BAB III METODELOGI PENELITIAN

(1)

33

METODELOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian

1. Tempat penelitian

Penelitian ini bertempat di SMK Wahidin Kota Cirebon yang berada di Jl. Dr.

Wahidin. Alasan pemilihan lokasi penelitian berdasarkan latar belakang dimana berdasarkan temuan bahwa di sekolah SMK Wahidin Kota Cirebon memiliki tata tertib yang sangat baik, dapat dilihat dari siswa maupun guru datang ke sekolah dengan tepat waktu. Bahkan guru di SMK Wahidin Kota Cirebon ketika pagi harinya selalu menyambut anak didiknya di pintu masuk sekolah, selain itu penerapan menyanyikan lagu wajib Nasional dan mengaji juga dilaksanakan sebelum jam belajar berlangsung yang didampingi oleh wali kelas. Sehingga dengan adanya ketertarikan di atas, penulis bermaksud untuk melakukan penelitian mengenai analisis hubungan antara kesiapan dengan kemandirian belajar siswa pada pelajaran matematika pada siswa kelas XI SMK Wahidin Kota Cirebon.

2. Waktu penelitian

Waktu penelitian dilaksanakan selama 3 (tiga) Bulan. Rincian kegiatan penelitian dipaparkan pada tabel berikut:

Tabel 3.1 Agenda Penelitian

No Kegiatan Bulan ke 1 Bulan ke 2 Bulan ke 3

1 2 3 4 1 2 3 4 1 2 3 4 1 Persiapan dan pembuatan SK

penelitian

 

2 Pembuatan dan revisi kis-kisi instrumen penelitian

 

3 Pembuatan dan revisi instrumen skala

  

4 Uji coba instrumen skala 

5 Penyebaran skala 

6 Pengumpulan data  

7 Analisis data   

8 Pembuatan Revisi Hasil 

9 Sidang Skripsi 

10 Revisi Sidang  

(2)

3.2 Metode dan Desain Penelitian 1. Metode Penelitian

Berdasarkan teknik yang digunakan penelitian ini merupakan penelitian ex post facto, yang artinya penelitian yang dilakukan untuk meneliti peristiwa yang telah terjadi yang kemudian merunut ke belakang untuk mengetahui faktor-faktor yang dapat menimbulkan kejadian tersebut. Penelitian ini juga sering disebut sebagai penelitian sesudah kejadian atau study penelusuran kembali (Sukardi, 2012:165).

Penelitian ex post facto bertujuan menentukan penyebab yang memungkinkan perubahan perilaku, gejala atau fenomena yang disebabkan oleh peristiwa atau hal-hal yang menyebabkan perubahan pada variabel bebas secara keseluruhan sudah terjadi.

Penelitian ex post facto merupakan penelitian dimana variabel bebas sudah terjadi ketika penelitian mulai dilakukan pada suatu penelitian.

Berdasarkan analisis yang dilakukan penelitian ini, penulis menggunakan metode deskriptif korelasional yaitu untuk mengetahui gambaran keterkaitan antara dua variabel yang menjadi topik dalam penelitian melalui analisis statistik sehingga menghasilkasn satu kesimpulan yang bersifat menjawab tujuan dan rumusan penelitian tersebut.

2. Variabel Penelitian

Berdasarkan hubungan antara satu variabel dengan yang lainnya maka macam- macam variabel dalam penelitian dapat dibedakan menjadi:

1. Variabel X dalam penelitian ini adalah kesiapan belajar siswa di SMK Wahidin Kota Cirebon yang merupakan variabel bebas ( independen ). Variabel kesiapan belajar merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel kemandirian atau dependen (terikat).

2. Variabel Y dalam penelitian ini adalah kemandirian belajar siswa di SMK Wahidin Kota Cirebon yang merupakan variabel terikat (dependen). Variabel kemandirian adalah variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas.

3. Teknik Pengumpulan Data

Pengumpulan data adalah prosedur yang sistematis dan standar untuk memperoleh data yang diperlukan, selalu ada hubungan antara metode pengumpulan data dengan masalah penelitian yang ingin dipecahkan (Sofyan Siregar, 2010:130). Dalam penelitian ini, data diperoleh dengan menggunakan teknik Self Report.

a. Skala yang terdiri dari dua jenis, yaitu :

(3)

o Kesiapan Belajar

Skala kesiapan belajar diukur melalui beberapa indikator yang menjadi ciri dan standar ukur variabel tersebut. Skala kesiapan belajar termasuk didalamnya adalah kondisi fisik, mental, emosional, kebutuhan dan pengetahuan.

o Kemandirian Belajar

Skala kemandirian belajar diukur melalui beberapa indikator penelitian yang menjadi ciri dan standar ukur variabel kemandirian tersebut. Adapun skala kemandirian belajar yang termasuk didalamnya adalah kepercayaan diri, motivasi, keuletan dan kedisiplinan.

Selanjutnya penulis menetapkan indikator sebagai pedoman dalam penyusunan instrumen penelitian yang di uraikan dalam tabel dibawah ini :

Tabel 3.2 Operasional Variabel

Variabel Konsep Variabel Dimensi Indikator Kesiapan

Belajar (X)

Kesiapan adalah keseluruhan kondisi seseorang yang membuatnya siap untuk memberi respon/jawaban di dalam cara tertentu terhadap suatu situasi. (Slameto, 2003:113)

i. Fisik

ii. Mental

iii. Emosional

iv. Kebutuhan

v. Pengetahuan

1. Kesehatan.

2. Kecukupan Istirahat.

3. Kecukupan nutrisi.

1. Kemauan berusaha 2. Keberanian

3. Hasrat

1. Penyesuaian diri 2. Konsentrasi 4. Ketenangan

1. Keterampilan yang ingin didapat.

2. Pemahaman yang ingin diperoleh.

1. Pengetahuan yang dimiliki.

2. Keterampilan yang dimiliki

3. Berfikir logis Kemandiri

an belajar (Y)

Kemandirian

menunjukan adanya kepercayaan akan kemampuan diri untuk menyelesaikan masalahnya tanpa bantuan khusus dari

1. Kepercayaan diri

2. Motivasi

1. Memahami kemampuan diri.

2. Objektif terhadap diri sendiri.

1. Antusias

2. Ide untuk berkembang.

(4)

orang lain.

Kemandirian

diartikan sebagai suatu hal atau keadaan dapat berdiri sendiri tanpa bergantung kepada orang lain (Eti Nurhayati, 2011 : 131).

3. Keuletan

4. Kedisiplinan

3. Kesetabilan dalam belajar.

1. Rajin

2. Sungguh-sungguh.

1. Ketepatan waktu.

2. Mematuhi tata tertib.

3. Mematuhi instruksi.

4. Instrumen yang digunakan

Dalam penelitian ini instrumen yang digunakan sebagai alat untuk mengumpulkan data diantaranya:

a. Skala

Skala merupakan perbandingan antar kategori dimana masing-masing kategori diberi bobot nilai yang berbeda. Dalam statistika, secara umum terdapat 4 jenis skala yaitu skala nominal, ordinal, interval dan rasio. Dalam penelitian ini menggunakan skala ordinal dimana membedakan kategori berdasarkan tingkat atau urutan. Dalam memperoleh data yang tepat berdasarkan tujuan penelitian ini maka digunakan skala, skala yang disusun berdasarkan indikator penelitian yang menjadi faktor-faktor penentu masing- masing variabel.

Agar data hasil kuesioner tersebut dapat diolah lebih lanjut, diperlukan skala pengukuran atas jawaban responden. Adapun pengukuran yang digunakan adalah Skala Likert, menurut Nur Indriantoro dan Bambang Supomo (1999:104), Skala Likert adalah : "Metode• yang mengukur sikap dengan menyatakan setuju atau ketidak setujuannya terhadap subyek, obyek, atau kejadian tertentu". Alat ukur yang digunakan adalah Skala Likert, skor tertinggi yang digunakan adalah 5 dan skor terendah adalah 1 berlaku untuk pernyataan positif maupun negatif.

(5)

Tabel 3.3 Skala Likert

Pilihan Pernyataan Nilai Item

Positif Negatif

Selalu 5 1

Sering 4 2

Kadang-kadang 3 3

Pernah 2 4

Tidak pernah 1 5

b. Wawancara.

Data dikumpulkan melalui tanya jawab yang dilakukan langsung terhadap responden (siswa). Wawancara tersebut dilakukan dengan menggunakan media berupa daftar pertanyaan terbuka mengenai hal-hal yang diperlukan dan berhubungan dengan penelitian. Responden wawancara adalah perwakilan siswa setiap kelas dan wali kelas masing-masing. Total jumlah responden yang diwawancara sebanyak 12 orang terdiri dari 6 siswa dan 6 wali kelas dan teknis wawancara dilakukan pada saat jam istirahat di kelas dan ruangan kantor guru.

Rangkuman mengenai variabel, definisi konseptual, teknik pengolahan data dan instrumen kesiapan belajar dan kemandirian belajar siswa lebih jelas dapat dilihat pada tabel 3.4 berikut.

Tabel 3.4

Metode dan Desain Penelitian Variabel Definisi Konseptual Definisi

Operasional

Teknik Pengolahan

Data

Instrumen

Kesiapan Belajar

Skala kesiapan belajar diukur melalui beberapa indikator yang menjadi ciri dan standar ukur variabel tersebut. Skala kesiapan belajar termasuk didalamnya adalah kondisi

Skor total untuk variabel kesiapan belajar siswa adalah sebesar (5 x 25 = 125)

Self Report Skala kesiapan

belajar

(6)

fisik, mental, emosional, kebutuhan dan pengetahuan Kemandirian

belajar

Skala kemandirian belajar diukur melalui beberapa indikator penelitian yang menjadi ciri dan standar ukur variabel kemandirian tersebut. Adapun skala kemandirian belajar yang termasuk didalamnya adalah kepercayaan diri, motivasi, keuletan dan kedisiplinan.

Skor total untuk variabel kemandirian belajar siswa adalah sebesar (5 x 22 = 110)

Self Report Skala kemandirian

belajar

3.3 Populasi dan Sampel 3.3.1 Populasi

Populasi adalah wilayah generalisasi yang terdiri atas objek atau subjek yang mempunyai kuantitas dan karakteristik tertentu yang ditentukan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Grafura, 2009: 1). Populasi dalam penelitian ini adalah seluruh siswa kelas XI di SMK Wahidin Kota Cirebon sejumlah 1.290 orang siswa. Diambilnya seluruh siswa kelas XI di SMK Wahidin Kota Cirebon sebagai populasi karena peneliti anggap telah memenuhi karaktreristik yang peneliti tentukan yaitu kesiapan belajar siswa.

3.3.2 Sampel

Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut (Grafura, 2009:l). Pada penelitian ini, peneliti mengambil sampel siswa kelas XI yaitu dengan menggunakan teknik Sistematik random sampling dimana penentuan sampel dengan sistematis sehingga setiap kelas memenuhi proporsional. Jumlah sampel ditentukan, menggunakan 10% dari jumlah siswa secara keseluruhan yaitu:

n = N x 10%

n = 1.290 x 10%

(7)

n = 129 Dimana :

n = Jumlah sampel N = Jumlah populasi

Pengambilan sampel responden dilakukan dengan mengundi nama siswa di kelas XI dari kelompok a s/d f dengan memilih perwakilan siswa sebanyak 21 siswa pada masing-masing kelas. Siswa yang terpilih kemudian dipersilahakan mengisi instrumen penelitian di kelasnya masing-masing.

3.4 Teknik Analisis Data 3.4.1 Persyaratan Uji Hipotesis

1. Validitas Isi (Content Validity)

Uji Validasi dilakukan untuk mengatahui validitas (sahih) tidaknya instrumen yang digunakan, yaitu dengan menganalisis per butir item, untuk menganalisis item tersebut digunakan validitas isi (Content Validity).

Validitas isi artinya ketepatan dari pada suatu tes dilihat dari segi isi tersebut. Suatu tes hasil belajar dikatakan valid, apabila materi tes tersebut betul- betul merupakan bahan-bahan yang representatif terhadap bahan-bahan pelajaran yang diberikan (Hendrayadi, 2014: 45). Dengan kata lain sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan khusus tertentu yang sejajar dengan materi atau isi pelajaran yang diberikan.

Dalam penelitian ini digunakan Koefisien Validitas Isi – Aiken’s V untuk menguji item pertanyaan yang digunakan sebagai alat ukur. Adapun rumus yang digunakan adalah sebagai berikut.

𝑉 = ∑S

𝑛(𝑐 − 1) 𝑆 = 𝑟 − 𝑙𝑜 (Aiken, 1985) Keterangan:

V =Validitas isi (Content Validity) r = Skor yang diberikan

lo = Skor terendah yang diberikan

(8)

c = Skor tertinggi yang diberikan

Nilai koefisien berkisar antara 0 – 1 sehingga suatu item dikatakan valid apabila hasil pengujian validitas pada item/bulir pertanyaan berada pada kisaran nilai validitas isi sebesar O,34 - 1. Adapun kategori nilai kritis CVR yang ditentukan melalui batas minimum Lawshe sebagai beriktu.

Tabel 3.5

Nilai Kritis Uji Validitas CVR

Rentang Kategori

0 – 0,33 Tidak Sesuai

0,34 - 0,67 Sesuai

0,68 – 1 Sangat Sesuai

(Aiken, 1985)

Uji validitas dalam penelitian ini bertujuan untuk mengetahui apakah item pertanyaan yang digunakan dalam skala sudah valid (Sahih). Berdasarkan perhitungan dengan menggunakan koefisien validitas isi – Aiken’s V (Lampiran 1) maka diperoleh hasil uji validitas variabel kesiapan belajar yang lebih jelas dapat dilihat pada tabel 3.6 berikut ini.

Tabel 3.6

Hasil Uji Validitas Kesiapan Belajar

NO.ITEM CVR KETERANGAN NO.ITEM CVR KETERANGAN

X1 0,442 SESUAI X14 0,326 TIDAK SESUAI

X3 0,558 SESUAI X16 0,467 SESUAI

X4 0,734 SANGAT SESUAI X17 0,589 SESUAI

X6 0,657 SESUAI X19 0,700 SANGAT SESUAI

X7 0,868 SANGAT SESUAI X20 0,124 TIDAK SESUAI

X8 0,643 SESUAI X21 0,698 SANGAT SESUAI

X13 0,576 SESUAI

Berdasarkan tabel 3.6 diatas diketahui bahwa dari nilai kritis uji validitas CVR dari 25 item pertanyaan, hanya terdapat 5 item pertanyaan yang dinyatakan

(9)

tidak valid karena nilai CVR berada di kisaran nilai 0 - 0,33_.Sedangkan sisanya dinyatakan valid dan dapat dijadikan instrumen dalam penelitian ini.

Hasil uji validitas variabel kemandirian belajar lebih jelas dapat dilihat pada tabel 3.7 berikut ini.

Tabel 3.7

Hasil Uji Validitas Kemandirian Belajar

NO.ITEM CVR KETERANGAN NO.ITEM CVR KETERANGAN

Y1 0,88 SANGAT SESUAI Y12 0,52 SESUAI

Y2 0,47 SESUAI Y13 0,24 TIDAK SESUAI

Y3 0,28 TIDAK SESUAI Y14 0,17 TIDAK SESUAI

Y4 0,53 SESUAI Y15 0,73 SANGAT SESUAI

Y5 0,79 SANGAT SESUAI Y16 0,68 SANGAT SESUAI

Y6 0,44 SESUAI Y17 0,52 SESUAI

Y7 0,65 SANGAT SESUAI Y18 0,31 TIDAK SESUAI

Y8 0,66 SANGAT SESUAI Y19 0,48 SESUAI

Y10 0,76 SANGAT SESUAI Y21 0,27 TIDAK SESUAI

Berdasarkan tabel 3.7 diatas dari nilai kritis uji validitas CVR diketahui bahwa dari 22 item pertanyaan, hanya terdapat 5 item pertanyaan yang dinyatakan tidak valid karena nilai CVR berada di kisaran nilai 0 - 0,33.

Sedangkan sisanya dinyatakan valid dan dapat dijadikan instrumen dalam penelitian ini.

2. Estimasi Reliabilitas

Instrumen yang baik, disamping harus valid, juga harus realibel (dapat dipercaya) artinya mempunyai nilai ketepatan yang mana bila ditestkan pada kelompok yang sama dalam waktu yang berbeda akan menghasilkan nilai yang sama pula.

Dalam penelitian ini digunakan uji reliabilitas konstruk dengan menggunakan rumus sebagai berikut:

𝑅𝐶 = (∑ ƛ)²

(∑ ƛ)²+ ∑(1 − ƛ²) (Wahyu Widhiyarso, 2011) Keterangan :

(10)

RC = Reliabilitas Konstruk (Reliability construct) ƛ = Muatan faktor terstandarisasi.

Item pertanyaan dikatakan reliabel apabila memiliki nilai reliabilitas konstruk di bawah 0,50.

Uji reliabilitas dalam penelitian ini bertujuan untuk mengetahui apakah data yang digunkan dapat dipercaya artinya mempunyai nilai ketepatan yang mana bila ditestkan pada kelompok yang sama dalam waktu yang berbeda akan menghasilkan nilai yang sama pula. Lebih jelas mengenai hasil uji reliabilitas dapat dilihat pada tabel 3.8 berikut ini.

Tabel 3.8 Hasil Uji Reliabilitas Indikator Estimate

(ƛ) ƛ² 1-ƛ²

X5 0,592 0,350 0,650

X4 0,393 0,154 0,846

X3 0,306 0,094 0,906

X2 0,088 0,008 0,992

X1 0,019 0,000 1,000

Ʃ 1,398 0,607 4,393

(Ʃƛ)² 1,954

RC 0,308

KET RELIABEL

Indikator Estimate

(ƛ) ƛ² 1-ƛ²

Y4 0,458 0,210 0,790

Y3 0,469 0,220 0,780

Y2 0,34 0,116 0,884

Y1 0,119 0,014 0,986

Ʃ 1,386 0,559 3,441

(Ʃƛ)² 1,921

RC 0,358

KET RELIABEL

(11)

Berdasarkan hasil uji reliabilitas pada tabel 3.8 diatas diketahui bahwa kedua variabel baik kesiapan maupun kemandirian belajar dapat dikatakan reliabel. Hal tersebut dikarenakan nilai Reliabilitas Konstruk berada di bawah 0,50. Oleh sebab itu semua konstruk dalam penelitian ini dapat digunakan.

3.4.2 Analisis Deskriptif

Interpretasi skor ini dimaksudkan untuk mengetahui gambaran antara variabel independen (bebas) yang terdiri dari variabel dengan variabel dependent (terikat).

Untuk melihat variabel dalam garis kontinum, maka dilakukan langkah-langkah sebagai berikut:

a. Menentukan klasifikasi dalam kategori rendah, sedang, dan tinggi dengan menggunakan rumus:

Skor tertinggi - Skor terendah 3

Variabel Kesiapan Interval = 125-59

3 Interval = 22 Variabel Kemandirian

Interval = 110-52 3 Interval = 19

b. Setelah diketahui nilai antar klasifikasi, maka dilanjutkan dengan menentukan daerah kriterium menjadi tiga tingkatan yaitu rendah, sedang, dan tinggi dengan berpatokan pada nilai terendah skor tiap variabel.

Variabel Kesiapan Belajar.

3.4.3 Analisis SEM

SEM (Structural Equation Modeling) adalah suatu teknik statistik yang mampu menganalisis pola hubungan antara konstruk laten dan indikatornya, konstruk laten yang satu dengan lainnya, serta kesalahan pengukuran secara langsung. SEM memungkinkan dilakukannya analisis di antara beberapa variabel dependen dan independen secara langsung (Hair et al, 2006).

(12)

Beberapa fungsi analisis SEM diantaranya adalah:

1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel.

2. Penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten.

3. Daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis.

4. Kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri.

5. Kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung.

6. Kemampuan untuk membuat model terhadap variabel-variabel perantara.

7. Kemampuan untuk membuat model gangguan kesalahan (error term).

8. Kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok subyek.

9. Kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.

Teknik analisis data menggunakan Structural Equation Modeling (SEM), dilakukan untuk menjelaskan secara menyeluruh hubungan antar variabel yang ada dalam penelitian. SEM digunakan bukan untuk merancang suatu teori, tetapi lebih ditujukan untuk memeriksa dan membenarkan suatu model. Oleh karena itu, syarat utama menggunakan SEM adalah membangun suatu model hipotesis yang terdiri dari model struktural dan model pengukuran dalam bentuk diagram jalur yang berdasarkan justifikasi teori. SEM adalah merupakan sekumpulan teknik- teknik statistik yang memungkinkan pengujian sebuah rangkaian hubungan secara simultan. Hubungan itu dibangun antara satu atau beberapa variabel independen (Santoso, 2011).

SEM menjadi suatu teknik analisis yang lebih kuat karena mempertimbangkan pemodelan interaksi, nonlinearitas, variabel-variabel bebas yang berkorelasi (correlated independent), kesalahan pengukuran, gangguan kesalahan-kesalahan yang berkorelasi (correlated error terms), beberapa variabel bebas laten (multiple latent independent) dimana masing-masing diukur dengan menggunakan banyak

(13)

indikator, dan satu atau dua variabel tergantung laten yang juga masing-masing diukur dengan beberapa indikator. Dengan demikian menurut definisi ini SEM dapat digunakan alternatif lain yang lebih kuat dibandingkan dengan menggunakan regresi berganda, analisis jalur, analisis faktor, analisis time series, dan analisis kovarian (Byrne, 2010).

Yamin (2009) mengemukakan bahwa di dalam SEM peneliti dapat melakukan tiga kegiatan sekaligus, yaitu pemeriksaan validitas dan reliabilitas instrumen (setara dengan analisis faktor konfirmatori), pengujian model hubungan antar variabel laten (setara dengan analisis path), dan mendapatkan model yang bermanfaat untuk prediksi (setara dengan model struktural atau analisis regresi).

Aplikasi utama structural equation modeling meliputi:

1. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur (path analysis), yang menyusun hipotesa hubungan-hubungan sebab akibat (causal relationships) diantara variabel - variabel dan menguji model-model sebab akibat (causal models) dengan menggunakan sistem persamaan linier.

Model-model sebab akibat dapat mencakup variabel-variabel manifest (indikator), variabel-variabel laten atau keduanya;

2. Analisis faktor penegasan (confirmatory factor analysis), suatu teknik kelanjutan dari analisis faktor dimana dilakukan pengujian hipotesis – hipotesis struktur factor loadings dan interkorelasinya;

3. Analisis faktor urutan kedua (second order factor analysis), suatu variasi dari teknik analisis faktor dimana matriks korelasi dari faktor-faktor tertentu ( common factors) dilakukan analisis pada faktornya sendiri untuk membuat faktor-faktor urutan kedua;

4. Model-model regresi (regression models), suatu teknik lanjutan dari analisis regresi linear dimana bobot regresi dibatasi agar menjadi sama satu dengan lainnya, atau dilakukan spesifikasi pada nilai-nilai numeriknya;

5. Model-model struktur covariance (covariance structure models), yang mana model tersebut menghipotesakan bahwa matrix covariance mempunyai bentuk tertentu. Sebagai contoh, kita dapat menguji hipotesis yang menyusun semua variabel yang mempunyai varian yang sama dengan menggunakan prosedur yang sama;

6. Model struktur korelasi (correlation structure models), yang mana model tersebut menghipotesakan bahwa matrix korelasi mempunyai bentuk tertentu.

(14)

Contoh klasik adalah hipotesis yang menyebutkan bahwa matrix korelasi mempunyai struktur circumplex.

Dua alasan yang mendasari digunakannya SEM adalah (1) SEM mempunyai kemampuan untuk mengestimasi hubungan antar variabel yang bersifat multiple relationship. Hubungan ini dibentuk dalam model struktural (hubungan antara konstruk dependen dan independen). (2) SEM mempunyai kemampuan untuk menggambarkan pola hubungan antara konstruk laten dan variabel manifes atau variabel indikator.

Sebelum melakukan analisis SEM, perlu diketahui beberapa konvensi atau aturan-aturan yang diberlakukan di dalampenggunaan SEM ini sebagai berikut.

1. Variabel terukur (Measured Variable)

Variabel ini disebut juga observed variables, indicator variables atau manifest variables, digambarkan dalam bentuk segi empat atau bujur sangkar. Variabel terukur adalah variabel yang datanya harus dicari melalui penelitian lapangan, misalnya melalui instrumen-instrumen survei.

2. Faktor

Faktor adalah sebuah variabel bentukan, yang dibentuk melalui indikator- indikator yang diamati dalam dunia nyata. Karena merupakan variabel bentukan, maka disebut latent variables. Nama lain untuk latent variables adalah constructs atau unobserved variables. Faktor atau konstruk atau variabel laten ini digambarkan dalam bentuk oval atau elips.

3. Hubungan antar variabel

Hubungan antar variabel dinyatakan melalui garis. Karena itu bila tidak ada garis berarti tidak ada hubungan langsung yang dihipotesiskan. Bentuk- bentuk hubungan antar variabel dapat dijelaskan sebagai berikut.

Garis dengan anak panah satu arah (). Garis ini menunjukkan adanya hubungan yang dihipotesiskan antara dua variabel, di mana variabel yang dituju oleh anak panah merupakan variabel dependen. Dalam SEM terdapat dua kelompok hipotesis dengan anak panah satu arah yaitu:

i. Hipotesis mengenai dimensi faktor. Dimensi-dimensi sebuah faktor akan terlihat dalam diagram SEM melalui arah anak panah () yang digunakan. Dalam hal ini masing-masing indikator itu sebagai variabel dependen, secara bersama-sama dihipotesiskan sebagai dimensi dari sebuah konsep atau faktor.

(15)

ii. Hipotesis mengenai hubungan regresi. Hipotesis mengenai pengaruh satu atau beberapa variabel independen terhadap satu atau beberapa variabel dependen dinyatakan pula dalam anak panah satu arah ().

Garis dengan anak panah 2 arah () Garis ini menunjukkan hubungan yang tidak dianalisis. Anak panah dua arah ini dalam pemodelan SEM digunakan untuk menggambarkan kovarians atau korelasi antara dua buah variabel. Misalnya bila peneliti akan meregresi dua buah variabel independen terhadap satu atau beberapa variabel dependen, syarat yang harus dipenuhi adalah tidak adanya saling korelasi antara variabel independen (sebagaimana syarat pada analisis regresi). Untuk itu sebuah anak panah dua ujung harus digunakan untuk menghubungkan kedua variabel independen itu untuk menguji bahwa tidak ada korelasi antara keduanya.

Teknik analisis digunakan untuk menginterpretasikan dan menganalisis data. Sesuai dengan model yang dikembangkan dalam penelitian ini maka alat analisis data yang digunakan adalah SEM (Structural Equation Modeling), yang dioperasikan melalui program AMOS 16.0 (Hair et al, 1998; Ferdinand, 2006) .

Asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM sebagai berikut.

1. Ukuran sampel

Ukuran sampel yang harus dipenuhi dalam pemodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan 5 observasi untuk setiap estimated parameter. Karena itu bila kita mengembangkan model dengan 20 parameter, maka minimum sampel yang harus digunakan adalah sebanyak 100 sampel.

2. Normalitas dan linearitas

Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan SEM ini.

Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariat di mana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu

(16)

dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas.

3. Outliers

Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya. Selain itu, dapat diadakan perlakuan khusus pada outliers ini asal diketahui bagaimana munculnya outliers itu.

Outliers muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. Misalnya nilai 7 diketik 70 sehingga jauh berbeda dengan nilai-nilai lainnya dalam sebuah rentang jawaban responden antara 1 - 10. Bila hal semacam ini lolos dalam pengetikan data untuk pengolahan melalui komputer, maka angka 70 dapat menjadi sebuah nilai ekstrim;

outliers dapat saja muncul karena keadaan yang benar-benar khusus yang memungkinkan profit datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai apa penyebab munculnya nilai ekstrim itu.

outliers dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab- sebab munculnya nilai ekstrim itu;

outliers dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut dengan multivariate outliers.

Analisis SEM menggunakan tahapan pemodelan dan analisis persamaan struktural menjadi 4 langkah, yaitu :

1. Spesifikasi Model

Langkah pertama dalam pengembangan model SEM adalah pencari atau pengembangan sebuah model yang mempunyai justifikasi terpenting yang kuat. Setelah itu, model tersebut divalidasi secara empirik melalui populasi program SEM. Langkah berikutnya adalah menyusun hubungan kausalitas dengan diagram jalur dan menyusun persamaan struktural.

(17)

Gambar 3.1

Diagram Jalur Hubungan Antara Kesiapan Dan Kemandirian Belajar (Sumber : Analisis Data AMOS, 2015)

Keterangan Indikator:

X1 = Pengetahuan X2 = Kebutuhan X3 = Emosional X4 = Mental X5 = Fisik

Y1 = Kepercayaan Diri Y2 = Motivasi

Y3 = Kedisiplinan Y4 = Keuletan.

2. Identifikasi Model

Problem identifikasi adalah ketidakmampuan proposed model untuk menghasilkan unique estimate. Cara melihat ada tidaknya problem identifikasi adalah dengan melihat hasil estimasi yang meliputi :

1. Adanya nilai standar error yang besar untuk 1 atau lebih koefisien.

2. Ketidakmampuan program untuk invert information matrix.

3. Nilai estimasi yang tidak mungkin error variance yang negatif.

4. Adanya nilai korelasi yang tinggi (> 0,90) antar koefisien estimasi.

Jika diketahui ada problem identifikasi maka ada tiga hal yang harus dilihat: (1) besarnya jumlah koefisien yang diestimasi relatif terhadap jumlah kovarian atau korelasi, yang diindikasikan dengan nilai degree of freedom yang kecil, (2) digunakannya pengaruh timbal balik atau respirokal antar

Kesiapan Belajar

Kemandir ian Belajar X1

X2

X3

X4

X5 E1

E2

E3

E4

E5

Y1

Y2

Y3

Y4

E6

E7

E8

E9

(18)

konstruk (model non recursive) atau (3) kegagalan dalam menetapkan nilai tetap (fix) pada skala konstruk.

3. Estimasi Model

Teknik estimasi dilakukan dengan dua tahap, yaitu Estimasi Measurement Model digunakan untuk menguji undimensionalitas dari konstruk-konstruk eksogen dan endogen dengan menggunakan teknik Confirmatory Factor Analysis dan tahap Estimasi Structural Equation Model dilakukan melalui full model untuk melihat kesesuaian model dan hubungan kausalitas yang dibangun dalam model ini.

4. Pengujian Model

Pada langkah ini dilakukan evaluasi terhadap kesesuaian model melalui telaah terhadap kesesuaian model melalui telaah terhadap berbagai kriteria Goodness-of-Fit, Pada tahap selanjutnya model diinterpretasikan dan dimodifikasi. Setelah model diestimasi, residual kovariansnya haruslah kecil atau mendekati nol dan distribusi kovarians residual harus bersifat simetrik.

Batas keamanan untuk jumlah residual yang dihasilkan oleh model adalah 1%. Nilai residual value yang lebih besar atau sama dengan 2,58 diintrepretasikan sebagai signifikan secara statis pada tingkat 1% dan residual yang signifikan ini menunjukan adanya prediction error yang substansial untuk dipasang indikator.

Tabel 3.9 Comparative fit Index Goodness of Fit Indeks Cut-off Value Chi – Square

Probability RMSEA GFI AGFI CMIN / DF TLI

CFI

63,892

0.05

0.08

0.90

2.00

0.95

(19)

Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah terhadap berbagai kriteria goodness of fit. Berikut ini beberapa indeks kesesuaian dan cut off value untuk menguji apakah sebuah model dapat diterima atau ditolak menurut Ferdinand (2000) :

1) Uji Chi-square, dimana model dipandang baik atau memuaskan bila nilai Chi-square nya rendah. Semakin kecil nilai chi-square semakin baik model itu dan nilai signifikansi lebih besar dari cut off value (p>0,05).

2) RMSEA (The Root Mean Square Error of Approximation), yang menunjukkan goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi (Hair et.al., 1995). Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees of freedom.

3) GFI (Goodness of Fit Index) adalah ukuran non statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah "better fit".

4) AGFI (Adjusted Goodness of Fit Index), dimana tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90.

5) CMIN/DF adalah The Minimum Sample Discrepancy Function yang dibagi dengan Degree of Freedom. Chi-square dibagi DF-nya disebut chi-square relatif. Bila nilai chi-square relatif kurang dari 2.0 atau 3.0 adalah indikasi dari acceptable fit antara model dan data.

6) TLI (Tucker Lewis Index), merupakan incremental index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model, dimana sebuah model ≥ 0,95 dan nilai yang mendekati 1 menunjukkan a very good fit.

7) CFI (Comparative Fit Index), dimana bila mendekati 1, mengindikasi tingkat fit yang paling tinggi. Nilai yang direkomendasikan adalah CFI ≥ 0,94.

Berdasarkan 4 (empat) tahapan analisis SEM diatas maka dapat dikembangkan langkah-langkah analisis SEM seperti pada gambar berikut ini.

(20)

Gambar 3.2 Langkah-Langkah Analisis SEM (Sumber : Wahyu Widhiarso, 2014)

Pengembangan Model Berbasis Konsep Teori

Mengkontruksi Diagram Path

Konversi Diagram Path ke Model Struktural

Memilih Matrikx Input

Menilai Masalah Identifikasi

Evaluasi Goodnes Of Fit

Interpertasi dan Modifikasi Model