BAB IV ANALISIS DAN PEMBAHASAN HASIL PENELITIAN
D. Analisis Data dan Hasil Penelitian
2. Uji Kualitas Data
Tujuan dari uji validitas adalah menentukan sah atau tidaknya kuesioner penelitian. Suatu kuesioner dinyatakan valid jika pertanyaannya mampu mengungkapkan sesuatu yang ingin diukur oleh kuesioner tersebut (Ghozali, 2011). Validitas suatu kuesioner ditujukan dengan nilai corrected item-total correlation masing-masing indikator pertanyaan terhadap skor total variabel yang bersangkutan dengan menggunakan uji Pearson Correlation atau sering disebut Korelasi Product Moment.
Kriteria digunakan valid atau tidak valid apabila nilai corrected item-total correlation (r-hitung) lebih kecil dari nilai r-tabel dengan tingkat signifikasi 5 persen berarti butir pertanyaan tersebut tidak valid (Ghozali, 2011). Sebaliknya apabila nilai corrected item-total correlation (r-hitung) lebih besar dari r-tabel maka butir pertanyaan tersebut valid.
Rumus korelasi Product Moment sebagai berikut.
2 2 2 2
xy n X ( X) .n Y ( Y)
) Y )(
X ( XY r n
Keterangan
rxy = Koefisien korelasi suatu item N = Jumlah subyek
X = Skor suatu item Y = Skor total
Sumber : Sugiyono (2015)
b. Uji Reliabilitas
Uji reliabilitas adalah alat ukur untuk mengukur butir pertanyaan kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliable atau handal jika diperoleh jawaban yang stabil atau konsisten dari waktu ke waktu (Ghozali 2011; 47).
Suatu pengukur dikatakan reliable (dapat diandalkan) jika dapat dipercaya. Supaya dapat dipercaya, maka hasil dari pengukuran harus akurat dan konsisten. Dikatakan konsisten jika beberapa pengukuran terhadap subjek yang sama diperoleh hasil yang sama.
Uji reliabilitas dimaksudkan untuk mengetahui sejauh mana hasil pengukuran konsisten, dengan menghitung besarnya Cronbach’s Alpha antara item pertanyaan satu dengan yang lainnya. Cronbach’s Alpha adalah koefisien keandalan yang menunjukkan seberapa baik item dalam suatu kumpulan secara positif berkorelasi satu sama lain. Suatu konstruk dikatakan reliable jika nilai Cronbach’s Alpha lebih dari 0,6.
Dasar pengambilan keputusan uji reliabilitas:
1) Cronbach’s Alpha > 0.6 _ Cronbach’s Alpha acceptable (construct reliable)
2) Cronbach’s Alpha < 0.6 _ Cronbach’s Alpha poor acceptable (construct unreliable)
Rumus reliabilitas dengan metode Alpha adalah :
2 2
11 1
1 t
b
k V
r k
Keterangan:
r11 = Reliabilitas instrumen
K = Banyaknya butir pertanyaan atau banyaknya soal
b2 = Jumlah varian item2
Vt = Varian total
3. Uji Normalitas Data
Seluruh data yang diperoleh dari kuesioner ditabulasikan dalam lembar kerja pada Microsoft Excel. Peneliti telah melakukan screening data secara manual untuk memeriksa apakah terdapat missing value (responden tidak memberikan jawaban pada item pertanyaan) atau tidak. Selanjutnya data diimpor ke dalam lembar kerja LISREL dan dilakukan screening data kembali untuk memastikan apakah terdapat outliers atau nilai yang lebih besar (melenceng jauh atau ekstrim) dari 5 (skala yang digunakan adalah likert 1-5) akibat kesalahan pengetikan data yang di-input, serta untuk mengolah statistik deskriptif dari data berupa mean, standar deviasi, nilai maksimum dan minimum, serta frekuensi masing-masing nilai.
Setelah screening data dan didapati bahwa tidak ada missing value dan tidak ada outliers, baru kemudian dilakukan uji normalitas agar dapat menentukan metode estimasi model yang tepat. LISREL secara default
menggunakan metode maximum likelihood untuk mengestimasi parameter model, namun metode ini mengharuskan data memenuhi asumsi normalitas multivariat. Apabila data tidak normal secara multivariat, maka terdapat beberapa alternatif metode yang dapat digunakan yang meliputi Weighted Least Square (Asymptotically Distribution Free), Diagonally Weighted Least Square, atau Robust Maximum Likelihood. LISREL mengeluarkan dua jenis output normalitas data, yaitu normalitas univariat dan multivariat. Kedua uji ini hanya dapat dilakukan setelah data ordinal didefinisikan sebagai data kontinu. Byrne dalam Wijanto (2008:158) menegaskan bahwa yang umum terjadi dalam SEM adalah jika jumlah kategori variabel lebih besar dari dua, maka variabel tersebut dapat diperlakukan sebagai variabel kontinu. Dalam penelitian ini, skala data yang digunakan adalah Likert dengan 5 kategori (melebihi 2), karena itu data diubah menjadi kontinu.
Uji Kolmogorov-Smirnov dapat dilakukan dengan membuat hipotesis:
H0 = data berdistribusi normal H1 = data tidak berdistribusi normal
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal dapat dilihat dari :
a. Nilai signifikan atau probabilitas < 0,05 maka distribusi data adalah tidak normal.
b. Nilai signifikan atau probabilitas > 0,05 maka distribusi data adalah normal.
Seperti yang diketahui bahwa analisis regresi menganalisis pengaruh satu atau beberapa variabel independen terhadap variabel dependen.
Namun dalam penelitian ini selain variabel bebas dan variabel terikat, juga terdapat variabel antara (intervening variabel). Ketika melibatkan beberapa variabel bebas, variabel antara (intervening variabel) dan variabel terikat, analisis pengaruh tidak bisa lagi diselesaikan dengan analisis regresi. Oleh karena itu, untuk menyelesaikan kasus yang melibatkan ketiga variabel tersebut peneliti menggunakan analisis jalur (path analysis). Analisis jalur berguna untuk mengetahui pengaruh langsung, pengaruh tidak langsung, dan pengaruh total suatu variabel bebas terhadap variabel terikat.
Analisis jalur adalah suatu teknik pengembangan dari regresi linear ganda. Teknik analisis jalur digunakan untuk menganalisis besarnya pengaruh yang ditunjukkan oleh koefisien jalur pada setiap diagram jalur dari hubungan kausal antar variabel X terhadap Y serta dampaknya terhadap Z. Analisis jalur merupakan teknik analisis hubungan sebab akibat dengan kondisi bahwa variabel independen mempengaruhi variabel dependen tidak hanya secara langsung tetapi juga secara tidak langsung (Robert D. Retherford 1993, dalam Sarwono, 2007).
Sedangkan pengertian lain menyebutkan bahwa analisis jalur ialah pengembangan langsung dari regresi berganda yang bertujuan untuk memberikan perkiraan tingkat kepentingan (magnitude) dan signifikansi
(significance) hubungan sebab akibat hipotetikal dalam seperangkat variabel (Paul Webley, 1997 dalam Sarwono, 2007).
David Garson (North Carolina State University) mengartikan analisis jalur sebagai suatu konsep regresi yang diperluas untuk menguji keselarasan matriks korelasi dengan perbandingan dua atau lebih model hubungan sebab akibat. Model yang digambarkan berbentuk lingkaran dengan anak panah tunggal sebagai penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung atau yang memberi respon sedangkan yang lain sebagai penyebab.
Besarnya regresi diprediksikan dalam suatu model yang dilakukan dengan membandingkannya dengan matriks korelasi yang diobservasi untuk semua variabel dan di model ini juga dilakukan uji keselarasan statistik (David Garson, 2003 dalam Kuncoro dan Riduan, 2007).
Ghozali (2011), menyatakan bahwa:
“Analisis jalur merupakan perluasan dari analisis linear berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model kausal) yang telah ditetapkan sebelumnya berdasarkan teori.”
Analisis jalur tidak menunjukkan adanya hubungan sebab-akibat dan tidak dapat pula digunakan sebagai pengganti untuk melihat hubungan kausalitas antar variabel. Hubungan kausalitas antar variabel telah dibentuk berdasarkan model landasan teoritis. Yang diujikan analisis jalur adalah penentuan pola hubungan antara tiga atau lebih variabel tetapi tidak dapat digunakan untuk menerima atau menolak hipotesis kausalitas imajiner (Abdurahman dan Muhidin, 2007).
Menurut Land, Ching, Heise, Maruyama, Schumaker dan Lomax, Joreskog (dalam Abdurahman dan Muhidin, 2007), karakteristik analisis jalur adalah metode analisis data multivariat dependensi yang digunakan untuk menganalisis hipotesis hubungan asimetris berdasarkan teori tertentu, dengan tujuan untuk mengetahui pengaruh langsung dan tidak langsung seperangkat variabel bebas terhadap variabel terikat.
Istilah Dasar dalam Analisis Jalur dapat dijelaskan sebagai berikut:
a. Model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan terikat dengan menggunakan anak panah. Anak panah tunggal mengindikasikan hubungan sebab akibat antara variabel exogenous dan perantara dengan satu variabel tergantung atau lebih serta menunjukkan hubungan kesalahan dengan semua variabel endogenous masing-masing. Sedangkan Anak panah ganda menunjukkan korelasi antara pasangan variabel- variabel exogenous.
b. Jalur penyebab suatu variabel meliputi jalur-jalur arah dari anak-anak panah menuju ke variabel tersebut dan jalur hubungan dari semua variabel endogenous dikorelasikan dengan variabel lain yang memiliki anak panah menuju ke variabel yang sudah ada tersebut.
c. Variabel exogenous. Variabel-variabel exogenous yaitu semua variabel yang tidak ada penyebabnya atau dalam diagram tidak ada anak-anak panah yang menuju kearahnya, kecuali kesalahan pengukuran. Apabila dikorelasikan, variabel-variabel exogenous ditunjukkan dengan anak
panah dengan kepala dua yang menghubungkan variabel variabel tersebut.
d. Variabel endogenous. Variabel endogenous adalah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut. Variabel ini meliputi semua variabel perantara dan tergantung. Variabel perantara endogenous mempunyai anak panah yang menuju kearahnya.
Sedangkan variabel tergantung hanya mempunyai anak panah yang menuju kearahnya.
e. Koefisien jalur / pembobotan jalur. Koefisien jalur adalah koefisien regresi standar (beta) yang menggambarkan pengaruh langsung dari variabel bebas terhadap variabel terikat dalam suatu model jalur.
f. Variabel Laten dapat diartikan sebagai variabel bebas yang tidak dapat diamati secara langsung. Pengamatan variabel tersebut diamati melalui variabel manifesnya yakni indikator terukur yang dapat diamati secara langsung untuk mengukur variabel laten.
g. Variabel-variabel exogenous yang dikorelasikan. Hal ini berarti yang menjadi penanda hubungannya adalah anak panah dengan dua kepala yang dihubungkan diantara variabel-variabel dengan koefisien korelasinya.
h. Istilah gangguan. Istilah kesalahan residual yang secara teknis disebut sebagai ‘gangguan’ atau “residue” mencerminkan adanya varian yang tidak dapat diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan pengukuran.
i. Aturan multiplikasi jalur. Yang dimaksud nilai dari suatu jalur gabungan adalah hasil dari emua koefisien jalurnya.
j. Dekomposisi pengaruh. Koefisien-koefisien jalur dapat digunakan untuk menjabarkan korelasi dalam suatu model kedalam pengaruh langsung dan tidak langsung yang berhubungan dengan jalur langsung dan tidak langsung.
k. Signifikansi dan model keselarasan dalam jalur. Untuk menguji koefisien jalur secara individual, dapat digunakan t standar atau pengujian F dari angka-angka output regresi.
l. Anak panah dengan satu kepala dan dua kepala. Penyebab digambarkan dengan anak panah dengan satu kepala. Sedangkan untuk menggambarkan korelasi, digunakan anak panah yang melengkung dengan dua kepala.
m. Pola hubungan. Dalam analisis jalur tidak mengenal istilah variabel bebas ataupun terikat melainkan variabel exogenous dan endogenous.
n. Model Recursive. Model penyebab yang mempunyai satu arah. Tidak ada arah membalik (feed back loop) dan tidak ada pengaruh sebab akibat (reciprocal) dalam waktu bersamaan.
o. Model Non-recursive. Model penyebab dengan disertai arah yang membalik (feed back loop) atau pengaruh sebab akibat (reciprocal).
p. Direct Effect. Pengaruh langsung yang dapat dilihat dari koefisien jalur dari satu variabel ke variabel lainnya.
q. Indirect Effect. Urutan jalur melalui satu atau lebih variabel perantara.
menggunakan confirmatory factor analysis (CFA). Analisis pengaruh tersebut makin menjadi kompleks saat melibatkan beberapa variabel laten dan variabel terukur langsung. Melihat kondisi tersebut maka teknik analisis yang paling tepat digunakan adalah pemodelan persamaan struktural (Structural Equation Modeling). SEM merupakan teknik analisis multivariat generasi kedua, yang menggabungkan model pengukuran (analisis faktor konfirmatori) dengan model struktural (analisis regresi, analisis jalur).
Menurut Widodo (2006), beberapa keterbatasan yang dimiliki oleh SEM ialah seperti: (a) SEM hanya mengkonfirmasi suatu bentuk model tetapi tidak untuk menghasilkan model; (b) SEM tidak menentukan hubungan kausalitas diantara variabel, namun hubungan tersebut dibangun oleh dasar teori yang mendukungnya; (c) SEM tidak menyatakan suatu hubungan kausalitas, namun menerima atau menolak hubungan sebab akibat secara teoritis melalui uji data empiris; (d) Model dasar untuk pengujian aplikasi SEM menggunakan studi yang mendalam mengenai teori yang saling berkaitan.
Menurut Bollen (1989) dalam Ghozali dan Faud (2012:3) mengemukakan bahwa tidak seperti analisis multivariat biasa yaitu regresi berganda, analisis jalur dan analisis faktor, SEM dapat menguji secara bersama-sama:
a. Model Pengukuran (Measurement Model)
Model pengukuran disebut juga sebagai Confirmatory FactorAnalysis (CFA). Analisis faktor konfirmatori ini adalah tahap pengukuran terhadap dimensi pembentuk variabel laten dalam model penelitian. Salah satu manfaat dari CFA adalah kemampuan menilai validitas konstruk dari measurement theory yang diusulkan. Tahap ini memiliki tujuan untuk menguji kelayakan, yakni reliabilitas dan validitas tiap-tiap indikator untuk tiap konstruk. Analisis faktor konfirmatori (CFA) merupakan alat statistik yang dapat menemukan bentuk konstruk dari kumpulan variabel manifesnya, atau menganalisis suatu variabel atas asumsi manifes yang membangunnya. Sehingga analisis konfirmatori sangat cocok untuk mengujikan suatu teori variabel atas manifes atau indikator-indikator yang membangunnya, dimana variabel tersebut diasumsikan hanya dapat diukur dengan indikator-indikator tersebut.
Menurut Joreskog dan Sorborn (1993), analisis CFA digunakan untuk menguji unidimensional, validitas dan reliabilitas model pengukuran konstruk yang tidak dapat diukur langsung. Model pengukuran atau disebut juga model deskriptif (Ferdinant, 2002), measurement theory (Hair, dkk, 2006), atau confirmatory factor model (Long, 1983) yang menunjukkan operasionalisasi variabel atau konstruk penelitian menjadi dimensi dan indikator terukur dan dirumuskan dalam bentuk persamaan atau diagram jalur (dalam Kusnendi, 2008:98).
Pengujian Confirmatory Factor Analysis (CFA) dimaksudkan untuk mengetahui model pengukuran dan bukan untuk mengetahui hubungan antar variabel laten (Byrne, 1998). CFA bertujuan untuk mengkonfirmasi atau menguji model, yaitu berdasarkan kajian teori tertentu. Dengan demikian, CFA dapat dikatakan memiliki dua inti kajian yakni: (1) indikator-indikator apa yang dominan membentuk konstruk yang diteliti; (2) apakah indikator-indikator yang dikonsepsikan secara tepat, unidimensional, dan konsisten. Selain itu tujuan CFA juga untuk menelaah model pengukuran yang tepat yang menjelaskan hubungan antara seperangkat item-item dengan konstruk (construct) yang diukur oleh item tersebut. Model pengukuran yang tepat diukur berdasarkan nilai Construct validity dan Contruct Reliability. Pada intinya, CFA berguna untuk pengujian suatu konstruk memiliki unidimensionalitas atau apakah indikator-indikator tersebut mengkonfirmasikan sebuah konstruk. Semakin tinggi nilai loading factor berarti semakin tinggi indikator-indikator tersebut dapat mengukur konstruk.
Construct Validity (validitas konstruk) dalam analisis CFA berhubungan dengan pemahaman argumentasi teoritik yang menjadi dasar pengukuran yang diperoleh dan menunjukkan tingkat keberhasilan yang diperoleh dari suatu pengukuran sesuai dengan teori- teori yang digunakan untuk menjelaskan suatu konstruk. Validitas konstruk berfungsi untuk mengukur seberapa jauh suatu indikator
mampu merefleksikan konstruk laten teoritisnya. Validitas konstruk meyakinkan bahwa ukuran indikator yang diambil dari sampel menggambarkan skor sesungguhnya di dalam populasinya.
Construct Validity dapat dinilai melalui validitas konvergen (convergent validity). Validitas Konvergen ialah pengujian indikator- indikator dari suatu bentuk konstruk laten yang harus konvergen (converge) atau berbagi (share) dengan proporsi yang tinggi dari varian secara umum. Penilaian convergent validity dilihat dari nilai loading factor untuk masing-masing indikator. Convergent validity terjadi apabila skor-skor yang didapatkan dari dua instrumen yang berbeda dapat mengukur konstruk yang sama dan menghasilkan korelasi yang tinggi (Sekaran & Bougie, 2010;68). Pengujian construct validity dilakukan dengan menggunakan standardized loading estimate = standardized regression weights hasil dari Confirmatory Factor Analysis/ CFA.
Jadi, analisis faktor konfirmatori adalah analisis faktor yang dimaksudkan untuk mengkonfirmasikan atau menguji secara empiris model pengukuran (measurement model) sebuah atau beberapa konstruk. Dengan demikian, CFA tidak bertujuan untuk menciptakan model baru, tetapi menguji model pengukuran yang dikembangkan atas dasar kajian teori tertentu (Maruyama, 1998 : 139 – 140).
Uji model pengukuran terdiri dari uji validitas dan reliabilitas, yang dijelaskan sebagai berikut:
1) Uji Validitas Model Pengukuran
Item-item / indikator suatu konstruk laten harus converge atau share (berbagi) proporsi varian yang tinggi. Hal ini dapat dilihat dari besarnya nilai loading factor nya signifikan atau nilai standardized loading estimate = standardized regression wights ≥ 0.50 (idealnya 0.70)
Apabila koefisien variabel indikator itu lebih besar dari dua kali standar error-nya maka indikator dimensi menunjukkan validitas konvergen yang signifikan (Ferdinand, 2006:87). Model yang fit suatu konstruk dipersyaratkan memenuhi nilai convergent validity, namun nilai loading factor sangat sensitif dengan besarnya sampel.
Berikut nilai significant loading factor berdasarkan besarnya sampel.
Tabel 3.4
Loading Factor yang Signifikan Berdasarkan Ukuran Sampel Loading
Factor
Jumlah Sampel yang dibutuhkan
≥ 0,30 350
≥ 0,35 250
≥ 0,40 200
≥ 0,45 150
≥ 0,50 120
≥ 0,55 100
≥ 0,60 85
≥ 0,65 70
≥ 0,70 60
≥ 0,75 50
Sumber : Hair, et al (2010)
2) Uji Reliabilitas Model Pengukuran
Uji reliabilitas dapat diukur dengan menghitung nilai Construct Reliability (CR) dan Variance Extracted (VE).
Construct Reliability (CR):
Reliabilitas juga merupakan salah satu indikator validitas Convergent, misalnya koefisien Reliabilitas Cronbach-Alpha.
Tetapi kenyataannya Cronbach-Alpha memberikan reliabilitas yang lebih rendah (underestimate) dibandingkan dengan Construct Validity.
Rumus CR:
CR > 0.70, menunjukkan reliabilitas yang baik namun 0.60 < CR < 0.70, reliabilitas dapat diterima
Σλi = jumlah standardized loading (regression weights)
Σδi = jumlah kesalahan pengukuran (measurement error)
= 1 - λ2 Variance Extracted
Dalam CFA prosentase nilai rata-rata Variance Extracted (AVE) antar item atau indikator suatu set konstruk laten merupakan ringkasan convergen indicator.
] [ ] [
] [
2 2
I i
CR i
Rumus AVE:
λ = Standardized loading factor (Regression Weights)
Σλ2 = jumlah squared multiple correlation ε = error
Var (εi) = 1 - λ2
Jika nilai AVE ≥ 0.50, maka convergent yang baik.
Sebaiknya untuk nilai loading factor yang < 0.70 dibuang dari analisis karena memberikan nilai convergent yang rendah.
b. Model Struktural (Structural Model)
Setelah analisis ditahap pertama yaitu measurement model selesai dilakukan, maka dilanjutkan dengan structural model. Model struktural memiliki tujuan untuk melihat keterkaitan antar variabel yang sesuai dengan kerangka konseptual. Dengan demikian akan terlibat hubungan antara variabel bebas dan terikat. Hal ini berhubungan dengan peninjauan terhadap koefisien atau parameter yang menyajikan hubungan kausal atau pengaruh satu variabel laten dengan variabel laten yang lain (Wijanto, 2008).
Terdapat tiga hal yang perlu diperhatikan yaitu: (1) tanda (arah) hubungan antara variabel-variabel laten menunjukkan hasil hubungan antara variabel yang memiliki pengaruh signifikan atau tidak dengan
)
2 (
2
i i i
AVE Var
yang dihipotesiskan; (2) batas untuk menerima atau menolak suatu hubungan dengan tingkat signifikan 5 % adalah 1,96 (mutlak), dimana apabila nilai t terletak antara -1,96 dan 1,96 maka hipotesis yang menyatakan adanya pengaruh harus ditolak sedangkan apabila nilai t lebih besar daripada 1,96 atau lebih kecil dari -1,96 harus diterima dengan taraf signifikansi 5% (t > |-1,96|) ; (3) koefisien determinasi pada persamaan struktural mengindikasikan jumlah varian pada variabel laten endogen yang dapat dijelaskan secara simultan oleh variabel-variabel laten independen. Semakin tinggi nilai maka semakin besar variabel independen dapat menjelaskan variabel endogen.
Menurut Wijanto (2008:22), untuk mengestimasi parameter model, digunakan model LISREL yang merupakan model SEM yang sangat populer. Secara matematis, model umum SEM dalah sebagai berikut:
a. Measurement Model (Model Pengukuran) Model Pengukuran y
y = y +
Model Pengukuran x x = x +
b. Structural Model (Model Struktural) η = βη + +
c. Dengan asumsi :
tidak berkorelasi dengan
tidak berkorelasi dengan
tidak berkorelasi dengan
4) , dan tidak saling berkorelasi (mutual uncorrelated) d. Di mana :
1) Variables :
(a) (eta) adalah latent endogenous variables (b) (ksi) adalah latent exogenous variables (c) (zeta) adalah latent errors in equations (d) y adalah observed indicators of
(e) x adalah observed indicators of
(f) (epsilon) adalah measurement errors for y (g) (delta) adalah measurement errors for x 2) Coefficients :
(a) Β (beta) adalah coeficient matrix for latent endogenous variabels.
(b) (gamma) adalah coeficient matrix for latent exogenous variables.
(c) y (lambda y) adalah coeficient matrix relating y to
(d) x (lambda x) adalah coeficient matrix relating x to
3) Covariance Matrix
(a) (phi) adalah covariance matrix of
(b) (psi) adalah covariance matrix of
(c) (theta-epsilon) adalah covariance matrix of
(d) (theta-epsilon) adalah covariance matrix of
c. Langkah-Langkah SEM
Menurut Ferdinand (2006), apabila menggunakan permodelan SEM terdapat tujuh langkah yang harus dilakukan sebagai berikut:
1) Pengembangan Model Teoritis
Dalam mengembangkan model teoritis, yang harus dilakukan ialah melaksanakan serangkaian eksplorasi ilmiah melalui telaah pustaka dengan tujuan memperoleh jastifikasi atas model teoritis yang akan dikembangkan. SEM bukan dimaksudkan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasi model teoritis melalui data empirik. SEM berdasarkan hubungan sebab akibat, yaitu perubahan yang terjadi pada satu variabel diasumsikan menghasilkan perubahan pada variabel lain.
2) Membentuk sebuah diagram alur dari hubungan kausal
Selanjutnya adalah melukiskan hubungan antara variabel pada sebuah diagram alur yang secara khusus dapat membantu dalam menunjukkan seperangkat hubungan antar konstruk dan model teoritis yang telah dibangun pada tahap pertama.
Bagan alur dilukiskan menggunakan anak panah untuk menghubungkan antar konstruk. Hubungan kausal yang langsung antara satu konstruk dengan konstruk lainnya ditunjukkan dengan anak panah yang lurus. Sedangkan garis-garis lengkung dengan anak panah pada setiap ujungnya menunjukkan korelasi antar konstruk.
Konstruk-konstruk pada diagram alur dapat dibedakan dalam dua kelompok (Ferdinand, 2006) yaitu:
1) Konstruk eksogen, atau disebut juga sebagai source variables atau independent variables yang tidak diprediksi oleh variabel yang lain dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan satu ujung panah.
2) Konstruk endogen, ialah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya. Perlu diketahui pula bahwa konstruk eksogen hanya dapat berhubungan kausal dengan konstruk endogen.
Gambar 3.1
Diagram Alur Hubungan Kausal
X1
X2
X4 X3
X5
Y
Z e1
e2
3) Mengubah alur diagram alur kedalam persamaan struktural dan model pengukuran
Pada tahap ini dibuat persamaan struktural dan model pengukuran yang spesifik yaitu dengan mengubah diagram alur ke model pengukuran. Diagram alur membangun persamaan yang terdiri dari:
a) Persamaan Struktural, dirumuskan untuk menyatakan hubungan kausalitas, bahwa setiap konstruk endogen merupakan variabel dependen yang terpisah. Sedangkan variabel independen adalah semua konstruk yang mempunyai garis dengan anak panah yang menghubungkan ke konstruk endogen dengan pedoman berikut:
Variabel Endogen = Variabel Eksogen + Variabel Endogen +Error
Gambar 3.2
Diagram Jalur Struktural
1
2
3
4
5
1
2
1
212
23
34
45
13
24
35
15
1.1
2.1
1.2
2.3
1.3
2.4
2.2
1.4
1.5 2.5
2.1
14
25