BAB III METODE PENELITIAN...kali jumlah variabel indikator (Ferdinand, 2014). Adapun jumlah...

16
35 BAB III METODE PENELITIAN Dalam rangka menjawab persoalan penelitian yang telah dikemukakan, maka digunakan metode penelitian kuantitatif. Penelitian ini menurut tingkat eksplanasinya termasuk dalam penelitian kausalitas, karena penelitian ini dilakukan untuk menguji hipotesis mengenai hubungan kausalitas antar satu atau beberapa variabel dengan satu atau beberapa variabel lainnya (Sugiyono, 2013). Berdasarkan model penelitian yang dikembangkan ini diharapkan dapat lebih menjelaskan lagi hubungan kausalitas antar variabel yang dianalisis, dan sekaligus dapat membuat implikasi penelitian yang berguna untuk pengembangan ilmu pengetahuan serta sebagai suatu metode dan teknik bagi pemecahan masalah yang ada di lapangan. 3.1. Populasi dan Sampel Populasi adalah gabungan dari seluruh elemen yang berbentuk peristiwa, hal atau orang yang memiliki karakteristik yang serupa yang menjadi pusat perhatian seorang peneliti, sedangkan sampel adalah subset dari populasi (Ferdinand, 2013). Populasi dalam penelitian ini adalah seluruh pemilik usaha kain tenun yang berada pada tujuh sentra produksi di Kabupaten Sumba Timur, Nusa Tenggara Timur. Jumlah sampel yang digunakan dalam penelitian ini disesuaikan dengan metode analisis yang digunakan yaitu Structural Equation Model (SEM). Dalam metode SEM, jumlah sampel yang dibutuhkan paling sedikit 5 kali jumlah variabel indikator (Ferdinand, 2014). Adapun jumlah indikator dalam penelitian ini sebanyak 15 indikator, sehingga minimal dibutuhkan 15 x 5 atau 75 sampel. Namun dalam pengujian Chi Square model SEM sangat

Transcript of BAB III METODE PENELITIAN...kali jumlah variabel indikator (Ferdinand, 2014). Adapun jumlah...

  • 35

    BAB III

    METODE PENELITIAN

    Dalam rangka menjawab persoalan penelitian yang telah

    dikemukakan, maka digunakan metode penelitian kuantitatif. Penelitian ini

    menurut tingkat eksplanasinya termasuk dalam penelitian kausalitas, karena

    penelitian ini dilakukan untuk menguji hipotesis mengenai hubungan

    kausalitas antar satu atau beberapa variabel dengan satu atau beberapa

    variabel lainnya (Sugiyono, 2013). Berdasarkan model penelitian yang

    dikembangkan ini diharapkan dapat lebih menjelaskan lagi hubungan

    kausalitas antar variabel yang dianalisis, dan sekaligus dapat membuat

    implikasi penelitian yang berguna untuk pengembangan ilmu pengetahuan

    serta sebagai suatu metode dan teknik bagi pemecahan masalah yang ada di

    lapangan.

    3.1. Populasi dan Sampel

    Populasi adalah gabungan dari seluruh elemen yang berbentuk

    peristiwa, hal atau orang yang memiliki karakteristik yang serupa yang

    menjadi pusat perhatian seorang peneliti, sedangkan sampel adalah subset

    dari populasi (Ferdinand, 2013). Populasi dalam penelitian ini adalah seluruh

    pemilik usaha kain tenun yang berada pada tujuh sentra produksi di

    Kabupaten Sumba Timur, Nusa Tenggara Timur.

    Jumlah sampel yang digunakan dalam penelitian ini disesuaikan

    dengan metode analisis yang digunakan yaitu Structural Equation Model

    (SEM). Dalam metode SEM, jumlah sampel yang dibutuhkan paling sedikit 5

    kali jumlah variabel indikator (Ferdinand, 2014). Adapun jumlah indikator

    dalam penelitian ini sebanyak 15 indikator, sehingga minimal dibutuhkan 15

    x 5 atau 75 sampel. Namun dalam pengujian Chi Square model SEM sangat

  • 36

    sensitif dengan jumlah sampel, sehingga sampel penelitian ini akan

    membutuhkan mengacu pada kriteria yang diusulkan oleh Hair et al.

    (2010:637) yaitu dengan teknik Maximum Likelihood Estimation (MLE).

    Jumlah sampel yang baik menurut MLE berkisar antara 100-200 sampel.

    Oleh karena itu jumlah sampel yang diharapkan minimal 100 sampel dan

    maksimum 200 sampel.

    Dalam menentukan sampel, peneliti menggunakan non-probablity

    sampling karena tidak memberi peluang/kesempatan yang sama bagi setiap

    anggota populasi untuk menjadi sampel (Sugiyono, 2013). Metode

    pengambilan sampel dalam penelitian ini adalah purposive sampling. Metode

    Purposive sampling merupakan metode pengambilan sampel yang dilakukan

    berdasarkan kriteria yang telah ditentukan oleh peneliti (Ferdinand, 2013).

    Adapun kriteria pemilik usaha kain tenun yang akan dijadikan sampel

    dalam penelitian ini adalah pemilik usaha kain tenun yang menggunakan

    hutang sebagai salah satu sumber pendanaan usaha. Oleh karena itu, setiap

    pemilik usaha kain tenun yang ditemui peneliti, akan ditanyakan terlebih

    dahulu apakah mereka menggunakan hutang dalam menjalankan usahanya

    atau tidak. Jika menggunakan hutang dan bersedia memberikan informasi

    lain yang dibutuhkan peneliti, maka akan dijadikan sampel. Tetapi bila

    pemilik usaha yang ditemui tidak menggunakan hutang dalam usahanya,

    maka akan dilewati. Demikian seterusnya sampai memenuhi jumlah sampel

    minimal.

    3.2. Pengukuran Variabel

    Penelitian ini menggunakan 5 (lima) variabel yaitu sikap terhadap

    hutang, norma sosial, kontrol perilaku yang dipersepsikan, niat berhutang,

    dan keputusan hutang.

  • 37

    3.2.1. Sikap terhadap Hutang

    Sikap terhadap hutang adalah evaluasi pemilik usaha untuk

    mendukung atau tidak mendukung dalam berhutang (Ajzen, 2005). Ajzen

    (2006) menyatakan bahwa sikap individu dapat dinyatakan dalam dimensi

    berpasangan seperti baik-buruk, nyaman-tidak nyaman, berbahaya-

    bermanfaat, dan bernilai-tidak bernilai.

    Penelitian ini akan mengadaptasi indikator yang dikembangkan oleh

    Koropp et al. (2013, 2014) yang meneliti sikap pemilik usaha terhadap

    pengambilan keputusan hutang dalam perusahaan keluarga, yang memiliki

    tingkat reliabilitas α=0,95. Indikator yang digunakan disesuaikan dengan

    karakteristik pemilik usaha mikro yaitu a) Menggunakan hutang merupakan

    ide yang baik bagi usaha, b) Menggunakan hutang dapat menguntungkan

    bagi usaha, dan c) Menggunakan hutang merupakan tindakan yang bijaksana.

    3.2.2. Norma Sosial

    Norma sosial adalah pengaruh dari lingkungan sosial yang

    dipersepsikan oleh individu akan mendukung atau tidak terhadap suatu

    perilaku (Ajzen, 1991; 2005). Dalam konteks berhutang, lingkungan sosial

    dapat berupa pihak-pihak yang memberikan pengaruh bagi pemilik usaha

    yang akan mempengaruhi niat untuk berhutang (Pennings et al., 2003; Hailu

    et al., 2005; Espel et al., 2009). Hailu et a.l (2005) yang meneliti tentang niat

    manajer dan direktur terhadap pendanaan hutang jangka panjang untuk

    ekspansi bisnis mengidentifikasi pihak yang berpengaruh adalah kolega,

    pemegang saham, manajer senior, direktur utama, pasangan, teman, dan

    orangtua. Espel et al. (2009) yang melakukan studi tentang niat pemilik usaha

    kecil dan menengah terhadap pendanaan modal swasta mengidentifikasi

    pihak yang berpengaruh adalah konsultan eksternal, konsultan internal,

    keluarga, dan teman.

  • 38

    Dalam penelitian ini, pihak-pihak yang mempengaruhi akan mengacu

    pada kedua penelitian di atas, namun disesuaikan dengan karakteristik

    pemilik usaha mikro yang ada di Sumba Timur yaitu a) keluarga (pasangan,

    orangtua, saudara) mendukung penggunaan hutang; b) Banyak teman

    pengusaha menggunakan hutang; c) Teman mendukung penggunaan hutang;

    dan d) pemerintah setempat mendukung penggunaan hutang.

    3.2.3. Kontrol Perilaku yang Dipersepsikan

    Kontrol perilaku yang dipersepsikan adalah persepsi pemilik usaha

    mikro tentang kemudahan atau kesulitan akses ke pihak penyedia

    dana/kreditur. Hailu et al. (2005) yang meneliti tentang niat manajer dan

    direktur terhadap pendanaan hutang jangka panjang untuk ekspansi bisnis

    menggunakan indikator: kekuatan pengambilan keputusan, manfaat dan

    resiko, struktur jatuh tempo, sikap pemegang saham, struktur tingkat bunga,

    biaya meminjam, tingkat persaingan, kemungkinan bangkrut, dan komitmen

    finansial pemegang saham. Espel et al. (2009) yang melakukan studi tentang

    niat pemilik usaha kecil dan menengah terhadap pendanaan modal swasta

    menggunakan tiga indikator: jaminan terwujudnya niat, kemampuan untuk

    mendapatkan, dan ketersediaan peluang.

    Penelitian ini akan mengacu pada indikator dari kedua penelitian

    tersebut, akan tetapi disesuaikan dengan konteks usaha mikro dan keputusan

    hutang. Kontrol perilaku yang dipersepsikan dalam penelitian ini dikaitkan

    dengan persepsi pemilik usaha terhadap hambatan yang dialami dalam

    mengakses permodalan seperti jaminan, besar atau kecilnya tingkat bunga

    yang ditawarkan, dan aksesibilitas ke kreditur. Oleh karena itu, indikator

    yang akan digunakan yaitu a) Kemampuan untuk menyediakan jaminan yang

    diminta kreditur; b) Kemampuan untuk membayar bunga hutang; c)

    Kemampuan melunasi hutang tepat waktu; d) Kemampuan memiliki modal

  • 39

    sendiri yang cukup; e) Kemudahan mendapatkan hutang karena hubungan

    baik.

    3.2.4. Niat Berhutang

    Niat berhutang adalah keadaan sejauh mana pemilik usaha termotivasi

    untuk menggunakan hutang (Ajzen, 2005). Niat dapat dinyatakan sebagai

    keinginan atau motivasi untuk melakukan suatu perilaku. Dalam penelitian

    tentang niat manajer dan direktur terhadap pendanaan hutang jangka panjang

    untuk ekspansi bisnis, Hailu et al. (2005) menggunakan dua indikator yaitu

    motivasi persetujuan dan motivasi manfaat yang diperoleh. Sedangkan Espel

    et al. (2009) menggunakan empat indikator dengan tingkat reliabilitas 0,79

    yaitu upaya untuk mendapatkan, niat untuk menggunakan, relevansi, dan

    pertimbangan dalam penelitiannya tentang niat pemilik usaha kecil dan

    menengah terhadap pendanaan modal swasta. Koropp et al. (2014) yang

    melakukan penelitian pada perusahaan keluarga menggunakan 3 indikator “ I

    intend to”; I will try to”; I will make an effort to”

    Mengacu pada indikator yang digunakan oleh Koropp et al. (2014)

    yang disesuaikan dengan konteks keputusan hutang, maka indikator niat yang

    digunakan dalam penelitian ini adalah a) Bermaksud untuk menggunakan

    hutang; b) Mencoba untuk menggunakan hutang; c) Berupaya untuk

    menggunakan hutang.

    3.2.5. Keputusan Hutang

    Keputusan pendanaan yang dilakukan pemilik usaha dapat dilihat dari

    intensitas penggunaan (Espel et al., 2009) dan proporsi penggunaan (Koropp

    et al., 2014). Penelitian ini akan mengacu pada konsep Koropp et al. (2014)

    yang disesuaikan dengan konteks keputusan pemilik usaha mikro, dimana

    keputusan hutang yang dimaksud adalah proporsi penggunaan hutang.

  • 40

    Proporsi hutang dalam hal ini adalah proporsi jumlah hutang dari total modal

    yang digunakan pemilik usaha dalam menjalankan usahanya.

    Secara ringkas definisi operasional, pengukuran, dan indikator

    variabel dapat dilihat pada tabel berikut:

    Tabel 3.1

    Definisi Operasional, Pengukuran, dan Indikator Variabel Variabel Definisi

    Operasional

    Pengukuran Indikator

    Sikap

    terhadap

    hutang

    Sikap terhadap

    hutang adalah

    evaluasi pemilik

    usaha untuk

    mendukung atau

    tidak mendukung

    dalam berhutang

    (Ajzen, 2005)

    Variabel sikap

    terhadap hutang

    diukur dengan

    skala interval dan

    mengadaptasi

    indikator yang

    dikembangkan oleh

    Koropp et al., 2013;

    2014

    1. Menggunakan hutang merupakan ide yang

    baik bagi usaha,

    2. Menggunakan hutang dapat menguntungkan

    bagi usaha,

    3. Menggunakan hutang merupakan tindakan

    yang bijaksana.

    Norma

    Sosial

    Norma sosial

    adalah pihak-pihak

    yang memberikan

    pengaruh bagi

    pemilik usaha

    (Pennings et al.,

    2003; Hailu et al.,

    2005; Espel et al.,

    2009)

    Variabel norma

    sosial diukur

    dengan interval dan

    mengadaptasi

    indikator yang

    dikembangkan oleh

    Hailu et al., 2005;

    Ajzen, 2006; Espel

    et al., 2009.

    1. Keluarga (pasangan, orangtua, saudara)

    mendukung

    penggunaan hutang;

    2. Banyak teman pengusaha

    menggunakan hutang;

    3. Teman mendukung penggunaan hutang;

    4. Pemerintah setempat mendukung

    penggunaan hutang.

  • 41

    (Tabel 3.1. Lanjutan....)

    Variabel Definisi

    Operasional

    Pengukuran Indikator

    Kontrol

    perilaku yang

    dipersepsikan

    Kontrol perilaku

    yang

    dipersepsikan

    adalah persepsi

    pemilik usaha

    mikro tentang

    kemudahan atau

    kesulitan akses

    ke pihak

    penyedia

    dana/kreditur

    Variabel kontrol

    perilaku yang

    dipersepsikan

    diukur dengan

    skala interval

    dan

    mengadaptasi

    indikator yang

    dikembangkan

    oleh Hailu et

    al., 2005; Ajzen,

    2006; Espel et

    al., 2009

    1. Kemampuan untuk menyediakan jaminan

    yang diminta kreditur;

    2. Kemampuan untuk membayar bunga

    hutang;

    3. Kemampuan melunasi hutang tepat waktu;

    4. Kemampuan memiliki modal sendiri yang

    cukup;

    5. Kemudahan mendapatkan hutang

    karena hubungan baik

    Niat

    berhutang

    Niat berhutang

    adalah keadaan

    sejauh mana

    pemilik usaha

    termotivasi untuk

    menggunakan

    hutang

    Variabel niat

    berhutang

    diukur dengan

    skala interval

    dan

    mengadaptasi

    indikator yang

    dikembangkan

    oleh Koropp et

    al., 2014

    1. Bermaksud untuk menggunakan hutang;

    2. Mencoba untuk menggunakan hutang;

    3. Berupaya untuk menggunakan hutang.

    Keputusan

    Hutang

    Keputusan

    hutang yang

    dimaksud adalah

    proporsi

    penggunaan

    hutang (Koropp

    et al., 2014)

    Keputusan

    hutang diukur

    dengan skala

    rasio. Proporsi

    hutang dalam

    hal ini adalah

    proporsi jumlah

    hutang dari total

    modal yang

    digunakan

    pemilik usaha

    dalam

    menjalankan

    usahanya

    Sumber: Dari berbagai literatur

  • 42

    Skala pengukuran yang digunakan untuk variabel-variabel di atas,

    kecuali variabel keputusan hutang, akan mengacu pada skala yang diusulkan

    Ajzen (2006) dan digunakan oleh Espel et al. (2009) serta Koropp et al.

    (2014) yaitu skala Likert 7-poin. Rentang skala yang digunakan yakni dari

    poin 1 (sangat tidak setuju) sampai dengan poin 7 (sangat setuju).

    3.3. Teknik Pengumpulan Data

    Data yang digunakan dalam penelitian ini adalah data primer yang

    diambil langsung oleh peneliti. Teknik pengumpulan data primer dapat

    dilakukan dengan tiga cara yaitu wawancara (interview), kuesioner, observasi

    (Supramono et al., 2010). Penelitian ini akan menggunakan teknik

    penyebaran kuesioner secara langsung kepada responden (personally

    administrated questionnaraires) karena sampel yang ditentukan dapat

    dijangkau secara personal dan mudah ditemui. Kuesioner yang digunakan

    sebagai instrumen pengumpulan data, berisikan item pernyataan-pernyataan

    yang dikembangkan untuk mengukur variabel-variabel yang diteliti

    (terlampir).

    Teknik penyebaran kuesioner dilakukan dengan cara menggunakan

    enumerator-enumerator yang berasal dari kecamatan tempat usaha kain

    tenun. Alasan menggunakan enumerator dari masyarakat sekitar usaha kain

    tenun karena banyak pemilik usaha kain tenun yang kurang dapat berbahasa

    Indonesia dengan baik, sehingga perlu penjelasan khusus dalam bahasa

    Sumba Timur tentang isi kuesioner. Enumerator sebelumnya diberi

    penjelasan mengenai tujuan penelitian dan isi pertanyaan serta pernyataan

    dalam kuesioner.

    Penyebaran kuesioner oleh enumerator dilakukan pada bulan April

    sampai dengan Juni 2015 kepada responden. Responden yang dimaksud

    adalah pemilik usaha kain tenun yang tersebar pada tujuh kecamatan dalam

    Kabupaten Sumba Timur yang merupakan daerah sentra produksi kain tenun

  • 43

    sesuai data dari Dinas Perindustrian dan Perdagangan Kabupaten Sumba

    Timur. Kecamatan-kecamatan tersebut adalah Kota Waingapu, Kambera,

    Kanatang, Pandawai, Rindi, Umalulu dan Pahungalodu. Hambatan utama

    dalam penyebaran kuesioner seperti yang disampaikan para enumerator

    adalah lamanya waktu yang dibutuhkan pemilik usaha dalam mengisi satu

    kuesioner karena kendala bahasa. Dalam keadaan tertentu, karena alasan

    kendala bahasa tersebut, responden tidak dapat secara personal mengisi setiap

    pertanyaan pada kuesioner. Hal tersebut diatasi dengan enumerator

    membantu mengisi setiap pertanyaan/pernyataan sesuai persepsi responden.

    Kendala bahasa tersebut membawa konsekuensi waktu penelitian lapangan

    yang lebih lama. Berdasarkan kesediaan pengusaha kain tenun berpartisipasi

    selama proses penelitian lapangan, diperoleh 177 responden.

    3.4. Teknik Analisis Data

    Salah satu teknik analisis data yang dapat digunakan untuk menguji

    hubungan kausalitas adalah Structural Equation Modeling-SEM (Ferdinand,

    2013). Menurut Hair et al. (2010), SEM merupakan model statistik yang

    dapat menjelaskan hubungan yang kompleks diantara variabel-variabel. SEM

    juga memungkinkan pengujian sebuah rangkaian hubungan yang relatif

    “rumit” secara simultan, seperti hubungan antara satu atau beberapa variabel

    dependen dengan satu atau beberapa variabel independen (Ferdinand, 2014).

    Dalam model penelitian yang telah dirumuskan pada bab dua,

    terdapat beberapa variabel yang merupakan variabel independen, tetapi juga

    sebagai variabel dependen (variabel niat berhutang). Selain itu variabel niat

    berhutang merupakan variabel yang memediasi pengaruh faktor sikap

    terhadap hutang, norma sosial, dan kontrol perilaku yang dipersepsikan

    terhadap keputusan hutang. Oleh karena itu, pengujian model dan hipotesis

    yang telah dirumuskan dalam penelitian ini akan menggunakan teknik SEM.

  • 44

    Langkah-langkah yang harus dilakukan untuk melakukan pengujian

    model dan hipotesis dengan menggunakan SEM (Ferdinand, 2014; Ghozali,

    2014), yaitu:

    1. Mengembangkan model teoritis: mengacu pada pencarian atau

    pengembangan model (telah dilakukan pada bab II).

    2. Mengembangkan diagram alur: dilakukan untuk melihat hubungan

    kausalitas yang ingin diuji. Diagram alur dalam penelitian ini dapat

    dilihat pada gambar di bawah ini:

    Gambar 3.1

    Diagram Alur Model Penelitian Empirik

    Diagram alur di atas menunjukkan tiga variabel eksogen (sikap terhadap

    hutang, norma sosial dan kontrol perilaku yang dipersepsikan) dan dua

    variabel endogen (niat berhutang dan keputusan hutang). Variabel

    keputusan hutang merupakan observed variable karena diukur

  • 45

    berdasarkan proporsi penggunaan hutang. Sedangkan empat variabel

    lainnya merupakan unobserved variable yang diukur dengan seperangkat

    pertanyaan berdasarkan indikator yang telah ditentukan.

    3. Konversi diagram alur ke dalam persamaan: konversi spesifikasi model

    ke dalam rangkaian persamaan struktural dan persamaan spesifikasi

    model pengukuran.

    Tabel 3.2

    Spesifikasi Model Pengukuran dan Persamaan Struktural

    Variabel Eksogen Variabel Endogen STH1=λSPH1Sikap Terhadap Hutang + e1 STH2=λSPH2Sikap Terhadap Hutang + e2 STH3=λSPH3Sikap Terhadap Hutang + e3 NS1=λNS1Norma Sosial + e4 NS2=λNS2Norma Sosial + e5 NS3=λNS3Norma Sosial + e6 NS4=λNS4Norma Sosial + e7 KPD1=λPKD1Kontrol perilaku yang dipersepsikan + e8 KPD2=λPKD2Kontrol perilaku yang dipersepsikan + e9 KPD3=λPKD3Kontrolperilaku yang dipersepsikan+ e10 KPD4=λPKD4Kontrolperilaku yang dipersepsikan+ e11 KPD5=λPKD5Kontrolperilaku yang dipersepsikan+ e12

    NB1=λMMH1Niat berhutang + e13 NB2=λMMH2Niat berhutang + e14 NB3=λMMH1Niat berhutang + e15

    Model Struktural Niat Berhutang = β1Sikap Terhadap Hutang + β2Norma Sosial + β3Kontrol perilaku yang dipersepsikan + z1 Keputusan Hutang = β4Niat Berhutang + z2 Keputusan Hutang = β5Kontrol perilaku yang dipersepsikan + z2

    4. Memilih matriks input dan estimasi model. Pada tahap ini, matriks

    kovarian dipilih karena memiliki keunggulan dalam menyajikan

    perbandingan yang valid antara populasi atau sampel yang berbeda.

    Teknik estimasi yang digunakan adalah teknik Maximum Likelihood

    Estimation (MLE).

    5. Menilai problem identifikasi: menanggulangi hasil estimasi yang unik

    dengan memberikan banyak konstrain pada model yang dianalisis.

    6. Evaluasi kinerja Goodness-of-Fit (GOF), yang dilakukan dengan

    menguji asumsi-asumsi SEM yaitu:

  • 46

    a. asumsi kecukupan sampel. Sampel minimum yang harus dipenuhi 100

    dan selanjutnya menggunakan perbandingan 5 observasi untuk setiap

    estimated parameter.

    b. asumsi normalitas. Normalitas diuji dengan menggunakan nilai

    statistik z value dari ukuran skewness dan kurtosis sebaran data. Pada

    output program AMOS disebut critical ratio atau c.r. Nilai kritis

    berdasarkan tingkat signifikansi 1% (dua sisi) sebesar ± 2,58. Uji

    normalitas dilakukan secara univariat dan multivariat.

    c. asumsi outlier. Outlier adalah observasi yang muncul dengan nilai-

    nilai ekstrim baik secara univariat maupun multivariat yang muncul

    karena kombinasi karakteristik unik yang dimilikinya dan terlihat

    sangat jauh berbeda dari observasi lainnya. Evaluasi terhadap asumsi

    outlier univariat dilakukan dengan mengkonversi nilai data penelitian

    ke dalam standard score (z-score), dengan syarat nilai z-score tidak

    lebih besar dari ± 3,00. Sedangkan evaluasi asumsi multivariate

    outlier dilakukan dengan melihat jarak Mahalanobis (Mahalanobis

    distance) dengan batas nilai derajat bebas (degree of freedom) dari

    jumlah variabel yang diteliti pada tingkat p < 0,001.

    Selanjutnya, dilakukan evaluasi atas kinerja GOF. Dalam analisis

    SEM, tidak ada alat uji statistik yang tunggal untuk menguji hipotesis

    mengenai model. Berbagai indeks kesesuaian digunakan untuk

    mengukur derajat kesesuaian antara model dan data yang disajikan. Hair

    et al. (2010) mengelompokkan GOF ke dalam tiga kelompok, yakni

    absolute fit measures, incremental fit measures, dan parsimony fit

    measure. Ketiga kelompok GOF tersebut dipaparkan sebagai berikut:

    a. Absolute fit measure adalah pengukuran langsung dari bagaimana

    baiknya model yang dispesifikasi oleh peneliti menghasilkan

    observed data yang menyediakan penilaian yang lebih mendasar

  • 47

    bagaimana baiknya suatu teori cocok dengan data sampel. Indeks

    yang masuk dalam kelompok ini adalah:

    (1) The Minimum Sample Discrepancy Function (CMIN/DF)

    merupakan ukuran yang diperoleh dari nilai chi square dibagi

    dengan degree of freedom. Indeks ini adalah indeks kesesuaian

    parsimonious yang mengukur hubungan goodness of fit model

    dengan jumlah koefisien-koefisien estimasi yang diharapkan

    untuk mencapai tingkat kesesuaian. Nilai yang

    direkomendasikan untuk menerima kesesuaian sebuah model

    adalah CMIN/DF < 2,0 atau 3,0.

    (2) Chi square (χ2) Statistic. Model yang diuji dapat disimpulkan

    sebagai model yang baik, jika nilai χ2 rendah. Semakin kecil

    nilai χ2 dapat disimpulkan bahwa semakin baik model tersebut,

    karena dalam uji beda chi square, nilai χ2=0 berarti tidak ada

    perbedaan. Perbedaan yang dimaksud adalah perbedaan antara

    model yang diuji dengan saturated model. Chi square bersifat

    sangat sensitif terhadap besarnya sampel yang digunakan, oleh

    karena itu χ2 perlu dilengkapi dengan alat uji lainnya.

    (3) Goodness of Fit Index (GFI). Indeks ini mencerminkan tingkat

    kesesuaian model yang dihitung dari residual kuadrad dari

    model yang diprediksi dibandingkan dengan data yang

    sebenarnya. Nilai yang mendekati 1 mengisyaratkan model

    yang diuji memiliki kesesuaian yang baik.

    (4) Adjusted Goodness of Fit Index (AGFI) merupakan

    pengembangan dari GFI, yang telah disesuaikan dengan rasio

    dari degree of freedom model yang diajukan dengan degree of

    freedom dari null model (model konstruk tunggal dengan semua

    indikator pengukuran konstruk). Nilai yang direkomendasikan

    adalah AGFI > 0,90.

  • 48

    (5) Root Means Square Residual (RMSR) and Standardized Root

    Mean Residual (SRMR). RMSR merupakan rata-rata dari

    residual antara individual observed dan kovarian dan varians

    yang diestimasi. Sedangkan SRMR merupakan nilai statistik

    alternatif yang didasarkan pada nilai RMSR yang

    distandardisasi, yang lebih berguna untuk membandingkan fit

    lintas model. Nilai RMSR dan SRMR yang rendah

    menunjukkan kecocokan yang lebih baik.

    (6) Root Mean Square Error of Approximation (RMSEA) adalah

    indeks yang digunakan untuk mengukur kesesuaian model

    menggantikan chi square statistic dalam jumlah sampel yang

    besar. Nilai RMSEA < 0,08 mengindikasikan indeks yang baik

    untuk menerima kesesuaian model.

    b. Incremental Fit Indices adalah indeks yang menilai bagaimana

    baiknya suatu model yang dispesifikasi cocok secara relatif dengan

    beberapa alternatif baseline model. Implikasinya adalah bahwa tidak

    ada data reduction yang dapat memperbaiki model karena data tidak

    berisi multi-item factors, sehingga, kelompok indeks ini

    mencerminkan perbaikan dalam kesesuaian dengan spesifikasi dari

    hubungan multi-item constructs. Indeks yang termasuk dalam

    incremental fit indices adalah:

    (1) Normed Fit Index (NFI) adalah indeks kesesuaian incremental

    yang diperoleh dari rasio perbedaan dalam nilai χ2 untuk model

    yang disesuaikan dan null model dibagi dengan nilai χ2 untuk

    null model. Nilai penerimaan yang direkomendasikan adalah NFI

    > 0,90.

    (2) Comparative Fit Index (CFI) adalah indeks kesesuaian

    incremental, yang membandingkan model yang diuji dengan null

    model. Indeks ini sangat baik untuk mengukur tingkat

  • 49

    penerimaan model, karena seperti CMIN/DF, nilainya tidak

    dipengaruhi oleh ukuran sampel. Nilai indeks ini berada pada

    rentang dari 0 sampai dengan 1 dan nilai yang mendekati 1

    mengindikasikan model memiliki tingkat kesesuaian yang baik.

    Nilai penerimaan yang direkomendasikan adalah CFI > 0,95.

    (3) Trucker Lewis Index (TLI) adalah indeks kesesuaian incremental

    yang membandingkan model yang diuji dengan null model.

    Indeks kesesuaian ini kurang dipengaruhi oleh ukuran sampel.

    Nilai penerimaan yang direkomendasikan adalah TLI > 0,90.

    (4) Relative Noncentrality Index (RNI) adalah indeks yang

    membandingkan observed fit yang dihasilkan dari pengujian

    model yang dispesifikasi pada null model. Nilai RNI yang

    diharapkan adalah RNI > 0,90.

    c. Parsimony Fit Indices dirancang secara khusus untuk menyediakan

    informasi tentang model mana yang terbaik di antara model-model

    yang diperbandingkan. Secara konseptual, indeks sama dengan istilah

    adjusted R2, dalam pengertian bahwa ini model fit dihubungkan pada

    kompleksitas model. Untuk mengukur kompleksitas model digunakan

    parsimony ratio (PR). Indeks yang dikategorikan dalam parsimony fit

    indices adalah:

    (1) Parsimony Good-of-Fit Index (PGFI). Indeks ini menyesuaikan

    GFI menggunakan PR. Secara teoritikal, nilai PGFI berkisar

    antara 0 dan 1.

    (2) Parsimony Normed Fit Index (PNFI). Indeks ini menyesuaikan

    NFI dengan menggandakannya dengan PR. Nilai PNFI yang

    relatif tinggi menunjukkan fit yang secara relatif lebih baik.

  • 50

    Secara ringkas indeks-indeks terpilih yang digunakan untuk menguji

    kelayakan model dalam penelitian ini tersaji dalam tabel berikut:

    Tabel 3.3

    Indeks Kesesuaian Model

    Goodness of fit Index Cut-off value

    Chi square Diharapkan kecil

    Probability ≥ 0,05

    RMSEA ≤ 0,08

    GFI ≥ 0,90

    AGFI ≥ 0,90

    CMIN/DF ≤ 2,00

    TLI ≥ 0,95

    CFI ≥ 0,95 Sumber: Hair et al., 2010; Ferdinand, 2014; Ghozali, 2014

    7. Interpretasi dan Modifikasi Model

    Modifikasi model dapat dilakukan pada model-model yang tidak

    memenuhi syarat pengujian yang dilakukan. Salah satu alat untuk

    menilai ketepatan sebuah model yang telah dispesifikasi adalah melalui

    indeks modifikasi (modification index). Indeks modifikasi memberikan

    gambaran mengenai mengecilnya nilai chi-square atau pengurangan

    nilai bila sebuah koefisien diestimasi (Ferdinand, 2014).