METODA PENELITIAN
3.5 Uji Validitas dan Uji Reliabilitas
Uji validitas ini dilakukan untuk mengetahui sejauh mana kemampuan instrumen penelitian mengukur apa yang seharusnya diukur (Cooper dan Schindler, 2003). Validitas internal terdiri dari validitas isi dan validitas konstruk. Pengukuran validitas secara kualitatif dilakukan dengan content validity dan uji validitas secara kuantitatif dengan Confirmatory Faktor Analysis (CFA) melalui bantuan software SPSS 16 for Windows, yang menggambarkan validitas konstruk (Ghozali, 2005). Validitas konstruk
menunjukkan seberapa baik hasil yang diperoleh dari penggunaan suatu pengukuran sesuai teori-teori yang digunakan untuk mendefenisikan suatu konstruk (Hartono, 2004). Menurut Huck et al. (2000) korelasi yang kuat antara konstruk dan item-item pertanyaannya dan hubungan yang lemah dengan variabel lainnya merupakan salah satu cara untuk menguji validitas konstruk (construct validity). Instrument memiliki convergent validity jika item pengukuran memiliki faktor loading lebih besar dari 0,4 (Hair et al., 2006). Hair et al., (2006) juga menyatakan bahwa faktor loading lebih besar 0,3 dapat dipertimbangkan sebagai batas minimal dan bila faktor loading lebih besar dari 0,5 maka akan diterima secara signifikan.
Pengujian validitas dalam penelitian ini dilakukan dengan metode Confirmatory Faktor Analysis (CFA) yang menggunakan program komputer SPSS 16 for Windows. Jumlah sampel yang digunakan adalah sebanyak 60 sampel. Sebelum dilakukan uji analisis faktor, dilakukan terlebih dahulu uji Kaiser Meyer Olkin (KMO) dan Bartlett’s Test yang bertujuan untuk menguji ada tidaknya korelasi antar variabel. KMO yang tinggi akan semakin valid suatu item pertanyaan dan semakin homogen variabel- variabel yang diukur. Batas ukuran validitas menurut Kaiser dan Rice (1974) dalam Sharma (1996) seperti yang dikutip Setyaningrum (2006) adalah 0,50 masih dapat ditoleransi untuk diterima sebagai instrumen penelitian, sehingga kriteria nilai KMO harus di atas 0,50 dengan signifikansi 0,05 agar variabel bisa diprediksi dan dapat dianalisis lebih lanjut. Penelitian yang dilakukan ini mempunyai nilai KMO sebesar 0,758
dengan signifikansi 0,000, maka dapat disimpulkan bahwa semua variabel yang ada dapat dianalisis lebih lanjut karena telah memeuhi kriteria. Dapat dilihat dalam tabel 3.1 dibawah ini:
Tabel 3.1
Pengujian KMO dan Bartletts’s
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,758 Bartlett's Test of Sphericity Approx. Chi-Square 1,168E3
df 325
Sig. 0,000
Dalam analisis faktor, indikator masing-masing konstruk harus memiliki factor loading yang signifikan terhadap konstruknya. Menurut Hair et al (2006) the rule of thumb butir-butir pengukuran dapat dikatakan valid apabila memiliki factor loading lebih dari atau sama dengan 0,4 dan tidak menjadi bagian dari konstruk lain. Hasil analisis faktor tersebut dapat dilihat pada Tabel 3.2 berikut ini:
Tabel 3.2 Hasil Analisi Faktor
Komponen 1 2 3 4 5 6 PU1 0,802 PU2 0,818 PU3 0,735 PU4 0,591 PU5 0,543 PU6 0,658 PE1 0,606 PE2 0,649 PE3 0,528 PE4 0,671 PE5 0,699 PE6 0,787 CA1 0,754 CA2 0,865
CA3 0,852 CA4 0,799 AF1 0,707 AF2 0,598 AF3 0,622 TR1 0,745 TR2 0,885 TR3 0,921 ITU1 0,810 ITU2 0,706 ITU3 0,673 ITU4 0,781
Bila dilihat dari hasil Tabel 3.2 tersebut, dapat diketahui bahwa secara keseluruhan ada satu butir pertanyaan yang tidak valid karena tidak memenuhi syarat seperti yang telah ditentukan oleh Hair et al. (2006). Dari tabel dapat dilihat bahwa butir PU6 tidak memenuhi kedua persyaratan tersebut, sehinga harus didrop atau dikeluarkan.
Walaupun pada uji validiatas dengan sampel kecil ini ada butir- butir yang didrop, tetapi pada sampel besar butir-butir tersebut tetap diikutsertakan, mengingat adanya suatu kemungkinan bahwa tidak validnya butir-butir tersebut dikarenakan jumlah sampel yang kurang memadai.
Reliabilitas adalah suatu alat pengukur yang menunjukkan akurasi, konsistensi dan ketepatan dari pengukurnya (Hartono, 2004). Konsistensi menunjukkan seberapa baik item–item pertanyaan yang mengukur sebuah konsep bersatu menjadi sebuah kumpulan (Sekaran, 2006). Suatu kuisioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten dari waktu ke waktu (Cooper dan Schindler, 2003). Dalam penelitian ini, uji reliabilitas akan dilakukan dengan menggunakan teknik croncbach’s alpha dengan bantuan software SPSS 16 for Windows (Ghozali, 2005). Cronback’s alpha adalah koefisien keandalan yang menunjukkan seberapa baik item dalam suatu kumpulan secara positif berkorelasi satu
sama lain. Konsistensi jawaban ditunjukan oleh nilai rule of thumb atau tingginya cronbach’s alpha, dengan nilai alpha harus lebih besar dari 0,7 meskipun nilai 0,6 masih dapat diterima (Hair et al, 2006).
Tabel 3.3.
Hasil Uji Reliabilitas pada Sampel Kecil
Variabel Cronbach’s Alpha Keterangan
PU 0,840 Reliabel PE 0,826 Reliabel ITU 0,884 Reliabel CA 0,882 Reliabel AF 0,906 Realibel TR 0,903 Reliabel Model Penelitian
Berdasarkan tinjauan teoritis dan hipotesis yang dikemukakan, maka model penelitian yang akan diusulkan adalah sebagai berikut:
30,5 Teknik Pengujian Hipotesis
Pengujian hipotesis dilakukan untuk mengetahui hubungan antar konstruk yang diteliti. Teknik pengujian hipótesis dalam penelitian ini menggunakan Análisis of Moment Structure (AMOS) dengan Structure Equation Modeling (SEM). SEM merupakan alat teknik multivariate yang mengkombinasi aspek regresi berganda dan analisis faktor untuk mengestimasi serangkaian hubungan ketergantungan secara simultan (Hair et al., 1998). Pengaruh variabel independen (variabel bebas) terhadap variabel dependen (variabel tidak bebas) dalam AMOS ditunjukan dengan variabel endogenous dan variabel exogenous. Variabel endogenous dapat
C O G N I T I V E P e r c e i v e d U s e f u l n e s s ( P U ) P e r c e i v e d E a s e o f U s e ( P E O U ) I n t e n t i o n t o U s e ( I T U ) I n t e n t i o n t o U s e ( I T U ) C o m p u t e r A n x i e t y ( C A ) T r u s t ( T R ) H 1 H 2 H 3 H 4 P E R S O N A L I T Y A f f e c t ( A f ) H 5
muemprediksi satu satu atau beberapa variabel endogenous lainnya, tetapi variabel exogenous hanya dapat berhubungan kausal dengan variabel.
Langkah-langkah dalam melakukan dalam penggunaan SEM pada program AMOS versi 4.01 adalah sebagai berikut:
1. Pengembangan Model Secara Teori
Langkah pertama dalam melakukan pemodelan adalah sesuai dengan mencari dan mengembangakan sebuah model yang mempunyai basis teori yang kuat, kemudian model tersebut divalidasi secara empirik melalui komputasi dengan program SEM.
Kajian teori ini telah dipaparkan dalam bab dua serta hubungan struktural antar konstruk yang dihipotesiskan seperti yang disajikan pada tabel dibawah ini:
2. Pengembangan Diagram Alur
Diagram alur akan mempermudah untuk melihat hubungan kausal antar variabel. Hubungan variabel dalam hal ini antara variabel exogenous dan variabel endogenous yang dinyatakan dalam anak panah. Anak panah lupus menunjukan hubungan kausal langsung antar konstruk dengan konstruk yang lain, sementara anak panah garis lengkung menunjukan korelasi antar konstruk.
3. Mengidentifikasi Model
Salah satu yang akan dihadapi dalam mengestimasi model kausal ini adalah masalah indentifikasi. Masalah identifikasi merupakan ketidakmampuan model yang dikembangkan untuk menghasilkan Konstruk Jumlah
Item Definisi
PU 6 Kegunaan persepsian (perceived usefulnees) adalah sejauh mana seseorang percaya bahwa menggunakan suatu teknologi akan meningkatkan kinerjanya
PE 5 Kemudahan penggunaan persepsian (perceived ease of use) adalah tingkat keyakinan seseorang bahwa dalam menggunakan sistem tertentu tidak diperlukan usaha yang keras.
CA 4 Kecemasan komputer adalah menunjukan ketakutan mengenai implikasi dari komputer
AF 3 perasaan (affect) yang merupakan perasaan- perasaan bahagia, gembira, riang atau senang, atau depresi, jijik, tidak nyaman, atau benci yang dihubungkan dengan seorang individual kesuatu tindakan tertentu
TR 3 Kepercayaan yaitu adalah suatu proses pilihan ITU 4 Niat (intention) didefinisikan sebagai keinginan
untuk melakukan sesuatu. Niat tidak selalu statis, tetapi dapat berubah dengan berjalannya waktu
estimasi yang diinginkan oleh peneliti. Apabila muncul masalah identifikasi, maka komputer akan memberikan pesan sebab kemungkinan terjadinya program tidak dapat melakukan estimasi.
4. Mengevaluasi Asumís-asumsi yang Harus Dipenuhi Jika Menggunakan SEM:
Asumsi Kecukupan Sampel
Jumlah responden dalam penelitian ini sebanyak 321 orang, jumlah sampel tersebut dinilai telah memenuhi kriteria jumlah sampel bagi penelitian yang menggunakan Struktural Equation Model (SEM) dengan maximum likehood estimation (MLE) yaitu sebesar 5 observasi untuk setiap parameter yang diestimasi.
Asumsi Normalitas
Nilai statistik untuk menguji normalitas tersebut z value (Critical Ratio atau C.R pada ouput Amos 4.01) dari ukuran skeweness dan kurtosis sebaran data. Bila nilai C.R lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 1% yaitu sebesar 2,58 (Hair, 1998).
Asumsi Outliers
Dalam analisis Multivariate adanya outlier dapat diuji dengan statistik chi square terhadap nilai Mahalanobis distance squared dengan tingkat signifikansi 0,01 dengan degree of freedom
sejumlah konstruk yang digunakan dalam penelitian (Hier et al., 1998).
Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim yang memiliki karateristik unik yang sangat berbeda dari observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk variabel tungal maupun variabel kombinasi (Hier et al.,2006). umumnya perlakuan terhadap outlier adalah dengan mengeluarkanya dari data dan tidak mengikutsertakan dalam perhitungan berikutnya.
Evaluasi atas kriteria Goodness of fit
Hubungan hipotesis konstruk-konstruk penelitian pada model yang diajukan hubungan kausal antar konstruk tersebut. Evaluasi nilai Goodness of fit dari model konstruk. Pengujian kesesuaian model dengan menggunakan criteria goodness of fit dapat dilihat pada tabel berikut ini:
Goodness of fit index
Nilai Kritis
χ2-Chi-Square
(CMIN) Diharapkankecil, χ2-Significance Probability (P) 0,05 χ2 relatif (CMIN/DF) ≤ 2,00 GFI ≥ 0,90 AGFI ≥ 0,90 RMSEA ≤ 0,08
Melihat critical ratio setiap path dan membandingkan dengan nilai tertentu. Untuk pengujian satu arah dengan tingkat signifikansi 0,05, nilai critical ratio harus 1,645 sedangkan dengan tingkat signifikansi 0,01 nilai critical ratio harus 2,326.
Melihat standarized structural (path) coefficients dari setiap hipotesis terutama pada kesesuaian arah hubungan path dengan arah hubungan yang telah dihipotesiskan sebelumnya.
Jika arah hubungan sesuai dengan yang dihipotesiskan dan nilai critical ratio memenuhi persyaratan maka dapat dikatan bahwa hipotesis yang diuji mendapat dukungan yang kuat.
5. Mengintrspretasikan dan Memodifikasi Model a. χ² - Chi square
Alat uji yang paling findamental untuk mengukur overall fit adalah likehood ratio chi-square. Chi-square ini bersifat sangat sensitif terhadap besarnya model yang digunakan. Model yang diuji dapat disimpulkan sebagai model yang baik atau memuaskan jika nilai χ² rendah. Semakin kecil nilai χ² dapat disimpulkan bahwa semakin baik model tersebut, karena dalam uji beda chi-square, nilai χ²=0 berarti tidak ada perbedaan. Perbedaan yang dimaksud adalah perbedaaan antara model yang diuji dengan saturted model. Tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka dibutuhkan sebuah nilai χ² yang tidak signifikan. Nilai χ² ini dapat dibandingkan dengan degree of freedom-nya
untuk mendapatkan nilai χ² relatif dan digunakan untuk membuat kesimpulan bahwa nilai χ² relatif tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasi dan yang diestimasi.
b. RMSEA – The Root Mean Square Error of Approximation.
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi Chi-square statistic dalam sampel besar (Baumgarthner & Homburg dalam Augusty, 2002:56). RMSEA yang diharapkan adalah sebesar ≤0,08.
c. GFI – Goodness of- Fit Index
Index kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarian sampel yang dijelaskan oleh matriks kovarian populasi yang terestimasikan GFI yang diharapkan adalah sebesar ≥ 0,90 (Tanaka & Huba, 1989 dalam Augusty).
d. AGFI – Adjust Goodness of fit Index
AGFI merupakan pengembangan indeks dari GFI, yang merupakan indeks yang telah disesuaikan dengan rasio degree of freedom model yang diusulkan dengan degree of freedom dari null model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih dari 0,90 (Hair, 1995 dalam Augusty).
e. CMIN/DF- The Minimum Sampel Discrepancy Function/Degree of Freedom
CMIN/DF salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistic Chi-square, χ²
dibagi DF-nya sehingga disebut χ² relatif. Nilai χ² relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data (Arbuckle, 1997 dalam Agusty).
BAB IV