunggulan program ini adalah user friendly. Program ini menyediakan kanvas pada menu Amos graphic dan kita tidak perlu menulis program tersebut, namun software akan membaca sendiri sesuai dengan gambar yang kita buat. Menu Amos graphic menyediakan ikon yang mudah untuk diingat. Dari perhitungan tersebut akan didapat koefisien jalur baik pengaruh langsung maupun pengaruh tidak langsung dan juga pengaruh total.
langkah-langkah pada analisa jalur dengan program Analysis Moment of Structural (AMOS) dapat dilakukan sebagai berikut (Ferdinand, 2002):
1. Pengembangan model teoritis
Pada pengembangan model teoritis, serangkaian eksplorasi ilmiah dilakukan melalui kajian kepustakaan untuk mendapatkan justifikasi atas model teoritis yang akan dikembangkan. Dalam penelitian ini hubungan antar variabel berdasarkan substansi teori dapat dikembangkan sebagai berikut:
a. Pengaruh belanja modal pemerintah dan investasi swasta terhadap indeks pembangunan manusia kabupaten/kota di Provinsi Jawa Timur.
b. Pengaruh belanja modal pemerintah, investasi swasta dan indeks pembangunan manusia terhadap Pertumbuhan ekonomi kabupaten/kota di Provinsi Jawa Timur
2. Uji Normalitas
Asumsi normalitas merupakan hal yang sangat penting dalam aplikasi AMOS, karena menentukan teknik estimasi yang dapat digunakan. Oleh karena itu, uji normalitas data perlu dilakukan terlebih dahulu sebelum analisa jalur dilakukan. Uji Normalitas Data dengan Normalitas Univariate dan Multivariate, yaitu menganalisis tingkat normalitas data yang digunakan dalam penelitian ini. Univariate melihat nilai Critical Ratio (CR) pada Skewness terletak pada rentan ± 2,58.
β5
Bila ada nilai diluar angka tersebut bisa ditoleransi apabila nilai Multivariatenya masih disekitar ± 2,58.
3. Pengembangan diagram alur ( path diagram)
Diagram alur model tersebut dikembangkan untuk menjawab permasalahan penelitian berbasis teori dan konsep yang dapat diilustrasikan seperti Gambar 4.1:
Gambar 4.1
Hubungan Antarvariabel Penelitian
Model teoritis yang telah dibangun pada tahap awal selanjutnya digambarkan dalam sebuah path diagram untuk mempermudah dalam melihat pengaruh kausalitas yang ingin diuji. Dalam diagram jalur, pengaruh antar variabel dinyatakan dalam bentuk anak panah. Anak panah yang lurus menunjukkan pengaruh kausal antara satu variabel dengan variabel lainnya. Sedangkan garis-garis lengkung antar variabel dengan anak panah menunjukkan korelasi antar variabel.
BELANJA MODAL PEMERINTAH INVESTASI SWASTA PEMBANGUNAN MANUSIA PERTUMBUHAN EKONOMI
4. Mengkonversi diagram alur kedalam bentuk persamaan struktural Model persamaan dalam penelitian ini sesuai dengan Gambar 4.1 dapat dinyatakan dalam bentuk persamaan sebagai berikut:
PMit= β1 BMit + β2 LnISit+ e1...(4.1) PEit= β3 BMit+ β4 LnISit + β5 PMit + e2...(4.2) Keterangan: PM : Pembangunan Manusia BM : Belanja Modal IS : Investasi Swasta PM : Pembangunan Manusia PE : Pertumbuhan Ekonomi i : Kabupaten/Kota n t : Tahun ke n
5. Evaluasi kriteria goodness of Fit.
Berikut ini beberapa indeks kesesuaian dan cut-off value untuk menguji apakah sebuah model dapat diterima atau ditolak (Ferdinand, 2002):
a. X2, Chi-square statistik, yaitu model dipandang baik atau memuaskan bila nilai chi-square nya rendah. Semakin kecil nilai X2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar > 0.05
b. RMSEA (The Root Mean Square Error of Approximation), merupakan indeks yang digunakan untuk mengkonpensasi chi-square dalam sampel yang besar. Nilai RMSEA yang ≤ 0,08 adalah
indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model berdasarkan degrees of freedom.
c. GFI (Goodness of fit Index) adalah menghitung proporsi tertimbang dari varian dalam matriks kovarian sampel yang dijelaskan oleh matrik kovarian populasi yang diestimasikan. Ukuran non statistical mempunyai rentang nilai antara (poor fit) sampai dengan 1 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
d. AGFI (Adjusted Goodness of Fit Index), merupakan kriteria yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matrik kovarian sampel. AGFI adalah analog dari R2 dalam regesi berganda yang mempunyai nilai ≥ 0,90
e. CMIN/DF (The Minimum Sample Discrepancy Function Devided with degrre of Freedom) merupakan statistic chisquare X2 dibagi degree of freedom-nya sehingga disebut X2 relatif. Bila nilai X2 relatif kurang dari 2.0 atau 3.0 mengindikasikan acceptable fit antara model dan data.
f. CFI (Comparative Fit Index), rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi. Nilai yang direkomendasikan adalah sebesar 0,94.
Menurut Hulland dalam penilaian model, indeks CFI sangat dianjurkan untuk digunakan karena indeks-indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi pula oleh
kerumitan model (Ferdinand, 2002). Maka indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model dilihat pada
Tabel 4.1. Goodness of Fit Index
Goodness of Fit Measure
Nilai Kritis (Cut of Value)
Chi Square (λ2) Diharapkan kecil Significance Probability (p) ≥ 0,05 RMSEA ≤ 0,08 GFI ≥0,90 AGFI ≥ 0,90 CMIN/DF ≤ 2,00 CFI ≥ 0,94 Sumber : (Ferdinand, 2002)