BAB IV METODE PENELITIAN

(1)

BAB IV

METODE PENELITIAN

4.1. Jenis/Desain Penelitian

Penelitian ini dikategorikan sebagai confirmatory penegasan atau menkonfirmasi dan explanatory research yaitu penelitian yang bertujuan menjelaskan hubungan kausal antara variabel-variabel melalui pengujian hipotesis. Pendekatan penelitian ini adalah pendekatan kuantitatif dengan metode survey. Dalam hal ini survei dimaksudkan untuk mempelajari sikap, keyakinan, nilai-nilai, demografi, tingkah laku, opini, kebiasaan, keinginan, ide-ide dan tipe informasi lain yang diperlukan untuk kepentingan penilitian. Paradigma yang melandasi penelitian ini berbentuk paradigma jalur, dengan teknik analisis statistik yang dinamakan Structural Equation Modeling (SEM) dengan .8.3. Menurut Hair et al., (2006:67). SEM memungkinkan dilakukannya analisis terhadap serangkaian hubungan secara simultan yang efisiensi secara statistik.

4.1.1. RuangLingkup

Obyek penelitian ini adalah para siswa dari unit sekolah yang paling tinggi yaitu SMA dan SMK. Penelitian ini merupakan survei untuk mengetahui pengaruh antara bauran pemasaran, ekuitas merek dan kualitas pelayanan terhadap kepuasan konsumen dalam menciptakan loyalitas pelanggan di Sekolah Islamic Village.

4.1.2. Lokasi dan Obyek Penelitian

Penelitian dilakukan pada Sekolah Islamic Village Karawaci Kabupaten Tangerang. Pemilihan lokasi ini dengan pertimbangan penulis merupakan staff

(2)

pengajar pada lokasi penelitian. Waktu penelitian dilakukan sejak 5 April 2014 – 22 Agustus 2014 yang meliputi survey (pembagian kuesioner) pengolahan data hasil penelitian, analisis dan kesimpulan.

4.2. Variabel Penelitian 4.2.1. Definisi Konsep

Variabel penelitian adalah sesuatu hal yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulan (Sugiyono, 2000). Variabel dalam penelitian ini terdiri atas tiga jenis variabel, yaitu; variabel independen, variabel dependen, dan variabel intervening. Menurut Sugiarto dkk. (2001) pengertian ketiga variabel tersebut, yaitu :

1. Variabel eksogen/variabel bebas, yaitu suatu variabel yang menjadi penyebab terjadinya (terpengaruhnya) variabel endogen. Variabel ini sering disebut sebagai predictor yang dilambangkan dengan X.

2. Variabel endogen/variabel tak bebas, yaitu suatu variabel yang nilainya dipengaruhi oleh variabel eksogen. Variabel ini sering disebut variabel respon yang dilambangkan dengan Y2.

3. Variabel intervening (intervening variable) atau variabel mediasi adalah suatu variabel antara yang menghubungkan suatu variabel endogen utama dengan variabel eksogen yang akan dianalisis. Variabel ini berperan sama seperti fungsi variabel endogen dan dilambangkan dengan Y1.

(3)

Dalam penelitian ini variabel bebas terdiri dari; Bauran Pemasaran(X1), Ekuitas Merek(X2), Kualitas Pelayanan(X3). Variabel tak bebas Loyalitas pelanggan(Y2) dan variabel antara kepuasan pelanggan(Y1) .

1.2.2. Definisi Operasional Variabel Penelitian

Menurut Sekaran (2003:40), Definisi operasional merupakan petunjuk bagaimana suatu variabel dapat diamati dan diukur. Definisi operasional adalah definisi yang diberikan kepada suatu variabel atau konstrak dengan cara memberikan suatu operasionalisasi yang yang diperlukan untuk mengukur konstrak atau variabel tertentu. Definisi operasional digunakan digunakan untuk menyamakan kemungkinan pengertian yang beragam antara peneliti dengan orang yang membaca penelitiannya.

Indikator pada bauran pemasaran dan ekuitas merek kelihatannya memiliki kesamaan, tetapi dalam penelitian ini penulis menggunakan dimensi ekuitas merek dari konsep ekuitas merek berbasis pelangan oleh Lassar et al (2004) yang sudah disederhanakan dan disesuaikan oleh Taylor (2004), yang kalau kita perhatikan masing-masing indikatornya mendapatkan penekanan yang berbeda sesuai dengan dimensi masing-masing.

Untuk Dimensi Loyalitas Pelanggan (Siswa), penulis mengasumsikan responden sebagian besar siswa yang sebelum masuk ke SMA dan atau SMK berasal dari SMP Islamic Village. Untuk mendapatkan persamaan persepsi atau kejelasan pemahaman terhadap pengertian variabel yang dimaksud maka penulis menguraikannya seperti dalam Tabel 4.1. berikut berikut:

(4)

Tabel 4.1.

Definisi Operasional Variabel Penelitian.

Sub Variabel Dimensi Indikator Simbol

Variable Bauran Pemasaran (X1) Produk; adalah semua hal yang

dapat ditawarkan kepada pasar untuk menarik perhatian, akuisisi, penggunaan, atau

konsumsi yang dapat

memuaskan suatu keinginan atau kebutuhan. (Kotler dan Armstrong, 2008:266)

Variasi jasa Variasi jasa yang dikembangkan

X1.1 Keberagaman Keberagaman program

pendidikan

X1.2

Reputasi Akreditasi X1.3

Outcome Ketersediaan fasilitas pendukung

X1.4 Harga; adalah sejumlah uang

yang dibayarkan atas barang dan jasa (Kottler and Keller ,2009)

Daftar harga Kejelasan biaya sekolah

X1.5

Diskon Diskon harga menarik X1.6

Syarat kredit Kemudahan membayar dengan menangsur

X1.7 Promosi ; adalah alat bauran

pemsaran yang meliputi semua kegiatan yang dilakukan

perusahaan untuk

mengkomunikasikan dan

mempromosikan produknya ke pasar sasaran, (Kotler, 2002)

Iklan Iklan media cetak X1.8

Promosi Penjualan Pameran pendidikan X1.9 Humas dan

Publisitas

Berita tentang Sekolah Islamic Village X1.10 Pemasaran langsung Kirim surat X1.11 Pemasaran interaktif Terbantu melalui media sosial X1.12 Website Sekolah X1.13 Dari Mulut ke mulut Metode mulut ke mulut menarik X1.14 Penjualan personal Penyampaian staff

marketing

X1.15 Manusia/People: All human

actors who play a part in service delivery and thus influence the buyer’s perception: namely, the firm’s personnel, the customer, and other customers in the service environment.( Zeithaml et al 2013:26)

Contractor People Sikap dan cara guru mengajar

X1.16 Modifier People Sikap dan cara bagian

pendaftaran

X1.17 Influencer People Sikap dan penjelasan

marketing

X1.18 Isolated People Sikap dan kecakapan

administrasi

X1.19 Proses/Process: The

procedures, mechanisms, and flow of activities by wich the service is delivered-the service delivery and operating system. (Zeithaml et al, 2013:27)

Complexcity(berhu bungan dengan langkah dan tahap proses) Kemudahan proses mendaftar X1.20 Divergence (perbedaan yang ada dalam proses endaftaran)

Kemudahan seleksi Penerimaan Siswa baru

(5)

Sub Variabel Dimensi Indikator Simbol Penampilan fisik/Physical

evidence: the environment in wich the service is delivered and where the firm and customer interact, as well as any tangible components that facilitate performance or communication of the service. (Zeithaml et a, 2013:26)

Penampilan Gedung

Tingkat kenyamanan X1.22 Kelengkapan Tingkat kelengkapan

informasi

X1.23

Kenyamanan Kenyamanan ruang X1.24

Penampilan Pegawai

Kerapihan pegawai X1.25 Variabel Ekuitas Merek (X2)

Kinerja /Performance; Ini merupakan penilaian konsumen tentang suatu merek yang unggul secara keseluruhan, baik penampilan, kualitas maupun manfaat dari penggunaan produk tersebut.( Taylor,2004)

Kinerja Merek Kinerja merek superior X2.1 Amanah Selalu menepati janji X2.2 Bebas dari masalah Tahu tentang merek X X2.3

Reputasi Reputasi baik X2.4

Citra sosial/ Social image, yaitu persepsi konsumen terhadap atribusi yang dilakukan kelompok sosialnya terhadap pemakai merek spesifik. (Taylor, 2004)

Sesuai Sesuai dengan

kepribadian

X2.5

Bangga Bangga dengan merek X2.6

Dihargai Dihargai teman saya X2.7 Status dan gaya Sesuai kepribadian

saya

X2.8

Attachment, yaitu kekuatan

realtif perasaan konsumen terhadap merek spesifik. (Taylor ,2004)

Merasakan manfaat Merasa bangga X2.9

Positif Perasaan pribadi yang

positif

X2.10 Keunggulan produk Kinerja pelayananya

lebih berkualitas tinggi

X2.11

Jujur Tidak memanfaatkan

konsumen

X2.12 Variabel Kualitas Pelayanan (X3)

Keandalan Reliability yaitu

kemampuan untuk

merealisasikan janji-janji yang telah dibuat oleh perusahaan atau unit bisnis yang bersangkutan secara akurat.

Pelayanan yang cepat

Tingkat kecepatan proses pelayanan

X3.1 Penyediaan jasa Adil dalam pelayanan X3.2 Masalah yang dihadapi pelanggan Tingkat perhatian X3.3 Penanganan administrasi dokumen Tingkat ketelitian X3.4

Daya tanggap/ Responsiveness, yaitu memiliki kemampuan

utnuk membantu dan

memberikan pelayanan yang cepat dan tepat kepada pelanggan dengan penyampaian informasi yang jelas.

Keluhan pelanggan Tingkat respon dalam menerima keluhan X3.5 Pemimpin dan karyawan memberi informasi Tingkat keterbukaan X3.6 Meluangkan waktu menanggapi permintaan Tingkat kesediaan X3.7

(6)

Sub Variabel Dimensi Indikator Simbol pelanggan

Empati/ Empathy; yaitu memberikan perhatian yang tulus dan bersifat individual atau pribadi yang diberikan kepada para pelanggan dengan berupaya

memahami keinginan pelanggan. Memahami kebutuhan, keinginan pelanggan Tingkat kemampuan X3.8 Memberikan perhatian Tingkat kemampuan X3.9 Hubungan langsung via telepon Tingkat kemudahan X3.10 Kesesuaian waktu pelayanan dengan jam kerja pelanggan Tingkat kesesuaian X3.11 Jaminan/ Assurance;

Berwujud/ Tangible; yaitu

kemampuan menampilkan

bentuk fisik dari fasilitas, peralatan, personal, dan materi komunikasi

Lokasi Tingkat kestrategisan X3.12

Kebersihan ruangan Tingkat kebersihan X3.13 Tempat(lahan parkir) Tingkat keluasan X3.14 Penampilan karyawan Tingkat kerapihan X3.15 Variabel Kepuasan Konsumen (Y1)

Tidak ada keluhan yang tidak teratasi (Mowen,2004)

Keluhan Teratasi Y1

Pelayanan Tidak mengecewakan Y2

Respon Pelayanan Cepat Y3

Perasaan puas konsumen pada keseluruhan produk. Jasa (Mowen, 2004)

Puas Tingkat kepuasan Y4

Nyaman Tingkat Nyaman Y5

Sesuai harapan Tingkat harapan Y6 Kesesuaian dengan ekspektasi/

harapan pelanggan (Mowen ,2004)

Harapan Tingkat harapan Y7

Menyenangkan Tingkat

Menyenangkan

Y8 Harapan pelanggan yang

terlampaui (Mowen,2004)

Harapan Tingkat Harapan Y9

Standar minimum Terlampaui Y10

Variable Loyalitas Pelanggan (Y2) reapeat purchase, Melakukan

pembelian ulang secara teratur . (Griffin, 2007) Kesetiaan menggunakan jasa pendidikan di Islamic Village Melanjutkan sekolah kembali/ siswa dari tingkat sebelumnya Y2.1 Menggunakan jasa pendidikan lebih dari satu Menggunakan jasa yang sama dan atau lainnya untuk anggota

(7)

Sub Variabel Dimensi Indikator Simbol keluarga

referals ,(Mengajak orang lain ). (Griffin, 2007)

Mereferensikan secara total eksistensi sekolah

Mengajak orang lain Y2.3

Retention, Menunjukkan kekebalan dari tarikan orang lain. (Griffin, 2007)

Ketahanan terhadap pengaruh negatif mengenai sekolah

Tidak terpengaruh oleh daya tarik pesaing

Y2.4

4.2. Jenis dan Sumber Data

Jenis data dalam pelaksanaan penelitian adalah data primer dan data sekunder, data primer merupakan data yang dikumpulkan atau diolah sendiri oleh suatu organisasi atau perorangan langsung dari subyeknya (Uyanto,2009). Dalam pelaksanaannya, data primer dikumpulkan dari subyek penelitian, sedangkan data sekunder dikumpulkan melalui sumber referensi, seperti literatur-literatur dari perpustakaan, buku-buku wajib, jurnal-jurnal dan data dari internet yang berkaitan dengan masalah penelitian (Uyanto,2009).

4.3. Teknik Pengumpulan Data

Teknik pengumpulan data sekunder dan data primer yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Studi Kepustakaan, studi kepustakaan adalah teknik pengumpulan data yang dilakukan dengan mempelajari, mengutip, dan memasuki berbagai informasi dan teori yang dibutuhkan untuk mengungkap masalah yang dijadikan obyek penelitian dan untuk menyusun konsep penelitian. Studi kepustakaan merujuk pada buku-buku, dokumen-dokumen, dan materi tulisan yang relevan dengan kebutuhan dan tujuan penelitian. Studi kepustakaan merupakan kegiatan awal penelitian, termasuk penelitian pendahuluan yang dilaksanakan dalam rangka penyusunan usulan penelitian.

(8)

2. Teknik Kuesioner, teknik kuesioner penelitian adalah cara pengumpulan data primer dari para responden yang terpilih menjadi sampel penelitian. Kuesioner penelitian disusun dengan cara mengajukan pernyataan tertutup serta pilihan jawaban untuk disampaikan kepada sampel penelitian. Dengan skala Likert penyusunan Kuesioner Penelitian terdiri butir-butir Pernyataan variabel laten eksogen X1, X2, X3 dan variabel laten endogen Y1 dan Y2. Dari deskripsi operasional masing-masing variabel tersusun sejumlah item pernyataan untuk disampaikan kepada para responden yang menjadi sampel penelitian.

3. Observasi, observasi adalah aktivitas pengamatan langsung di lokasi penelitian yaitu Sekolah Islamic Village Jalan Raya Islamic, Kecamatan Kelapa Dua, kabupaten Tangerang, provinsi Banten. Observasi dilakukan dengan memperhatikan, mempelajari dan mencatat berbagai hal penting dan atau relevan untuk diamati. Observasi dikembangkan dengan melakukan pengumpulan data sekunder dari berbagai dokumen, foto, dll serta melakukan dialog informal dengan sejumlah pihak yang berkepentingan di sekolah Islamic Village untuk menggali hal-hal yang menarik untuk dijadikan masukan pada waktu pembahasan hasil penelitian.

4.5. Populasi dan Sampel 4.5.1. Populasi Penelitian

Populasi dalam penelitian ini adalah Siswa Sekolah Islamic Village dari khusunya siswa TK,SD,SMP, SMA dan SMK di wilayah Karawaci, Tangerang

(9)

2351 siswa. Tetapi yang akan dijadikan sampel hanya siswa SMA dan SMK saja dengan jumlah siswa 782 Siswa.

1.5.2. Sampel Penelitian

Sampel adalah sebagian atau wakil dari populasi yang diteliti. Dasar pengambilan sampel adalah untuk menarik kesimpulan dengan sejumlah elemen dan populasi sebagai sampel untuk keseluruhan populasi. Manfaat dilakukan pemilihan teknik sampel yaitu: biaya yang lebih murah, keakuratan hasil yang lebih baik, pengumpulan data yang lebih cepat ketersediaan elemen populasi. Teknik pengambilan sampel adalah suatu cara yang dipergunakan untuk menentukan sampel penelitian. Dalam penelitian ini, metode yang digunakan adalah teknik Structural Equation Modeling (SEM). Menurut Solimun (2002:78), beberapa pedoman penentuan besarnya sample size untuk SEM diberikan sebagai berikut:

1. Bila pendugaan parameter menggunakan metode maximum likelihood estimation, sampel yang disarankan adalah antara 100 hingga 200, dengan minimum sampel adalah 50.

2. Sebanyak 5 hingga 10 kali jumlah parameter yang ada di dalam model. 3. 5 hingga 10 kali jumlah variabel indikator dari keseluruhan variabel laten.

Dalam penelitian ini jumlah indikator variabel laten sebanyak 66 indikator sehingga sampel yang dibutuhkan sama dengan 330 sampel. Sampel atau responden tersebut diwakili oleh 330 siswa SMA dan SMK Islamic Village. Dasar penentuan ini dikarenakan bahwa siswa SMA dan SMK dianggap sudah mampu

(10)

memahami pertanyaan dengan baik sedangkan siswa yang pada tingkat yang lebih rendah masih belum dapat memahami maksud pertanyaan dalam kuesioner. Semua responden terpilih merupakan responden yang bersedia mengisi kuesioner. 4.5.3. Teknik Pengambilan Sampel

Teknik penarikan sampel pada penelitian ini dengan Convenience sampling. Convenience sampling adalah suatu teknik sample yang paling murah dan paling tidak memakan waktu dari semua teknik sampling yang ada. Unit sample ini dapat diakses, mudah diukur, dan bersikap kooperatif (Malhorta, 2010:377). Penetapan sampel berdasarkan kelas dan unit sekolah dibagi berdasarkan proporsi siswa dalam setiap kelas sehingga penulis mendapatkan jumlah sebagaimana pada Tabel 4.2. di bawah ini:

Tabel. 4.2.

Tabel Sebaran Populasi dan Sampel Penelitian Populasi Kelas Jumlah Populasi Jumlah Sampel SMA SMK 10 11 12 10 11 12 168 ( 21,5%) 152 (19,4%) 127 (16,2%) 111 (14,2%) 107 (13,7%) 117 (14,9%) 71 64 53 47 45 50 Total 782 330

Penulis menndatangi siswa pada setiap kelas dengan membagikan kuesioner hanya bagi siswa yang bersedian mengisi kuesioner.

1.5.4. Pengukuran Variabel

Instrumen dalam penelitian ini adalah kuesioner yang dibuat dengan menggunakan skala Likert. Menurut Sugiono (2004:86), skala Likert digunakan

(11)

untuk menguji dan mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Dalam skala ini, variabel yang akan diukur dijabarkan menjadi indikator variabel yang selanjutnya dapat digunakan sebagai acuan untuk menyusun item-item instrumen dalam bentuk pertanyaan atau pernyataan. Jawaban setiap pertanyaan memiliki gradasi dari sangat positif sampai menuju sangat negatif.

Tabel. 4.3.

Ketagori dan Tingkat Pertanyaan

Tingkatan Skor

Sangat Setuju Setuju Netral/ Ragu-ragu

Tidak Setuju Sangat Tidak Setuju

5 4 3 2 1 Sumber: Sugiono (2004)

4.6. Metode Analisis Data

4.6.1. Konsep Umum Model Persamaan Strutural (Structural Equetion Model) Pengolahan data primer yang diperoleh dari para responden penelitian menggunakan SEM (Structural Equation Models) 8.3. Menurut Wijanto (2007:10) dalam SEM variabel kunci yang menjadi perhatian adalah variabel laten (Latent Variables) atau konstruk laten. SEM mempunyai 2 jenis variabel laten yaitu eksogen dan endogen. SEM membedakan kedua jenis variabel ini berdasarkan atas keikutsertaan mereka sebagai variabel terikat pada persamaan-persamaan dalam model. Variabel eksogen selalu muncul sebagai variabel bebas pada semua persamaan yang ada dalam model. Sedangkan variabel endogen merupakan variabel terikat pada paling sedikit satu persamaan dalam model, meskipun di semua persamaan sisanya variabel tersebut adalah variabel bebas. Notasi matematik dari

(12)

variabel laten eksogen adalah huruf Yunani ξ (“Ksi”) dan variabel endogen ditandai dengan huruf Yunai η (“Eta”).

Model struktural menggambarkan hubungan-hubungan yang ada di antara variabel-variabel laten. Hubungan ini pada umumnya linier, meskipun perluasan SEM memungkinkan untuk mengikutsertakan hubungan non-linier. Parameter yang menunjukkan regresi variabel laten endogen pada variabel laten eksogen diberi label dengan huruf Yunani γ (gamma), sedangkan untuk regresi variabel laten endogen pada variabel laten endogen yang lain diberi label huruf Yunani β (beta). Dalam SEM variabel-variabel laten eksogen boleh ber-“covary” secara bebas dan matrik kovarian variabel ini diberi tanda huruf Yunani φ (phi).

Menurut Wijanto (2007:10) Setiap variabel laten dalam SEM mempunyai beberapa ukuran atau variabel teramati atau indikator. SEM termasuk keluarga multivariate statistics dependensi yang memungkinkan dilakukannya analisis satu atau lebih variabel independen yang dilibatkan boleh berbentuk variabel kontinu ataupun diskrit, dalam bentuk variabel latent atau teramati. Dalam prakteknya, SEM merupakan gabungan dari dua metode statistika yang terpisah yang melibatkan analisis faktor yang dikembangkan di psikologi dan psikometri dan model persamaan simultan yang dikembangkan di ekonometrika.

Dalam konteks pengukuran seperti ini, analisis yang digunakan adalah satistik multivariat. Umumnya teknik analisis statistik hanya mengolah variabel-variabel indikatornya saja tanpa melibatkan variabel-variabel latennya, dan juga jarang dalam pengolahannya sekaligus melibatkan kekeliruan pengukuran variabel. Umumnya kekeliruan pengukuran hanya diperhatikan pada saat uji coba dengan

(13)

menghitung realibilitas dan validitasnya. Dalam pengolahan selanjutnya, masalah kekeliruan pengukuran sering dilupakan saja atau diasumsikan bahwa kekeliruan Pengukuran tidak ada padahal selama alat ukur tersebut tidak memiliki tingkat realibilitas dan validitas yang sempurna maka besarnya kekeliruan pengukuran akan berpengaruh kepada hasil analisisnya. Dengan SEM kita dapat menganalisis bagaimana hubungan antara variabel indikator dengan variabel latennya yang dikenal sebagai persamaan pengukuran (measurement equation), hubungan antara variabel laten yang lain dikenal sebagai persamaan struktural yang secara bersama-sama melibatkan kekeliruan pengukuran.

4.6.2. Tools SEM (-Linier Structural Relationship)

Istilah model persamaan struktural dikenal juga dengan nama (Liniear Structural Relationships) adalah paket program statistik untuk SEM, yang pertama kali diperkenalkan oleh Karl Joreskog pada tahun 1970 dalam suatu pertemuan ilmiah. Istilah lain untuk SEM sering kali disebut juga analisis faktor konfirmatori (confimatory factor analysis), model struktur kovarians (covariance structure models) dan model variabel laten (laten variable modelling).

Pengolahan data dalam SEM dilakukan menggunakan prosedur iteratif yang sangat memakan waktu dan ketelitian jika dilakukan secara manual. Dewasa ini telah dikembangkan beberapa program komputer yang dapat digunakan untuk menganalisis SEM, antara lain EQS, AMOS, , SAS PROC CALIS, STATISTICA-SEPATH, dan lain-lain. , merupakan salah satu program komputer yang dapat mempermudah analisis untuk menyelesaikan masalah-masalah yang tidak dapat diselesaikan oleh alat analisis yang konvensional. sejauh ini telah dikembangkan

(14)

serta digunakan dalam berbagai disiplin ilmu pengetahuan sosial. Terapannya pada persoalan ilmu sosial dan ilmu perilaku dapat kita temui secara luas yang sangat berguna sebagai acuan pengambilan keputusan dalam kondisi yang makin rumit. Secara umum analisis dalam dapat dipilah dalam dua bagian :

 pertama yang terkait dengan model pengukuran (measurement model)

 kedua yang terkait dengan model struktual (structural equation model).

Dengan menggunakan , kita dapat menganalisis struktur covariance yang rumit. Variabel latent, saling ketergantungan antar variabel, dan sebab akibat yang timbal balik dapat ditangani dengan mudah dengan menggunakan model pengukuran dan persamaan yang terstruktur. Pada dasarnya pengolahan SEM dengan dapat dilakukan dengan empat cara, yaitu menggunakan PRELIS Project, SIMPLIS Project, Project maupun PATH

4.6.3. Prosedur SEM

Penerapan SEM didasarkan atas kovarian dari nilai-nilai yang ada di dalam sampel, sedangkan kovarian kurang stabil jika diestimasi dari sampel yang berukuran kecil. Karena itu penerapan SEM membutuhkan sampel yang yang berukuran besar. Jika dalam analisis statistika lainnya, residual yang ingin diminimumkan diperoleh dari perbedaan model dengan nilai amatan, maka dalam SEM, residual merupakan perbedaan antara kovarian yang diprediksi dengan kovarian yang diamati. Dalam SEM fungsi yang diminimumkan adalah perbedaan antara kovarian sampel dengan kovarian yang diprediksi oleh model. Pada SEM yang diusahakan adalah agar H0 tidak ditolak atau H0 diterima. Penerimaan

(15)

hipotesis nol berarti matrik kovarian populasi dari variabel-variabel teramati tidak berbeda signifikan dari matrik kovarian model yang dispesifikasikan (dihipotesiskan) sehingga errornya kecil.

Menurut Bollen dan Long, 1993) secara umum prosedur SEM menurut mengandung tahap-tahap berikut :

1. Spesifikasi model (model specification)

Tahap ini berkaitan dengan pembentukan model awal persamaan struktural, sebelum dilakukan estimasi. Model awal ini diformulasikan berdasarkan suatu teori atau penelitian sebelumnya.

2. Identifikasi (identification)

Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada didalam model dan kemungkinan persamaan simultan tidak ada solusinya.

3. Estimasi (estimation)

Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menuggunakan salah satu motode estimasi yang tersedia. Pemilihan motode estimasiyang digunakan seringkali ditentukan berdasarkan karakteristik dari variabel-variabel yang dianalisis.

4. Uji Kecocokan (testing fit)

Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa kriteria ukuran kecocokan atau Goodness Of Fit (GOF) dapat digunakan untuk melaksanakan langkah ini.

(16)

Tahap ini berkaitan dengan menspesifikasikan model berdasarkanatas hasil uji kecocokan tahapan sebelumnya. Dengan tahapan-tahapan yang terdapat dalam

prosedur SEM, selanjutnya aplikasi model SEM dalam penelitian ini adalah sebagai berikut :

1. Spesifikasi Model

Wijanto (2007:33) menjelaskan bahwa hipotesis fundamental dalam prosedur SEM adalah matrik kovarian data dari populasi Σ (martik kovarian variabel teramati) adalah sama dengan matrik kovarian yang diturunkan dari model Σ (θ) (model implied covariance matrix). Jika model yang kita spesifikasikan benar dan jika parameter-parameter θ dapat diestimasikan nilainya, maka matrik kovarian populasi (Σ) dapat dihasilkan kembali dengan tepat. Formulasi hipotesis fundamentalnya sebagai berikut:

H0 : Σ = Σ (θ)

di mana Σ adalah matrik kovarian populasi dari variabel-variabel teramati, Σ (θ) adalah matrik kovarian dari model dispesifikasikan, dan θ adalah vektor yang berisi parameter-parameter model tersebut. Karena kita menginginkan agar residual = 0 atau Σ = Σ (θ), maka kita berusaha agar pada uji hipotesis terhadap hipotesis fundamental menghasilkan H0 diterima. Hal ini berbeda dengan pada uji hipotesis statistika pada umumnya yang mementingkan signifikansi atau mencari penolakan terhadap H0, yang berarti Σ = Σ (θ), maka dapat dikatakan bahwa data mendukung model yang kita spesifikasikan.

Berdasarkan hipotesis didapatkan pengukuran diagram jalur seperti Gambar 4.1. berikut :

(17)

Gambar 4.1. Diagram Jalur KSI1 KSI2 KSI3 ETA1 ETA2 35 X1. 35 .. X 1.. 3 X1. 3 2 X1. 2 1 X1. 1 15 Y1. 15 .. Y.. 3 Y1. 3 2 Y1. 2 1 Y1. 1 47 X3 .1 48 X3 .2 49 X3 .3 ... X3 ... 64 X2 18 Φ2 Φ1 1 1 4 5 6 3 2 7 1 2 Φ3 x11 x12 x13 x1.. .x1.35 x2.1 x2.2 x2.3 ... x2.11 x31 x32 x33 x3.. .x3.18 y1 y2 y3 y...y15. y1 y2 y3 y4y5 y6

Sumber : dikembangkan dari Hair 2006

37 X2 .2 38 X2 .3 ... X2 ... 46 X2 11 36 X21 .. Y.. . 18 Y2 3 17 Y2 .2 16 Y2 1 20 Y2 6

(18)

Diagram jalur yang tergambar diatas dapat dijelaskan sebagai berikut:

1. KSI1 adalah variael laten Bauran Pemasaran yang direfleksikan dengan

indikator-indikator: X1.1 sd X1.25.

3. KSI2 adalah variabel laten Ekuitas Merek yang direfleksikan dengan

indikator-indikator: X2.1 sd X2.12

4. KSI3 adalah variabel laten Kualitas Pelayanan yang direleksikan dengan

indikator-indikator: X3.1 sd X3.15

5. ETA1 adalah variabel laten Kepuasan Konsumen yang direfleksikan dengan

indikator indikator: Y1.1 sd Y1.10

6. ETA2 adalah variabel laten Loyalitas Pelanggan yang direfleksikan dengan

indikator indikator: Y2.1 sd Y2.4

7. ζ (Zeta) adalah variabel–variabel lain yang turut mempengaruhi Ydan Z namun dalam penelitian tidak dilibatkan.

8. γ1 (Gamma 1) adalah koefisien hubungan variabel laten KSI1 dengan variabel

laten ETA1.

laten ETA1

(19)

laten ETA2

14. λx (Lambda X) adalah koefisien bobot faktor variabel manifes eksogen 15. λy (Lambda Y) adalah koefisien bobot faktor variabel manifes endogen. 16. λz (Lambda z) adalah koefisien bobot faktor variabel manifes endogen. 17. ε (tetha epsilon) adalah kekeliruan pengukuran variabel manifest/endogen. 18. δ (tetha delta) adalah covariance matrix of δ

19. φ (phi) adalah n x n covariance matrix of ξ

2. Identifikasi

Sebelum melakukan tahap estimasi untuk mencari nilai dari persamaan simultan yang mewakili model yang dispesifikasikan, terlebih dahulu perlu memeriksa identifikasi dari persamaan simultan tersebut. Dalam SEM diusahakan untuk memperoleh model yang over identified dan menghindari model under identified.(Wijanto, 2008: 41). Berdasarkan diagram jalur pada Gambar 4.1 dapat diketahui bahwa banyaknya variabel manifest eksogen adalah p = 52, variabel manifest endogen adalah q = 14 dan banyaknya parameter yang akan ditaksir adalah t = 132.

 66 koefisien bobot faktor (λx1.1..., sampai λx3.15.... dan λy1.. sampai λy14 );  66 koefisien kesalahan pengukuran (δ1 sampai δ52 dan ε1 sampai ε14);  3 koefisien korelasi antar variabel eksogen (Φ);

(20)

 7 koefisien jalur antar variabel laten (γ1 sampai γ7 ) sehingga df = (p+q)(p+q+1)-t

= (52+14)(52+14+1)-132 = 2.013

df > 0 model dikatakan over-identified dan memiliki derajat kebebasan positif, artinya jumlah seluruh parameter yang ada dalam model dapat diestimasi dengan data yang dikumpulkan, serta hasil estimasi dapat diuji dengan berbagai statististik uji yang ada.

3. Estimasi Model

Setelah mengetahui identifikasi dari model adalah over-identified, maka tahap berikutnya melakukan estimasi untuk memperoleh nilai dari parameter-parameter yang ada di dalam model. Model persamaan struktural terdiri atas dua jenis persamaan, yaitu persamaan struktural dan persamaan pengukuran. Persamaan struktural menunjukkan bentuk hubungan antara variabel laten eksogen dengan endogen dan persamaan pengukuran memperlihatkan bentuk hubungan antara variabel manifes/indikator eksogen dengan variabel laten eksogen dan antara variabel manifes dengan variabel latent endogen.

Persamaan struktural dirumuskan sebagai: η = Βη+Γξ+ξ

Persamaan pengukuran adalah: X= Λξ+ δ, dan y=Λη+ ε Persamaan strukturalnya adalah :

η1= γ1ξ1 + γ2ξ2 + γ3ξ3 + γ4ξ4 + γ5ξ5 +γ6ξ6 + γ7ξ7 + ζ1 + ζ2

Persamaan pengukuran untuk variabel laten eksogen (X1) adalah :

x1.1= λ 1.1ξ1 +δ1 x1.2= λ 1.2ξ1 +δ2 x1.3= λ 1.3ξ1 +δ3 x1.4= λ 1.4ξ1 +δ4

(21)

x1.25= λ 1.25ξ1 +δ25

Persamaan pengukuran untuk variabel laten eksogen (X2) adalah :

X2.1= λ 2.1ξ2 +δ36 x2.2= λ 2.2ξ2 +δ37 x2.3= λ 2.3ξ2 +δ38 x2.4= λ 2.4ξ2 +δ39

X2..5= λ 2.5ξ2 +δ40 x2.6= λ 2..6ξ2 +δ41 x2.7= λ 2.7ξ2 +δ42 x2.8= λ 2.8ξ2 +δ43

x2.9= λ 2.9ξ2 +δ44 x2.10= λ 2.10ξ2 +δ45 x2.11= λ 2.11ξ2 +δ46 Persamaan pengukuran untuk variabel laten eksogen (X3) adalah :

X3..5= λ 3.5ξ3 +δ51 x3.6= λ 3.6ξ3 +δ52 x3.7= λ 3.7ξ3 +δ53 x3.8= λ 3.8ξ3 +δ54

X3.13= λ 3.13ξ3 +δ59 x3.14= λ 3.14ξ3 +δ60 x3.15= λ 3.15ξ3 +δ61 Persamaan pengukuran untuk variabel laten endogen (Y1) adalah : y1.1=  η1 +ε1 y1.2=  η1 +ε2 y1.3=  η1 +ε3 y1.4=  η1 +ε4

y1.5=  η1 +ε5 y1.6=  η1 +ε6 y1.7=  η1 +ε7 y1.8=  η1 +ε8

y1.9=  η1 +ε9 y1.10=  η1 +ε10

Persamaan pengukuran untuk variabel laten endogen (Y2) adalah :

y2.1=  η1 +ε19 y2.2=  η1 +ε20 y2.3=  η1 +ε21 y2.4=  η1 +ε22 4. Uji Kecocokan

Tahap estimasi menghasilkan nilai akhir dari parameter-parameter yang diestimasi. Uji kecocokan akan memeriksa tingkat kecocokan antara data dengan model, validitas dan reliabilitas model pengukuran dan koefisien-koefisien dari model struktural. Menurut Hair et al. (2006), evaluasi terhadap tingkat kecocokan data dengan model dilakukan melalui beberapa tahapan yaitu; kecocokan keseluruhan model, kecocokan model pengukuran, kecocokan model struktural.

(22)

Uji kecocokan ditujukan untuk mengevaluasi secara umum derajat kecocokan atau Goodness Of Fit (GOF) antara data dengan model. Menilai suatu SEM secara menyeluruh (overall) tidak dapat dilakukan secara langsung seperti pada teknik multivariat yang lain (multiple regression, discriminant analysis, MANOVA dan lain-lain). SEM tidak mempunyai satu uji statistik terbaik yang dapat menjelaskan “kekuatan” prediksi model. Sebagai gantinya telah dikembangkan beberapa ukuran GOF atau Goodness Of Fit Indices (GOFI) yang dapat digunakan secara bersama-sama atau kombinasi, yang dapat dimanfaatkan untuk menilai kecocokan model dari tiga sudut pandang, yaitu overall fit (kecocokan keseluruhan), comparative fit to base model (kecocokan komparatif terhadap model dasar), dan model parsimony (parsimoni model). Berdasarkan hal ini Hair et al. (2006) kemudian mengelompokan GOFI menjadi tiga bagian yaitu;

1) Ukuran Kecocokan Absolut

Ukuran kecocokan absolut menentukan derajat prediksi model keseluruhan (model struktural dan model pengukuran) terhadap matrik korelasi dan kovarian. Ukuran ini mengandung ukuran-ukuran yang mewakili sudut pandang overall fit. Beberapa ukuran kecocokan absolut, ukuran-ukuran yang biasanya digunakan untuk mengevaluasi SEM adalah:

(a) Chi Square (χ2)

Uji statistik pertama dan satu-satunya uji statistik dalam GOF adalah Chi Square (χ2), Chi Square digunakan untuk menguji seberapa dekat kecocokan antara matrik kovarian sampels dengan matrik kovarian model Σθ.

(23)

Uji statistik Chi Square (χ2) adalah: (χ2) = (n-1) F(S, Σθ)

Uji statistik ini merupakan sebuah distribusi Chi Square dengan degree of freedom (df) sebesar c-p, dalam hal ini c=(nx+ny)(nx+ny+1)/2 adalah banyaknya matrik varian-kovarian non-redundan dari variabel teramati. Nx; banyaknya variabel teramati x, ny; banyaknya variabel teramati y. Adapun p adalah banyaknya parameter yang diestimasi dan n adalah ukuran sampel. Nilai Chi Square rendah yang menghasilkan significance level lebih besar atau sama dengan 0,05 (p≥0,05), yang berarti bahwa hipotesis nol diterima dan matrik input yang diprediksi dengan yang sebenarnya (actual) tidak berbeda secara statistik. (b) Non Centrality Parameter (NCP)

NCP merupakan ukuran perbedaan antara Σ dengan Σ(θ) yang bisa dihitung dengan rumus: NCP = χ2 – df, df adalah degree of freedom

Seperti χ2, NCP juga merupakan ukuran badness of fit dimana semakin besar perbedaan antara Σ dengan Σ(θ) semakin besar nilai NCP. Jadi perlu dicari NCP yang nilainya kecil atau rendah.

(c) Scaled Non Centrality Parameter (SNCP)

SNCP merupakan pengembangan sari NCP dengan memperhitungkan ukuran sampel seperti di bawah ini McDonald dan Marsh, 1990 (Wijanto, 2008: 53). Rumus : SNCP = (χ²- df) / n, Di mana n adalah ukuran sampel.

(d) Goodness of Fit Index (GFI)

Pada awalnya GFI diusulkan oleh Joreskog dan Sorbom dalam untuk estimasi dengan ML dan ULS, kemudian digeneralisir ke metode estimasi yang lain oleh Tanaka dan Huba(Wijanto, 2008:53). GFI dapat diklasifikasikan

(24)

sebagai ukuran kecocokan absolut, karena pada dasarnya GFI membandingkan model yang dihipotesiskan dengan tidak ada model sama sekali (Σ(0)). Rumusan dari GFI adalah sebagai berikut:

GFI =1 − ,

dimana: Fˆ : Nilai minimum dari F untuk model yang dihipotesiskan dan Fo : Nilai minimum dari F, ketika tidak ada model yang dihipotesiskan.

Nilai GFI berkisar antara o (poor fit) sampai 1 (perfect fit), dan nilai GFI ≥ 0.90 merupakan good fit (baik), sedangkan 0.80 ≤ GFI < 0.90 sering disebut sebagai margin fit.

(e) Root Mean Square Residual (RMR)

RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Residual-residual ini adalah relatif terhadap ukuran dari varian-kovarian teramati, sehingga sukar diinterprestasikan. Oleh karena itu residual-residual ini paling baik diinterprestasikan dalam matrik dari matrik korelasi Hu dan Bentler, 1995 Wijanto(2008: 54). Standardizer RMR mewakili nilai rerata seluruh standardized residuals, dengan rentang dari 0 ke 1. Good fit model bernilai standar lebih kecil dari 0.05.

(f) Root Mean Square Error of Approxiation (RMSEA)

Indeks ini merupakan salah satu indeks yang informatif dalam SEM. Rumus perhitungan RMSEA adalah sebagai berikut:

RMSEA = √( / )

(25)

Menunujkkan GOOD FIT, Brown dan Cudeck, 1993 dalam Wijanto (2008:54) mengelaborasi lebih jauh berkaitan dengan cut point ini dengan menambahkan bahwa nilai RMSEA antara 0.08 sampai 0.10 menunjukkan mediocre(marginal) fit, serta nilai RMSEA > 0.10 menunjukkan poor fit.

2) Ukuran kecocokan Inkremental

Ukuran kecocokan inkremental meliputi (1) Adjusted Goodness of Fit Index; (2) Tucker Lewis Index/Non Normed Fit Index; (3) Normed Fit Index; (3) Relative Fit Index; (4) Incremental Fit Index; dan (5) Comparative Fit Index.

3) Ukuran Kecocokan Parsimoni

Ukuran kecocokan parsimoni yang biasanya digunakan untuk mengevaluasi SEM adalah (1) Parsimonious Normed Fit Index; (2) Parsimonious Goodness of Fit Index (PGFI); (3) Normed Chi Square; (4) Akaike Information Criterion; dan (5) Consistent Akaike Information Criterion.

Uji kecocokan serta batas-batas nilai yang menunjukan tingkat kecocokan yang baik untuk setiap Goodness Of Fit diringkas ke dalam Tabel 4.4. berikut:

Tabel 4.4.

Perbandingan Ukuran-ukuran Goodness Of Fit (GOF) Ukuran GOF Tingkat kecocokan yang bisa diterima

Absolut Fit Measures Statistik Chi Square (χ2) Goodness of Fit Index (GFI) Root Mean Square Error of Approximation (RMSEA)

Penilaian didasarkan atas perbandingan dengan model lain. Semakin kecil semakin baik

Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. GFI ≥ 0,90 adalah good fit, sedang 0,80≤GFI≤0,90 adalah marginal fit.

Rata-rata perbedaan per degree of freedom yang diharapkan terjadi dalam populasi dan bukan dalam sampel. (RMSEA) ≤ 0,08 adalah good fit, sedang ≤ 0,05 adalah closed fit.

(26)

Ukuran GOF Tingkat kecocokan yang bisa diterima

Expected Cross- Validation Index (ECVI)

Digunakan untuk perbandingan anta model. Semakin kecil semakin baik. Pada model tunggal nilai ECVI dari model yang mendekati nilai Saturated ECVI menunjukan good fit.

Incremental Fit Measures

Normed Fit Index (NFI) Adjusted Goodness Of Fit Index (AGFI) Incremental Fit Index (IFI) Comparative Fit Index (CFI) Goodness of Fit Index (PGFI) Akaike Information Criterion (AIC) Consistent Akaike Information Criterion (CAIC)

Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. NFI ≥ 0,90 adalah good fit, sedang 0,80≤NFI≤0,90 adalah marginal fit.

Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. AGFI ≥ 0,90 adalah good fit, sedang 0,80≤AGFI≤0,90 adalah marginal fit.

Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. IFI ≥ 0,90 adalah good fit, sedang 0,80≤IFI≤0,90 adalah marginal fit.

Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. CFI ≥ 0,90 adalah good fit, sedang 0,80≤CFI≤0,90 adalah marginal fit.

tinggi menunjukan parsimoni yang lebih besar. Ukuran ini digunakan untuk perbandingan diantara model-model.

Nilai positif lebih kecil menunjukan parsimoni lebih baik. Digunakan untuk perbandingan antar model. Pada model tunggal nilai AIC dari model yang mendekati nilai Saturated AIC menunjukan good fit

Nilai positif lebih kecil menunjukan parsimoni lebih baik. Digunakan untuk perbandingan antar model. Pada model tunggal nilai CAIC dari model yang mendekati nilai Saturated CAIC menunjukan good fit

Sumber: Hair (2006)

b. Kecocokan Model Pengukuran (Measurement Model fit)

Evaluasi atau uji kecocokan model pengukuran ini dilakukan terhadap setiap konstruk atau model pengukuran (hubungan antara sebuah variabel laten dengan beberapa variabel teramati/indikator secara terpisah melalui:

(27)

Validitas berhubungan dengan apakah sesuatu variabel mengukur apa yang seharusnya diukur. Meskipun validitas tidak akan pernah dibuktikan, tetapi dukungan kearah pembuktian tersebut dapat dikembangkan. Menurut Rigdon dan Ferguson (1991), suatu variabel dikatakan mempunyai validitas yang baik terhadap konstruk atau variabel latennya, jika:

(a) Nilai muatan faktornya lebih besar dari nilai kritis (atau ≥ 1,96) (b) Muatan faktor standarnya (standardized loading factors) ≥0,70

Menurut Igbarian et al. yang menggunakan guidelines dari Hair et al. (Wijanto, 2008: 65), tentang relative importance and significant of the factor loading of each item. Menyatakan bahwa muatan faktor standar (standardized loading factors) ≥ 0,50 adalah very significant.

Sedangkan Kusnendi (2008:111) menyatakan bahwa suatu indikator valid dan reliabel mengukur variabel latennya, apabila secara statistik koefisien bobot faktor signifikan, artinya koefisien bobot faktor mampu menghasilkan nilai p-hitung yang lebih kecil atau sama dengan cut off value tingkat kesalahan 0,05 (0,5%), serta besarnya estimasi koefisien bobot faktor yang distandarkan untuk masing-masing indikator tidak kurang dari 0,40 atau 0,50.

2) Evaluasi terhadap reliabilitas (reliability) dari model pengukuran

Reliabilitas tinggi menunjukan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya. Secara umum untuk mengestimasi reliabilitas adalah test retest, alternative form, splithalves dan Cronbach’s Alpha. Berdasarkan hal tersebut untuk mengukur reliabilitas dalam SEM akan digunakan composit reliability measure (ukuran reliabilitas komposit)

(28)

dan variance extracted measure (ukuran ekstrak varian) yang dapat dihitung sebagai berikut:

Construct Reliability = (∑ )

(∑ )

Di mana std loading (standardized loadings) dapat diperoleh secara langsung dari keluaran , dan ej adalah measurement error untuk setiap indikator atau

variabel teramati. Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator-indikator (variabel-variabel teramati) yang dijelaskan oleh variabel laten. Menurut Hair et al. (Wijanto, 2008: 66), ukuran ekstrak varian dapat dihitung sebagai berikut:

VarianceExtracted = ∑ ∑

Di mana N adalah banyaknya variabel teramati dari model pengukuran. Selanjutnya dinyatakan bahwa sebuah konstruk mempunyai reliabilitas yang baik adalah jika: (a) Nilai Construct Reliability (CR)-nya ≥ 0,70, (b) Nilai Variance Extracted (VE)-nya ≥ 0,50

c. Kecocokan Model Struktural (Structural Model fit)

Evaluasi atau terhadap model struktural mencakup pemeriksaan terhadap signifikansi koefisien-koefisien yang diestimasi. Metode SEM dan tidak saja menyediakan nilai koefisien-koefisien yang diestimasi tetapi juga nilai t hitung untuk setiap koefisien. Dengan menspesifikasikan tingkat signifikan (lazimnya α = 0,05), maka koefisien yang mewakili hubungan kausal yang dihipotesiskan dapat diuji signifikansinya secara statistik jika t hitung ≥ t tabel (1,96).

(29)

5. Respesifikasi

Pelaksanaan respesifikasi sangat tergantung kepada strategi permodelan yang akan digunakan. Strategi pengembangan model atau model development strategy atau model generating/MG, suatu model awal dispesifikasikan dan data empiris dikumpulkan. Jika model awal tersebut tidak cocok dengan data empiris yang ada, maka model dimodifikasi dan diuji kembali dengan data yang sama. Beberapa model dapat diuji dalam proses ini dengan tujuan untuk mencari satu model yang selain cocok dengan data secara baik, tetapi juga mempunyai sifat bahwa setiap parameternya dapat diartikam dengan baik. Menurut Hair et al. (Wijanto, 2008: 68), respesifikasi terhadap model dapat dilakukan berdasarkan theory driven atau data driven, meskipun demikian respesifikasi berdasarkan theory driven lebih dianjurkan.

4.7. Keterbatasan Penelitian

Dalam penyusunan tesis ini peneliti sudah berusaha maksimal mengikuti prosedur ilmiah yang berlaku umum, antara lain dengan menggunakan kerangka teoretik dan metodologi yang memenuhi persyaratan ilmiah. Namun demikian, pada kenyataannya masih saja ada kekurangan yang menjadi keterbatasan dalam penelitian ini, yaitu:

1. Responden yang dilibatkan dalam penelitian relatif terbatas dan tidak menjangkau seluruh populasi siswa/orang tua sehingga kurang merepresentasikan generalisasi secara utuh.

2. Dalam penelitian ini, Penggunaan kuesioner dapat saja mengandung kelemahan terutama jika dijawab/direspon kurang cermat oleh responden.

(30)