MENGENAL PENELITIAN  PUSTAKA

Mahasiswa hanya mengenal dua penelitian kualitatif dan kuantitatif dalam skripsi, penelitian kuantitatif berbaskis ststistik dalam analisisnya dan penrelitian kualitatif berbasis rferensi buku.BUKAN  hal baru penelitian melalui pendekatan pustaka. Terkadang seorang penelititi yang terbiasa dengan pendekatan kuantitatif karena lebih akurat dengan bantuan computer, tapi dari tipe penelitian kita kenal penelitian hasilnlapangan, hasil kajian pustaka dan hasil pengembangan

       Metode Penelitian alternatif yang digunakan para peneliti adalah penelitian deskriptif kualitatif dengan pendekatan library research menurut nazir  library riset diartikan sebagai aktifitas dimana peneliti mengumpulkan data dalam bentuk buku, manuskrip atau majalah yang relevan atau mengumpulkan data litrarasi. Menurut mendapatkan sugiono (2012) library research diartikan sebagai kajian teoritis, referensi dan literature ilmiah lainnya  yang berkaitan dengan budaya, , nilai dan norma yang berkembang pada situasi social yang diteliti.. jadi penelitian pustaka sebagai kegiatan penelitian dilakukan dengan cara pengumpulan informasi dan data melalui peralatan yang tersedia di perpustakaan seperti buku, referensi, hasil penelitian sebelumnya yang sejenis, artikel, catatan dan berbagai jurnal berkaitan dengan masalah yang ingin dipecahkan.

Apa kelemahan penelitian ini: a) data yang diperoleh tidak bisa memrnuh ikebutuhan penelitian krena dikmpulkan orang lain  b) sulit menilai  akurasi Data yang disajikan. Data tidak terlalu relevan dengan situasi saat ini.

sedangkan manfaat dari penelian library  ini adalah:

a)      untuk menggali teori dasar dan konsep yang telah ditemukan oleh para peneliti sebelumnya.

b)      Mengikuti perkembangan penelitian dalam bidang yang akan diteliti

c)      Memperoleh orientsi yang lebih luas mengenai topic yang dipillih

Langkah-Langkah Penelitian

Adapun langkah-langkahnya menurut kunthau dalam purwoko 92017 sebagai berikut :a) pemilihan topic, b) ekplorasi informasi c)menentukan focus penelitian d) pengumpulan sumber data e) persiapan penyajian data f) penyusunan laporan

Sedangkan teknik analisis data dengan menggunakan analisis isi  fraekek & walen (2007) ada baeberapa prosedur analisis isi antara lain:

a)      Menentukan tujuan khusus penelitian

b)      mendefinisikan istilah atau variable penelitian

c)      Mengkhuskan unit yang akan dianalisis

d)      Mencari sumber yang relevan dengan masalah penelitian

e)      Membangun rasional atau hubungan konseptual untuk menjelaskan  Bagaimana sebuah data saling berkaitan dengan tujuan penelitian.. model analisis isi sesui dengan  analisis data penelitian pustaka  adalah analisis data model Miles & Huberman dengan aktifitas analisis data antara lain

1.         1.Reduksi Data,

2.         Display Data

3.         Konklusi

 

ANALISIS DATA KUALITATIF

Oleh : Ahmad Kurnia, SPd, MM.*

          

Teknik analisis data adalah upaya yang dilakukan dengan jalan bekerja dengan data, mengorganisasikan data, memilah-milahnya menjadi satuan yang dapat dikelola, mensintesiskannya, mencari dan menemukan apa yang penting dan apa yang dipelajari dan memutuskan apa yang dapat diceritakan kepada orang lain.[1]

          Pada tahap ini data dikerjakan dan dimanfaatkan sedemikian rupa sampai berhasil menyimpulkan kebenaran-kebenaran yang dapat dipakai untuk menjawab pertanyaan atau persoalan-persoalan yang diajukan dalam penelitian. Adapun metode yang digunakan untuk mengelola data kualitatif adalah dengan menggunakan metode induktif.

1.    Analisis data sebelum dilapangan

Kriteria informan kunci (Spardley)

a.    Subyek telah cukup lama dan intensif menyatu dengan kegiatan yang menjadi informasi à “hafal diluar kepala”

b.    Subyek masih terlibat secara penuh/aktif dalam kegiatan yang diteliti

c.    Subyek mempunyai cukup/banyak waktu untuk diwawancari

d.    Subyek dalam memberikan informasi tidak cenderung diolah atau dipersiapkan terlebih dahulu

e.    Subyek tergolong masih “asing” dengan penelitian shg peneliti ditantang untuk “belajar” dan subyek sebagai “guru”

2.    Analisis data dilapangan(Miles & Huberman, 1984)

          Teknik analisa data yang digunakan adalah metode interaktif, yaitu antara proses pengumpulan data, reduksi data (penyusunan data dalam pola, kategori, pokok permasalahan tertentu), penyajian data (penyusunan data dalam bentuk matrik, grafik, jaringan, bagan tertentu) dan pengambilan kesimpulan, tidak di pandang sebagai kegiatan yang berlangsung secara linier, namun merupakan siklus yang interaktif.[2] Berikut adalah “model imteraktif” yang di gambarkan oleh Miles dan Huberman, seperti yang dikutip oleh Ibrahim[3]:

a.    Data reduction

Reduksi data diartikan sebagai proses pemilihan, pemusatan perhatian pada penyederhanaan, pengabstrakan, dan transformasi data “kasar” yang muncul dari catatan-catatan tertulis di lapangan. Reduksi data berlangsung terus menerus selama penelitian di lapangan. Selama pengumpulan data berlangsung, terjadi tahapan reduksi selanjutnya membuat ringkasan, mengkode, menelusur tema, membuat gugus-gugus, membuat partisi, menulis memo. Reduksi data/proses transformasi ini berlanjut terus sesudah penelitian lapangan, sampai laporan akhir lengkap tersusun.

b.    Data display

Penyajian data merupakan rangkaian kalimat yang disusun secara logis dan sistematis sehingga mudah dipahami. Kemampuan manusia sangat terbatas dalam menghadapi catatan lapangan yang bias, jadi mencapai ribuan halaman. Oleh karena itu diperlukan sajian data yang jelas dan sistematis dalam membantu peneliti menyelesaikan pekerjaannya. Penyajian data dalam hal ini adalah penyampaian faktor-faktor yang mempengaruhi motivasi masyarakat dalam peningkatan partisipasi menempuh pendidikan di Desa Gumiwang, Kecamatan Purwanegara, Kabupaten Banjarnegara.

c.    Conclution drawing/verification

Penarikan kesimpulan sebagai dari satu kegiatan dari konfigurasi yang utuh. Kesimpulan-kesimpulan diverifikasi selama penelitian berlangsung. Verifikasi merupakan tinjauan ulang pada catatan-catatan lapangan dengan peninjauan kembali sebagai upaya untuk menempatkan salinan suatu temuan dalam seperangkat data yang lain. Singkatnya, makna-makna yang muncul dari data harus diuji kebenaranya, kekokohannya dan kecocokannya yakni yang merupakan validitasnya.

3.    Analisis data selama dilapangan (spradley)

       Aktivitas analisis data dilakukan secara maju bertahap dan bersama. Artinya, pada saat dilakukan observasi, maka saat itu juga dilakukan wawancara. Hasil observasi dan wawancara tersebut dianalisis kemudian hasil analisis tersebut digunakan untuk mengadakan observasi dan wawancara pada tahap berikutnya.

Tahapan Analisis Data Model Spreadley

a.    Analisis Domain (Domain Analysis)

Memperoleh gambaran  yang umum dan menyeluruh dari obyek penelitian atau situasi sosial (Spradley, 1980 dalam Sugiyono, 2011:255).

Analisis domain biasanya dilakukan untuk memperoleh gambaran/pengertian yang  bersifat umum dan relatif menyeluruh tentang apa yang tercakup di suatu fokus/ pokok permasalahan yang tengah diteliti (Prabowo, 2010:15). Hasil analisis ini masih berupa pengetahuan tingkat “permukaan” tentang berbagai ranah konseptual (Aminoto, 2012:1).

b.    Analisis Taksonomi (Taxonomic Analysis)

Analisis taksonomi adalah analisis terhadap keseluruhan data yang terkumpul berdasarkan domain yang telah ditetapkan (Sugiyono, 2011:261). Pada tahap analisis taksonomi, peneliti berupaya memahami domain-domain tertentu sesuai fokus masalah atau sasaran penelitian. Masing-masing domain mulai dipahami secara mendalam, dan membaginya lagi menjadi sub-domain, dan dari sub-domain itu dirinci lagi menjadi bagian-bagian yang lebih khusus lagi (Aminoto, 2012:1)

Analisis Taksonomis menunjukkan struktur internal masing - masing domain dengan “mengorganisasikan atau menghimpun elemen - elemen yang berkesamaan di suatu  domain” (organizies similarities among

elements in domain) (Prabowo, 2010:30).

c.    Analisis Komponensial

Analisis komponensial adalah pencarian secara sistematis atribut-atribut yang berhubungan dengan kategori budaya dengan mengkontraskan antar elemen dalam domain yang diperoleh dari hasil pengamatan terseleksi dan wawancara kontras (Idrus, 2009:156). Pada analisis komponensial, yang dicari untuk diorganisasikan dalam domain bukanlah keserupaan dalam domain, tetapi justru yang memiliki perbedaan atau yang kontra.

Mencari perbedaan spesifik setiap komponen

d.    Analisis Tema Budaya

Pada tahap ini aktivitasnya adalah mencari hubungan di antara domain, dan bagaimana hubungannya dengan keseluruhan (Sugiyono, 2011:256)

Sesungguhnya merupakan upaya mencari benang merah yang mengintegrasikan lintas domain yang ada (Sanapiah Faisal, 1990 dalam Sugiyono, 2011:164)

---

[1] Lexy J. Moleong, Metodologi Penelitian…., 248

[2] Lihat A. Maicel Huberman and B Miles Mathew,  Anlisa data kualitatif, buku  sumber tentang metode-metode baru, penerjemah; tjetjep rohendi rohidi, (Jakarta: Universitas Indonesia Press, 1992), 16-20

[3] Ibrahim Bafadal, Teknik Analisa Data Penelitian Kualitatif, (dalam Metodelogi Penelitian Kualitatif: Tinjauan Teoritis dan Praktis), (Malang: Unisma, tt), 72

*Dosen Metodologi Riset STBA JIA

ANALISIS DATA KUALITATIF

OLEH : 

Ahmad Kurnia*

Email : ahmadkurnia@gmail.com

Analisis data dilakukan setelah data dan bukti yang mendukung penelitian kita telah terkumpul. Artinya proses analisa data bisa dilakukan setelah adanya pengumpulan data. Kegiatan utama adalah mengumpulkan data berdasarkan variable judul dan jenis responden, kemudian mentabulasi data berdasarkan variable responden, menyajikan data dan melakukan perhitungan untuk menjawab rumusan masalah dan menjawab hipotesa yang telah diajukan. 

Bogdan dalam Sugiono (2012) Analisis data dilakukan dengan mengorganisasikan data, menjabarkan kedalam unit-unit, melakukan sintesis, menyusun kedalam pola, memilih mana yang penting dan yang akan dipelajari dan membuat kesimpulan yang dapat diceritakan kepada orang lain[1]

                    Analisis dapat berarti: meringkas dan mengkomunikasikan data (effective ways of summarizing and communicating masses of information…), yang akhirnya disebut statistik deskriptif . Analisis dapat berarti: menggali ‘sesuatu’ dibalik data (goes beyond a given set of data), yang akhirnya dikenal dengan statistik inferensial

                Akhirnya sugiono  (2012) mengartikan analisis data sebagai proses mencari dan menyusun secara sistematis data yang diperoleh dari hasil wawncara, catatan lapangan dan dokumentasi dengan cara mengorganisasikan data kedalam kategori, menjabarkan kedalam unit-unit, melakukan sintesa, menyusun kedlaam pola, memilih mana yang penting dan yang akan dipelajari dan membuat kesimpulan sehingga mudah dipahami oleh diri sendiri maupun orang lain. Muhammad (2011) adalah mengidentifikasikan dan menyusun pola-pola, kategori, tema-tema, focus-fokus atau masalah-masalah yang sesuai dengan tujuan penelitian[2]

JENIS ANALISA DATA

                 Peneliti mendeskripsikan teknik analisis data yang digunakan meliputi analisis data dengan statistika deskriptif, analisis data dengan statistika inferensial dan uji persyaratan analisisnya. Analisis data dengan statistika deskriptif dapat disajikan dalam bentuk tabel distribusi frekuensi, histogram, steam and leaf (diagram batang daun) atau box plot (diagram kotak garis). Analisis data dengan statistika inferensial sesuai dengan hipotesis penelitian yang akan diuji.

              Setelah melalui tahap pengumpulan data, peneliti harus menetapkan jenis analisa yang akan digunakan sesuai dengan tingkat kebutuhan penelitian. Kita kenal dua jenis analisa data : Analisa data kualitatif dan Analisa data kuantitatif.

1. Analisis Data Kualitatif

                  Analisis data kualitatif sangat berbeda dengan analisis data kuantitatif karena sudah jelas ada parameternya untuk menguji hipotesis yang diajukan penulis dan hasil penelitian adalah menjawab hipotesis yang biasanya bertentangan dengan hipotesis nol dan  analisis dibuat berdasarkan jenis datanya.

                Sedangkan analisis kualitatif data diambil dari sumber mamnapun dan dengan teknik pengumpuln data yang bermacam-macam (triangulasi) sehingga dengan terus menerus variasi datanya tinggi sekali. Sehingga mengalami kesulitan dalam menganalisis.

                    Analisis data kualitatif adalah bersifat induktif yaitu suatu analisis  berdasarkan data yang diperoleh, selanjutnya dikembangkan menjadi sebuah hipotesis. Hipotesis dirumuskan berdasarkan data tersebut selanjutnya dicarikan data lagi secara berulang-ulang sehingga dapat disimpulkan apakah hipoteiss tersebut diterima atau ditolak berdasarkan data yang terkumpul. Bila berdasarkan data yang  dikumpulkan secara berulang-ulang dengan teknik triangulasi  ternyata hipotesis diterima, maka hipotesis tersebut berkembang menjadi teori.

1). Proses analisis data kualitatif dilakukan sejak sebelum terjun penelitian.

            Analisis dilakukan  terhadap data hasil studi pendahuluan atau data sekunder yang akan ditentukan untuk menentukan focus penelitian dan focus penelitian bersifat sementara sehingga kalau yang diamati tidak ditemukan maka dikembangkan dilapangan dengan merubaha fokusnya.

2). Proses sewaktu dilapangan.

            Miles dan huberman (1984)  bahwa aktifitas dalam analisis data kualitatif dilakukan secara interaktif dan berlangsung secara terus menerus sampai tuntas, sehingga datanya sudah jenuh dengan aktiftas selama analisis data antara lain : data reduction (jumlah data yang banyak perlu dirangkum, memilih hal yang pokok, mempfokuskan pada hal yang penting, dicari tema dan polan); data display (penyajian data dalam bentuk uraian singkat, bagan, hubungan antar kategori. Flowchart dan sejenisnya. Yangs erring digunakan dengan teks yang bersifat naratif); dan conclusion/verification (penarikan kesimpulan dan verifikasi).

           Spradley (1980) membagi proses analisis data kualitatif antara lain1). analisis domain (memperolah gamabaran umum dan menyeluruh dari objek/penelitian atau situasi social.2). analisis taksonomi (domain yang dipilih selanjutnya diuriakan menjadi rinci untuk mengetahui struktur inetrnalnya. Dengan observasi terfokus). 3). Analisis komponensial (mencari cirri-ciri spesifika pada setiap struktur internal dengan acara mengkontraskan antar elemen dengan pertanyaan yang mengkontraskan melalui observasi dan wawancara terseleksi). 4). Analisis tema cultural (mencari hubungan diantara domain dan bagaimana hubungan dengan keseleuruhan dan elanjutnya dinyatakan kedalam tema/judul penelitian)

2. Analisis Data Kuantitatif.

                Setelah data terkumpul maka dilakukan analisis data dengan kegiatan : mengelompokan data berdasarkan variable dan jenis responden, mentabulasi data berdasarkan variable dari seluruh responden, menyajikan data tiap variable yang diteliti, melakukan perhitungan untuk menjawab rumusan masalah dan melakukan perhitungan untuk menguji hiotesis. Semua analisis mengunakan statistika. Analisis data kuantitatif sangat ditentukan dengan jenis variable datanya, sebagaimana telah diaungkapkan dalam bab sebelumnya.

---

[1] Sugiono, metode penelitian kuantitatif kualitatif dan R&D, Alafabeta, 2012. H.244.

[2] Muhammad, Metode Penelitian Bahasa, Ar-Ruzzmedia, 2011, h.222

*Mahasiswa program Doktoral Universitas Negeri Jakarta

ANALISIS JALUR

ANALISIS jalur pertama kali diperkenalkan oleh Sewall Wright (1921), seorang ahli genetika, namun kemudian dipopulerkan oleh Otis Dudley Duncan (1966), seorang ahli sosiologi. Analisis jalur bisa dikatakan sebagai pengembangan dari konsep korelasi dan regresi, dimana korelasi dan regresi tidak mempermasalahkan mengapa hubungan antar variabel terjadi serta apakah hubungan antar variabel tersebut disebabkan oleh variabel itu sendiri atau mungkin dipengaruhi oleh variabel lain.

  

 A. DEFINISI

     Path Analysis (PA) atau analisis jalur adalah keterkaitan antara variable independent, variable intermediate, dan variable dependent yang biasanya disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang menunjukkan arah pengaruh antara variabel exogenous, intermediary, dan variabel dependent. Terkadang besaran pengaruh di gambarkan dengan ketebalan anak panah. Path analysis hanya berkaitan dengan REGRESI GANDA dengan VARIABEL YANG TERUKUR.

     Analisis jalur merupakan teknik statistik untuk menguji hubungan kausal antara dua atau lebih variabel, berdasarkan persamaan linier. Teknik ini dikembangkan sejak tahun 1939 oleh Sewall Wright. Hubungan kausal ini ada yang langsung X→Z dan juga ada yang tak langsung tetapi melalui variabel antara Y ialah X Y → Z. Jalur yang di gambarkan dengan tanda panah ini merupakan → hipotesis yang akan di uji berdasarkan data lapangan.

Berbeda dengan korelasi dan regresi, analisis jalur mempelajari apakah hubungan yang terjadi disebabkan oleh pengaruh langsung dan tidak langsung dari variabel independen terhadap variabel dependen, mempelajari ketergantungan sejumlah variabel dalam suatu model (model kausal), dan menganalisis hubungan antar variabel dari model kausal yang telah dirumuskan oleh peneliti atas dasar pertimbangan teoritis. Melalui analisis jalur kita akan menguji seperangkat hipotesis kausal dan menginterpretasikan hubungan tersebut (langsung atau tidak langsung).

Asumsi yang digunakan dalam analisis jalur yaitu:

1. Linearity: keterkaitan/ hubungan antar variabel adalah linier.
2. Interval level data disarankan jangan menngunakan variabel dummy.
3. Residual (unmeasured) variables hanya berkorelasi dengan satu variabel dalam model yang ada panah langsung.
4. Low multicollinearity (secara teoretis tidak ada korelasi yang signifikan antar variabel exogen).
5. No under identification or under determination of the model is required. For underidentified models there are too few structural equations to solve for the unknowns. Overidentification usually provides better estimates of the underlying true values than does just identification.
6. Adequate (ukuran sample diperlukan agar signifikan). Kline (1998) merekomendasikan 10 sd 20 kali parameter yang akan di estimasikan.

Contoh model analisis jalur:

Dengan notasi-notasi yang digunakan sebagai berikut:

1. γ (gamma)    : koefisien pengukur hubungan antara variabel endogen dengan eksogen
2. β (beta)    : koefisien yang mengukur hubungan antar variabel dependen (endogen).
3. ϕ (hi)    : koefisien yang mengukur hubungan antar variabel independen (eksogen).
4. ζ (zeta)    : varian peubah latent yg tdk terjelaskan model
5. Y        : variabel dependen (endogen)
6. X        : variabel independen (eksogen)

Langkah-langkah dalam analisis jalur sebagai berikut:

1. Merancang model berdasarkan konsep dan teori

2. Pemeriksaan terhadap asumsi yang melandasi

3. Pendugaan parameter atau perhitungan koefisien jalur

4. Pengujian model

5. Interpretasi model

Structural Equation Modeling (SEM) 
Model analisis yang padaumumnya menggabungkan antara dua bagian ialah i). pembentukan variabel LATENT dan ii). Pembangunan model struktural. Analisis jalur merupakan bagian (subset) dari SEM adalah gabungan antara REGRESI GANDA dengan variabel LATENT yang di bangun dengan analisis faktor dari butir butir/indikator/ item atas variabel laten tersebut.

Hox dan Bechger (2002) menyebutkan bahwa SEM adalah suatu kombinasi analisis faktor dan analisis regresi atau analisis jalur. Selanjutnya dikatakan bahwa dalam penyusunan variabel latent didasarkan atas theoretical constructs yang juga di hitung berdasarkan metode regresi. Selanjutnya model structural didasarkan atas covariances antara variabel exogen,variabel antara, dan variabel endogen.

Oleh karenanya model structural ini juga sering disebut covariance structure modeling. Disana juga dikatakan bahwa “ Now days structural equation models need not be linear, and the possibilities of SEM extend well beyond the original Lisrel program”.

Variabel eksogen (exogenous) adalah variabel yang tidak ada anak panah mengarahnya. Jika dua varaibel eksogen berkorelasi di tunjukkan dengan panah dua arah.

Variabel endogen (endogenous) yang terdiri dari variabel antara dan variabel dependen. Variabel antara terdapat anak panah yang datang dan juga yang pergi. Sedangkan variabel dependen hanya terdapat panah yang datang menujunya.

Variabel LATENT adalah variabel yang diukur dengan indikator-indikator (item-tem atau butir-butir) nya, misalnya variabel kesejahteraan, kepuasan, partisipasi, pemahaman, dll. Cara klasik data variabel latent dengan menjumlahkan skor butir-butir yang valid dan reliable. Cara yang terbaik dalam SEM adalah di hitung dengan menggunakan metode confirmatory factor analysisis (CFA) . Dalam CFA dirancang sedemikian rupa agar setiap butir/item menyumbang (Loading) kepada satu variabel latent saja. Besaran sumbangan ini biasa disebut LOADING yang berbeda beda sesuai dengan derajat variabilitas dan tingkat korelasi terhadap item item yang lainnya. Hox dan Bechger (2002) menyebutkan CFA confirmatory (restricted) factor analysis menjamin bahwa setiap item hanya akan memberikan loading kepada satu variabel latent saja .

Path coefficient/ path weight 
pada umumnya adalah koefisien regresi yang distandarkan (artinya regresi dimana semua variabelnya dalam bentuk z-score).
Disturbance terms adalah residual error yang besarannya sama dengan(1 - R2). Dia mengukur sisa pengaruh faktor lain kepada suatu variabel exogen.
Significance and Goodness of Fit. Testing setiap koefisien dengan t-tes atau F-test. Sedangkan untuk test kecocokan suatu model dengan jika Chi-square dg P > 0.05 dan RMSEA < 0.05. Hox dan Bechger (2002) menyebutkan Goodness of fit (Tuna Cocok) dengan chi squared dengan p-value lebih besar dari 0.05 persen baru dikatakan model SEM cocok pada data empiris.

LANGKAH-LANGKAH PATH ANALYSIS

Menurut Ferdinand (2006), ada tujuh langkah yang harus dilakukan untuk menyiapkan analisis jalur, yaitu:

1. Pengembangan Model Teoritis

Dalam SEM, hal yang harus dilakukan adalah melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka guna mendapatkan justifikasi atas model teoritis yang dikembangkan. SEM digunakan bukan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasi model teoritis tersebut melalui data empirik.

2. Pengembangan Path Diagram atau diagram alur

    Dalam langkah kedua ini, model teoritis yang telah dibangun pada tahap pertama akan digambarkan dalam sebuah path diagram, yang akan mempermudah untuk melihat hubungan-hubungan kausalitas yang ingin diuji. Dalam diagram alur, hubungan antar konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu konstrak dengan konstrak lainya. Sedangkan garis-garis lengkung antar konstruk dengan anak panah pada setiap ujungnya menunjukkan korelasi antar konstruk. Konstruk yang dibangun dalam diagram alur dapat dibedakan dalam dua kelompok, yaitu:

a. Exogenous constructs atau konstruk eksogen

Dikenal juga sebagai source variables atau independent variables yang tidak diprediksi oleh variabel lain dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan satu ujung panah.

b. Endogenous construct atau konstruk endogen

Merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk endogen hanya dapat berhubungan kausal dengan konstruk endogen.

3. Konversi diagram alur ke dalam persamaan struktural dan model pengukuran

Persamaan yang didapat dari diagram alur yang dikonversi terdiri dari:

• Structural Equation atau persamaan struktural

Dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Rumus yang dikembangkan adalah:

Variabel endogen = variabel eksogen + variabel endogen + error

4. Memilih matrik input dan estimasi model.

Pada penelitian ini matrik inputnya adalah matrik kovarian atau matrik korelasi. Hal ini dilakukan karena fokus SEM bukan pada data individual, tetapi pola hubungan antar responden. Dalam hal ini ukuran sampel memegang peranan penting untuk mengestimasi kesalahan sampling. Untuk itu ukuran sampling jangan terlalu besar karena akan menjadi sangat sensitif sehiungga akan sulit mendapatkan ukuran goodness of fit yang baik, setelah model dibuat dan input data dipilih, maka dilakukan analisis model kausalitas dengan teknik estimasi yaitu teknik estimasi model yang digunakan adalah Maximum Likehood Estimation Method. Teknik ini dipilih karena ukuran sampel yang digunakan dalam penelitian ini adalah kecil (100-200 responden).

5. Menganalisa kemungkinan munculnya masalah identifikasi

   Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan model yang dikembangkan menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk.           Disebutkan oleh Ferdinand (2006), beberapa indikasi problem identifikasi:

a. Standard error untuk satu atau beberapa koefisien adalah sangat besar.

b. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan.

c. Munculnya angka-angka yang aneh seperti adanya varians error yang negatif.

d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat (misalnya lebih dari 0,9)

6. Evaluasi kriteria goodness of fit

      Pada tahap ini dilakukan pengujian terhadap kesesuaian model terhadap berbagai kriteria goodness of fit. Disebutkan oleh Ferdinand (2006), beberapa indeks kesesuaian dan cut of value untuk menguji apakah sebuah model dapat diterima atau ditolak antara lain:

a. X² - Chi-Square statistik, di mana model dipandang baik atau memuaskan bila nilai Chi-Square-nya rendah. Semakin kecil nilai Chi-Square, semakin baik model itu dan diterima berdasarkan probabilitas dengan cutoff value sebesar p>0.05 atau p>0.10.

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

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

d. AGFI (Adjusted Goodness of Fit Index), di mana tingkat penerimaan yang direkomendasiakan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0.90.

e. CMIN/DF, adalah The Minimum Sample Discrepancy Function yang dibagi dengan Degree of Freedom. CMIN/DF tidak lain adalah statistic Chi-Square, X² dibagi DF-nya, disebut X² relatif. Bila nilai X² reltif kurang dari 2.0 atau 3.0 adalah indikasi dari acceptable fit antara model dan data.

f. TLI (Tucker Lewis Index), merupakan incremental index yang membandingkan sebuah model yang diuji terhadap sebuah base line model, di mana nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah ≥0.95 dan nilai yang mendekati 1 menunjukkan a very good fit.

g. CFI (Comparative Fit Index), di mana mendekati 1, mengindikasikan tingkat fit yan paling tinggi. Nilai yang direkomendasikan adalah CFI ≥0.95

       Dengan demikian indeks-indeks yang digunakan untuk menguji kelayakan sebuah model adalah seperti dalam tabel berikut ini:

                                          Tabel  Good of Fit Index untuk Evaluasi Model

Goodness   OF   fit index	Keterangan	Cut-off Value
Chi-square	Menguji apakah covariance populasi yang diestimasi sama dengan covariance sampel (apakah model sesuai dengan data).  Bersifat sangat sensitive untuk sampel besar (di atas 200)	Diharapkan Kecil
Probability	Uji signifikansi terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi	³ 0,05
RMSEA	Mengkompensasi kelemahan Chi-Square pada sample besar	£ 0,08
GFI	Menghitung proporsi tertimbang varians dalam matriks sampel yang dijelaskan oleh matriks covariance populasi yang diestimasi (analog dengan R2 dalam regresi berganda)	³ 0,90
AGFI	GFI yang disesuaikan terhadap DF	³ 0,90
CMIND/DF	Kesesuaian antara data dan model.	£ 2,00
TLI	Pembandingan antara model yang diuji terhadap base line model	³ 0,95
CFI	Uji kelayakan model yang tidak sensitive terhadap besarnya sample dan kerumitan model	³ 0,94

Sumber: Ferdinand, A. (2002)

7. Interpretasi dan Modifikasi Model

         Tahap akhir ini adalah melakukan interpretasi dan modifikasi bagi model-model yang tidak memenuhi syarat-syarat pengujian. Hair et. al. (dalam Ferdinand, 2006) memberikan pedoman untuk mempertimbangkan perlu tidaknya modifikasi model dengan melihat jumlah residual yang dihasilkan oleh model tersebut. Batas keamanan untuk jumlah residual adalah 5%. Bila jumlah residual lebih besar dari 2% dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan. Bila ditemukan bahwa nilai residual yang dihasilkan model cukup besar (yaitu ≥2.58) maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah sebuah alur baru terhadap model yang diestimasi itu. Nilai residual value yang lebih besar atau sama dengan ± 2.58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5%.