KEMUNGKINAN MAKSIMUM DAN KUADRAT TERKECIL PARSIAL
(Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program
Green
Audits)
FIRMINA ADLAIDA
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Pemodelan Persamaan Struktural dengan Penduga Kemungkinan Maksimum dan Kuadrat Terkecil Parsial (Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green Audits) adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Desember 2014
FIRMINA ADLAIDA. Pemodelan Persamaan Struktural dengan Penduga Kemungkinan Maksimum dan Kuadrat Terkecil Parsial (Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green Audits). Dibimbing oleh HARI WIJAYANTO dan I MADE SUMERTAJAYA.
Peubah laten merupakan peubah yang tidak dapat diobservasi secara langsung artinya pengukuran terhadap peubah yang akan diteliti dilakukan secara tidak langsung melalui peubah-peubah lain yang dianggap berhubungan atau menggambarkan peubah tersebut. Adanya jalur hubungan antara peubah-peubah laten dan indikator ini digambarkan dalam suatu diagram jalur. Pemodelan persamaan struktural digunakan untuk menganalisis data seperti ini secara simultan.
Pemodelan persamaan struktural merupakan salah satu analisis multivariat yang dapat menganalisis hubungan peubah secara kompleks. Pemodelan ini merupakan model sebab akibat yang dapat menampilkan model secara komprehensip bersamaan dengan kemampuan untuk mengkonfirmasi dimensi atau faktor dari sebuah konsep yang diujikan melalui indikator-indikator empiris.
Perkembangan analisis pemodelan persamaan struktural menghasilkan beragam metode pendugaan parameter. Metode pendugaan yang umum digunakan adalah metode penduga kemungkinan maksimum (PKM) yang menggunakan struktur koragam dalam pendugaannya dan digunakan pada data yang berdistribusi normal ganda. Metode lain yang kemudian berkembang adalah metode penduga kuadrat terkecil parsial (KTP). Metode ini menggunakan struktur ragam dalam pendugaan parameternya dan tidak mensyaratkan data yang berdistribusi normal ganda.
Metode PKM dan KTP ini diterapkan untuk mengukur tingkat kepuasan auditi terhadap auditor programgreen auditsserta menganalisis faktor-faktor yang mempengaruhi kepuasan tersebut. Faktor-faktor yang mempengaruhinya diambil dari konsep pengukuran kepuasan pelayanan jasa dari Zeithmlet al. (1990). Hasil pemodelan struktural yang dilakukan menunjukkan bahwa dengan metode PKM dan KTP menghasilkan peubah laten eksogen yang signifikan berpengaruh terhadap peubah laten endogen (kepuasan) yang sama yaitu peubah tangible. Peubah tersebut berpengaruh positif terhadap kepuasan artinya semakin baik wujud fisik, fasilitas, proses, dan hasil audit internal maka auditi semakin puas dengan kinerja dari auditor yang telah bekerja. Peubah ini dibangun oleh empat peubah indikator dan yang paling berpengaruh adalah peubah TB2 yang menggambarkan pelaksanaan audit maupun jasa konsultasi didukung fasilitas fisik yang memadai.
Perbandingan metode PKM dan KTP ditinjau dari nilai sisaan model pengukuran dan model strukturalnya. Nilai sisaan kedua model tersebut menunjukkan bahwa metode penduga KTP dapat membentuk model yang lebih baik dari metode PKM untuk data tingkat kepuasan auditi terhadap auditor programgreen auditsini.
FIRMINA ADLAIDA. Structural Equation Modeling with Maximum Likelihood and Partial Least Square Estimator (Case Study in Measurement of The Level of Satisfaction Auditor of Green Audits Program). Supervised by HARI WIJAYANTO and I MADE SUMERTAJAYA.
Latent variables are variables that can not be observed directly. It means that measurement of variables that will be studied indirectly through other variables are considered to relate or describe the variables. The relationship between latent variables and indicators are described in a path diagram. Structural equation modeling was used to analyze data such as this simultaneously.
Structural equation modeling is a multivariate analysis that can analyze the relationship between variables in complex form. This modeling is causal models that can comprehensively display models along with the ability to confirm the dimensions or factors of a concept that is tested through empirical indicators.
The development of structural equation modeling produces a variety of parameter estimation methods. Estimation methods commonly used is maximum likelihood estimators (MLE), which uses covariance structure in estimates and have normal multivarite distribution. Other method developed is partial least squares (PLS) method. This method uses variance structure for estimating parameters and do not need normal multivariate distribution.
This method was applied to measure the satisfaction levels of the auditee to the auditor of green audits program and the factors that influence the satisfaction were analyzed. Latent variables used the four major dimensions from the service quality concept of Zeithaml et al. (1990). Structural model formed by the MLE and PLS method gave exogenous latent variables that significant effected to the endogenous latent variables (satisfaction) was tangible variable. The variable had positive influence on the satisfaction which means better physical form, facilities, processes and results of the internal audit would make the auditee satisfied with the performance of the auditor. This variable constructed by four variables and most influential indicator was TB2 that describe the implementation of audit and advisory services supported by adequate physical facilities.
Comparison between MLE and PLS method in terms of residuals rate measurement models and structural models. Residual values both models indicated that the method of estimation PLS could form a better model than MLE method for satisfaction level of the auditor's green audits programs.
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada
Program Studi Statistika
PENDUGA KEMUNGKINAN MAKSIMUM DAN KUADRAT
TERKECIL PARSIAL (Studi Kasus Pengukuran Tingkat
Kepuasan Auditor Program
Green Audits)
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2014
Kemungkinan Maksimum dan Kuadrat Terkecil Parsial
(Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green Audits)
Nama : Firmina Adlaida
NIM : G151120041
Disetujui oleh
Komisi Pembimbing
Dr Ir Hari Wijayanto, MSi Ketua
Dr Ir I Made Sumertajaya, MSi Anggota
Diketahui oleh
Ketua Program Studi Statistika
Dr Ir Anik Djuraidah, MS
Dekan Sekolah Pascasarjana
Dr Ir Dahrul Syah, MScAgr
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah yang berjudul “Pemodelan Persamaan
Struktural dengan Penduga Kemungkinan Maksimum dan Kuadrat Terkecil Parsial (Studi Kasus Pengukuran Tingkat Kepuasan Auditor Program Green Audits)” ini dapat diselesaikan.
Terima kasih penulis sampaikan kepada
1. Bapak Dr Ir Hari Wijayanto, MSi selaku pembimbing I dan Bapak Dr Ir I Made Sumertajaya, MSi selaku pembimbing II yang telah banyak memberi bimbingan, arahan, serta saran dalam penulisan karya ini
2. Ibu Dr Ir Erfiani, MSi selaku penguji luar komisi pada ujian tesis
3. Seluruh dosen dan staf Program Studi Statistika yang telah banyak berbagi ilmu dan bantuan selama proses perkuliahan
4. Teman-teman Statistika dan Statistika Terapan 2012 atas persahabatan, berbagi ilmu, tawa, dan kebersamaannya
5. Mama, Dae, Kakak-kakak dan adik yang selalu mendoakan dan mendukung penulis dalam setiap langkah yang diambil.
Penulis menyadari masih banyak kekurangan dalam penulisan karya ilmiah ini. Oleh karena itu, kritik dan saran yang membangun sangat diperlukan oleh penulis untuk penulisan karya ilmiah selanjutnya. Semoga karya ilmiah ini dapat bermanfaat.
Bogor, Desember 2014
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
1 PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 2
2 TINJAUAN PUSTAKA 3
3 METODE 8
Data 8
Metode Analisis Data 9
4 HASIL DAN PEMBAHASAN 13
Deskripsi Data 13
Pendugaan Parameter dengan Metode PKM 15
Pendugaan Parameter dengan Metode KTP 21
Perbandingan Hasil Dugaan Kedua Metode 25
5 SIMPULAN 26
DAFTAR PUSTAKA 27
LAMPIRAN 28
1 Sebaran frekuensi jawaban pada peubah kepuasan 15
2 Pengujian validitas dan reliabilitas 20
3 Kriteria kelayakan model dugaan 20
4 Besar nilai t-hitung peubah laten eksogen awal 22 5 Besar nilai t-hitung peubah laten eksogen 24 6 Composite Reliability ρ
c danAverage Variance Extracted(AVE) 25
DAFTAR GAMBAR
1 Bentuk hubungan peubah laten kinerja pelayanan jasa audit dengan
tingkat kepuasan auditi 10
2 Diagram alir metode analisis 12
3 Grafik persebaran data indikator-indikator peubah laten tangible dan
responsiveness 14
4 Grafik persebaran data indikator-indikator peubah laten reliability dan
assurance 15
5 Model persamaan struktural awal dengan metode PKM 16 6 Nilailoading factorpeubah peubah indikator model awal 17 7 Nilai t-hitung peubah peubah indikator model awal 17 8 Model persamaan struktural dengan metode PKM 18 9 Nilailoading factorpeubah peubah indikator 19
10 Nilai t-hitung peubah peubah indikator 20
11 Model persamaan struktural awal dengan metode KTP 21 12 Nilailoading factorpeubah peubah indikator model awal 22 13 Model persamaan struktural dengan metode KTP 23 14 Nilailoading factorpeubah peubah indikator 24 15 Grafik perbandingan nilai sisaan model pengukuran metode PKM dan
KTP 26
DAFTAR LAMPIRAN
Latar Belakang
Kementerian Pertanian Republik Indonesia sebagai salah satu lembaga negara diharuskan memiliki Inspektorat Jenderal sesuai dengan terbitnya keputusan Presidium Kabinet Nomor 15 tahun 1966 yang mengharuskan adanya Inspektorat Jenderal pada setiap kementerian. Inspektorat Jenderal Kementerian Pertanian sebagai lembaga pengawas intern Kementerian Pertanian dituntut untuk menciptakan suasana pengawasan yang profesional yang dilandasi kompetensi, kapabilitas, dan integritas sesuai dengan tekad reformasi birokrasi pemerintahan di Lembaga Kementerian Pertanian yang diarahkan pada pencapaian good governance, transparan, dan akuntabel.
Inspektorat Jenderal Kementerian Pertanian mencanangkan program green audits dalam rangka mewujudkan pengawasan yang profesional serta mewujudkan visi dan misinya. Program green audits bertujuan agar auditor melaksanakan kegiatan pengawasan yang lebih fokus dengan tersedianya dasar perumusan kebijakan pengawasan (outcome) melalui program dan kegiatan (output) sehingga akan berdampak efektifitas, efisiensi, ekonomis, dan taat peraturan (impact). Auditor dapat memberikan motivasi dan saran kepada objek pemeriksaan (auditi) secara bijaksana dan ramah serta mampu memberikan kepercayaan dan kenyamanan terhadap objek pemeriksaan dan jujur dalam mengungkap temuan.
Aktifitas pengawasan lebih menekankan pencegahan daripada penindakan sehingga pola pengawasan terhadap kegiatan-kegiatan strategis menjadi prioritas sebelum dilakukan pemeriksaan. Pengawasan juga berorientasi kepada perbaikan bukan menghukum sehingga apabila ditemukan penyimpangan maka akan ditemukan penyelesaian secara internal sebelum dilakukan upaya pelimpahan permasalahan yang terjadi kepada pihak yang terkait. Diharapkan dengan dicanangkannya green audits dapat menciptakan kenyamanan antara auditor dan auditi dalam proses pemeriksaan di lingkungan Kementerian Pertanian.
Evaluasi atas kinerja auditor yang telah melakukan proses audit dilakukan setelah proses audit selesai. Analisis ini menyangkut tingkat kepuasan auditi terhadap kinerja auditor yang telah bekerja. Faktor-faktor yang mempengaruhi tingkat kepuasan auditi juga akan diteliti. Peubah kepuasan merupakan peubah yang tidak dapat diobservasi secara langsung. Artinya, pengukuran terhadap peubah yang diteliti tidak dapat dilakukan secara langsung tetapi diukur melalui indikator-indikator sebagai refleksi atau penjelas dari konstruk atau konsep yang hendak diukur. Oleh karena itu, konstruk seperti itu disebut peubah laten, sedangkan indikator-indikator konstruk yang diukur disebut peubah indikator (Schumacker dan Lomax 1996).
kepastian yang dapat diberikan oleh auditor untuk menumbuhkan rasa percaya auditi terhadap pelayanan audit, terkait dengan independensi dan integritas auditor) (Zeithaml et al. 1990). Keempat faktor-faktor yang dianggap mempengaruhi kepuasan auditi tersebut juga merupakan peubah laten.
Boolen (1989) menggunakan pemodelan persamaan struktural (structural equations modeling) yang dapat menganalisis secara simultan hubungan yang relatif rumit dengan sebagian atau seluruh peubahnya berupa peubah laten. Hubungan antara peubah laten diduga melalui model struktural yang dibangun oleh model pengukuran yang berisi hubungan antara indikator-indikator dengan peubah latennya.
Pemodelan persamaan struktural yang lengkap terdiri dari model struktural dan model pengukuran. Model pengukuran digunakan untuk mengkonfirmasi dimensi-dimensi yang dikembangkan pada peubah laten dan model struktural merupakan hubungan yang membentuk kausalitas antara peubah laten.
Perkembangan analisis pemodelan persamaan struktural menghasilkan beragam metode pendugaan parameter yang dapat digunakan diantaranya penduga kemungkinan maksimum (PKM), kuadrat terkecil terboboti, kuadrat terkecil tidak terboboti, kuadrat terkecil umum, dan kuadrat terkecil parsial (KTP). Masing-masing metode tersebut mempunyai kriteria sendiri dalam proses pendugaannya.
Penduga kemungkinan maksium (PKM) menggunakan struktur koragam dalam proses pendugaannya. Metode ini berusaha meminimumkan perbedaan antara koragam matriks prediksi oleh model teoritis dengan koragam matriks contoh sehingga proses estimasi menghasilkan sisaan matriks koragam yang mendekati nol. Metode ini merupakan bentuk hard modeling yang berarti memerlukan asumsi sebaran normal ganda dalam pendugaannya. Kuadrat terkecil parsial (KTP) menggunakan struktur ragam dalam proses pendugaannya. KTP merupakan metode soft modeling yang tidak mendasarkan pada asumsi skala pengukuran, distribusi data dan jumlah contoh yang digunakan sehingga merupakan metode yang fleksibel dan dapat digunakan untuk data yang tidak ideal. Adanya perbedaan pendekatan dari metode PKM dan KTP ini menarik untuk dikaji secara empirik perbandingan hasil dugaan parameter kedua metode tersebut.
Tujuan Penelitian
1. Menduga parameter model persamaan struktural (MPS) dengan metode penduga kemungkinan maksimum (PKM) dan kuadrat terkecil parsial (KTP) pada data tingkat kepuasan auditi terhadap kinerja auditor dan faktor-faktor yang mempengaruhinya di lingkungan Kementerian Pertanian Republik Indonesia.
2 TINJAUAN PUSTAKA
Model Persamaan Struktural (MPS)
Model persamaan struktural (MPS) merupakan salah satu analisis multivariat yang dapat menganalisis hubungan peubah secara kompleks. Analisis ini pada umumnya digunakan untuk penelitian-penelitian yang menggunakan banyak peubah dan dapat menganalisis model yang rumit secara simultan. MPS juga merupakan model analisis sebab akibat yang dapat menampilkan model secara komprehensip bersamaan dengan kemampuan untuk mengkonfirmasi dimensi atau faktor dari sebuah konsep yang diujikan melalui indikator-indikator empiris. Umumnya analisis MPS digunakan untuk menguji sebuah konsep teoritis atau melakukan konfirmasi terhadap sebuah konsep teoritis.
Model hubungan yang menjelaskan keterkaitan antarpeubah laten pada pemodelan persamaan struktural didefinisikan sebagai model struktural. Peubah laten yang merupakan peubah bebas di dalam model struktural disebut dengan peubah laten eksogen, sedangkan peubah laten yang diukur dari peubah-peubah laten eksogen disebut peubah laten endogen.
Peubah-peubah pada model struktural merupakan peubah laten sehingga pendugaan terhadap parameter-parameternya tidak dapat dilakukan secara langsung. Hal ini disebabkan karena peubah laten tersebut bukan merupakan hasil pengukuran dari suatu peubah pengamatan. Oleh karena itu, pendugaan dan pengujian model struktural dibangun melalui model pengukuran yang berisi hubungan antara peubah laten dengan peubah-peubah penjelas. Peubah penjelas tersebut diasumsikan sebagai pengukur (indikator) dari peubah laten yang dijelaskan.
MPS terdiri dari dua model persamaan yaitu model struktural dan model pengukuran. Model struktural pada MPS adalah
η=Bη+Γξ+ζ sedangkan model pengukurannya adalah
y=Λyη+ϵ
x=Λxξ+δ
dengan asumsi E( )=0, E( )=0, E( )=0, cov( , )=0, cov( , )=0, cov ( , )=0 dan matriksBnon-singular.
η : vektor (px1) peubah laten endogen ξ : vektor (qx1) peubah laten eksogen
B : matriks (pxp) koefisien lintas antarpeubah laten endogen
Γ : matriks (pxq) koefisien lintas antara peubah laten endogen dengan peubah laten eksogen
y : vektor (rx1) peubah penjelas dari peubah laten endogen
x : vektor (sx1) peubah penjelas dari peubah laten eksogen
Λy : matriks (rxp) koefisien lintas antara peubah laten endogen dengan peubah penjelasnya
Λx : matriks (sxq) koefisien lintas antara peubah laten eksogen dengan peubah penjelasnya
ϵ : vektor (rx1) galat model pengukuran antara peubah laten endogen dengan peubah penjelasnya
δ : vektor (sx1) galat model pengukuran antara peubah laten eksogen dengan peubah penjelasnya
matriks ragam-peragam∑ dari indikator-indikatorxdanyadalah:
= Σxx Σxy Σyx Σyy penguraian komponen matriks∑ adalah sebagai berikut
Σxx= E(xxT)
= E[(Λxξ+δ)(Λxξ+δ)T]
= E ΛxξξTΛxT +E ΛxξδT +E ΛxTξTδ +E(δδT)
suku kedua dan ketiga dari penguraian di atas adalah nol karena diasumsikanδ danξtidak berkorelasi sehingga
Σxx=ΛxΦΛxT+Θδ denganΦ(n×n)=E ξξT danΘδ(q×q)=E(δδT) Penguraian komponen matriks∑ lainnya adalah
Σxy=Λy(I-B)-1ΓΦΛxT
Σyy=Λy(I-B)-1 ΓΦΓT+Ψ (I-B)-1+Θϵ denganΨ(m×m)= E ζζT danΘϵ(p×p)=E(ϵϵT)
Jadi, matriks ∑ merupakan fungsi dariθ= Λx,Λy,B,Γ, Φ,Ψ,Θδ,Θϵ sehingga
model persamaan struktural dapat dituliskan sebagai berikut :
(θ) = ΛxΦΛx
T+Θ
δ Λy(I-B)-1ΓΦΛxT
Λy(I-B)-1ΓΦΛxT T Λy(I-B)-1 ΓΦΓT+Ψ (I-B)-1+Θϵ
Model persamaan struktural pada dasarnya bertujuan untuk mencari fungsi penduga parameter-parameter dalam model yang menghasilkan matriks koragam contoh S yang sama atau mendekati matriks koragam populasi (θ). Penduga-penduga akan konsisten jika F(S, ( (θ))memiliki sifat-sifat :
1. F(S,( (θ)) adalah skalar 2. F(S,( (θ))≥0
3. F(S,( (θ))=0 jika dan hanya jika (θ)=S
4. F(S,( (θ))kontinu diSdan (θ)
Metode Penduga Kemungkinan Maksimum (PKM)
Penduga kemungkinan maksimum (PKM) sejauh ini merupakan metode yang paling sering digunakan untuk menduga koefisien model persamaan struktural. Pada pendugaan analisis koragam, nilai awal parameter bebas dipilih supaya menghasilkan dugaan matriks koragam populasi dari model konvergen terhadap matriks koragam contohS. Perbedaan kedua matriks tersebut diharapkan relatif kecil agar menghasilkan penduga yang konsisten.
FML(θ)=log|Σ(θ)|+tr SΣ-1(θ) -log|S|-(p+q)
dengan asumsi S danΣ(θ)adalah matriks-matriks definit positif, sedangkan p+q adalah banyaknya peubah teramati dalam model.
Pada metode kemungkinan maksimum diasumsikan bahwa peubah indikator yang datanya menyebar normal ganda sehingga akan menghasilkan PKM yang efisien untuk ukuran contoh yang cukup besar. Menurut Bollen (1989), PKM mempunyai sifat-sifat penting, yaitu tak bias secara asimtotis yaitu ada kemungkinan berbias pada ukuran contoh kecil, konsisten, efisien secara asimtotis, dan invariant terhadap skala pengukuran (suatu pengukuran tidak mempengaruhi nilai dugaan parameter model).
Ukuran Kebaikan Penduga Kemungkinan Maksimum
Menguji model mengandung dua hal. Pertama, menguji kesesuaian model secara keseluruhan (overall model fit test). Kedua, menguji secara individual kebermaknaan (test of significance) hasil estimasi parameter model. Pengujian pertama erat berhubungan dengan persoalan generalisasi, yaitu sejauh mana hasil estimasi parameter model dapat diberlakukan terhadap populasi, sedangkan pengujian kedua berhubungan dengan menguji hipotesis penelitian yang diajukan (Bachrudin A & Tobing 2003).
Kesesuaian model dalam format model-model persamaan struktural adalah kesesuaian antara matriks koragam data contoh dengan matriks koragam populasi yang diestimasi, oleh karena itu suatu model dikatakan sesuai apabila matriks koragam data contoh tidak berbeda dengan matriks koragam populasi yang diestimasi.
Langkah pertama dalam menafsirkan model yang dihasilkan adalah menilai apakah model tersebut sudah layak atau belum. Tidak ada ukuran tunggal untuk menilai kelayakan sebuah model. Beberapa peneliti menyarankan untuk menggunakan paling sedikit tiga uji kelayakan model (Kusnendi 2008). Ada beberapa ukuran kesesuaian model yaitu uji , uji Root Mean Square Error of Approximation(RMSEA), ujiGoodness of Fit Index( ), ujiRoot Mean Square Residual (RMR), dan Adjusted GFI (AGFI). Berikut ini beberapa ukuran kesesuaian model yang akan digunakan untuk menilai kelayakan model dalam tulisan ini.
• UjiRoot Mean Square Galat of Approximation(RMSEA)
RMSEA merupakan ukuran atau indeks yang mencoba memperbaiki karakteristik statistik yang cenderung menolak model jika ukuran contoh relatif besar. Kriteria RMSEA adalah semakin rendah nilai RMSEA menunjukkan matriks koragam contoh dengan matriks koragam populasi cenderung tidak berbeda. Beberapa pakar merekomendasikan nilai RMSEA maksimum sebesar 0.05 sampai 0.08 merupakan ukuran yang dapat diterima sebagai dasar untuk mengatakan model sesuai dengan data.
RMSEA= χ
2
• UjiGoodness of Fit Index( )
GFI merepresentasikan persen keragaman S yang dapat diterangkan oleh , yakni keragaman yang dinyatakan dengan model. Interpretasi nilai GFI analog dengan pada model regresi. GFI diperoleh dari rumus berikut :
GFI=1-tr Σ-1-S-I 2
tr Σ-S 2
Batas minimal nilai GFI yaitu 0.9. GFI sebesar 0.9 mengandung arti bahwa sebesar 90% model memiliki kesesuaian dengan data. Dengan kata lain, sebesar 90% model mampu mengestimasi matriks koragam populasi yang tidak berbeda dengan matriks koragam contoh (Sharma diacu dalam Kusnendi 2008).
• UjiRoot Mean Square Residual(RMR) RMR didefinisikan sebagai
RMR= sij-σij
2 i
j=1 p+q I=1
(p+q)(p+q+1)/2
dengan : p adalah banyaknya indikator bagi peubah laten endogen q adalah banyaknya indikator bagi peubah laten eksogen
adalah unsur matriksS
adalah unsur matriks
RMR merupakan ukuran rata-rata dari kuadrat sisaan, semakin besar nilai RMR maka semakin buruk model hipotesis dalam mengepas data dan begitu pula sebaliknya (Sharma 1996 diacu dalam Kusnendi 2008).
Metode Kuadrat Terkecil Parsial (KTP)
KTP dikembangkan oleh Wold (1982) sebagai metode umum untuk pendugaan model persamaan struktural yang memuat peubah laten. Pendugaan parameter dan pengujian kelayakan model KTP tidak memerlukan asumsi sebaran (distribution-free) dari peubah pengamatan dan ukuran contoh tidak harus besar. Spesifikasi model pada metode KTP didefinisikan dari model struktural (inner model) yang menyatakan hubungan antara peubah-peubah laten dan model pengukuran (outer model) yang menyatakan hubungan antara peubah laten dengan indikator-indikatornya. Adapun formula inner model pada metode KTP adalah sebagai berikut
ηj= βjiηi+ γjbξb+
i i
ζj
η
j : peubah laten endogen ke-j
βji : koefisien lintas antara peubah laten endogen ke-j dengan peubah laten endogen ke-i
η
i : peubah laten endogen ke-i untuk
γjb : koefisien lintas antara peubah laten endogen ke-j dengan peubah laten eksogen ke-b
ξ
b : peubah laten eksogen ke-b
ζ
p : banyaknya peubah laten endogen. q : banyaknya peubah laten eksogen.
Formulaouter modelpada model KTP untuk hubungan reflektif adalah
x=Λxξ+δ
y=Λyη+ϵ dengan
x : indikator peubah laten eksogen (ξ)
y : indikator peubah laten endogen (η)
Λx dan Λy : matriks loading yang menghubungkan peubah laten dengan indikatornya
δdanϵ : sisaanouter model
Hubungan antara peubah laten dan indikator-indikatornya telah dijelaskan melalui outer model, namun nilai sebenarnya dari suatu peubah laten tidak mungkin didapatkan. Oleh karena itu, dilakukan pembobotan pada outer model untuk mendekati nilai peubah laten yang ada. Menurut Chin (1998), peneliti dapat menggunakan pembobot-pembobot awal dengan nilai yang sama untuk mendapatkan pendekatan awal sebuah peubah laten berupa penjumlahan sederhana dari indikator-indikatornya.
Inti dari prosedur KTP adalah menentukan pembobot-pembobot yang akan digunakan untuk menduga peubah laten pada outer model. Pembobot-pembobot diperoleh dari regresi KTP yang diterapkan pada setiap blok peubah indikator. Ada dua cara pada pendugaan pembobot yaitu outward mode dan inward mode. Untuk bentuk hubungan reflektif pada outer mode menggunakan cara outward mode yaitu menggunakan regresi sederhana yang pendugaannya menggunakan metode kuadrat terkecil. Formula pendugaannya yaitu
Yj= wkjyk j+dj
kj
pendugaan pembobot denganoutward modemelalui formula y
kj=wkj0
+wkjYj+ekj
proses iterasi pada pendugaan pembobot selesai pada saat wkj**-wkj* /wkj*≤10-5
setelah proses iterasi selesai, kemudian dilakukan pendugaanouter model
Yj= wkjykj
kj
Pada dasarnya pendekatan KTP adalah penggabungan model pendugaan di atas sebagai pengembangan model-model lintas yang melibatkan lebih dari dua peubah laten. Proses pendugaannya menggunakan metode kuadrat terkecil yang diaplikasikan pada persamaan hubungan inner model dan outer model karena metode KTP tidak memerlukan asumsi yang ketat terhadap sebaran dari peubah, sisaan dan parameter maka metode ini sering disebut model lunak.
Ukuran Kebaikan Kuadrat Terkecil Parsial (KTP)
mengevaluasi kesesuaian model dugaan dan memeriksa kekuatan pendugaan dari inner modeldan outer model. Evaluasi model dugaan menggunakan metode KTP dilakukan dengan menghitung indeks-indeks kecocokan model yang diperoleh dariinner modeldanouter model.
• Pengujianouter model(model reflektif)
Pada prinsipnya adalah menguji indikator terhadap peubah laten atau dengan kata lain mengukur seberapa jauh indikator itu dapat menjelaskan peubah latennya.
1. Validitas Kekonvergenan
Nilai loading 0.5 sampai 0.6 dianggap cukup untuk menggambarkan indikator tersebut mampu menggambarkan peubah latennya.
2. Validitas Diskriminan
Validitas diskriminan diukur menggunakan nilai average variance extracted (AVE), yaitu mengukur keragaman peubah laten yang dapat dijelaskan oleh keragaman model pengukuran. Menurut Tan et al. (1999) nilai AVE yang mengindikasikan keragaman yang cukup baik adalah di atas 0.5. Formula AVE sebagai berikut :
AVE= λi
2 i
n 3. Reliabilitas Gabungan
Reliabilitas gabungan (ρc) digunakan untuk mengukur reliabilitas setiap peubah laten, dengan formula sebagai berikut:
ρc= (Σλi)
2 (Σλi)2+Σ 1-λ
i2
dengan merupakan koefisien lintas ke-i. Nilai ini menunjukkan stabilitas dan konsistensi dari suatu pengukuran. Nilainya berkisar 0 sampai 1. Nilai batas yang diterima untuk tingkat reliabilitas komposit (ρc) adalah ≥ 0.8, walaupun bukan merupakan standar absolut (Chin 1998).
• Pengujianinner modelyaitu :
1. Pengujian pengaruh hubungan peubah laten eksogen terhadap peubah endogen dengan melihat nilai t-hitung tiap koefisien lintas tiap peubah padainner model.
2. Nilai R2 yang menunjukkan besarnya keragaman peubah endogen yang dapat dijelaskan oleh peubah eksogen (prediktif).
3 METODE
Data
(2013). Peubah laten tangible, reliability, responsiveness, assurance merupakan peubah eksogen sedangkan peubah kepuasan merupakan peubah endogen. Peubah tangible berkaitan dengan wujud fisik fasilitas, personil, proses dan hasil audit internal. Peubah laten reliability mencakup kehandalan/profesionalisme auditor. Peubah responsiveness berarti kecepattanggapan auditor untuk membantu dan memberikan jasa audit maupun konsultasi. Peubah assurance menyangkut jaminan kepastian yang dapat diberikan oleh auditor untuk menumbuhkan rasa percaya auditi terhadap pelayanan audit. Indikator-indikator yang digunakan untuk setiap peubah disajikan pada Lampiran 1.
Data diperoleh dari responden yaitu pejabat pengelola keuangan di 12 unit kerja Eselon 1 di lingkungan Kementerian Pertanian Pusat dan tersebar di Unit Pelaksana Teknis (UPT). Kepuasan auditi yang diteliti merupakan persepsi yang dirasakan oleh pejabat pengelola keuangan di masing-masing satuan kerja sebagai pihak-pihak yang sering berhubungan dengan auditor Itjentan. Empat peubah dari konsep kualitas pelayanan Zeithaml et al. (1990) yaitu tangible, reliability, responsiveness, dan assurance digunakan dalam penelitian ini. Keempat dimensi tersebut digunakan sebagai peubah laten eksogen untuk mengukur peubah laten endogen kepuasan.
Metode Analisis data
Secara garis besar, tahapan analisis data pada penelitian ini terdiri dari empat tahapan yaitu analisis deskriptif data, pengepasan model dengan metode pendugaan kemungkinan maksimum (PKM), pengepasan model dengan metode pendugaan kuadrat terkecil parsial (KTP), perbandingan metode PKM dan KTP.
Analisis Deskriptif
Analisis data diawali dengan analisis deskriptif bertujuan untuk menggambarkan sesuatu sifat yang sedang berlangsung pada saat riset dilakukan dan memeriksa sebab-sebab yang ada dari gejala tertentu.
1. Deskripsi data tiap unit Eselon 1 di bawah Kementerian Pertanian 2. Deskripsi data tiap peubah yang digunakan
Metode Pendugaan Kemungkinan Maksimum (PKM)
Analisis data contoh dengan menggunakan metode PKM melalui tahapan-tahapan sebagai berikut:
1. Spesifikasi model
Hubungan peubah-peubah yang digunakan dalam penelitian ini dapat dibentuk dalam diagram jalur pada Gambar 1 sehingga dapat dibentuk model pengukuran dan model strukturalnya.
• Model pengukuran
Model pengukuran untuk semua peubah laten menggunakan hubungan reflektif. Model pengukurannya sebagai berikut :
untuk peubah endogen Y1 Y2 Y3
=
λ11y λ21y λ31y
kepuasan+
untuk peubah eksogen
kepuasan=γ11tangible+γ12reliability+γ13responsiveness+γ14assurance+ζ
2. Menduga parameter
Tahapan ini dimaksudkan untuk memperoleh koefisien lintas model struktural dan pengukuran dengan membentuk matriks koragam kemungkinan maksimum, yaitu S=Σ(θ) maka diperoleh persamaan matriks sebagai berikut.
Cov(y,y) Cov(y,x) Cov(x,y) Cov(x,x) =
Λy(I-Β)-1 ΓΦΓ'
+Ψ [(I-Β)-1]'Λ'y+Θ
ε Λy(I-Β)-1ΓΦΛ'x
ΛxΦΓ'[(I-Β)-1]'Λ'y Λ
xΦΛ'x+Θδ Estimasi sudah cukup dekat dapat diketahui menggunakan fungsi yang diminimumkan, yaitu fungsi dari S dan Σ(θ) ( F(S,Σ(θ))). PKM ini secara iteratif akan meminimumkan fungsi ( , )sebagai berikut:
FML(θ)=log|Σ(θ)|+tr SΣ-1(θ) -log|S|-(p+q)
dengan asumsi S dan Σ(θ) adalah matriks-matriks definit positif, sedangkan p+q adalah banyaknya peubah teramati dalam model.
3. Menguji validitas dan reliabilitas peubah laten
Validitas dapat diartikan sebagai kemampuan suatu alat ukur dalam menggali informasi yang ingin didapatkan dari responden secara tepat mengenai hal yang ingin diukur sesuai dengan tujuan penelitian. Reliabilitas adalah kekonsistenan suatu hasil pengukuran dalam mengukur nilai pada suatu objek. Untuk menduga nilai reliabilitas secara keseluruhan dan untuk masing-masing peubah laten digunakan nilai constuct reliability dihitung dengan menggunakan formula berikut :
CR= λi
* 2
λi* 2+ ei
Denganλi* adalah nilai factor loading yang telah distandarkan dan adalah besar sisaan pengukuran untuk peubah indikator ke-idalam satu peubah laten. 4. Menguji indikator yang signifikan untuk setiap peubah laten
Pengujian menggunakan nilai factor loading tiap indikator peubah laten (signifikan jika ≥ 0.4). Apabila terdapat indikator yang memiliki nilai factor loading yang kurang dari 0.4 maka indikator tersebut akan dihilangkan kemudian akan dilakukan pembentukan model yang baru.
5. Menguji pengaruh antara peubah laten dengan menggunakan uji t
6. Menguji kesesuaian model dengan menggunakan nilai RMSEA, GFI, RMR 7. Menginterpretasi hasil
Metode Pendugaan Kuadrat Terkecil Parsial (KTP)
Pengolahan data contoh pada metode KTP adalah sebagai berikut : 1. Spesifikasi model
2. Menentukan pembobot-pembobot, koefisien-koefisien lintas dan nilai-nilai peubah laten dengan menggunakan algoritma KTP untuk analisis lintas peubah laten dengan langkah-langkah sebagai berikut :
a. Pembobot model struktural
vji= 1 jikaηdanξberhubungan 0 jikaηdanξtidak berhubungan b. pendugaan model struktural
η
j= vijηi i
c. pembobotan model pengukuran
yk=wkηj+ek (outward) d. pendugaan model pengukuran
ξ
j= wkixki ki ηj= wkjykj
kj
Tahap 2 : Pendugaan koefisien-koefisien lintas 3. Menguji validitas kekonvergenan
4. Menguji validitas diskriminasi 5. Menguji koefisien lintas model
6. Menguji besarnya keragaman statistik ( ) dan menginterpretasi hasil
Perbandingan Metode PKM dan KTP
Perbandingan antara metode pendugaan PKM dan KTP dilakukan dengan membandingkan besar nilai sisaan model pengukuran dan model struktural kedua metode tersebut. Gambaran mengenai alur metode analisis yang akan digunakan dapat dilihat pada Gambar 2 :
Gambar 2 Diagram Alir Metode Analisis Perbandingan hasil dugaan dengan
metode PKM dan KTP
Selesai Model struktural
Model pengukuran
Model inner (struktural) Model outer (pengukuran) mulai
Data tingkat kepuasan audit
Analisis deskriptif
4 HASIL DAN PEMBAHASAN
Pada bab ini akan dibahas deskripsi data yang digunakan dalam penelitian. Selanjutnya akan dilakukan pemodelan dengan menggunakan penduga kemungkinan maksimum (PKM) dan kuadrat terkecil parsial (KTP). Pada bagian akhir akan dilakukan perbandingan kedua metode tersebut berdasarkan besar nilai sisaan model pengukuran dan model strukturalnya.
Deskripsi Data
Deskripsi Per-Unit Eselon Satu
Unit Sekretariat Jenderal (Sekjen), Inspektorat Jenderal (intjen), Ditjen Tanaman Pangan (DTP), Ditjen Hortikultura (DH), Ditjen Peternakan dan Keswan (DP&K), Ditjen Perkebunan (DP), Badan Litbang (BL), Badan Karantina (BK), Badan Sumber Daya Manusia (BSDM) secara umum memiliki kepuasan yang cukup yaitu skor rata-rata kepuasan pada skor 3. Jika ditinjau dari faktor-faktor yang mempengaruhinya yaitu peubah tangible dengan skor rata-rata 4 menunjukkan bahwa auditi merasa wujud fisik fasilitas yang digunakan baik. Begitupula dengan peubah reliablility, responsiveness, dan assurance yang memiliki rata-rata skor 4 yang menunjukkan auditor yang sudah bekerja tingkat kehandalan/profesionalisme, kecepattanggapan dan jaminan kepastian berada pada taraf baik.
Unit Badan Ketahanan Pangan (BKP) juga berada pada tingkat kepuasan yang cukup. Namun, untuk faktor-faktor yang mempengaruhinya terdapat sedikit perbedaan. Peubah tangible, reliablility, dan assurance memiliki skor rata-rata 4 yang berarti auditi merasa wujud fisik fasilitas dan personil, kehandalan/profesionalisme auditor dan jaminan kepastian yang diberikan oleh auditor berada pada taraf baik. Sedangkan, untuk peubah responsiveness yang menyangkut kecepattangapan auditor untuk membantu dan memberikan jasa audit memiliki skor 3 yang berarti berada pada taraf cukup.
Unit Pengolahan dan Pemasaran Hasil Pertanian (P2HP) memiliki skor rata-rata kepuasan 2 yang menunjukkan bahwa auditi tidak puas dengan kinerja auditor yang sudah bekerja. Jika ditinjau dari faktor-faktor yang mempengaruhinya untuk peubahtangible, reliablility, danassurance memiliki skor rata-rata 3 yang berarti auditi merasa wujud fisik fasilitas dan personil, kehandalan/profesionalisme auditor dan jaminan kepastian yang diberikan oleh auditor berada pada taraf cukup. Sedangkan, untuk peubah responsiveness yang menyangkut kecepattangapan auditor untuk membantu dan memberikan jasa audit memiliki skor 4 yang berarti berada pada taraf baik.
dan memberikan jasa audit dan jaminan kepastian yang diberikan oleh auditor berada pada taraf yang sangat baik.
Dari deskripsi awal diperoleh informasi bahwa sebagian besar unit Eselon 1 di bawah Kementerian Pertanian memiliki tingkat kepuasan yang cukup terhadap kinerja auditor yang telah bekerja. Ditinjau dari faktor-faktor yang dianggap mempengaruhinya diperoleh gambaran bahwa keempat peubah komponen-komponen auditor baik wujud fisik fasilitas dan personil, kehandalan/profesionalisme auditor, kecepattangapan auditor, serta jaminan kepastian yang dapat diberikan oleh auditor sudah pada taraf baik.
Adanya perbedaan pada tingkat kepuasan beberapa unit Eselon 1 dengan sebagian besar lainnya umumnya dipengaruhi oleh kenaikan/penurunan taraf pada peubah tangible, reliablility, dan assurance. Untuk lebih mengetahui secara struktural peubah mana saja yang benar-benar mempengaruhi akan digunakan model persamaan struktural pada bab pembahasan ini.
Deskripsi Per-peubah Data
Deskripsi data untuk setiap peubah laten dilakukan melalui grafik skor jawaban untuk setiap peubah indikator yang ditetapkan untuk setiap peubah laten. Skor 1 menunjukkan ketidaksesuaian dengan keterangan indikator menuju skor 5 yang paling sesuai dengan keterangan indikator.
Berdasarkan Gambar 3, peubah latentangible diketahui responden sebagian besar menjawab sesuai dengan keterangan yang ada pada tiap indikator yang diberi skor 4 sehingga data terlihat berkumpul di tengah dan sebagian lainnya menjulur ke kiri dan ke kanan. Hal sama juga terjadi pada peubahresponsiveness.
Gambar 3 Grafik persebaran data indikator-indikator peubah laten tangible danresponsiveness
Gambar 4 menunjukkan bahwa peubah laten reliability responden sebagian besar menjawab sesuai dengan keterangan yang ada pada tiap indikator (skor 4) sehingga data terlihat berkumpul diikuti yang menjawab sangat sesuai dengan keterangan sehingga data cenderung menjulur ke kanan. Untuk peubah laten assurance, peubah indikator X14, X15, dan X16 cenderung memiliki pola yang
sama yaitu responden menjawab sesuai dengan pernyataan yang ada di indikator yaitu skor 4. Sedangkan untuk X17 responden menjawab beragam, namun yang
terbesar tetap pada skor 4.
1 1 1 1
1 3 2 2
14 15 12 11 83 75 71
65 11 16 24 31
x1 x2 x3 x4
Tangible
skor 1 skor 2 skor 3 skor 4 skor 5
0 1 0 0
2 0 2 1
21 30 20 12
69 63 73 79
18 16 15 18
x10 x11 x12 x13
Responsiveness
Gambar 4 Grafik persebaran data indikator-indikator peubah laten reliability danassurance
Peubah laten kepuasan disajikan pada Tabel 1 menunjukkan bahwa responden merasa cukup (skor 3) dengan tingkat kepuasan yang digambarkan melalui ketiga indikator tersebut, dan sebagian lainnya menyebar di empat skor yang lain sehingga data berkumpul di tengah yaitu di skor 3 kemudian menjulur ke kiri dan ke kanan.
Tabel 1 Sebaran frekuensi jawaban pada peubah kepuasan Skor Jawaban y1 y2 y3
Pendugaan Parameter dengan Metode Pendugaan Kemungkinan Maksimum
Data tingkat kepuasan auditor program Green Audits dimodelkan dengan menggunakan model persamaan struktural (MPS) dengan metode penduga kemungkinan maksimum (PKM). Hasil dugaan koefisien lintas model pengukuran dengan metode MPS pada model awal disajikan pada Gambar 5.
Berdasarkan hasil tersebut dapat dibentuk model pengukuran dan model strukturalnya yaitu:
• Model pengukuran untuk peubah endogen Y1
• Model pengukuran untuk peubah eksogen X1
x14 x15 x16 x17
Assurance
X
Gambar 5 Model persam
Koefisien lintas mode Gambar 6 menunjukkan se peubah latennya kecuali X Gambar 7 menunjukkan ba yang berpengaruh nyata terha
X5
angible-0.18reliability+0.16responsiveness+0.10
amaan struktural awal dengan metode PKM
odel pengukuran yang dihasilkan metode P semua peubah indikator signifikan dalam mer X17. Nilai t-hitung tiap koefisien yang disaj
bahwa hanya satu peubah laten eksogen yait erhadap peubah laten endogen kepuasan.
0.10assurance+0.56
Gambar 6 Nilail
Gambar 7 Nilai
t-Indikator yang pembentukan model auditor dipengaruhi menggambarkan peuba yang diberikan auditi se objektivitas dari audit
Model pengukur model ditunjukkan pa
iloading factorpeubah-peubah indikator mode
i t-hitung peubah-peubah indikator model awal
ng tidak signifikan yaitu X17 dihilangkan
odel yang baru. Peubah indikator tersebut adala uhi pelayanan audit. Peubah tersebut tidak si ubah assurance. Hal ini dikarenakan auditi m uditi selama proses audit tidak akan mempengaruhi
uditor yang bekerja.
ukuran dan model struktural baru setelah X17 d
pada Gambar 8.
odel awal
al
n dan dilakukan dalah penilaian tim k signifikan dalam merasa pelayanan ruhi penilaian atau
Gambar 8 Model persa
• Model pengukuran u
• Model pengukuran u
X Model pengukuran kepuasan yang dibangun ol peubah kepuasan adalah ke dengan koefisien lintas yan umum. Peubahtangible yan fasilitas lengkap dan yang
rsamaan struktural dengan metode PKM
n untuk peubah endogen
=
n untuk peubah eksogen
X1
angible-0.18reliability+0.16responsiveness+0.10
n yang terbentuk menunjukkan bahwa untuk oleh tiga indikator, yang paling dominan mer kepuasan terhadap laporan hasil audit yang di yang terbesar dan yang terkecil adalah kepuas yang paling dominan adalah pelaksanaan audit ng terkecil adalah hasil audit mudah dipaham
reliability dominan di kerja meningkatkan e indikator pelaksanaan auditor mampu membe merupakan indikator yang terkecil adalah ditindaklanjuti. Peuba temuan dilakukan se berperilaku sopan. N keseluruhan sudah me
Berdasarkan ni bahwa semua peubah peubah latennya.
Gambar 9 Nilailoadi Gambar 10 me hanya satu peubah lat peubah laten endogen peubah kepuasan artin internal maka auditi se Peubah ini dibangun memiliki nilai t-hitung konsultasi didukung f
Peubah reliabil tidak signifikan. I profesionalisme audit saja disebabkan oleh merasa semakin terbe
Peubah responsi dalam bekerja dan assu
n direfleksikan oleh indikator temuan auditor m n efektivitas operasional organisasi dan yang
an audit dilakukan dalam kerangka waktu yang mberikan solusi atas permasalahan satuan ker or dominan yang merefleksikan peubah responsi lah indikator auditor memberikan rekomenda ubahassurancedominan direfleksikan oleh indi
secara objektif dan yang terkecil adalah indi Nilai p sebesar 0.29 menunjukkan bahwa h memenuhi kriteria kebaikan model.
n nilai loading factor yang tertera pada Gam ubah indikator yang digunakan sudah signifikan
oading factorpeubah-peubah indikator
enunjukkan model baru yang terbentuk teta laten eksogen (tangible) yang signifikan berpe gen (kepuasan). Peubah tersebut berpengaruh rtinya semakin baik wujud fisik, fasilitas, prose i semakin puas dengan kinerja dari auditor yan un oleh 4 peubah indikator dan yang paling be ung terbesar yaitu peubah TB2 (pelaksanaan audi ng fasilitas fisik yang memadai).
ability memiliki nilai t-hitung yang bernilai ne Ini menunjukkan bahwa peubah yang uditor berpengaruh negatif tehadap kepuasan audi
eh semakin profesionalnya auditor yang beke bebani yang berakibat pada rendahnya tingkat ke sponsiveness yang menggambarkan kecepattan
assurance yang menggambarkan adanya jam
membantu satuan ng terkecil adalah ng jelas. Indikator kerja dengan cepat responsiveness dan ndasi yang dapat ndikator penyajian h indikator auditor hwa model secara
mbar 9 diketahui kan merefleksikan
tap menghasilkan pengaruh terhadap uh positif terhadap oses dan hasil audit ang telah bekerja. berpengaruh atau n audit maupun jasa
negatif walaupun ng menunjukkan auditi. Hal ini bisa kerja maka auditi t kepuasan. tanggapan auditor
yang dapat diberikan oleh walaupun pengaruhnya tida
Gambar 10 Nilai t-hitung
Setelah model baru te kereliabelan atau kehanda Pengujian dilakukan denga hasilnya terdapat pada Tabe
Tabel 2
Kriteria
Semua Peubah (T Tangible
Reliability Responsiveness Assurance
Nilai construct reabi masih dalam batas peubah di terbentuk menggunakan nila
Tabel 3 Kr RMS GFI RMR
h auditor berpengaruh positif terhadap kepua dak signifikan.
ung peubah-peubah indikator
u terbentuk, langkah selanjutnya adalah mengukur dalan peubah dalam merefleksikan peubah ngan menggunakan Nilai construct reability (
bel 2.
bel 2 Pengujian validitas dan reliabilitas
a Nilaiconstruct
reability(CR) Keterangan h (Total) 0.87 Sangat reliabel 0.57 Cukup reliabel 0.72 Reliabel
ss 0.63 Reliabel
0.59 Cukup reliabel
ability (CR) terlihat hasil yang cukup berag h dinyatakan reliabel. Pengukuran kelayakan m nilai-nilai yang tertera pada Tabel 3.
bel 3 Kriteria kelayakan model dugaan Kriteria Nilai Nilai Ideal
MSEA 0.02 ≤ 0.08
FI 0.87 ≥ 0.90
MR 0.30 Relatif kecil
puasan auditi
ukur tingkat ubah latennya. (CR) yang
Nilaigoodness of sesuai dengan mode kesesuaian dengan t signifikan dari empat pe
Pendugaan Param
Hasil dugaan ko awal disajikan pada pengukuran dan mode
Gambar 11 Mode
• Outer modelu
• Outer modelunt
ss of fitmodel tersebut menunjukkan keadaan e odel yang diajukan atau model dinyatakan
teori yang rendah terlihat dari hanya satu pat peubah yang diajukan oleh teori yang ada.
ameter Model dengan Metode Kuadrat Terk
n koefisien lintas outer modeldengan metode K da Gambar 11. Dari hasil tersebut dapat di odel strukturalnya yaitu:
Model persamaan struktural awal dengan metode K
luntuk peubah endogen
Y1
luntuk peubah eksogen
X1
n empiris dari data n layak. Namun, satu peubah yang
erkecil Parsial
KTP pada model t dibentuk model
X1 X1
X1 X1 • Inner model-nya
kepuasan=0.50tangi
Nilai t-hitung tiap koe eksogennya yang nilainya peubah laten eksogen yait laten endogen kepuasan.
Gambar 12 Nilailoadi Berdasarkan Gambar dihasilkan metode KTP, se factor> 0.4) dalam merefle
Indikator yang tidak pembentukan model yang ba
X14
angible-0.10reliability-0.10responsiveness+0.22
sar nilai t-hitung peubah laten eksogen model aw
Peubah Nilai T-hitung
-> Kepuasan 2.25
ss -> Kepuasan 0.82
-> Kepuasan -> Kepuasan
0.55 1.14
koefisien pada Tabel 4 menunjukkan hanya sa a lebih besar dari 1.96 yang berarti bahwa ha aitu tangible yang berpengaruh nyata terhada
iloading factorpeubah peubah indikator mode bar 12 diketahui bahwa koefisien lintas outer m , semua peubah indikatornya signifikan (nila fleksikan peubah latennya kecuali X17.
dak signifikan tersebut dihilangkan kemudian baru yang hasilnya ditunjukkan pada Gambar 13
Gambar 13 Mod
Outer modeldaninne
• Outer modelu
• Outer modelu
• Inner model-n
kepuasan=0.51
Model persamaan struktural dengan metode KT
nner modelyang diperoleh sebagai berikut: luntuk peubah endogen
Y1
luntuk peubah eksogen
X1
.51tangible-0.10reliability-0.10responsiveness KTP
Outer model yang t paling dominan direfleksika hasil audit dan kepuasan ter besaran koefisien outer m indikator pembentuk terke laporan hasil audit didukung terkecil adalah hasil audi direfleksikan oleh indikator efisiensi operasional dan dilakukan dalam kerangka memberikan solusi atas pe indikator dominan yang m adalah indikator pelaksanaa Peubahassurancedominan dan indikator penyajian tem terkecil adalah auditor dapa
Berdasarkan nilai loadi bahwa semua peubah indika peubah latennya.
Gambar 14 Nilail
Tabel 5
Tangible Responsive Reliability Assurance
terbentuk menunjukkan bahwa untuk peubah ikan oleh dua indikator yaitu kepuasan terhada terhadap proses pelayanan. Kedua indikator ini model yang sama. Kepuasan secara umum rkecil. Peubah tangible yang paling domina ukung dokumentasi bukti audit yang akurat
audit mudah dipahami. Peubah reliability tor temuan auditor membantu satuan kerja meni
n yang terkecil adalah indikator pelaksana ngka waktu yang jelas. Indikator auditor s permasalahan satuan kerja dengan cepat m
merefleksikan peubah responsiveness dan yan naan audit maupun jasa konsultasi dilakukan tepa nan direfleksikan oleh indikator auditor berperil
temuan dilakukan secara objektif. Indikator pe pat menjaga kerahasiaan data informasi auditi.
loading factor yang tertera pada Gambar 14 dikator yang digunakan sudah signifikan mer
ailoading factorpeubah-peubah indikator
Besar nilai t-hitung peubah laten eksogen
Kriteria Nilai
-> Kepuasan 2.46 sponsiveness -> Kepuasan 0.89
Tabel 5 menunjukkan bahwa model baru yang terbentuk tetap menghasilkan hanya satu peubah laten eksogen (tangible) yang signifikan berpengaruh terhadap peubah laten endogen (kepuasan). Peubah tersebut berpengaruh positif terhadap peubah kepuasan artinya semakin baik wujud fisik, fasilitas, proses dan hasil audit internal maka auditi semakin puas dengan kinerja dari auditor yang telah bekerja. Peubah reliability, responsiveness, dan assurance memiliki nilai t-hitung yang bernilai positif tapi tidak signifikan.
Setelah model baru terbentuk diukur tingkat kehandalan peubah yang digunakan. Pengujian ini dilakukan dengan menggunakan nilai Composite Reliability ρc dan Average Variance Extracted (AVE) yang hasilnya disajikan pada Tabel 6.
Tabel 6 Composite Reliability ρc danAverage Variance Extracted(AVE) Peubah Laten ρ
c AVE
Tangible 0.8544 0.5951 Reliability 0.9235 0.7081 Responsiveness 0.8592 0.6061 Assurance 0.8748 0.7001 Kepuasan 0.8964 0.7453
Nilaiρcyang berada di sekitar 0.8 menunjukkan bahwa semua peubah laten yang digunakan memiliki nilai reliabilitas gabungan yang baik. Nilai AVE semua peubah laten lebih dari 0.5 menunjukkan semua peubah laten dapat mengakomodasi keragaman peubah indikator dengan baik. R2=0.2915 artinya sebesar 29.15 % peubah kepuasan dapat dijelaskan oleh keempat peubah laten eksogen, sisanya dijelaskan oleh faktor lain yang tidak dijelaskan dalam model.
Hasil ini menunjukkan model dengan KTP kurang dapat mengakomodasi data yang digunakan dan hanya satu peubah laten eksogen yaitu tangible yang signifikan berpengaruh terhadap peubah laten endogen yaitu kepuasan dari empat peubah laten yang diajukan oleh teori yang ada.
Perbandingan Hasil Dugaan Parameter Metode PKM dan KTP
Gambar 15 Grafik perbandingan nilai sisaan model pengukuran metode PKM dan KTP
Selanjutnya akan ditinjau besar nilai sisaan model struktural dari kedua metode pendugaan parameter yang digunakan. Dari output diperoleh besar sisaan model struktural dengan metode PKM sebesar 0.56 sedangkan dengan metode KTP yaitu sebesar 0.16. Hal ini menunjukkan bahwa model struktural dengan KTP memiliki sisaan yang lebih kecil dibandingkan metode PKM. Sebagaimana diketahui, sisaan dalam model diharapkan sekecil mungkin maka disimpulkan bahwa model persamaan struktural dengan pendugaan parameter KTP lebih baik dibandingkan PKM.
5 SIMPULAN
Berdasarkan hasil analisis yang telah disajikan sebelumnya dapat disimpulkan :
1. Model pengukuran awal yang terbentuk baik dengan metode PKM dan KTP terdapat satu peubah indikator yang tidak signifikan sehingga dilakukan pembentukan model baru menggunakan peubah-peubah indikator yang signifikan.
2. Model struktural yang terbentuk dengan metode PKM dan KTP menghasilkan peubah laten eksogen yang signifikan berpengaruh terhadap peubah laten endogen (kepuasan) yang sama yaitu peubah tangible. Peubah tersebut berpengaruh positif terhadap peubah kepuasan artinya semakin baik wujud fisik, fasilitas, proses dan hasil audit internal maka auditi semakin puas dengan kinerja dari auditor yang telah bekerja.
3. Perbandingan model yang terbentuk menggunakan nilai sisaan model pengukuran dan model struktural diperoleh hasil bahwa model yang terbentuk dengan metode KTP lebih baik dibandingkan metode PKM.
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
y
1 y2 y3 x1 x2 x3 x4 x5 x6 x7 x8 x9
x1
0
x1
1
x1
2
x1
3
x1
4
x1
5
x1
6
DAFTAR PUSTAKA
Bachrudin A, Tobing. 2003. Analisis data untuk penelitian survei dengan menggunakan LISREL 8.30. Bandung : Jurusan Statistika, FMIPA, UNPAD.
Bollen KA. 1989. Structural equations with latent variables. Canada: A Wiley-Interscience Publication.
Chin WW. 1998. Issues and optinion on structural equation modeling. MIS quarterly.http://www.misq.org/archivist/vol/no22/issuel/vol22nlcomntry.html. Ferdinand. 2002. Structural Equation Modeling (SEM) dalam penelitian
Manajemen. Badan Penerbit Universitas Diponegoro.
Joreskog KG, D Sorbom. 1996. LISREL 8 : User’s Reference Guide. Scientific Software International, Inc, Chicago.
Kusnendi MS. 2008. Model-model persamaan struktural satu dan multigrup contoh dengan lisrel. Bandung: Alfabeta.
Schumacker RE, Lomax, RG. 1996. A beginner’s guide to SEM. Jew Jersey : Lawrence Erlbaum Associates, inc. Pub.
Tan WG, Chan T, and Gable GG. 1999. A Structural Model of software maintainer effectiveness. 10th Australian conference on information systems. http://www.fit.gut.edu.au/infoSys/ism/paper/WTa99-1.pdf.
Winniasri EF. 2013. Tingkat kepuasan auditi terhadap kinerja Inspektoral Jenderal Kementerian Pertanian [tesis]. Bogor (ID): Institut Pertanian Bogor.
Wold, H. 1982. Partial least Square, Encyclopedia of statistical sciences Vol. VI. New York: John Wiley and Sons.
Lampiran 1. Peubah laten dan peubah indikator model persamaan struktural kepuasan auditi terhadap auditor di Kementerian Pertanian
Peubah Laten Eksogen Indikator/Peubah Manifes Simbol
Tangible (Wujud fisik
fasilitas, personil, proses dan hasil audit internal)
Tb1
Tb2
Tb3
Tb4
• Laporan Hasil Audit (LHA) mudah
dipahami
• Pelaksanaan audit maupun jasa
konsultasi didukung dengan fasilitas fisik yang memandai (mis : laptop, GPS, dll)
• LHA didukung dokumentasi bukti
audit yang akurat
• Auditor berpenampilan rapi
X1
keahlian dan kemampuan
auditor sehingga dapat
melaksanakan penugasan
• Pelaksanaan audit dilakukan dalam
kerangka waktu yang jelas
• Auditor menunjukkan kekompakan
antara sesama anggota tim selama penugasan
• Temuan auditor membantu satker
meningkatkan kepatuhan terhadap kebijakan dan prosedur
• Temuan auditor membantu satker
meningkatkan efisiensi operasional
• Temuan auditor membantu satker
meningkatkan efektivitas operasional
untuk membantu dan
memberikan jasa audit
maupun konsultasi)
Rs10
Rs11
Rs12
Rs13
• Pelaksanaan audit maupun jasa
konsultasi dilakukan tepat waktu
• Auditor mampu memberikan solusi
atas permasalahan satker dengan cepat
• Auditor menunjukkan kesediaan
untuk membantu auditi
kepastian yang dapat
diberikan oleh auditor untuk menumbuhkan rasa percaya auditi terhadap pelayanan
audit, terkait dengan
independensi dan integritas auditor)
As14 As15
As16
As17
• Auditor berperilaku sopan
• Auditor dapat menjaga kerahasiaan
data informasi auditi
• Penyajian temuan dilakukan secara
objektif
• Peniaian tim auditor dipengaruhi
pelayanan auditi
X14 X15
X16
X17
Peubah Laten Endogen Indikator/Peubah Manifes Simbol
Kepuasan Y1
Y2 Y3
• Kepuasan secara umum
• Kepuasan terhadap LHA
• Kepuasan terhadap proses layanan
Y1 Y2 Y3
Keterangan :
5 : sangat (baik/puas) 4 : baik/puas
3 : cukup
2 : tidak (baik/puas)
RIWAYAT HIDUP
Latar Belakang
Kementerian Pertanian Republik Indonesia sebagai salah satu lembaga negara diharuskan memiliki Inspektorat Jenderal sesuai dengan terbitnya keputusan Presidium Kabinet Nomor 15 tahun 1966 yang mengharuskan adanya Inspektorat Jenderal pada setiap kementerian. Inspektorat Jenderal Kementerian Pertanian sebagai lembaga pengawas intern Kementerian Pertanian dituntut untuk menciptakan suasana pengawasan yang profesional yang dilandasi kompetensi, kapabilitas, dan integritas sesuai dengan tekad reformasi birokrasi pemerintahan di Lembaga Kementerian Pertanian yang diarahkan pada pencapaian good governance, transparan, dan akuntabel.
Inspektorat Jenderal Kementerian Pertanian mencanangkan program green audits dalam rangka mewujudkan pengawasan yang profesional serta mewujudkan visi dan misinya. Program green audits bertujuan agar auditor melaksanakan kegiatan pengawasan yang lebih fokus dengan tersedianya dasar perumusan kebijakan pengawasan (outcome) melalui program dan kegiatan (output) sehingga akan berdampak efektifitas, efisiensi, ekonomis, dan taat peraturan (impact). Auditor dapat memberikan motivasi dan saran kepada objek pemeriksaan (auditi) secara bijaksana dan ramah serta mampu memberikan kepercayaan dan kenyamanan terhadap objek pemeriksaan dan jujur dalam mengungkap temuan.
Aktifitas pengawasan lebih menekankan pencegahan daripada penindakan sehingga pola pengawasan terhadap kegiatan-kegiatan strategis menjadi prioritas sebelum dilakukan pemeriksaan. Pengawasan juga berorientasi kepada perbaikan bukan menghukum sehingga apabila ditemukan penyimpangan maka akan ditemukan penyelesaian secara internal sebelum dilakukan upaya pelimpahan permasalahan yang terjadi kepada pihak yang terkait. Diharapkan dengan dicanangkannya green audits dapat menciptakan kenyamanan antara auditor dan auditi dalam proses pemeriksaan di lingkungan Kementerian Pertanian.
Evaluasi atas kinerja auditor yang telah melakukan proses audit dilakukan setelah proses audit selesai. Analisis ini menyangkut tingkat kepuasan auditi terhadap kinerja auditor yang telah bekerja. Faktor-faktor yang mempengaruhi tingkat kepuasan auditi juga akan diteliti. Peubah kepuasan merupakan peubah yang tidak dapat diobservasi secara langsung. Artinya, pengukuran terhadap peubah yang diteliti tidak dapat dilakukan secara langsung tetapi diukur melalui indikator-indikator sebagai refleksi atau penjelas dari konstruk atau konsep yang hendak diukur. Oleh karena itu, konstruk seperti itu disebut peubah laten, sedangkan indikator-indikator konstruk yang diukur disebut peubah indikator (Schumacker dan Lomax 1996).
kepastian yang dapat diberikan oleh auditor untuk menumbuhkan rasa percaya auditi terhadap pelayanan audit, terkait dengan independensi dan integritas auditor) (Zeithaml et al. 1990). Keempat faktor-faktor yang dianggap mempengaruhi kepuasan auditi tersebut juga merupakan peubah laten.
Boolen (1989) menggunakan pemodelan persamaan struktural (structural equations modeling) yang dapat menganalisis secara simultan hubungan yang relatif rumit dengan sebagian atau seluruh peubahnya berupa peubah laten. Hubungan antara peubah laten diduga melalui model struktural yang dibangun oleh model pengukuran yang berisi hubungan antara indikator-indikator dengan peubah latennya.
Pemodelan persamaan struktural yang lengkap terdiri dari model struktural dan model pengukuran. Model pengukuran digunakan untuk mengkonfirmasi dimensi-dimensi yang dikembangkan pada peubah laten dan model struktural merupakan hubungan yang membentuk kausalitas antara peubah laten.
Perkembangan analisis pemodelan persamaan struktural menghasilkan beragam metode pendugaan parameter yang dapat digunakan diantaranya penduga kemungkinan maksimum (PKM), kuadrat terkecil terboboti, kuadrat terkecil tidak terboboti, kuadrat terkecil umum, dan kuadrat terkecil parsial (KTP). Masing-masing metode tersebut mempunyai kriteria sendiri dalam proses pendugaannya.
Penduga kemungkinan maksium (PKM) menggunakan struktur koragam dalam proses pendugaannya. Metode ini berusaha meminimumkan perbedaan antara koragam matriks prediksi oleh model teoritis dengan koragam matriks contoh sehingga proses estimasi menghasilkan sisaan matriks koragam yang mendekati nol. Metode ini merupakan bentuk hard modeling yang berarti memerlukan asumsi sebaran normal ganda dalam pendugaannya. Kuadrat terkecil parsial (KTP) menggunakan struktur ragam dalam proses pendugaannya. KTP merupakan metode soft modeling yang tidak mendasarkan pada asumsi skala pengukuran, distribusi data dan jumlah contoh yang digunakan sehingga merupakan metode yang fleksibel dan dapat digunakan untuk data yang tidak ideal. Adanya perbedaan pendekatan dari metode PKM dan KTP ini menarik untuk dikaji secara empirik perbandingan hasil dugaan parameter kedua metode tersebut.
Tujuan Penelitian
1. Menduga parameter model persamaan struktural (MPS) dengan metode penduga kemungkinan maksimum (PKM) dan kuadrat terkecil parsial (KTP) pada data tingkat kepuasan auditi terhadap kinerja auditor dan faktor-faktor yang mempengaruhinya di lingkungan Kementerian Pertanian Republik Indonesia.
2 TINJAUAN PUSTAKA
Model Persamaan Struktural (MPS)
Model persamaan struktural (MPS) merupakan salah satu analisis multivariat yang dapat menganalisis hubungan peubah secara kompleks. Analisis ini pada umumnya digunakan untuk penelitian-penelitian yang menggunakan banyak peubah dan dapat menganalisis model yang rumit secara simultan. MPS juga merupakan model analisis sebab akibat yang dapat menampilkan model secara komprehensip bersamaan dengan kemampuan untuk mengkonfirmasi dimensi atau faktor dari sebuah konsep yang diujikan melalui indikator-indikator empiris. Umumnya analisis MPS digunakan untuk menguji sebuah konsep teoritis atau melakukan konfirmasi terhadap sebuah konsep teoritis.
Model hubungan yang menjelaskan keterkaitan antarpeubah laten pada pemodelan persamaan struktural didefinisikan sebagai model struktural. Peubah laten yang merupakan peubah bebas di dalam model struktural disebut dengan peubah laten eksogen, sedangkan peubah laten yang diukur dari peubah-peubah laten eksogen disebut peubah laten endogen.
Peubah-peubah pada model struktural merupakan peubah laten sehingga pendugaan terhadap parameter-parameternya tidak dapat dilakukan secara langsung. Hal ini disebabkan karena peubah laten tersebut bukan merupakan hasil pengukuran dari suatu peubah pengamatan. Oleh karena itu, pendugaan dan pengujian model struktural dibangun melalui model pengukuran yang berisi hubungan antara peubah laten dengan peubah-peubah penjelas. Peubah penjelas tersebut diasumsikan sebagai pengukur (indikator) dari peubah laten yang dijelaskan.
MPS terdiri dari dua model persamaan yaitu model struktural dan model pengukuran. Model struktural pada MPS adalah
η=Bη+Γξ+ζ sedangkan model pengukurannya adalah
y=Λyη+ϵ
x=Λxξ+δ
dengan asumsi E( )=0, E( )=0, E( )=0, cov( , )=0, cov( , )=0, cov ( , )=0 dan matriksBnon-singular.
η : vektor (px1) peubah laten endogen ξ : vektor (qx1) peubah laten eksogen
B : matriks (pxp) koefisien lintas antarpeubah laten endogen
Γ : matriks (pxq) koefisien lintas antara peubah laten endogen dengan peubah laten eksogen
y : vektor (rx1) peubah penjelas dari peubah laten endogen
x : vektor (sx1) peubah penjelas dari peubah laten eksogen
Λy : matriks (rxp) koefisien lintas antara peubah laten endogen dengan peubah penjelasnya
Λx : matriks (sxq) koefisien lintas antara peubah laten eksogen dengan peubah penjelasnya
