BAB III METODOLOGI PENELITIAN
3.6 Metode Pengolahan Data
3.6.4 Uji Kecocokan (Testing Fit)
Dalam tahap ini, akan memeriksa tingkat kecocokan antara data dengan model, validitas dan reliabilitas model pengukuran, dan signifikansi koefisien-koefisien dari model struktural.
Menurut Hair et al. (1998) evaluasi terhdap tingkat kecocokan data dengan model dilakukan dengan beberapa tahap, yaitu:
1. Kecocokan model pengukuran (measurement model fit) 2. Kecocokan keseluruhan model (overall model fit)
3.6.4.1 Kecocokan Model Pengukuran (Measurement Model Fit)
Uji kecocokan model pengukuran akan dilakukan terhadap setiap konstruk atau model pengukuran (hubungan antara sebuah variabel laten dengan beberapa variabel teramati/indikator) secara terpisah melalui:
1. Evaluasi terhadap validitas (validity) dari model pengukuran
Uji validitas digunakan untuk mengetahui dan mengukur seberapa baik instrument yang akan diukur (Hair et.al., 2010).
Tabel 3.2 Uji Validitas
No. Ukuran Validitas Nilai Disyaratkan
1. Kaiser meyer-olkin measure of sampling adequacy adalah statistik yang mengindikasikan proporsi variasi dalam variabel yang merupakan variasi
umum (common variance), yakni variasi dalam penelitian
Nilai KMO MSA > 0,5 menunjukkan bahwa faktor
analisis dapat digunakan
2. Bartlett’s test of sphericity mengindikasikan bahwa matriks korelasi adalah matriks identitas yang
mengindikasikan bahwa variabel- variabel dalam faktor bersifat related
atau unrelated
Nilai signifikansi adalah hasil uji, jika nilai hasil uji < 0,05 menunjukkan hubungan yang signifikan antara variabel dan
merupakan nilai yang diharapkan 3. Anti image matrices, setiap nilai pada
kolom diagonal anti-image correlation matrix menunjukkan measure of sampling adequacy dari masing-masing
indikator
Nilai diagonal anti-image correlation matrix > 0,5 menunjukkan variabel cocok
atau sesuai dengan struktur variabel lainnya di dalam
faktor tersebut 4. Total variance explained, nilai pada
kolom “cummulative %” menunjukkan persentase variansi yang disebabkan
oleh keseluruhan faktor
Nilai “cumulative %” harus >
60%
5. Component matrix, nilai factor loading
dari variabel-variabel komponen faktor Nilai factor loading ≥ 0,5
2. Evaluasi terhadap reliabilitas (reliability) dari model pengukuran
Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya (Hair et al., 2010). Untuk mengukur reliabilitas dalam SEM akan digunakan composite reliability measure (ukuran reliabilitas komposit) dan variance extracted measure (ukuran ekstrak varian) (Hair et al., 2010).
a. Reliabilitas komposit suatu konstruk dihitung dengan rumus seperti berikut
𝐶𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡 𝑅𝑒𝑙𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑦 = (∑𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔)2 (∑𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔)2+ ∑𝑒𝑗
Dimana standaridized loading (std loading) dapat diperoleh secara langsung hasil perhitungan AMOS, dan ej adalah measurement error untuk setiap indikator atau variabel teramati (Hair et al., 2010).
b. Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator- indikator atau variabel teramati yang dijelaskan oleh variabel laten.
Ukuran ekstrak varian dapat dihitung sebagai berikut (Fornel & Laker, 1981 dalam Wijanto, 2008):
𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝐸𝑥𝑡𝑟𝑎𝑐𝑡𝑒𝑑 = ∑𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔2
∑𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔2+ ∑𝑒𝑗 Atau (Hair et al., 2010)
𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝐸𝑥𝑡𝑟𝑎𝑐𝑡𝑒𝑑 = ∑𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔2 N
Dimana N adalah banyaknya indikator atau variabel teramati dari model pengukuran.
Hair et.al (2010) menyatakan bahwa sebuah konstruk emmpunyai reliabilitas yang baik, jika nilai konstruk reliabilitasnya (construct reliability) ≥ 0,70 dan nilai ekstrak variannya (variance extracted) ≥ 0,50.
3.6.4.2Kecocokan Model Keseluruhan (Overall Model Fit)
Tahap pertama dari uji kecocokan ini ditujukan untuk mengevaluasi secara umum derajat kecocokan atau Godness Of Fit (GOF) antara data dengan model. Menilai GOF suatu SEM secara menyeluruh (overall) tidak dapat dilakukan secara langsung seperti ada teknik multivariate yang lain.
1. Ukuran Kecocokan Absolut
Ukuran kecocokan absolute menentukan derajat prediksi model keseluruhan terhadap matriks korelasi dan kovarian. Dari berbagai ukuran kecocokan absolute, ukuran-ukuran yang biasanya digunakan untuk mengevaluasi SEM adalah sebagai berikut.
a. Root Mean Square Error of Approximation (RMSEA)
Indeks merupakan salah satu indeks informatif dalam SEM. Rumus perhitungan RMSEA adalah sebagai berikut
RMSEA = F0 df
Nilai RMSEA ≤ 0,05 menandakan close fit, sedangkan 0,05 < RMSEA
≤ 0,08 menunjukkan good fit.
b. CMIN/DF
CMIN/DF adalah nilai CMIN dibagi dengan DF. Rumus perhitungan CMIN/DF adalah sebagai berikut.
𝐶𝑀𝐼𝑁 𝐷𝐹 2. Ukuran Kecocokan Inkremental
Ukuran kecocokan inkremental membandingkan model yang diusulkan dengan model dasar (baseline model) yang sering disebut sebagai null model atau independence model.
a. Comparative Fit Index (CFI)
Adapun rumus CFI adalah sebagai berikut
CFI = 1 −𝑙1 𝑙2
Nilai CFI akan berkisar dari 0 sampai 1. Nilai CFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ CFI < 0,90 sering disebut sebagai marginal fit.
Pembahasan tentang uji kecocokan serta batas-batas nilai yang menunjukkan tingkat kecocokan yang baik (good fit) untuk setiap GOF (Goodness of Fit) dapat diringkas ke dalam tabel sebagai berikut.
Tabel 3.3 Perbandingan Ukuran-Ukuran GOF
Ukuran GOF Tingkat kecocokan yang bisa diterima Absolute-Fit Measures
Root Mean Square Error of Approximation (RMSEA)
Rata-rata perbedaan per degree of freedom yang diharapkan terjadi dalam populasi dan bukan sample.
RMSEA ≤ 0,80 adalah good fit, sedang RMSEA <
0,05 adalah close fit
CMIN/DF Nilai CMIN/DF ≤ 5 adalah good fit
Incremental fit Measures
Comparative Fit Index (CFI) 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.
BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Gambaran Umum Objek Penelitian 4.1.1 Bank Mandiri
Bank Mandiri didirikan pada 2 Oktober 1998, sebagai bagian dari program restrukturisasi perbankan yang dilaksanakan oleh pemerintahan Indonesia. Pada bulan Juli 1999, empat bank pemerintah Bank Bumi Daya, Bank Dagang Negara, Bank Exim dan Bapindo dilebur menjadi Bank Mandiri.
Setelah merger, Bank Mandiri melaksanakan proses konsolidasi secara menyeluruh. Pada saat itu, Bank Mandiri menutup 194 kantor cabang yang saling berdekatan dan mengurangi jumlah karyawan, dari jumlah gabungan 26.600 menjadi 17.620. Brand Bank Mandiri diimplementasikan secara sekaligus ke semua jaringan dan pada seluruh kegiatan periklanan dan promosi lainnya.
Dengan asset yang terus bertumbuh sampai dengan diatas Rp 319 triliun, dan lebih dari 21 ribu karyawan yang tersebar pada 1000 kantor dalam negeri dan 6 kantor dan perwakilan luar negeri Bank Mandiri bertekad untuk memberikan keprimaan dalam layanan perbankan dan memberikan solusi keuangan yang sangat luas dalam investasi dan produk syariah, serta bancassurance untuk nasabah korporat, komersial, small business dan micro business selain nasabah individual.
Jaringan distribusi Bank Mandiri termasuk 3,186 ATMs, 7,051 ATMs in the LINK Network dan 12,663 ATM Bersama, dan Electronic Data Capture (EDC) kurang lebih 25,254 di seluruh Indonesia. Bank Mandiri mempunyai 8,3 juta pemegang kartu
ATM dan 3,2 juta pengguna SMS Banking, 783,356 pengguna internet banking dan 822,937 pengguna Call Mandiri dan lebih dari 1 juta pemegang kartu kredit Visa (www.bankmandiri.co.id).
4.1.2 Bank BCA
Bank Central Asia (Bank BCA) adalah bank swasta terbesar di Indonesia. Bank ini didirikan pada 21 Februari 1957 dengan nama Bank Central Asia NV dan pernah merupakan bagian penting dari Grup Salim.
Pada tahun 2000, BCA mengambil langkah besar dengan menjadi perusahaan public. Penawaran saham perdana berlangsung pada tahun 2000, dengan menjual saham sebesar 22,55% yang berasal dari divestasi BPPN. Setelah penawaran saham perdana itu, BPPN masih menguasai 70,30% dari seluruh saham BCA. Penawaran saham kedua dilaksanakan di bulan Juni dan Juli 2001, dengan BPPN mendivestasikan 10% lagi dari saham miliknya di BCA.
Pada tahun 2002, BPPN melepas 51% dari sahamnya di BCA melalui tender penempatan privat yang strategis. Farindo Investment, Ltd., yang berbasis di Mauritius, memenangkan tender tersebut. Saat ini BCA terus memperkokoh tradisi tata kelola perusahaan yang baik, kepatuhan penuh pada regulasi, pengelolaan risiko secara baik dan komitmen pada nasabahnya baik sebagai bank transaksional maupun sebagai lembaga intermediasi finansial (http://id.wikipedia.org/wiki/Bank_Central_Asia).
Dengan bertambahnya usia, BCA selalu menawarkan beragam solusi finansial dengan layanan transaksi perbankan untuk berbagai kalangan dan rentang usia. Siapa saja bisa menikmati kemudahan dan kenyamanan dalam melakukan transaksi yang didukung
kekuatan jaringan antar cabang, luasnya jaringan ATM, serta jaringan perbankan elektronik lainnya dari BCA.
Melalui beragam produk dan layanan yang berkualitas dan tepat sasaran, solusi finansial BCA mendukung perkembangan setiap jenis usaha yang dimiliki para nasabah, baik bisnis berskala kecil, menengah, maupun berskala besar. Memenangkan kepercayaan untuk memberikan solusi terbaik bagi kebutuhan finansial para nasabah merupakan suatu kehormatan dan kebanggan bagi BCA.
Sesuai dengan slogan “Senantiasa di Sisi Anda”, BCA terus berupaya memberikan layanan dan solusi terbaik bagi nasabah (www.bca.co.id).
4.1.3 Bank BRI
Bank Rakyat Indonesia (BRI) adalah salah satu bank milik pemerintah yang terbesar di Indonesia. pada awalnya Bank Rakyat Indonesia (BRI) didirikan di Purwokerto, Jawa Tengan oleh Raden Bei Aria Wirjaatmadja dngan nama De Poewokertosche Hulp en Spaarbank der Inlandsche Hoofden atau “Bank Bantuan dan Simpanan Milik Kaum Priyayi Purwokerto”, suatu lembaga keuangan yang melayani ora- orang berkebangsaan Indonesia (pribumi). Lembaga tersebut berdiri tanggal 16 Desember 1895, yang kemudian dijadikan sebagai hari kelahiran BRI.
Sejak 1 Agustus 1992 berdasarkan Undang-Undang Perbankan No. 7 tahun 1992 dan Peraturan Pemerintah RI No. 21 tahun 1992 status BRI berubah menjadi perseroan terbatas. Kepemilikam BRI saat itu masih 100% di tangan Pemerintah Republik Indonesia. pada tahun 2003, Pemerintah Indonesia memutuskan untuk menjual 30%
saham bank ini, sehingga menjadi perusahaan publik dengan nama resmi PT Bank Rakyat Indonesia (Persero) Tbk., yang masih digunakan sampai dengan saat ini.
Sampai sekarang Bank Rakyat Indonesia (Persero) yang didirikan sejak tahun 1895 tetap konsisten memfokuskan pada pelayanan kepada masyarakat kecil, diantaranya dengan memberikan fasilitas kredit kepada golongan pengusaha kecil. Hal ini antara lain tercermin pada perkembangan penyaluran KUK (Kredit Usaha Kecil) pada tahun 1994 sebesar Rp 6.419,8 miliar yang meningkat menjadi Rp 8.231,1 miliar pada tahun 1995 dan pada tahun 1999 sampai dengan bulan September sebesar Rp 20.446 miliar.
Seiring dengan perkembangan dunia perbankan yang semakin pesat maka sampai saat ini Bank Rakyat Indonesia mempunyai unit kerja yang berjumlah 4.447 buah, yang terdiri dari 1 Kantor Pusat BRI, 12 Kantor Wilayah, 12 Kantor Inspeksi/SPI, 170 Kantor Cabang (dalam negeri), 145 Kantor Cabang Pembantu, 1 Kantor Cabang Khusus, 1 New York Agency, 1 Caymand Island Agency, 1 Kantor Perwakilan Hongkong, 40 Kantor Kas Bayar, 6 Kantor Mobil Bank, 193 P.Point, 3.705 BRI UNIT dan 357 Pos Pelayanan Desa. Pada 19 Januari 2013, BRI juga meluncurkan sistem e-Tax, yaitu layanan penerimaan pajak daerah secara online melalui layanan cash management (http://id.wikipedia.org/wiki/Bank_Rakyat_Indonesia).
4.2Uji Validitas dan Reliabilitas (Pre-Test) 4.2.1 Hasil Uji Validitas (Pre-Test)
Pengukuran validitas dilakukan dengan melakukan analisis faktor pada hasil pre- test sejumlah 25 responden untuk melihat nilai Kaiser meyer-olkin measure of sampling adequacy, bartlett’s test of spcerecity, anti –image matrices, total variance explained, dan factor loading of component matrix.
Tabel 4.1 Hasil Uji Validitas Data Pre-Test
Variabel
Laten Indikator KMO >0,5
Value P-
<0,05
MSA >0,5 Cummulative (%) >60%
Factor Loading
≥0,5 Kesimpulan Perceived
Relative Advantage
PRA1
0.736 0.000
0.692
71.903
0.942 Valid
PRA2 0.654 0.962 Valid
PRA3 0.891 0.877 Valid
PRA4 0.932 0.544 Valid
Perceived Ease of Use
PEOU1
0.772 0.000
0.911
83.848
0.876 Valid
PEOU2 0.810 0.907 Valid
PEOU3 0.760 0.903 Valid
PEOU4 0.676 0.973 Valid
Perceived Compatibility
PCB1
0.731 0.000 0.763
79.359 0.877 Valid
PCB2 0.691 0.911 Valid
PCB3 0.747 0.884 Valid
Perceived Competence
PCT1
0.756 0.000 0.807
93.287 0.958 Valid
PCT2 0.689 0.978 Valid
PCT3 0.787 0.961 Valid
Perceived Benevolence
PB1 0.666 0.000 0.660
84.275 0.921 Valid
PB2 0.604 0.962 Valid
PB3 0.782 0.869 Valid
Perceived Integrity
PI1 0.780 0.000 0.754
93.940 0.973 Valid
PI2 0.826 0.964 Valid
PI3 0.766 0.971 Valid
Attitude AT1
0.711 0.000 0.636
92.681 0.982 Valid
AT2 0.684 0.969 Valid
AT3 0.870 0.936 Valid
Behavioral Intention
BI1
0.857 0.000
0.819
91.904
0.970 Valid
BI2 0.883 0.970 Valid
BI3 0.814 0.974 Valid
BI4 0.935 0.920 Valid
Sumber: Hasil penolahan data dilakukan oleh peneliti dengan SPSS 21
Berdasarkan hasil pada tabel 4.1, menunjukkan semua indikator pernyataan dalam instrument penelitian dapat memenuhi nilai yang telah disyaratkan atau dapat disimpulkan bahwa semua indikator pernyataan dalam pre-test adalah valid. Oleh karena itu, tidak perlu ada item indikator yang harus disingkirkan atau dibuang, semua item indikator dalam penelitian ini dapat digunakan untuk tahap penelitian selanjutnya.
4.2.2 Hasil Uji Reliabilitas (Pre-Test)
Uji reliabilitas dilakukan untuk mengukur konsistensi dan reliabilitas indikator pertanyaan-pertanyaan dalam setiap kuisioner terhadap variabelnya. Dengan melihat batas nilai cronbach’s alpha ≥ 0,60 maka indikator pernyataan dalam kuisioner dinyatakan reliable, konsisten, dan relevan terhadap variabel (Malhotra, 2010). Berikut ini adalah hasil analisis reliabilitas indikator penelitian.
Tabel 4.2 Hasil Uji Reliabilitas Data Pre-Test
Variabel Cronbach's Alpha Kesimpulan Perceived Relative
Advantages 0.862 Reliabel
Perceived Ease of Use 0.933 Reliabel
Perceived Compatibility 0.869 Reliabel
Perceived Competence 0.964 Reliabel
Perceived Benevolence 0.904 Reliabel
Perceived Integrity 0.966 Reliabel
Attitude 0.960 Reliabel
Behavioral Intention 0.969 Reliabel
Sumber: Hasil pengolahan data dilakukan peneliti dengan SPSS 21
Berdasarkan hasil ada tabel 4.2 diatas menunjukkan bahwa semua variabel penelitian, yaitu perceived relative advantage, perceived ease of use, perceived compatibility, perceived competence, perceived benevolence, perceived integrity, attitude dan behavioral intention memiliki cronbach’s alpha ≥ 0,60. Hasil ini menyatakan jika
item indikator pernyataan dalam kuisioner ditanyakan ke responden yang sama dan berbeda, hasilnya akan cenderung tetap dan konsisten.
4.3 Profil Responden
Profil responden dilakukan untuk menjelaskan dan menggambarkan demografi dan karakteristik responden secara keseluruhan berdasarkan jenis kelamin, usia, pendidikan terakhir dan pekerjaan.
4.3.1 Jenis Kelamin Responden
Gambar 4.1 Jenis Kelamin Responden
Sumber: Hasil pengolahan data dilakukan oleh penguji dengan SPSS 21
Gambar 4.1 menggambarkan bahwa dari seluruh responden yang berjumlah 168 orang, dapat dilihat bahwa responden berjenis kelamin perempuan berjumlah 110 orang (65%) dan responden yang berjenis kelamin laki-laki berjumlah 58 orang (35%). Hal ini menunjukkan bahwa jumlah responden perempuan lebih besar daripada jumlah responden laki-laki.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
Perempuan Laki-Laki
4.3.2 Usia Responden
Gambar 4.2 Usia Responden
Sumber: Hasil pengolahan data dilakukan oleh penguji dengan SPSS 21
Peneliti mengelompokkan skala usia responden menjadi 4 kelompok, yaitu skala usia 16-27 tahun, 28-37 tahun, 38-47 tahun, dan 48-57 tahun. Pada gambar 4.2 diatas dapat dilihat bahwa mayoritas responden dalam penelitian ini adalah responden yang berusia antara 16-17 tahun yang berjumlah 149 (89%) dari total responden, kemudian diikuti responden yang berusia 28-37 tahun yang berjumlah 14 (8%), selanjutnya responden yang berusia 38-47 tahun yang berjumlah 4 orang (2%) dan terakhir responden berusia 48-57 tahun yang berjumlah 1 orang (1%).
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
16-27 Tahun 28-37 Tahun 38-47 Tahun 48-57 Tahun 89%
8% 2% 1%
4.3.3 Pendidikan Terakhir
Gambar 4.3 Pendidikan Terakhir Responden
Sumber: Hasil pengolahan data dilakukan oleh penguji dengan SPSS 21
Berdasarkan pada gambar 4.3 diatas, dapat diketahun bahwa mayoritas pendidikan terakhir responden adalah Sekolah Menengah Atas (SMA) dengan jumlah sebesar 94 (56%) dari total responden, diikuti oleh responden berpendidikan akhir Diploma (D3)/Sarjana Strata 1 (S1) yang berjumlah 74 (44%).
0%
10%
20%
30%
40%
50%
60%
SMA D3/S1
4.3.4 Pekerjaan Responden
Gambar 4.4 Pekerjaan Responden
Sumber: Hasil pengolahan data dilakukan oleh penguji dengan SPSS 21
Gambar 4.4 diatas menggambarkan bahwa mayoritas perkerjaan responden adalah mahasiswa sejumlah 98 orang (58%) dari total responden, diikuti oleh responden yang mempunyai pekerjaan sebagai pegawai berjumlah 55 orang (33%), selanjutnya responden yang bekerja sebagai wiraswasta dengan jumlah 12 orang (7%), yang terakhir responden yang bekerja selain dari 3 yang telah disebutkan dengan jumlah 3 orang (2%).
0%
10%
20%
30%
40%
50%
60%
Mahasiswa Pegawai Wiraswasta Other 58%
33%
7%
2%
4.3.5 Bank Responden
Gambar 4.5 Bank Responden
Sumber: Hasil pengolahan data dilakukan oleh penguji dengan SPSS 21
Gambar 4.5 diatas menggambarkan bahwa mayoritas responden menggunakan bank BCA sejumlah 88 orang (52,4%) dari total responden, diikuti pengguna bank Mandiri sejumlah 67 orang (39,9%), dan terakhir responden pengguna bank BRI sebesar 13 orang (7,7%).
4.4Hasil Analisis Data
Berdasarkan metode penelitian yang telah dijelaskan pada bab tiga, metode analisis data yang akan digunakan dalam penelitian ini adalah Structural Equation Model (SEM) dengan software AMOS 21 sebagai upaya pengujian hipotesis. AMOS dipilih karena penggunaannya yang cukup mudah dan cukup sering digunakan untuk analisis data SEM. Analisis data SEM bertujuan untuk mendapatkan dan mengevaluasi kecocokan model yang diajukan. Kemudian, setelah diketahui semua hasil pengolahan data, selanjutnya akan diinterpretasikan dan akan
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
Bank BCA Bank Mandiri Bank BRI 52.4%
39.9%
7.7%
tambahan yang digunakan dalam penelitian ini adalah Microsoft Office Excel 2007 dan SPSS 21.
4.4.1 Spesifikasi Model
Telah dijelaskan sebelumnya bahwa penelitian ini menerapkan analisis SEM sebagai upaya pengujian hipotesis. Spesifikasi model dan path diagram dalam penelitian ini telah dijelaskan ada bab III di gambar 3.1, dimana model penelitian terdiri dari 8 variabel, 7 hipotesis, dan 27 indikator untuk menguji adanya hubungan kausalitas antara variabel-variabel yang dihipotesiskan.
4.4.2 Identifikasi Model
Analisis SEM hanya dapat dilanjutkan apabila hasil identifikasi model menunjukkan bahwa model termasuk dalam kategori over-identified. Identifikasi ini dilakukan dengan melihat nilai degree of freedom (df) dari model penelitian. Tabel dibawah ini merupakan hasil output AMOS yang menunjukkan nilai df sebesar316. Hal tersebut mengindikasikan bahwa model termasuk kategori over-identified karena memiliki nilai df positif. Oleh karena itu, analisis data SEM bisa dilanjutkan ke tahap selanjutnya.
Tabel 4.3 Computation of Degrees of Freedom
Number of distinct sample moments 378
Number of distinct parameters to be estimated 62
Degrees of freedom (378-62) 316
Sumber: Hasil pengolahan data dilakukan oleh peneliti dengan AMOS 21
4.4.3 Estimasi Model
Sebelum melakukan analisis kelayakan model pada penelitian ini, hasil estimasi model perlu dievaluasi terlebih dahulu agar memenuhi asumsi-asumsi dan persyaratan yang harus dipenuhi untuk menganalisis data SEM.
4.4.3.1 Sample Size
Jumlah sampel data pada penelitian sudah memenuhi asumsi SEM, yaitu 168 data yang didapat dari perhitungan 33 indikator dikali 6. Jumlah sampel data tersebut sesuai dengan jumlah data yang direkomendasikan antara 100-200 data sampel.
4.4.3.2 Uji Normalitas Data
Pengujian selanjutnya adalah melihat tingkat normalitas data yang digunakan dalam penelitian ini. Pengujian ini bertujuan untuk mengamati nilai angka c.r. skewness atau angka c.r. kurtosis yang berada di antara -2,58 sampai +2,58 dengan tingkat signifikansi 0,01%. Hasil uji normalitas data dapat dilihat pada tabel 4.4 dibawah ini.
Tabel 4.4 Hasil Uji Normalitas Data
Variable min max skew c.r. kurtosis c.r.
AT1 1.000 7.000 -1.288 -6.816 1.721 4.553 AT2 1.000 7.000 -1.349 -7.137 1.789 4.732 AT3 1.000 7.000 -1.116 -5.905 1.483 3.924
BI4 1.000 7.000 -.905 -4.786 .280 .742
BI3 1.000 7.000 -1.082 -5.727 .760 2.011 BI2 1.000 7.000 -1.074 -5.682 .932 2.465 BI1 1.000 7.000 -1.153 -6.099 1.037 2.743 PI1 1.000 7.000 -.533 -2.819 -.220 -.581
PI2 1.000 7.000 -.634 -3.353 .006 .015
PI3 1.000 7.000 -.598 -3.165 .273 .721
PB1 1.000 7.000 -1.012 -5.356 .633 1.675
PB2 1.000 7.000 -.780 -4.127 .416 1.100
PB3 1.000 7.000 -.385 -2.037 -.124 -.328
Variable min max skew c.r. kurtosis c.r.
PCT2 1.000 7.000 -.515 -2.725 -.253 -.670 PCT3 1.000 7.000 -.524 -2.772 -.122 -.322
PCB1 1.000 7.000 -.747 -3.955 .012 .031
PCB2 1.000 7.000 -.597 -3.158 -.117 -.310 PCB3 1.000 7.000 -.619 -3.275 -.133 -.353 PEOU1 1.000 7.000 -1.025 -5.423 .776 2.053
PEOU2 1.000 7.000 -.947 -5.011 .608 1.609
PEOU3 1.000 7.000 -.873 -4.618 .341 .903
PEOU4 1.000 7.000 -.956 -5.061 .545 1.442
PRA1 1.000 7.000 -1.115 -5.898 .999 2.642 PRA2 1.000 7.000 -1.196 -6.331 1.145 3.030
PRA3 1.000 7.000 -.975 -5.161 .695 1.839
PRA4 1.000 7.000 -.315 -1.665 -.444 -1.174
Multivariate 309.418 50.673
Sumber: Hasil pengolahan data dilakukan oleh peneliti dengan AMOS 21
Sebuah distribusi dikatakan normal jika tidak miring ke kiri atau miring ke kanan (disebut simetris dengan nilai skewness adalah 0), serta mempunyai keruncingan yang ideal (angka kurtosis adalah 0). Namun, angka-angka tersebut sulit dicapai dalam praktiknya, sebaran data akan bervariasi pada skewness serta kurtosis yang negatif atau positif. Oleh karena itu, yang akan diuji adalah seberapa menceng dan seberapa runcing sebuah distribusi sehingga masih dapat dianggap normal walaupun tidak benar-benar berdistribusi normal.
Angka pembanding tersebut adalah angka z, angka tersebut didapat dengan cara melihat tabel z. Pada umumnya digunakan tingkat kepercayaan 99%, tingkat signifikansi pada tingkat kepercayaan tersebut adalah 100% - 99% = 1%, dan angka z adalah ±2,58.
Dengan demikian, sebuah distribusi dikatakan normal jika angka c.r. skewness atau c.r.
kurtosis berada di antara -2,58 sampai +2,58. Namun jika angka-angka tersebut berada di bawah -2,58 atau di atas +2,58, distribusi dapat dikatakan tidak normal (Santoso, 2012).
Lanjutan
Berdasarkan hasil pengolahan data yang ditampilkan pada tabel 4.4, dapat dilihat uji normalitas untuk setiap variabel (univariate normality) ada variabel yang berdistribusi tidak normal karena mempunyai angka c.r skewness di bawa -2,58 atau di atas +2,58 yaitu attitude 1, attitude 2, attitude 3, behavioral intention 1, dan perceived relative advantage 2. Secara keseluruhan (multivariate normality) distribusi data tidak normal karena nilai angka multivariate-nya 50,673, hal ini berarti nilainya tidak berada di antara -2,58 dan +2,58.
4.4.4 Hasil Uji Pengukuran Model (Measurement Model Fit) 4.4.4.1 Uji Validitas dan Reliabilitas
Construct validity atau validitas konstruk adalah validitas yang berkaitan dengan kemampuan suatu alat ukur atau indikator dalam mengukur variabel laten yang diukurnya.
Menurut Hair et.al (2010), suatu variabel dapat dikatakan mempunyai validitas yang baik jika muatan factor standarnya (standardized loading factors) ≥ 0,50 dan idealnya ≥ 0,70.
Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya (Hair et.al., 2010). Mengukur reliabilitas dalam SEM akan digunakan composite reliability measure dan variance extracted measure, sebuah konstruk mempunyai reliabilitas yang baik jika nilai construct reliability (CR) ≥ 0,70 dan variance extracted (VE) ≥ 0,50.
Tabel 4.5 di bawah ini merupakan hasil pengolahan data uji validitas dan reliabilitas dalam penelitian ini.
Tabel 4.5 Hasil Uji Validitas dan Reliabilitas
Variabel
Laten Indikator Factor Loading Uji Validitas Uji Reliabilitas AVE Kesimpulan CR Kesimpulan Perceived
Relative Advantage
PRA1 0.909
0.708 Valid 0.905 Reliabel
PRA2 0.937
PRA3 0.831
PRA4 0.660
Perceived Ease of Use
PEOU1 0.842
0.688 Valid 0.898 Reliabel
PEOU2 0.891
PEOU3 0.710
PEOU4 0.864
Perceived Compatibility
PCB1 0.889
0.754 Valid 0.902 Reliabel
PCB2 0.809
PCB3 0.904
Perceived Competence
PCT1 0.907
0.873 Valid 0.954 Reliabel
PCT2 0.950
PCT3 0.945
Perceived Benevolence
PB1 0.856
0.717 Valid 0.884 Reliabel
PB2 0.914
PB3 0.764
Perceived Integrity
PI1 0.869
0.782 Valid 0.914 Reliabel
PI2 0.956
PI3 0.822
Attitude AT1 0.963
0.838 Valid 0.939 Reliabel
AT2 0.891
AT3 0.890
Behavioral Intention
BI1 0.920
0.895 Valid 0.971 Reliabel
BI2 0.980
BI3 0.960
BI4 0.922
Sumber: Hasil pengolahan data dilakukan oleh peneliti dengan AMOS 21 dan Mic. Excel 2007
Berdasarkan hasil tabel 4.5 di atas, menunjukkan bahwa variabel teramati dalam penelitian ini memiliki nilai factor loading hampir mencapai ≥ 0,70, sehingga dapat disimpulkan bahwa validitas variabel teramati terhadap variabel latennya adalah valid karena memenuhi kriteria dari validitas.
Selain itu, tabel 4.5 di atas juga menunjukkan bahwa semua nilai construct reliability (CR) ≥ 0,70, dan semua nilai variance extracted (VE) ≥ 0,50. Secara keseluruhan dapat dikatakan bahwa nilai reliabilitas model pengukuran (measurement model) ini adalah baik dan dapat disimpulkan bahwa indikator-indikator yang digunakan sebagai observed variable mampu menjelaskan variabel laten yang dibentuknya.
Selanjutnya, berdasarkan uji kelayakan model (Goodness of Fit) dari uji measurement model diketahui nilai dari model fit. Pertama, diketahui nilai CMIN/DF ≤ 5, yaitu 4,714 yang berarti memenuhi kriteria good fit. Kedua, RMSEA menunjukkan nilai
> 0,08, yaitu 0,149 yang berarti poor fit. Ketiga, nilai CFI < 0,90 yaitu 0,784 yang berarti poor fit.
4.4.5 Hasil Uji Model Keseluruhan (Overall Model Fit) 4.4.5.1 Goodness of Fit
Tahap uji model keseluruhan bertujuan untuk mengevaluasi secara umum derajat kecocokan atau Goodness of Fit (GOF) antara data dengan model. Menilai GOF suatu SEM secara menyeluruh (overall) tidak dapat dilakukan secara langsung seperti teknik multivariat yang lainnya. SEM tidak mempunyai satu uji statistik terbaik yang dapat menjelaskan kekuatan prediksi model. Sebagai gantinya, para peneliti telah mengembangkan beberapa ukuran GOF yang dapat digunakan secara bersama-sama atau kombinasi.
Tabel 4.6 di bawah ini menunjukkan beberapa fit index untuk kecocokan model keseluruhan berdasarkan perhitungan SEM dengan menggunakan tool AMOS 21.