50 BAB III
METODOLOGI PENELITIAN
3.1 Objek Penelitian 3.1.1 Lokasi Penelitian
Penelitian ini menganalisa bagaimana pengaruh persepsi harga, aktivitas promosi, fasilitas pendukung dan SDM (Dosen dan Karyawan) terhadap keputusan pemilihan perguruan tinggi . Objek penelitian yang digunakan adalah Universitas Mercu Buana khususnya mahasiswa.
Data yang diambil merupakan data hasil kuesioner terhadap mahasiswa yang kuliah di Universitas Mercu Buana.
3.1.2 Gambaran Umum Yayasan (Perguruan Tinggi)
Universitas Mercu Buana adalah sebuah universitas swasta di Jakarta, Indonesia. Didirikan pada tanggal 22 Oktober 1985, Pendiri: H.
Probosutedjo (Yayasan Menara Bhakti) kampus utama yang juga dinamakan Kampus A terletak di daerah Meruya, Jakarta Barat.
Kampus lainnya, yaitu Kampus B, terletak di Menteng, Jakarta Pusat, Kampus C di Depok, Jawa Barat, serta Kampus D di Bekasi, Jawa Barat.
Universitas Mercu Buana (UMB) merupakan pengembangan dari Akademi Wiraswasta Dewantara yang berdiri pada 1981. Ketika diresmikan menjadi UMB, tahun 1985, baru ada 3 fakultas (Fakultas Teknik, Fakultas Pertanian, dan Fakultas Ekonomi) dan 6 Jurusan.
51
Setelah berjalan lebih dari 19 tahun, kini UMB mampu menyelenggarakan lima fakultas dengan 19 jurusan, yang hampir semuanya sudah mendapat akreditasi dari Badan Akreditasi Nasional Perguruan Tinggi. Pada tahun akademik 2000/2001, dibuka program pascasarjana Magister Manajemen (MM) dengan konsentrasi : Magister Manajemen Keuangan, Magister Manajemen Pemasaran, Magister Manajemen Sumber Daya Manusia, Magister Manajemen Operasi/Produksi. Setahun kemudian, dalam upaya memberi kesempatan kepada lulusan D3/Politeknik/Akademi/sederajat maupun lulusan SMU/SMK/sederajat yang telah bekerja untuk melanjutkan ke jenjang Sarjana (S1), tetapi hanya memiliki waktu luang untuk kuliah hari Sabtu dan Minggu, UMB membuka Program Kuliah Sabtu Minggu (PKSM), selain itu PKSM-UMB menerima mahasiswa yang ingin melanjutkan ke Strata-2 (S2) Magister Manajemen (MM).
Visi Universitas Mercu Buana
Menjadi Universitas Unggul dan terkemuka untuk menghasilkan tenaga professional yang memenuhi kebutuhan industri dan masyarakat dalam persaingan global.
Misi Universitas Mercu Buana
Menyelenggarakan pendidikan, penelitian dan pengabdian kepada masyarakat dan menciptakan serta menerapkan keunggulan akademik
52
untuk menghasilkan tenaga professional dan lulusan yang memenuhi standar kualitas kerja yang disyaratkan.
Menerapkan manajemen pendidikan tinggi yang efektif dan efisien dan mengembangkan jaringan kerjasama dengan industri dan kemitraan yang berkelanjutan sebagai respon atas perubahan arus dan daya saing global.
Mengembangkan kompetensi dan menumbuhkembangkan jiwa kewirausahaan dan etika professional kepada para mahasiswa dan staf yang memberikan kontribusi positif terhadap peningkatan kualitas hidup.
Budaya Kerja Universitas Mercu Buana
1. Budaya kerja disiplin, jujur dan tanggung jawab 2. Mengembangkan budaya kerja yang kreatif
3. Mengembangkan budaya kerja yang ramah lingkungan 4. Mengembangkan budaya kerja yang sadar nilai lokal
Fasilitas Kampus seperti Ruang kuliah: 67 ruang,
Perpustakaan: luas ruangan 800 m2,
Koleksi 14.528 judul, 32.173 eksemplar untuk saat ini
Laboratorium tiap fakultas dapat dilihat pada Table 3.1 berikut:
53
Tabel 3.1
Laboratorium Universitas Mercu Buana
Fakultas Laboratorium
1. Fakultas Teknologi Industri Fisika Dasar, Komputer, Sistek Komunikasi, Elektronika Dasar, CNC- CAD/Cam dan Teknologi Mekanik, Sistem Produksi & FMS ( Fleksibel Manufacturing System ) dan Mekatronika
2. Fakultas Teknik Sipil & Perencanaan Mekanika Tanah, Ilmu Ukur Tanah, Teknologi Beton, Studio Gambar dan computer
3. Fakultas Ekonomi Akuntansi, Komputer Audit, Komputer Akuntansi dan Statistik, Klinik Konsultasi Bisnis
Fakultas Ilmu Komunikasi Audio Visual, Fotografi, Cetak, Desain Grafis, Multi Media, Studio Mini, Komputer.
Lembaga penelitian Lembaga Penelitian dan Pengabdian Msyarakat UMB
Sumber: Website Universitas Mercu Buana
Bentuk Kegiatan Dan Kelembagaan Mahasiswa dapat dilihat pada table Berikut ;
54
Tabel 3.2
Bentuk UKM (Unit Kegiatan Mahasiswa)
Sumber: Website Universitas Mercu Buana Tabel 3.3
Bentuk Kelembagaan di Universitas Mercu Buana
Sumber: Website Universitas Mercu Buana
Fasilitas lain: ruang display, ruang sidang, ruang rapat, pusat komputer (Cyber-Net), studio gambar, poliklinik, masjid Manarul
Unit Kegiatan Mahasiswa (UKM) Tingkat Universitas
UKM Bela Diri UKM Pramuka
UKM Olah Raga UKM Kerohanian
UKM Swatala UKM Radio
UKM Kesenian UKM Pers
UKM Koperasi Mahasiswa UKM Paduan Suara
UKM Resimen Mahasiswa UKM Mercu Buana English Club
UKM Sepak Bola UKM Taekwondo
UKM Basket UKM Batako Merpati Putih
Kelembagaan Tingkat Universitas Majelis Permusyawaratan Mahasiswa (MPM) Badan Eksekutif Mahasiswa Universitas (BEM-U)
Kelembagaan Tingkat Fakultas Dewan Perwakilan Mahasiswa (DPM)
Badan Eksekutif Mahasiswa (BEM) Kelembagaan Tingkat Jurusan Himpunan Mahasiswa Jurusan (HIMA)
55
A’mal, Radio UMB, kantor Bank BNI dan ATM BNI, telepon umum, kantin mahasiswa, koperasi mahasiswa, areal parkir yang cukup luas, bus kampus, kursus Bahasa Inggris LIA-UMB, ruang sekretariat organisasi kemahasiswaan, kantor pos dan giro, Kartu Mahasiswa UMB Serba Guna BNI, sarana olahraga (sepakbola, basket, voli, badminton, menara panjat tebing)
Bentuk kerja sama Universitas Mercu Buana
- KERJASAMA UNIVERSITAS MERCU BUANA DENGAN UNIVERSITAS LUAR NEGRI
1. Guangxi University Of Technology Liuzhou China 2. Beijing Institute Of Technology China
3. Guangxi Normal University Guillin China 4. Geomatika College Kuala Lumpur Malaysia 5. Universiti Sains Malaysia
6. Universiti Selangor Malaysia
7. Universiti Tun Husein Onn Malaysia
8. National Institute of Information Technology (NIIT) India 9. Jhejiang University China
10. Bohai University China 11. Universiti Malaysia Sabah
12. International University - Phnom Penh Kamboja 13. Guangdong University of Education China 14. Spiru Haret University Bucharest Romania
56
- KERJASAMA UNIVERSITAS MERCU BUANA DENGAN UNIVERSITAS DARI DALAM NEGERI
1. Universitas Indonusa Esa Unggul Jakarta Barat 2. Universitas Pancasila Jakarta Selatan
3. Universitas Bakrie Jakarta
4. Universitas Bina Darma Palembang 5. Universitas Budi Luhur Jakarta Selatan
6. Institut Bisnis dan Informatika Darmajaya Lampung 7. Universitas Mercu Buana Yogyakarta
8. Universitas Mercu Buana dengan Yayasan AMRI
- KERJASAMA UNIVERSITAS MERCU BUANA DENGAN PERUSAHAAN/I NSTANSI LAIN
1. Dengan DAAI TV
2. Dengan PT. Asuransi Jiwa Sinar Mas 3. Dengan Bank Syariah Mandiri 4. Dengan Ikatan Arsitek Indonesia 5. Dengan Bursa Efek Indonesia 6. Dengan Harian Indopos
7. Dengan PT. Garuda Indonesia Airlines 8. Dengan W Film
9. Dengan KPID DKI Jakarta (Komisi Penyiaran Indonesia Daerah DKI Jakarta)
10. Dengan Yayasan Amri
57 11. Dengan PT. Prima Jaringan
12. Dengan Perhimpunan Manager SDM Indonesia
13. Dengan Asosiasi Psikologi Industri & Organisasi (APIO) Indonesia
14. Dengan Shiny Study Center
15. Dengan Kepolisian Resort Metropolitan Jakarta Barat 16. Dengan Penerbit ANDI
17. Dengan PT. Harfan Tri Megah (Partner EDUGATE) 18. Dengan Eagle Institute Indonesia
3.2 Desain Penelitian
Dalam penyusunan penelitian ini penulis menggunakan metode analisis kausal. Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau lebih veriabel bebas (independent variables) terhadap variabel terikat (dependent variabel). Tujuan penelitian kausal dalam hal ini adalah untuk mengetahui seberapa besar persepsi harga, promosi, fasilitas dan SDM mempengaruhi keputusan pemilihan perguruan tinggi bagi mahasiswa berkuliah di Universitas Mercu Buana, Jakarta Barat.
3.3 Hipotesis
Hipotesis adalah suatu penjelasan sementara tentang perilaku, fenomena, atau keadaan tertentu yang telah terjadi atau akan terjadi.
Hipotesis merupakan pernyataan penelitian tentang pengaruh variabel-
58
variabel dalam penelitian, serta merupakan pernyataan yang paling spesifik. Hipotesis dalam penelitian ini adalah sebagai berikut:
Hipotesis 1: Terdapat pengaruh persepsi harga terhadap keputusan pemilihan perguruan tinggi
Hipotesis 2 : Terdapat pengaruh aktivitas promosi terhadap keputusan pemilihan perguruan tinggi
Hipotesis 3 : Terdapat pengaruh fasilitas pendukung terhadap keputusan pemilihan perguruan tinggi
Hipotesis 4 : Terdapat Pengaruh SDM (Dosen dan Karyawan) terhadap keputusan pemilihan perguruan tinggi
3.4 Skala Pengukuran
Skala pengukuran yang penulis gunakan dalam penelitian ini yaitu menggunakan skala ordinal, yang memungkinkan untuk pengurutan data dari tingkat paling rendah ke tingkat yang paling tinggi atau sebaliknya, dengan interval yang tidak harus sama. Pengukuran masing-masing variabel dalam penelitian ini menggunakan skala Likert. Skala Likert merupakan metode yang digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2005 : 86). Instrumen skala likert dapat dilihat pada tabel 3.1 berikut
59
Tabel 3.4 Instrument Skala Linkert
Pernyataan Kode Skor
Sangat setuju (SS) 5
Setuju (S) 4
Cukup setuju (CS) 3
Tidak setuju (TS) 2
Sangat tidak setuju (STS) 1
3.5 Operasional Variabel
Definisi operasional adalah suatu informasi ilmiah yang amat membantu penelitian lain yang ingin menggunakan variabel yang sama.
Definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun operasionalisasi dari masing- masing variabel terdapat pada tabel – tabel berikut ini:
60 Tabel 3.5
Operasional Variabel Persepsi Harga
Sumber: Rangkuti (2009)
Tabel 3.6
Operasional Variabel Aktivitas Promosi
Variabel Dimensi Indikator
Promosi (X
2
)Periklanan
Pemasaran Langsung
Promosi Penjualan
Penjualan Personal
Hubungan Masyarakat
- Media cetak - Media elektronik - Kunjungan dan
Presentasi - Diskon
- Penawaran - Komunikasi - Sponsor - Kerja sama Sumber: Philip Kotler (2010)
Variabel Dimensi Indikator
Persepsi Harga
(X1)
Perceived Quality (Persepsi Kualitas)
Perceived Monetary Sacrifice (Persepsi Biaya yang Dikeluarkan)
- Kesesuaian Harga dengan kualitas produk
- Daya saing harga
- Kesesuaian harga dengan manfaat
- Keterjangkauan Harga
61 Tabel 3.7
Operasional Variabel Fasilitas Pendukung
Variabel Dimensi Indikator
Fasilitas Pendukung
(X
3
)Pemenuhan Prasaranan Umum
- Kebersihan - Kenyamanan - Manfaat - Kelengkapan
- Perubahan fasilitas - Bentuk fasilitas - Memadai - Memperbaharui Sumber: (Mauling, 2006)
62 Tabel 3.8
Dosen dan Karyawan
Variabel Sub Variabel
Dimensi Indikator
SDM (Dosen dn Karyawan)
(X4)
Dosen
Ukuran Kognitif
Sebagai agen Moral
Inovator
- Wawasan - Kemampuan
- Teladan - Perbandingan - Ilmu
- Teknologi Karyawan - Kerja sama
- Tanggung jawab
- Kedisiplinan - Sikap
- Kreativitas
- Kejujuran
- Inisiatif
- Keandalan
- Kesetiaan
- Kepemimpinan
- Saling berkontribusi - Kemampuan melaksanakan
tugas sesuai prosedur - Kemampuan Mengelola
waktu - Ramah - Sopan
- memberikan banyak gagasan dan usul terhadap suatu masalah
- Pemberian informasi
- Pemberian ide/ gagasan dalam konsultasi - Kemampuan memberi
informasi pelayanan yang dibutuhkan
- Kesediaan menjaga dan membela nama baik organisasi
- Memotivasi Sumber: Taylor (2007)dan Hasibuan, (2006)
63
Tabel 3.9
Operasional Variabel Keputusan pemilihan
Variabel Dimensi Indikator
Keputusan Pemilihan (Y
1
)- Pengenalan Masalah
- Pencarian Informasi
- Evaluasi Alternatif
- Keputusan Pembelian
- Perilaku Pasca Pembelian
- Kebutuhan
- Iklan
- Rekomendasi
- Manfaat Produk
- Pemilihan Akhir
- Merekomendasikan
Sumber : Kotler dan Keller (2009)
64 3.6 Metode Pengumpulan Data
Dalam penelitian ini data dikumpulkan melalui dua cara, yaitu (1) Penelitian kepustakaan dan (2) Penelitian lapangan. Penelitian kepustakaan dilakukan untuk mengumpulkan data mengenai teori-teori yang mendukung penelitian dan data pendukung lainnya, sedangkan penelitian lapangan dilakukan dengan mengumpulkan data dari responden.
Data penelitian lapangan dikumpulkan dengan menggunakan angket atau kuesioner. Teknik yang menggunakan kuesioner adalah suatu cara pengumpulan data dengan memberikan atau menyebarkan daftar pertanyaan kepada responden. Menurut Malhotra dan Birks (2003) kuesioner merupakan formulir wawancara atau instrumen pengukuran yang diformalisasikan dalam sekumpulan pertanyaan untuk memperoleh informasi dari responden.
3.7 Populasi dan Sampel
Menurut Sugiyono (2005 : 72) populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Dapat disimpulkan populasi merupakan pengamatan yang dilakukan oleh peneliti untuk mencari kesimpulan dari penelitian tersebut. Populasi juga dapat memudahkan peneliti dalam melakukan penelitiannya. Dalam penelitian ini populasinya adalah seluruh
65
mahasiswa aktif reguler angkatan 2011 -2013 universitas Mercu Buana yang berjumlah 5.485 mahasiswa.
Menurut Malhotra (1993) ukuran sampel yang diambil dapat ditentukan dengan cara mengalikan jumlah indikator dengan 5 atau 5x jumlah indikator. Jadi pada penelitian ini jumlah indikatornya 41, maka jumlah sampel yang ditetapkan pada penelitian ini adalah 5 x 46 = 230 sampel.
Peneliti menggunakan teknik snowball sampling, hal ini dilakukan mengingat jumlah sampel yang sangat banyak artinya penentuan sampel yang mulanya jumlahnya kecil, kemudian membesar ibarat bola salju yang menggelinding lama menjadi besar. Dalam penentuan sampel, pertama dipilih satu atau dua orang, tapi karena dirasa belum lengkap maka dicari orang lain lagi yang ditunjukan oleh orang sebelumnya untuk melengkapi.
Tabel 3.10 Responden
FAKULTAS JUMLAH % JUMLAH RESPONDEN
Fakultas Perencanaan dan Desain 995 0,18 41 orang
Fakultas Teknik 392 0.07 17 orang
Fakultas Ilmu Komputer 724 0,13 31 orang
Fakultas Ekonomi dan Bisnis 1814 0,33 76 orang
Fakultas Ilmu Komunikasi 1283 0,23 53 orang
Fakultas Psikologi 277 0,05 12 orang
Jumlah 230 orang
66 3.8 Metode Analisis Data
Dalam melakukan analisis, penulis menggunakan perhitungan statistik sebagai alat hitung, yaitu sebagai berikut :
1. Uji Validitas
Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2011). Dalam hal ini digunakan beberapa butir pertanyaan yang dapat secara tepat mengungkapkan variabel yang diukur tersebut.
Uji validitas dilakukan dengan membandingkan nilai r hitung dengan r tabel untuk tingkat signifikansi 5 persen dari degree of freedom (df) = n-2, dalam hal ini n adalah jumlah sampel. Jika r hitung > r tabel maka pertanyaan atau indikator tersebut dinyatakan valid, demikian sebaliknya bila r hitung < r tabel maka pertanyaan atau indikator tersebut dinyatakan tidak valid ( Ghozali, 2011 )
2. Uji Reliabilitas
Menurut Hasan dalam Sangadji (2010 : 163) reliabilitas suatu alat pengukur adalah derajat keajegan alat dalam mengukur apa saja yang diukurnya. Uji ini merupakan alat mengukur indikator dari variabel atau konstruk. Suatu kuesioner dikatakan realibel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil
67
dari waktu ke waktu. Untuk menguji reliabilitas digunakan rumus Construct Realibility (Ghozali, 2005:134), sebagai berikut:
Construct Realibility = (∑Loading Baku)2 (∑Loading Baku)2 + ∑
ej
Dimana:
a. Std. Loading diperoleh langsung dari Standardize Loading untuk tiap-tiap indikator.
b. εj adalah measurement error dari tiap-tiap indikator. Nilai batas yang digunakan untuk menilai atau auntuk menguji apakah setiap variabel dapat dipercaya, handal dan akurat dipergunakan koefisien Alpha Cronbach.
Variabel dapat dinyatakan realibel apabila koefisien Alpha Cronbach lebih besar dari 0,60. Artinya tingkat realibilitas yang kedua adalah Variance Extract, yang menunjukan jumlah varians yang indikator-indikator yang diekstrasi oleh konstruk laten yang dikembangkan. Nilai Variance Extract yang tinggi menunjukan bahwa indikator-indikator itu telah mewakili secara baik konstruk laten yang dikembangkan.
Nilai Variance Extract ini direkomendasikan pada tingkat paling sedikit 0,50. Variance Extract diperoleh dari rumus berikut ini:
68
Variance Extracted = (∑ Loading Baku 2) (∑Loading Baku 2) + ∑
ej
3. Structual Equation Modeling (SEM)
Teknis analisis data yang digunakan untuk menganalisis data adalah Structual Equation Modeling (SEM). Menurut Ghozali (2005:1), SEM merupakan gabungan dari dua model statistik yang terpisah yaitu analisis factor dan model persamaan simultan.
Sedangkan Santoso (2007:12) menyatakan bahwa SEM adalah teknik analisis multivariate yang merupakan kombinasi antara analisis factor dan analisis regresi (kolerasi), yang bertujuan untuk menguji hubungan-hubungan antara variabel yang ada pada sebuah model baik itu antara indikator dengan konstruknya ataupun hubungan antara konstruk analisis data pada penelitian ini menggunakan teknik analisis Structual Equation Modeling (SEM) dengan menggunakan program Lisrel.
Structual Equation Modeling atau permodelan persamaan struktual merupakan alat statistic yang mampu menganalisis variabel laten, variabel indikator, dan kesalahan pengukuran secara bersamaan.
Pengujian dengan SEM pada penelitian ini untuk model secara keseluruhan (full model) menggunakan teknik faktor konfirmatori first order dan second order serta evaluasi Goodness of Fit Indices.
Sebelum melakukan pengujian terhadap variabel-variabel yang
69
dibentuk berdasarkan oleh teori yang ada, beberapa persyaratan yang harus dipenuhi oleh data sebelum diolah dengan SEM.
Asumsi-asumsi dalam SEM
Menurut Ferdinand (2002:51) ada beberapa asumsi SEM yang harus dipenuhi, dalam prosedur pengumpulan dan pengelolahan data yaitu sebagai berikut:
1. Ukuran Sampel
Ukuran yang harus dipenuhi dalam permodelan SEM adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan empat observasi untuk setiap estimasi parameter.
2. Normalitas dan linearitas
Normalitas dapat diuji dengan melihat gambar histrogram data atau dapat diuji dengan metode-metode statistik. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. Evaluasi normalitas dilakukan dengan menggunnkan krikteria critical ratio skweness value sebesar ± 2,58, pada tingkat signifikan 0,01. Data dapat disimpulkan mempunyai distribusi normal jika nilai critical ratio skweness value memiliki nilai mutlak antara – 2,58 sampai 2,58.
70 3. Angka ekstrim (outliers)
Angka ekstrim (outliers) adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariate yaitu muncul karena kombinasi karakteristik yang unik yang dimilikinya dan terlihat sangat jauh berbeda dengan observasi-observasi lainnya.
4. Multikolineritas
Asumsi multikolineritas (multicollinearity) mengharuskan tidak adanya kolerasi yang sempurna atau besar diantara variabel-variabel independen.
Pengujian Model
Sebuah permodelan SEM yang lengkap pada dasarnya terdiri dari measurement model dan structural model. Measurement model ditujukan untuk mengkonfirmasi sebuah dimensi atau faktor berdasarkan indikator- indikator empirisnya. Structural model adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor.
Prosedur yang yang dilalui dalam validitas model terdiri dari beberapa tahapan, yaitu:
1. Konseptualisasi Model
Tahap awal yang dilakukan adalah perumusan atau formulasi model. Dalam tahap ini dirumuskan hipotesis yang berkaitan dengan pola keterkaitan antara variabel disesuaikan dengan teori.
Konseptualisasi model mengharuskan dua hal yang harus dilakukan:
71
a. Hubungan yang dihiposesiskan antara variabel laten harus ditentukan. Tahap pengembangan model ini berfokus pada model struktual dan harus mempresentasikan kerangka teoritis yang diuji.
Disini, variabel eksogen, endogen dan intervening harus dapat dibedakan dengan jelas. Karena variabel endogen tidak secara sempurna dipengaruhi oleh variabel yang dihipotesiskan (masih terdapat kemungkinan variabel endogen tersebut dipengaruhi oleh variabel selain yang dihipotesiskan), maka error term (residu) juga dihipotesiskan mempengaruhi variabel endogen dalam suatu model. Setelah itu, memutuskan arah (positif atau negatif) dan jumlah hubungan antara variabel-variabel eksogen dan antara variabel eksogen dan variabel endogen. Disini, peran teori dari hasil penelitian sebelumnya sangat berperan.
b. Pengukuran model dan menghubungkan dengan operasinalisasi variabel laten, sehingga dikenal beberapa indikator (manifest variable) yang digunakan untuk mengukur variabel laten (unobserved variable) tersebut. Variabel manifest dalam AMOS biasanya menggunankan reflective indicators (juga disebut sebagai effect indicators). Indikator reflektif berarti bahwa konstruk laten dianggap “mempengaruhi” variabel observed.
2. Penyusunan diagram jalur (path diagram construction)
Representasi mengenai bagaimana beberapa variabel pada suatu model berhubungan satu sama lain, yang memberikan suatu pandangan
72
menyeluruh mengenai struktur model disebut sebagai diagram jalur (path diagram). Konstruksi diagram alur bermanfaat untuk menunjukan alur hubungan kausal antara variabel eksogen dan endogen. Untuk melihat hubungan kausal dibuat beberapa model kemudian diuji menggunakan SEM untuk mendapatkan model yang paling tepat, dengan krikteria Goodness of Fit. Berdasarkan teori dibuat model struktual, kemudian ditentukan variabel bebas dan variabel terikatnya yang dibuat arah panah sesuai dengan arah kausalitas. Bila model pengukuran ini dimasukan ke dalam diagram jalur, maka diperoleh diagram jalur model struktual dan model pengukuran secara terintegrasi. Setelah diagram jalur dibuat, maka dilakukan konversi diagram alur ke dalam model struktual.
Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar bagian konstruk. Persamaan struktual dari model diagram jalur penelitian ini dinyatakan sebagai berikut:
Y1 = β X1 + β X2 + β X3 + β X4 + β X5 ϵ……… (1) Keterangan:
β (beta) = hubungan langsung variabel eksogen terhadap variabel endogen
ϵ (epsilon) = measurement error Y1 = Keputusan Pemilihan X1 = Persepsi Harga X2 = Aktivitas Promosi
73 X3 = Fasilitas Pendukung X4 = Dosen
X5 = Karyawan
3. Memilih jenis input matrik dan model/estimasi model yang diusulkan.
4. Perbedaan sem dengan teknik-teknik multivariate lainnya adalah dalam input data yang digunakan dalan permodelan dan estimasinya. SEM menggunnkan matriks varian atau kovarian atau matriks kolerasi sebagai data input untuk keseluruhan estimasi yang dilakukan.
Observasi individual tetap digunakan dalam program ini, tetapi input- input tersebut akan segera dikonversi dalam bentuk matriks kovarians atau matriks kolerasi sebelum estimasi dilakukan. Hal ini karena fokus SEM bukanlah pada data individual tetapi pada pola hubungan antar responden.
5. Indentifikasi model
Permasalahan yang sering muncul di dalam model struktual adalah penduga parameter, bias unidentified atau under identified, yang menyebabkan proses pendugaan parameter tidak memperoleh solusi, bisa over identified yang mengakibatkan proses pendugaan tidak menghasilkan pendugaan yang unik, dan model tidak bisa dipercaya.
Gejala yang muncul akibat adanya masalah identifikasi antara lain (dalam output computer):
74
a. Standard error untuk satu atau beberapa koefisien adalah sangat besar.
b. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan.
c. Muncul angka-angka yang aneh seperti adanya varians error negative.
d. Muncul kolerasi yang tinggi (> 0,9) antar koefisien hasil estimasi yang didapat.
6. Estimasi parameter
Estimasi parameter untuk suatu model diperoleh dari data karena AMOS berusaha untuk menghasilkan matriks kovarians berdasarkan model (modelbased covarians matrix) yang sesuai dengan kovarians matriks sesungguhnya (observed covarians matrix). Uji signifikasi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol.
7. Penilaian model fit
Secara keseluruhan goodness of fit dari suatu model dapat dinilai berdasarkan beberapa ukuran fit berikut:
a. Chi-Square dan Probabilitas
Nilai chi-square ini menunjukan adanya penyimpangan antara sampel covariance matrix dan model (fitted) covariance matrix.
Namun, nilai chisquare ini hanya akan valid apabila asumsi normalitas data terpenuhi ukuran sampel adalah besar. Chi-Square
75
ini merupaka ukuran mengenai buruknya fit suatu model. Nilai chi-square sebesar 0 menunjukan bahwa model memiliki fit yang sempurna (perfect fit). Probanilitas Chi-Square ini diharapkan tidak signifikam. Nilai Chi-Square yang signifikan (kurang dari 0,05) menunjukan bhawa data empiric yang diperoleh memiliki perbedaan dengan teori yang telah dibangun bedasarkan Structual Equation Modeling. Sedangkan nilai probabilitas yang tidak signifikan adalah yang diharapkan, yang menujukan bahwa data empiris sesuai dengan model.
b. Goodness of Fit Index (GFI)
GFI merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovarians. Nilai GFI ini harus berkisar antara 0 dan 1. Meskipun secara teoti GFI mungkin memiliki nilai negative tetapi hal tersebut seharusnya tidak terjadi, karenamoel yang memiliki nilai GFI negative adalah model yang paling buruk dari seluruh model yang ada. Nilai GFI yang lebih besar daripada 0,9 menunjukan suatu model yang baik.
c. Adjusted Goodness of Fit Index (AGFI)
AGFI adalah sama seperti GFI, tetapi telah menyesuaikan pengaruh degress of freedom pada suatu model. Sama seperti GFI, nila AGFI sebesar 1 berarti bahwa model memiliki perfect fit.
Sedangkan model yang fit adalah memiliki nilai AGFI adalah 0,9.
Ukuran yang hampir sama dengan GFI dan AGFI adalah
76
Parsimony goodness of fit index (PGFI). Tetapi seperti AGFI, juga telah menyesuaikan adanya dampak dan degree of freedom dan kompleksitas model interprestasi PGFI ini sebaliknya diikuti dengan indeks model fit lainnya. Model yang baik apabila nilai PGFI jauh lebih besar daripada 0,6.
d. Root Mean Square Error of Approximation (RMSEA)
RMSEA ini mengukur penyimpangan nilai parameter pada suatu model dengan matrix covarians populasinya. Nilai RMSEA yang kurang dari 0,05 mengindikasikan adanya model fit, dan nilai RMSEA yang berkisar antara 0,08 menyatakan bahwa model memiliki perkiraan kesalahan reasonable. Sedangkan pernyataan lain dikatakan bahwa RMSEA berkisar antara 0,08 sampai 0,1 menunjukan model memiliki fit yang cukup, sedangkan RMSEA yang lebih besar dari 0,1 mengindikasikan model fit sangat jelek.
e. CMIN/DF
The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistic chi-square, X2 dibagi DFnya sehingga disebut X2 relatif. Nilai X2 relatif kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikator dari acceptable fit antara model dan data.
77 f. TLI (Tucker Lewis Index)
TLI adalah sebuah alternative increamental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan _0,95 dan nilai yang sangat mendekati 1 menunjukan a very good fit.
g. CFI (Comperative Fit Index)
Besaran indeks ini adalah pada rentang sebesar 0-1. Semakin mendekati 1 mengindikasikan tingkat fit yang paling baik. Nilai yang direkomendasikan adalah CFI _0,95. Keunggulan indeks ini adalah bahwa indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena sangat baik untuk mengukur tingkat penerimaaan sebuah model.
8. Modifikasi model
Setelah melakukan penilaian model fit, maka model penelitian diuji untuk menentukan apakah modifikasi model diperlukan karena tidak fitnya hasil yang diperoleh pada tahap keenam.
Namun harus diperhatikan, bahwa segala modifikasi harus berdasarkan teori yang mendukung.
9. Validasi silang model
Pengujian atas fit tidaknya model terhadap suatu data baru.
Validasi silang ini penting apabila terdapat modifikasi substansial
78
yang dilakukan terhadap model asli yang dilakukan pada langkah ketujuh.
