MENGIDENTIFIKASI MODEL
Analisis SEM hanya dapat dilakukan apabila hasil identifikasi model menunjukkan bahwa model termasuk dalam kategori over-identified (diidentifikasi secara menyeluruh). Identifikasi ini dilakukan dengan melihat nilai df dari model yang dibuat. Model termasuk kategori over-identified karena memiliki nilai df positif.
ESTIMASI MODEL
Normalitas Data
Data terdistribusi normal secara multivariat, apabila nilai c.r. data keseluruhan berada di rentang nilai c.r. yaitu -2,58 s.d. +2,58.
Menurut Joreskog dan Sorbom (1982), normalitas data memang sulit dicapai pada praktiknya.
Hair, et al (2006). menyatakan bahwa data yang tidak terdistribusi normal akan memiliki efek yang serius pada data yang jumlahnya sedikit, yakni kurang dari 50 data, sementara semakin banyak jumlah data, maka efeknya semakin berkurang.
Hoyle dan Panter (1995) menjelaskan bahwa teknik estimasi MLE (Maximum Likelihood Estmation) masih bisa digunakan meskipun asumsi normalitas data tidak dipenuhi.
Oleh karena itu, meskipun setelah dilakukan penghapusan outlier distribusi data masih tidak normal, analisis data tetap dilanjutkan.
Hoyle dan Panter (1995) dalam Elmore (2006), menjelaskan bahwa teknik estimasi maksimum likelihood tetap dapat digunakan meskipun asumsi normalitas tidak tercapai, sehingga analisis data tetap dapat dilanjutkan.
Normalitas multivariat diperlukan untuk estimasi kemiripan maksimum/maximum likelihood estimation (MLE), yang merupakan metode dominan dalam SEM yang akan digunakan untuk membuat estimasi koefesien-koefesien (jalur) struktur.
Outlier Data
Outlier bisa dilihat dari nilai mahalanobis distance yang memiliki nilai p1 dan p2 yang dihasilkan bernilai < 0,05. Dari tabel output AMOS.
Multikolinearitas
Multikolinearitas ada apabila terdapat nilai korelasi antar indikator yang nilainya ≥ 0,9
MENGUJI KELAYAKAN MODEL
Tahap pengujian kelayakan model terdiri dari dua tahapan pengujian, yakni pengujian measurement model dan structural model. Untuk menguji validitas measurement model, pengujian GOF (Goodness of Fit Test) dilakukan untuk mengetahui seberapa fit model dengan data penelitian yang diperoleh.
Penghapusan indikator yang memiliki factor loading < 0,50 dapat dilakukan untuk membuat hasil pengujian GOF menjadi lebih baik.
Bilamana indikator untuk variabel Voluntariness of use (sejauh mana pengguna suatu inovasi dipersepsikan secara sukarela atau bebas) bersisa hanya satu indikator, maka variabel tersebut dihapus dari model karena syarat minimal jumlah indikator setiap variabel di AMOS adalah dua indikator.
MODIFIKASI MODEL
Apabila model tidak fit dengan data, tindakan-tindakan berikut bisa dilakukan:
Teori lain yang mendasarinya adalah model kombinasi TAM dengan TPB yang digunakan Venkatesh et al (2003) sebagai pembanding dengan model UTAUT yang dikembangkannya.
Setiap kali melakukan modifikasi, tabel hasil output AMOS untuk Modificatoin Indices akan berbeda-beda.
Penambahan koneksi yang dilakukan selanjutnya adalah koneksi antara variabel error sebab koneksi antar variabel yang direkomendasikan AMOS, sudah tidak ada lagi yang didukung oleh teori.
Menurut Rozeboom (1966) dalam Kano dan Azuma, korelasi antar variabel error (unique factor covariance) akan selalu ada saat beberapa pertanyaan disampaikan dalam satu waktu, yaitu kesalahan pada satu item pertanyaan akan berpengaruh positif pada kesalahan item yang lain. Penambahan koneksi antar variabel error ini dilakukan terus-menerus hingga akhirnya model dinyatakan fit.
PENGUJIAN HIPOTESIS
Uji hipotesis dilakukan dengan melihat nilai C.R. (critical ratio) yang terdapat pada tabel output AMOS mengenai regression weights dengan membandingkan nilai kritisnya yang identik dengan nilat t hitung, yakni 1,65 pada tingkat signifikansi 5%.
Jika nilai C.R. lebih besar daripada nilai kritisnya dengan tingkat signifikansi p < 0,05, maka hipotesis yang diajukan diterima. Tetapi, apabila nilai C.R. belum dapat mencapai nilai kritisnya pada tingkat signifikansi p > 0,05, maka hipotesis yang diajukan ditolak.
DAFTAR RUJUKAN
Arbuckle, J. L. & Worthe, W., (2009), AMOS 18.0 User’s Guide. Chicago: Small Waters Corporation.
Elmore SA. 2006. Enhanced Histopathology of The Timus. Toxicol Pathol 34(5): 656-665.
Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E., and Tatham, R.L. (2006). Multivariate Data Analysis, New Jersey: Prentice-Hall International, Inc
Hoyle, R. H. & Panter, A. T., (1995). Writing About Structural Equation Models. Dalam Hoyle, R. H. Structural Equation Modeling: Concepts, Issues, and Applications. (pp. 158 – 176). California: Sage
Joreskog, K.G. and Sorbom, D. (1982). Recent Developments in Structural Equation Modeling. Journal of Marketing Research, 19, 404-416
Kano, Y. and Azuma, Y. 2003. “Use of SEM Programs To Precisely Measure Scale Reliability”. In New Developments in Psychometrics (Yanai, H. et al., Eds.), pp.141-148. Springer Verlag: Tokyo
Venkatesh, Moris, M.G., Davis, G.B., and Davis F.D. 2003. User Acceptance of InformationTechnology: Toward a Unified View. MIS Querterly, Vol.27,No.3, diakses tanggal 8 Oktober 2013
Analisis SEM hanya dapat dilakukan apabila hasil identifikasi model menunjukkan bahwa model termasuk dalam kategori over-identified (diidentifikasi secara menyeluruh). Identifikasi ini dilakukan dengan melihat nilai df dari model yang dibuat. Model termasuk kategori over-identified karena memiliki nilai df positif.
ESTIMASI MODEL
Normalitas Data
Data terdistribusi normal secara multivariat, apabila nilai c.r. data keseluruhan berada di rentang nilai c.r. yaitu -2,58 s.d. +2,58.
Menurut Joreskog dan Sorbom (1982), normalitas data memang sulit dicapai pada praktiknya.
Hair, et al (2006). menyatakan bahwa data yang tidak terdistribusi normal akan memiliki efek yang serius pada data yang jumlahnya sedikit, yakni kurang dari 50 data, sementara semakin banyak jumlah data, maka efeknya semakin berkurang.
Hoyle dan Panter (1995) menjelaskan bahwa teknik estimasi MLE (Maximum Likelihood Estmation) masih bisa digunakan meskipun asumsi normalitas data tidak dipenuhi.
Oleh karena itu, meskipun setelah dilakukan penghapusan outlier distribusi data masih tidak normal, analisis data tetap dilanjutkan.
Hoyle dan Panter (1995) dalam Elmore (2006), menjelaskan bahwa teknik estimasi maksimum likelihood tetap dapat digunakan meskipun asumsi normalitas tidak tercapai, sehingga analisis data tetap dapat dilanjutkan.
Normalitas multivariat diperlukan untuk estimasi kemiripan maksimum/maximum likelihood estimation (MLE), yang merupakan metode dominan dalam SEM yang akan digunakan untuk membuat estimasi koefesien-koefesien (jalur) struktur.
Outlier Data
Outlier bisa dilihat dari nilai mahalanobis distance yang memiliki nilai p1 dan p2 yang dihasilkan bernilai < 0,05. Dari tabel output AMOS.
Multikolinearitas
Multikolinearitas ada apabila terdapat nilai korelasi antar indikator yang nilainya ≥ 0,9
MENGUJI KELAYAKAN MODEL
Tahap pengujian kelayakan model terdiri dari dua tahapan pengujian, yakni pengujian measurement model dan structural model. Untuk menguji validitas measurement model, pengujian GOF (Goodness of Fit Test) dilakukan untuk mengetahui seberapa fit model dengan data penelitian yang diperoleh.
Penghapusan indikator yang memiliki factor loading < 0,50 dapat dilakukan untuk membuat hasil pengujian GOF menjadi lebih baik.
Bilamana indikator untuk variabel Voluntariness of use (sejauh mana pengguna suatu inovasi dipersepsikan secara sukarela atau bebas) bersisa hanya satu indikator, maka variabel tersebut dihapus dari model karena syarat minimal jumlah indikator setiap variabel di AMOS adalah dua indikator.
MODIFIKASI MODEL
Apabila model tidak fit dengan data, tindakan-tindakan berikut bisa dilakukan:
- Memodifikasi model dengan menambahkan atau menghilangkan koneksi/garis hubung
- Menambah variabel (jika data tersedia)
- Mengurangi variabel.
Teori lain yang mendasarinya adalah model kombinasi TAM dengan TPB yang digunakan Venkatesh et al (2003) sebagai pembanding dengan model UTAUT yang dikembangkannya.
Setiap kali melakukan modifikasi, tabel hasil output AMOS untuk Modificatoin Indices akan berbeda-beda.
Penambahan koneksi yang dilakukan selanjutnya adalah koneksi antara variabel error sebab koneksi antar variabel yang direkomendasikan AMOS, sudah tidak ada lagi yang didukung oleh teori.
Menurut Rozeboom (1966) dalam Kano dan Azuma, korelasi antar variabel error (unique factor covariance) akan selalu ada saat beberapa pertanyaan disampaikan dalam satu waktu, yaitu kesalahan pada satu item pertanyaan akan berpengaruh positif pada kesalahan item yang lain. Penambahan koneksi antar variabel error ini dilakukan terus-menerus hingga akhirnya model dinyatakan fit.
PENGUJIAN HIPOTESIS
Uji hipotesis dilakukan dengan melihat nilai C.R. (critical ratio) yang terdapat pada tabel output AMOS mengenai regression weights dengan membandingkan nilai kritisnya yang identik dengan nilat t hitung, yakni 1,65 pada tingkat signifikansi 5%.
Jika nilai C.R. lebih besar daripada nilai kritisnya dengan tingkat signifikansi p < 0,05, maka hipotesis yang diajukan diterima. Tetapi, apabila nilai C.R. belum dapat mencapai nilai kritisnya pada tingkat signifikansi p > 0,05, maka hipotesis yang diajukan ditolak.
DAFTAR RUJUKAN
Arbuckle, J. L. & Worthe, W., (2009), AMOS 18.0 User’s Guide. Chicago: Small Waters Corporation.
Elmore SA. 2006. Enhanced Histopathology of The Timus. Toxicol Pathol 34(5): 656-665.
Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E., and Tatham, R.L. (2006). Multivariate Data Analysis, New Jersey: Prentice-Hall International, Inc
Hoyle, R. H. & Panter, A. T., (1995). Writing About Structural Equation Models. Dalam Hoyle, R. H. Structural Equation Modeling: Concepts, Issues, and Applications. (pp. 158 – 176). California: Sage
Joreskog, K.G. and Sorbom, D. (1982). Recent Developments in Structural Equation Modeling. Journal of Marketing Research, 19, 404-416
Kano, Y. and Azuma, Y. 2003. “Use of SEM Programs To Precisely Measure Scale Reliability”. In New Developments in Psychometrics (Yanai, H. et al., Eds.), pp.141-148. Springer Verlag: Tokyo
Venkatesh, Moris, M.G., Davis, G.B., and Davis F.D. 2003. User Acceptance of InformationTechnology: Toward a Unified View. MIS Querterly, Vol.27,No.3, diakses tanggal 8 Oktober 2013
Tidak ada komentar:
Posting Komentar