49 BAB III
METODE PENELITIAN 3.1 Jenis penelitian
Penelitian ini merupakan penelitian eksplanatori dengan menggunakan pendekataan kuantitatif. Penelitian eksplanatori adalah penelitian yang menjelaskan hubungan kausal antara variabel – variabel yang mempengaruhi hipotesis (Sugiyono, 2010). Penelitian ini menggunakan pendekatan kuantitatif karena data yang disajikan berupa angka. Penelitian ini bertujuan untuk menguji pengaruh variable independen terhadap variabel dependen. Variabel Independen (Bebas) yaitu kesadaran pengelolaan keuangan, pengetahuan keuangan dan keterampilan keuangan, sikap dan perilaku pengelolaan keuangan, jenis kelamin, latar belakang keilmuan, lingkungan keluarga, dan yang terakhir adalah tempat tinggal asal.
Variabel dependen (terikat) yaitu motivasi berwirausaha.
3.2 Definisi dan Pengukuran Variabel Penelitian
Penelitian ini terdapat satu variabel dependen dan tujuh variable independen. Definisi operasional dari masing-masing variabel yang digunakan dalam penelitian ini sebagai berikut.
3.2.1 Variabel Dependen
Variabel dependen (terikat) merupakan variabel yang menjadi minat utama dari peneliti (Bougie & Sekaran, 2016). Dalam sebuah penelitian, tujuan peneliti adalah memahami dan mendeskripsikan variabel dependen, atau untuk menjelaskan variabilitasnya, atau memprediksinya (Bougie & Sekaran, 2016). Variabel dependen dalam penelitian ini adalah Motivasi Berwirausaha.
50 Motivasi berwirausaha merupakan kondisi internal maupun eksternal yang mendorong, menggerakkan dan mengarahkan keinginan diri seseorang untuk mengarahkan tujuan ke arah kewirausahaan. Menurut Setiawan & Sukanti (2016), motivasi berwirausaha adalah minat yang muncul dari dalam diri seseorang untuk berwirausaha. Menurut Zimmerer et,al., (2008), indikator yang digunakan dalam variabel ini yaitu:
1. Adanya dorongan untuk menjadi seorang wirausaha karena tidak ketergantungan pada orang lain.
2. Berminat menjadi wirausaha untuk dapat membantu lingkungan sosialnya.
3. Memiliki kemauan untuk menciptakan suatu inovasi produk yang akan direalisasikan dalam usaha yang akan di bangun
3.2.2 Variabel Independen
Variabel Independen (bebas) diasumsikan sebagai salah satu yang mempengaruhi variabel dependen baik secara positif atau negatif (Bougie &
Sekaran, 2016). Dalam penelitian ini terdapat tujuh variabel independen, yaitu kesadaran pengelolaan keuangan, pengetahuan dan keterampilan pengelolaan keuangan, sikap dan perilaku pengelolaan keuangan, jenis kelamin, latar belakang keilmuan, lingkungan keluarga, dan yang terakhir adalah tempat tinggal asal.
a. Kesadaran Pengelolaan Keuangan
Kesadaran pengelolaan keuangan merupakan kunci kesuksesan finansial siswa karena hal ini berkaitan dengan kebiasaaan transaksi keuangan
51 yang baik atau buruk (Md Sapir & Wan Ahmad: 2020). Dalam penelitian ini menggunakan skala likert dan indikator yang digunakan yaitu:
1. Kualitas pembiayaan keuangan yang terencana, jujur, hemat dan disiplin dalam menghadapi hidup dan menangani usaha (Suharyono, 2018).
2. Investasi individu (Bushan dalam padil, et., al., 2021)
3. Transaksi keuangan yang dilakukan sehari hari (Hoyt, 2016).
b. Pengetahuan dan Keterampilan Pengelolaan Keuangan
Menurut Kiyosaki dan Lechter dalam Md Sapir & Wan Ahmad (2020), Dimensi pengetahuan keuangan adalah kemampuan untuk mengingat konsep keuangan untuk menghasilkan banyak pendapatan, mengurangi biaya, meningkatkan aset dan meminimalkan hutang untuk mencapai kesejahteraan finansial. Pada penelitian ini menggunakan skala likert dan indikator yang digunakan yaitu:
1. Telah mendapatkan materi literasi keuangan secara intensif dan memahami isi dari literasi keuangan.
2. Tingkat penerapan literasi keuangan setiap individu.
Menurut Sumarsono (2016), semakin tinggi pengetahuan dan keterampilan pengelolaan keuangan terutama yang dimiliki maka individu dapat mengatur dan mengelola keuangannya untuk menentukan pilihan yang tepat akan produk dan jasa keuangan sesuai dengan kebutuhannya.
c. Sikap dan Perilaku Pengelolaan Keuangan
52 Sikap keuangan adalah kecenderungan respon seseorang terhadap uang dan masalah keuangan yang ada disekitarnya (Chaulagian: 2015) dan perilaku keuangan adalah kecenderungan perilaku seseorang tentang masalah keuangan yang terjadi disekitarnya (Md Sapir & Wan Ahmad, 2020). Pada penelitian ini menggunakan skala likert dan indikator yang digunakan yaitu:
1. Persepsi individu terhadap permasalahan atau fenomena keuangan yang terjadi pada mahasiswa dan
2. Persepsi individu terhadap permasalahan atau fenomena keuangan yang terjadi di lingkungan keluarga.
Seorang wirausaha akan memiliki sifat bertindak dan berpikir strategik dan adaptif dalam menghadapi peluang, keuntungan dan juga resiko yang ada disekitarnya (Sumarsono, 2016).
d. Jenis Kelamin
Jenis kelamin adalah penggolongan atribut-atribut fisiologis dan anatomis responden yang membedakan antara laki-laki dan perempuan (Wade & Tavris, 2007). Pada penelitian ini menggunakan skala nominal untuk memberikan kode pada laki laki dan perempuan. Selain itu, penelitian ini menggunakan skala likert dan indikator yang digunakan yaitu:
1. Menurut Humbert, Laure A, & Drew (2010), yaitu bagaimana persepsi responden mengenai Stereotip di masyarakat mengenai kesuksesan yang melekat pada laki laki,
2. Kesetaraan dalam kesempatan berwirausaha.
53 e. Latar Belakang Keilmuan
Latar belakang keilmuan adalah latar belakang keilmuan yang dimiliki atau sedang ditempuh dalam perkuliahan. Pada penelitian ini menggunakan skala Nominal untuk memberikan kode bagi responden yang berlatar belakang keilmuan jurusan Ekonomi dan Non ekonomi. Selain itu penelitian ini juga menggunakan skala likert dan indikator yang digunakan yaitu:
1. Adanya dorongan menjadi wirausaha setelah menjalani pendidikan di bangku kuliah dan mengikuti kegiatan/ pelatihan pelatihan di bidang kewirausahaan (Sumarsono, 2016)
2. Selain itu, Banyaknya wirausahawan dari jurusan yang sedang dijalani/tempuh.
f. Lingkungan keluarga
Lingkungan keluarga memiliki peran yang penting bagi masa depan seorang anak, sehingga secara langsung dapat mempengaruhi minat serta kecenderungan memilih pekerjaan bagi anak di masa yang akan datang termasuk berwirausaha (Kurniawan et.,al., 2016). Penelitian ini menggunakan skala likert dan indikator yang digunakan yaitu:
1. Dorongan untuk meningkatkan kondisi perekonomian keluarga.
2. Dorongan dari diri atau anjuran keluarga agar menjadi seorang wirausaha.
g. Tempat Tinggal Asal
Tempat tinggal asal berhubungan dengan dukungan sosial yang didapat oleh seseorang berupa Informasi verbal, non verbal, saran, kehadiran dan pengaruh lingkungan kepada dirinya (Marta & Kurniasari,
54 2019). Pada penelitian ini menggunakan skala likert dan indikator yang digunakan yaitu:
1. Apakah karakteristik masyarakat di lingkungan tempat tinggal asal memotivasi responden agar menjadi seorang wirausaha
2. Apakah ada upaya masyarakat di lingkungan sekitar untuk memberdayakan pemuda-pemudi untuk menjadi lebih mandiri.
3.3 Instrumen penelitian
Instrumen penelitian adalah alat untuk mengumpulkan, mengolah, menganalisa, dan menyajikan data-data penelitian secara sistematis dam objektif dengan tujuan untuk memecahkan suatu permasalahan atau menguji hipotesis dari sebuah penelitian (Nasution, 2016). Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh langsung dari sumbernya. Instrumen penelitian yang digunakan untuk mengumpulkan data adalah angket atau kuesioner yang merupakan serangkaian pertanyaan tertulis yang dirumuskan sebelumnya dan responden akan mencatat jawaban mereka, biasanya dalam alternatif-alternatif jawaban yang didefinisikan secara dekat (Bougie & Sekaran, 2016).
Skala pengukuran yang digunakan dalam penelitian ini adalah skala pengukuran interval, dimana responden diminta untuk menentukan pilihan jawaban sesuai dengan yang dipersepsikan oleh responden. Instrumen yang digunakan adalah skala likert. Skala likert digunakan untuk menilai tingkat kesetujuan dan ketidaksetujuan responden pada suatu pertanyaan yang tercantum dalam kuesioner.
Perincian skala likert yang digunakan sesuai dengan tabel 3.1.
55 Tabel 3. 1 Skala Likert
Pertanyaan Positif Pertanyaan Negatif
Jawaban Skor Jawaban Skor
Sangat Setuju 5 Sangat Setuju 1
Setuju 4 Setuju 2
Netral 3 Netral 3
Tidak Setuju 2 Tidak Setuju 4
Sangat Tidak Setuju 1 Sangat Tidak Setuju 5
Sumber: Bougie dan Sekaran, 2016
Tabel 3. 2 Indikator Pertanyaan dalam Kuesioner
No. Variabel Indikator Nomor
Pertanyaan 1. Kesadaran
Pengelolaan Keuangan (SDR) (Hoyt, 2016)
Perencanaan Keuangan Masa depan.
1, 2, 3
Kualitas Pengelolaan keuangan sehari-hari.
4, 5*
2. Pengetahuan dan Keterampilan Pengelolaan Keuangan (PENG) (Kiyosaki dan Lechter, 2000)
Seberapa dalam mendapatkan pendidikan literasi keuangan.
6
Mengetahui dasar dasar Literasi keuangan.
7, 8
Sudah menerapkan ilmu akuntansi dalam sehari-hari.
9, 10*
3. Sikap dan Perilaku Pengelolaan Keuangan (SKP) (Klontz, Britt, &
Mentzer; 2011) dan (CFPB,2015)
Pendapat responden mengenai masalah keuangan di sekitar kampus.
11, 12*
Pendapat reponden mengenai masalah keuangan di keluarga.
13, 14*
56 4. Jenis Kelamin (JK)
(Humbert, et.,al., 2010)
Dorongan jenis kelamin untuk menjadi seorang wirausaha.
15, 16
Pendapat responden mengenai keharusan jenis kelamin laki laki lebih sukses.
17, 18
5. Latar Belakang keilmuan (ILM) (Sumarsono, 2016)
& (Amanda, 2018)
Dorongan dari ilmu di Jurusan kuliah untuk menjadi seorang wirausaha.
19, 20
Intensitas wirausaha di lingkungan jurusan perkuliahan yang memotivasi untuk berwirausaha.
21, 22
6. Lingkungan Keluarga (KELU) (Kurniawan et.,al., 2016)
Dorongan untuk meningkatkan kesejahteraan finansial keluarga.
23
Dorongan keluarga atau orang tua
24,25,26*
7. Lingkungan Tempat Tinggal.
(ASAL) (Marta &
Kurniasari, 2019)
& (Amanda, 2018)
Lingkungan memotivasi berwirausaha.
27, 28, 29
Tingkat kesejahteraaan daerah. 30*
8. Motivasi Berwirusaha (MTV) (Zimmerer et.,al., 2008);
(Pamudyan, 2017)
& (Suharyono, 2018)
Tidak ada ketergantungan pada orang lain.
31, 32*
Dapat membantu lingkungan sosial.
33, 34*
Dapat Menciptakan dan merealisasikan produk dan/ jasa kepada masyarakat
35, 36*
Dorongan untuk menjadi seseorang yang kreatif dan inovatif
37, 38, 39*
57 Memanfaatkan berbagai potensi
dan fasilitas yang dapat dipergunakan.
40, 41
Keterangan: * Pertanyaan Negatif
3.4 Populasi, Sampel dan Teknik Pengambilan Sampel.
Populasi adalah seluruh kelompok orang, peristiwa, atau hal hal menarik yang ingin diselidiki oleh peneliti (Bougie & Sekaran, 2016). Selain Itu populasi adalah sebuah penetapan peneliti yang dipelajari dan kemudian ditarik kesimpulan berdasarkan suatu wilayah generalisasi objek/subjek yang mempunyai kualitas dan karakteristik tertentu (Duli N, 2019). Populasi dari penelitian ini adalah seluruh mahasiswa aktif Universitas Sebelas Maret (UNS). Pemilihan populasi mahasiswa aktif dikarenakan belum adanya penelitian yang sejenis yang berfokus pada motivasi berwirausaha mahasiswa aktif UNS. Menurut laman eis.uns.ac.id, jumlah mahasiswa aktif UNS adalah 36.304 mahasiswa.
Sample adalah sebuah bagian dari jumlah dan karakteristik yang memiliki sifat representatif dari sebuah populasi (Duli N, 2019). Jumlah sampel dalam penelitian ini adalah 395 Mahasiswa. Sesuai dengan yang dikemukakan oleh Frankel & Wallen (1993), yaitu penelitian diskriptif jumlah sampel minimum adalah 100. Adapun penentuan sampel menurut rumus Slovin adalah sebagai berikut:
𝑛 = 𝑁
(1 + 𝑁(𝛼)2)
𝑛 = 36304
(1 + 36304 (0,05)2) 𝑛 = 395 Responden
58 Keterangan:
𝑛 = Ukuran Sampel
N = Ukuran Populasi
𝛼 = Persen Kelonggaran ketidaktelitian kesalahan sampel yang masih dapat ditolerir (Margin of Error), 5% atau 10 %
Berdasarkan perhitungan rumus slovin di atas, dari keseluruhan mahasiswa/
mahasiswi aktif Universitas Sebelas Maret yang berjumlah 36.304 orang, dengan tingat Margin of error (𝛼) 5% diperoleh sampel sebanyak 395 orang.
Teknik pengambilan sampel dalam penelitian ini adalah Probability Sampling menggunakan cluster sampling. Cluster samples adalah adalah sampel
yang dikumpulkan dalam kelompok atau potongan elemen yang idealnya merupakan agregat alami dalam sebuah populasi (Bougie & Sekaran, 2016). Dalam Cluster sampling, populasi target terlebih dahulu dibagi menjadi beberapa cluster.
Dalam penelitian ini, mahasiswa dan mahasiswi UNS akan dikelompokan berdasarkan cluster latar belakang keilmuan yaitu Ekonomi dan Non-Ekonomi.
Kriteria yang dijadikan acuan untuk pengambilan sampel adalah mahasiswa UNS yang sudah memulai atau memiliki sebuah usaha.
Tabel 3. 3 Pembagian Jumlah sample
Cluster Sample yang digunakan Persentase Jumlah Sampel Fakultas Ekonomi Dan Bisnis UNS 50 % 197
Fakultas Lainnya di UNS 50 % 198
Sumber: Data diolah (2021)
59 3.5 Metode Analisis Data
Dalam Penelitian ini, analisis data menggunakan bantuan software SmartPLS. PLS adalah sebuah model persamaan Structural Equation Modeling (SEM) yang berbasis komponen dan varian. Partial Least Square (PLS) adalah sebuah model Sebab Akibat (Kausal) yang menjelaskan pengaruh antar variabel pada variabel konstruk (Wijaya, 2019). Pendekatan PLS digunakan sebagai alat pengukuran dengan mempertimbangkan bahwa pengukuran untuk variabel dalam penelitian ini merupakan skala nominal sehingga bersifat non parametrik. Berbeda dengan yang menggunakan SEM, Penelitian lain dapat menggunakan skala interval.
PLS merupakan sebuah alat ukur yang dapat digunakan untuk penelitian dengan skala ordinal maupun nominal.
Menurut Jogianto & Abdillah (2009), pengertian PLS (Partial least Square) adalah analisis persamaan struktural (SEM) berbasis varian yang secara simultan dapat melakukan pengujian model pengukuran sekaligus pengujian struktural.
Model pengukuran digunakan untuk uji validitas dan realibilitas, sedangkan pengujian struktural digunakan untuk pengujian kausalitas (Hipotesis dengan model prediksi).
PLS merupakan pendekatan pemodelan lunak untuk SEM dengan asumsi tentang distribusi data (Vinzi, Chin, Henseler, & Wang, 2010). Dengan demikian PLS – SEM menjadi alternatif yang baik ketika kondisi berikut ini ditemukan (monecke & Leisch (2012) dalam Sarwono & Narimawati (2015):
1. Tidak ada asumsi normalitas.
60 PLS sebagai alternatif dari SEM tidak mengharuskan data berdistribusi normal multivariate, sehingga dalam penerapannya asumsi normalitas tidak diperlukan.
2. Dapat menggunakan ukuran sampel yang relatif kecil.
Menurut Sarwono & Narimawati (2015), ukuran sampel yang digunakan dalam SEM dengan PLS kecil dengan persyaratan minimal adalah sepuluh kali dari besarnya indikator formatif terbanyak yang digunakan untuk mengukur sebuah variabel laten.
3. Tidak mengharuskan randomisasi sampel.
Dengan tidak mengharuskan randomisasi sampel, maka sampel yang dipilih dengan pendekatan non-probabilitas, seperti ‘accidental sampling’,
‘purposive sampling’, dan sejenisnya dapat digunakan dalam SEM dengan PLS.
3.6.1 Mendapatkan Model.
Mendapatkan model berbasis konsep dan teori untuk merancang model struktural (hubungan antar variabel laten yang digunakan).
3.6.2 Merancang Model Pengukuran
Merancang model pengukuran, yaitu hubungan antara variabel indikator dengan variabel laten. Merancang model pengukuran dilakukan dengan penentuan tipe indikator dari masing-masing variabel laten (Refleksi atau formatif).
Berdasarkan definisi operasional variabel penelitian, dapat digolongkan bahwa sifat dan karakteristik indikator pada masing-masing variabel yang digunakan bersifat reflektif.
61 3.6.3 Model Konseptual Penelitian
Membuat model konseptual penelitian dilakukan sesuai dengan pola hubungan antar variabel laten dengan indikatornya. Sesuai dengan dengan Tabel 3.2, maka didapatkan model konseptual sesuai pada gambar 3.1 sebagai berikut.
Sumber: Data Diolah 2021
Gambar 3. 1 Diagram Alur Model Konseptual
Keterangan Gambar 3.1 adalah sebagai berikut.
1. Merupakan symbol dari variabel laten (variabel laten).
2. Merupakan symbol dari variabel manifest (Indikator).
3. ξ (Ksi) Merupakan notasi dari variabel laten eksogen.
62 4. η (Eta) Merupakan notasi dari variabel laten endogen.
5. δ (delta) Menyatakan measurement error yang berhubungan dengan variabel eksogen.
6. ε (epsilon) Menyatakan measurement error yang berhubungan dengan variabel endogen.
7. λ (lambda) Menyatakan factor loadings, yang merupakan parameter yang menggambarkan hubungan langsung variabel eksogen dengan variabel manifesnya.
8. γ (gamma) Menyatakan parameter untuk menggambarkan hubungan langsung variabel eksogen terhadap variabel endogen.
9. SDR Kesadaran Pengelolaan Keuangan
10. PENG Pengetahuan dan Keterampilan Pengelolaan Keuangan 11. SKP Sikap dan Perilaku Pengelolaan Keuangan
12. JK Jenis Kelamin
13. ILM Latar belakang keilmuan 14. KEL Lingkungan keluarga 15. ASAL Tempat Tinggal Asal 16. MTV Motivasi berwirausaha 3.6.4 Analisis Statistik Inferensial
Statistik inferensial (Statistic inductif) adalah teknis statistic yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan untuk populasi (Sugiyono, 2010). Sesuai dengan hipotesis yang telah dirumuskan, maka dalam penelitian ini analisis data statistic inferensial diukur dengan menggunakan
63 Aplikasi SmartPLS untuk pengukuran (outer model), dan struktur model (inner model).
3.6.5 Model Pengukuran atau Outer Model
Model pengukuran atau outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya. Persamaan model pengukuran atau outer model adalah sebagai berikut:
𝑥 = λ𝑥ξ+ δ𝑥 𝑦 = λ𝑦ξ+ ε𝑦
Dimana x dan y adalah variabel laten eksogen / independen (ξ) dan endogen/
dependen(η). Sedangkan λx dan λy merupakan matriks loading yang menggambarkan seperti koefisien regresi sederhana yang menghubungkan variabel laten dengan indikatornya. Residu yang diukur dengan δ dan ε yang dapat diinterpretasikan sebagai kesalahan pengukuran atau noise. Persamaan model pengukuran yang digunakan dalam penelitian ini adalah sebagai berikut.
a. Model pengukuran Variabel Independen X1 Kesadaran Pengelolaan Keuangan (SDR)
𝑆𝐷𝑅1 = λ1𝑆𝐷𝑅 + δ1 𝑆𝐷𝑅2 = λ2𝑆𝐷𝑅 + δ2 𝑆𝐷𝑅3 = λ3𝑆𝐷𝑅 + δ3 𝑆𝐷𝑅4 = λ4𝑆𝐷𝑅 + δ4 𝑆𝐷𝑅5 = λ5𝑆𝐷𝑅 + δ5
64 b. Model Pengukuran Variabel Independen X2 Pengetahuan dan Keterampilan
Pengelolaan Keuangan (PENG) 𝑃𝐸𝑁𝐺1 = λ6𝑃𝐸𝑁𝐺 + δ6
⁝
𝑃𝐸𝑁𝐺5 = λ10𝑃𝐸𝑁𝐺 + δ10
c. Model Pengukuran Variabel Independen X3 Sikap dan Perilaku Pengelolaan Keuangan (SKP)
𝑆𝐾𝑃1 = λ11𝑆𝐾𝑃 + δ11
⁝
𝑆𝐾𝑃4 = λ14𝑆𝐾𝑃 + δ14
d. Model Pengukuran Variabel Independen X4 Jenis Kelamin (JK) 𝐽𝐾1 = λ15𝐽𝐾 + δ15
⁝
𝐽𝐾4 = λ18𝐽𝐾 + δ18
e. Model Pengukuran Variabel Independen X5 Latar Belakang Keilmuan (ILM) 𝐼𝐿𝑀1 = λ19𝐼𝐿𝑀 + δ19
⁝
𝐼𝐿𝑀4 = λ22𝐼𝐿𝑀 + δ22
f. Model Pengukuran Variabel Independen X6 Lingkungan Keluarga (KELU) 𝐾𝐸𝐿𝑈1 = λ23𝐾𝐸𝐿𝑈 + δ23
⁝
𝐾𝐸𝐿𝑈4 = λ26𝐾𝐸𝐿𝑈 + δ26
g. Model Pengukuran Variabel Independen X7 Tempat Tinggal Asal (ASAL)
65 𝐴𝑆𝐴𝐿1 = λ27𝐴𝑆𝐴𝐿 + δ27
𝐴𝑆𝐴𝐿2 = λ28𝐴𝑆𝐴𝐿 + δ28 𝐴𝑆𝐴𝐿3 = λ29𝐴𝑆𝐴𝐿 + δ29 𝐴𝑆𝐴𝐿4 = λ30𝐴𝑆𝐴𝐿 + δ30
h. Model Pengukuran Motivasi Berwirausaha.
𝑀𝑇𝑉1 = λ31𝑀𝑇𝑉 + ε1
⁝
𝑀𝑇𝑉11 = λ41𝑀𝑇𝑉 + ε11
Metode pengukuran model (outer model) digunakan untuk menguji validitas dan reliabilitas konstruk. Instrumen yang valid dan reliabel adalah salah satu syarat untuk mendapatkan hasil penelitian yang valid dan reliabel juga (Setiawan &
Sukanti, 2016). Menurut Setiawan & Sukanti (2016), Uji coba Instrumen juga perlu dilakukan karena kebenaran data akan menentukan hasil dari sebuah penelitian.
Menurut Suharsimi (1995), Subjek sebuah penelitian dapat pula digunakan sebagai subjek uji coba sekaligus subjek penelitian.
Uji validitas didefinisikan sebagai sejauh mana instrumen pengukuran dapat mengukur hal yang hendak diukur (Bougie & Sekaran, 2016). Uji validitas adalah salah satu pengujian yang digunakan untuk mengukur apakah suatu kuesioner valid jika digunakan dalam sebuah penelitian dan pertanyaan yang ada di kuesioner tadi dapat mengungkapkan suatu variabel-variabel yang akan diukur (Imam, 2011).
Uji reliabilitas (keandalan) adalah suatu pengujian yang menunjukkan sejauh mana ukuran yang digunakan tanpa bias (bebas kesalahan) dan pengujian yang memastikan terjadinya pengukuran yang konsisten sepanjang waktu dan di berbagai
66 variabel yang digunakan (Bougie & Sekaran, 2016). Suatu kuesioner dikatakan reliable atau handal apabila jawaban responden terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu (Imam, 2011).
Pengujian outer model yang terdiri dari uji validitas dan reliabilitas (Vinzi et., al., 2010) dilakukan dengan melihat nilai beberapa aspek berikut:
3.6.6.1 Convergent Validity
Convergent validity dari pengukuran model dapat dilihat dari korelasi
antara skor indikator dengan skor variabelnya. Indikator ini dianggap valid jika memiliki nilai loading > 0,5 sehingga dapat disimpulkan bahwa pengukuran tersebut memenuhi kriteria validitas konvergen (Chin & Todd, 1998 dalam Ghozali & Latan, 2015).
3.6.6.2 Discriminant Validity
Dengan melihat dan membandingkan discriminant validity dan square root of average variance extracted (AVE). Model pengukuran ini dinilai berdasarkan pengukuran cross loading dengan konstruk. Jika korelasi konstruk dengan setiap indikatornya lebih besar daripada ukuran konstruk lainnya, maka konstruk laten memprediksi indikatornya lebih baik daripada konstruk lainnya.
3.6.6.3 Composite Reliability
Cara untuk menentukan composite reliability adalah jika nilai composite reliability ρc > 0,6 dikatakan cukup reliabel (Chin, 1998 dalam Ghozali & Latan, 2011). Berikut ini rumus perhitungan composite reliability.
𝜌𝑐 = ( ∑ 𝜆𝑖)2
( ∑ 𝜆𝑖)2+ (∑ 𝑉𝑎𝑟(𝜀𝑖 𝑖))
67 3.6.6.4 Average Variance Extracted (AVE)
Indikator dikatakan valid jika memiliki nilai AVE diatas > 0,5 atau memperlihatkan seluruh outer loading dimensi variabel memiliki nilai loading > 0,5 sehingga dapat disimpulkan bahwa pengukuran tersebut memenuhi kriteria validitas konvergen (Chin,1998 dalam Ghozali & Latan, 2011). Rumus AVE (Average Variance Extracted) adalah sebagai berikut.
𝐴𝑉𝐸 = ∑ = 1 𝜆 𝑖 𝑛𝑖 𝑛 3.6.6.5 Cronbach Alpha
Evaluasi berikutnya adalah dengan melihat dan membandingkan nilai discriminant validity dan square of average variance extracted (AVE).
Model pengukuran ini dinilai berdasarkan pengukuran cross loading dengan konstruk. Jika korelasi konstruk dengan setiap indikatornya lebih besar daripada ukuran konstruk lainnya, maka konstruk laten yang memprediksi indikator tersebut lebih baik daripada konstruk lainnya. Jika √AVE lebih tinggi daripada nilai korelasi di antara konstruknya, maka discriminant validity yang baik dapat tercapai. Menurut Tasha Hoover dalam Yamin &
Kurniawan (2011) sangat direkomendasikan apabila AVE lebih besar dari 0, 5.
68 3.6.6 Model Struktural atau Inner Model
Model Struktural menunjukkan Kekuatan Estimasi antar variabel laten atau konstruk (Ghazali & latan, 2015). Inner model bertujuan untuk menguji hubungan dari indikator penyusun variabel (Wijaya, 2019). Persamaan model struktural atau Inner model dinyatakan sebagai berikut.
η = γ1ξ1 + γ2ξ2+ γ3ξ3+ γ4ξ4 + γ5ξ5 + γ6ξ6 + γ7ξ7+ 𝜁
Dimana γ1 adalah koesfisien jalur yang berhubungan dengan variabel laten endogen/ dependen (γ) dan eksogen/ independen(ξ). Sedangkan untuk parameter 𝜁 merupakan variabel inner residual.berdasarkan persamaan model diatas, maka persamaan model struktural atau inner model yang digunakan dalam penelitian ini sebagai berikut.
MTV = γ1𝑆𝐷𝑅 + γ2𝑃𝐸𝑁𝐺 + γ3𝑆𝐾𝑃 + γ4𝐽𝐾 + γ5𝐼𝐿𝑀 + γ6𝐾𝐸𝐿𝑈 + γ7𝐴𝑆𝐴𝐿 + 𝜁
Rangkaian uji dalam model struktural atau inner model yang digunakan dalam mengevaluasi struktural dan pengujian hipotesis (signifikansi hubungan antar variabel) adalah sebagai berikut.
3.6.7.1 R Square
Dalam Menilai model struktural dengan PLS, dapat dimulai dengan melihat nilai dari R-Square (R2) untuk setiap variabel laten endogen sebagai kekuatan prediksi dari model struktural. Perubahan nilai R-Square (R2) dapat digunakan untuk menjelaskan pengaruh variabel laten eksogen tertentu terhadap variabel laten endogen apakah memiliki pengaruh yang substantif (Ghozali & Latan, 2015). Menurut Chin dalam Ghozali & Latan (2015) nilai
69 R-Square (R2) 0,67 ; 0,33; dan 0,19 menunjukkan model kuat, Moderat, dan lemah.
3.6.7.2 Estimate for Path Coefficients
Signifikansi dan pengujian hipotesis dapat dilihat berdasarkan nilai Estimate for path Coefficients. Estimate for path coefficient (Nilai Estimasi
Koefisien Jalur) antara konstruk harus memiliki nilai yang signifikan.
Signifikansi hubungan dapat diperoleh dengan prosedur bootstrapping atau jackknifing. Nilai yang dihasilkan berupa nilai T-Statistic yang kemudian
dibandingkan dengan nilai T-Table. Apabila nilai T-Statistic lebih besar dari T-table (1.96) pada taraf signifikansi 5% maka nilai estimasi koefisien jalur tersebut signifikan. Namun, apabila menggunakan taraf signifikansi 10%, maka nilai t-value adalah 1, 65.
