3.5.2 Teknik Analisis Data
3.5.2.1 Transformasi Data Ordinal menjadi Data Interval
Riduwan dan Kuncoro (2008:30) menyatakan bahwa mentransformasi data ordinal menjadi data interval berguna untuk memenuhi sebagian dari syarat analisis statistik parametrik yang mana data setidak-tidaknya berskala interval. Teknik transformasi yang paling sederhana dengan menggunakan MSI (Method of
Successive Intervals). Langkah-langkah transformasi data ordinal menjadi interval
sebagai berikut:
2. Pada setiap butir ditentukan berapa orang yang mendapat skor 1, 2, 3, 4 dan 5 yang disebut frekuensi.
3. Setiap frekuensi dibagi dengan banyaknya responden dari hasilnya disebut proporsi.
4. Tentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi secara berurutan per kolom skor.
5. Gunakan tabel distribusi normal, hitung nilai z untuk setiap proporsi kumulatif yang diperoleh.
6. Tentukan nilai tinggi densitas untuk setiap nilai z untuk setiap proporsi kumulatif yang diperoleh.
7. Tentukan nilai skala (Scale Value) dengan menggunakan rumus :
Scale Value = (Density at Lower Limit) – (Density at Upper Limit) (Area Below Upper Limit) – (Area Below Lower Limit) 8. Sesuai dengan skala ordinal ke interval, yakni skala terkecil (harga negatif
yang terbesar) diubah menjadi sama dengan satu melalui transformasi sebagai berikut :
Transformasi Scale Value = Scale Value + (1+ (Scale Value minimum) 3.5.2.2 Analisis Jalur
Pada tahap analisis, data diolah dan diproses menjadi kelompok-kelompok, diklasifikasikan, dikategorikan, dan dimanfaatkan untuk memperoleh kebenaran sebagai jawaban dari masalah dalam hipotesis yang diajukan dalam penelitian. Penelitian ini bermaksud untuk mengungkapkan adanya pengaruh
antara variabel bebas (independent variable) dengan variabel terikat (dependent
variable).
Teknik analisis jalur menurut Riduwan dan Kuncoro (2008:115) adalah : “Teknik ini digunakan dalam pengujian kontribusi yang ditunjukkan oleh koefisien jalur pada tiap diagram jalur dari hubungan kausal antar variabel X1, X2, X3 terhadap Y.”
Analisis jalur digunakan untuk menentukan berapa besarnya pengaruh variabel bebas kualitas layanan sistem informasi (X1), kualitas sistem informasi (X2), dan kualitas informasi (X3) terhadap kepuasan pengguna akhir sistem informasi sebagai variabel terikatnya. Besarnya pengaruh dari suatu variabel bebas ke variabel terikatnya disebut koefisien jalur dan diberi simbol dengan menggunakan data yang berasal dari suatu sampel berukuran n.
Untuk menentukan besarnya pengaruh dari suatu variabel terhadap variabel lainnya diperlukan persyaratan :
1. Pada model path analysis, hubungan antar variabel adalah bersifat linier, adaptif, dan bersifat normal.
2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik.
3. Independent variable dan dependent variable minimal dalam skala ukur
interval.
4. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.
5. Model yang dianalisis dispesifikasikan dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.
Apabila persyaratan ini dipenuhi, maka koefisien jalur dapat dihitung dengan langkah kerja seperti berikut :
a. Langkah-langkah Menghitung Koefisien Jalur
Untuk menghitung koefisien jalur pada struktur hubungan yang digunakan dalam pengujian hipotesis dilakukan berdasarkan matriks invers korelasi, dengan langkah sebagai berikut :
1. Menghitung koefisien korelasi sederhana antar variabel dengan koefisien korelasi Pearson, sebagai berikut :
Berdasarkan Riduwan dan Kuncoro (2008:61) untuk mengetahui hubungan antara variabel X1 dengan Y, X2 dengan Y, X3 dengan Y dan X1, X2 dan X3
terhadap Y digunakan teknik korelasi. Analisis korelasi yang digunakan adalah
Pearson Product Moment, dengan rumus: = ∑ ∑ . ∑
! ∑" ∑ "# ! ∑" ∑ "#
Berdasarkan Riduwan dan Kuncoro (2008:62), apabila nilai koefisien korelasi Pearson (r) = +1 maka korelasinya positif dan sempurna. Sedangkan kalau nilai koefisiennya (r) = -1 maka korelasinya negatif dan sempurna. Positif dalam konteks ini adalah searah, jika variabel X naik maka variabel Y ikut naik dan begitu juga sebaliknya. Jika negatif maka hubungannya berbanding terbalik,
misalkan variabel X naik maka variabel Y akan turun. Ini berlaku untuk hal sebaliknya. Jika harga r = 0 maka artinya tidak ada korelasi.
Arti harga r akan dikonsultasikan dengan tabel nilai interpretasi r sebagai berikut:
Tabel 3.3
Interpretasi Koefisien Korelasi Nilai r Interval Koefisien r Tingkat Hubungan 0,80 – 1,000 Sangat Kuat
0,60 – 0,799 Kuat
0,40 – 0, 599 Cukup Kuat
0,20 – 0,399 Rendah
0,00 – 0,199 Sangat rendah Sumber : Riduwan dan Kuncoro (2008:62) 2. Membentuk matriks korelasi antar variabel
Nilai koefisien korelasi antar variabel dibentuk ke dalam matriks korelasi sebagai berikut : $%% % %&& &&' $ (% ( (&'
3. Menghitung matriks invers korelasi antar variabel
$%% % %&& &&' % $((% (&'
4. Menghitung koefisien jalur dengan rumus :
yxi = R-1Ryxi 1 1 1 1 1 2 1 3 1 2 2 2 2 3 2 3 3 3 3 yx x x x x x x yx yx x x x x yx yx x x yx
r r r r
r r r
r r
ρ
ρ
ρ
−
=
5. Menghitung koefisien determinasi. Koefisien determinasi digunakan untuk melihat seberapa besar variabel independen ( X% , X , X& ) memiliki dampak
terhadap variabel dependen (Y) dengan rumus :
(1 2 3) 1 2 1 2 3 2 3 yx yx yx yx yx y x x x yx r R r r ρ ρ ρ =
6. Menghitung koefisien jalur variabel lain dengan rumus :
Yε = 1 - ( 1 2) 2
y x x
R
Besarnya pengaruh dari suatu variabel bebas terhadap variabel terikat disebut dengan koefisien jalur dan diberi simbol +
. Besarnya pengaruh dari X1 terhadap Y dinyatakan oleh besarnya numerik koefisien jalur yaitu %
, pengaruh X2 terhadap Y dinyatakan dengan
, dan seterusnya. Pengaruh residu atau variabel variabel lain di luar variabel X1, X2, X3 terhadap Y adalah
,. Adapun pengaruh analisis jalur diperlihatkan pada gambar 3.2 di bawah ini.
X1 X2 X3 Y % ρYx1 ρYx2 ρYx3 ε ρYε & %&
Gambar 3.1
Diagram Jalur Hubungan antar Variabel Keterangan:
X1 = kualitas layanan sistem informasi X2 = kualitas sistem informasi
X3 = kualitas informasi
Y = kepuasan pengguna akhir sistem informasi
ε = nilai residu
% = koefisien korelasi X1 dengan X2, menggambarkan intensitas keeratan hubungan antara X1 dengan X2
& = koefisien korelasi X2 dengan X3, menggambarkan intensitas keeratan hubungan antara X2 dengan X3
%& = koefisien korelasi X1 dengan X3, menggambarkan intensitas keeratan hubungan antara X1 dengan X3
% = koefisien analisis jalur X1 terhadap Y, menggambarkan besarnya pengaruh langsung X1 terhadap Y
= koefisien analisis jalur X2 terhadap Y, menggambarkan besarnya pengaruh langsung X2 terhadap Y
& = koefisien analisis jalur X3 terhadap Y, menggambarkan besarnya pengaruh langsung X2 terhadap Y
, = koefisien residu, menggambarkan besarnya pengaruh langsung ε terhadap Y
Diagram jalur ini mencerminkan hipotesis konseptual yang diajukan sehingga tampak dengan jelas mana sebagai variabel bebas dan mana yang sebagai variabel terikat. Dalam melaksanakan perhitungan dan pengujian menggunakan analisis jalur, diagram struktur jalur mengacu pada model persamaan fungsi sebagai berikut :
Y = % X1 + X2 + & X3 + -
b. Penjabaran dalam Analisis Jalur
Menurut Riduwan dan Kuncoro (2008:152), pengaruh kausal antar variabel dapat dibedakan menjadi tiga, sebagai berikut:
1. Direct effect = DE (pengaruh langsung) adalah pengaruh satu variabel bebas
terhadap variabel terikat yang terjadi tanpa melalui variabel bebas lain.
2. Indirect effect = IE (pengaruh tidak langsung) adalah pengaruh satu variabel
bebas terhadap variabel terikat yang terjadi melalui variabel terikat lain yang terdapat dalam satu model yang sedang dianalisis.
3. Total effect = TE (pengaruh total) adalah jumlah dari pengaruh langsung dan
pengaruh tidak langsung atau TE = DE +IE.
Pengaruh langsung variabel bebas Xi terhadap variabel terikat Y adalah DE = = . . pengaruh tidak langsung variabel bebas Xi terhadap variabel terikat Y adalah IE = . + . +. Jumlah pengaruh langsung dan tidak langsung Xi terhadap Y melalui Xj adalah TE = . + . + . +.
Arti koefisien jalur akan dikonsultasikan dengan tabel nilai interpretasi sebagai berikut :
Tabel 3.4
Kategori Hubungan Pengaruh Variabel yang Diteliti Koefisien Path Analysis Interval Koefisien Tingkat Pengaruh
0,05-0,09 Lemah
0,10-0,29 Sedang
0,30 ke atas Kuat
Sumber: Suwarno dalam Kuncoro (2008:75) 3.5.3 Pengujian Hipotesis
Pengertian hipotesis menurut Sugiyono (2009:377) adalah sebagai berikut: “Hipotesis didefinisikan sebagai dugaan atas jawaban sementara mengenai suatu masalah yang masih perlu diuji secara empiris untuk mengetahui apakah pernyataan atau dugaan jawaban itu dapat diterima atau tidak.”
Rancangan pengujian hipotesis ini dinilai dengan penetapan hipotesis nol dan hipotesis alternatif, penelitian uji statistik dan perhitungan nilai uji statistik, perhitungan hipotesis, penetapan tingkat signifikan dan penarikan kesimpulan.
Hipotesis yang akan digunakan dalam penelitian ini berkaitan dengan ada tidaknya dampak variabel bebas terhadap variabel terikat. Hipotesis nol (Ho) tidak terdapat dampak yang signifikan dan Hipotesis alternatif (Ha) menunjukkan dampak antara variabel bebas dan variabel terikat. Rancangan pengujian hipotesis penelitian ini untuk menguji ada tidaknya pengaruh antara variabel independent yaitu Kualitas Layanan Sistem Informasi (X1), Kualitas Sistem Informasi (X2), Kualitas Informasi (X3) terhadap variabel dependen yaitu Kepuasan Pengguna Akhir Sistem Informasi (Y), hipotesis yang diuji dapat dirumuskan sebagai berikut: