Efek Moderasi Pada Pemodelan Struktural PDF

Preview

Summary

PROSIDING SEMINAR NASIONAL MATEMATIKA DAN STATISTIKA ( SEMASTAT ) 2016 EDITOR Dr. Ir. Hari Wijayanto, M.Si Dr. Anang Kurnia,M.Si Prof. Dr. Ahmad Fauzan, M.Pd, M.Sc Prof. Dr. I Made Arnawa, M.Si Dr. Yerizon, M.Si STRUKTUR PANITIA SEMINAR NASIONAL MATEMATIKA DAN MUSYAWARAH NASIONAL FORSTAT 2016 Pelin...

Description

PROSIDING SEMINAR NASIONAL MATEMATIKA DAN STATISTIKA ( SEMASTAT ) 2016

EDITOR

Dr. Ir. Hari Wijayanto, M.Si Dr. Anang Kurnia,M.Si Prof. Dr. Ahmad Fauzan, M.Pd, M.Sc Prof. Dr. I Made Arnawa, M.Si Dr. Yerizon, M.Si

STRUKTUR PANITIA SEMINAR NASIONAL MATEMATIKA DAN MUSYAWARAH NASIONAL FORSTAT 2016

Pelindung

: Rektor Universitas Negeri Padang

Penanggung Jawab

: Dekan FMIPA Universitas Negeri Padang

Pengarah

:

1. Dr. Anang Kurnia, M. Si. (Ketua FORSTAT) 2. Ketua Jurusan Matematika FMIPA UNP (M. Subhan, M. Si)

Panitia Pelaksana Ketua

: Drs. Syafriandi, M. Si

Sekretaris

: Yenni Kurniawati, M.Si

Bendahara

: Dra. Nonong Amalita, M. Si

Kesekretariatan

:

Divisi Publikasi

:

Divisi Acara

:

Divisi Dana

:

Divisi Transportasi

:

Koordinator : Suherman, M.Si Anggota : 1. Dra.Media Rosha, M.Si 2. Fitri Mudia Sari, M. Si 3. Elvi Silvia, S.Si Koordinator : Dr. Yerizon, M.Si Anggota : 1. Dr. Armiati, M.Pd 2. Dra. Helma, M.Si 3. Doni Fisko, S.Si 4. Julianto Koordinator : Dra. Sri Elniati, M.A Anggota : 1. Heru Maulana, M.Si 2. Meira Parma Dewi, M.Kom Koordinator : Drs. H. Yarman, M.Pd Anggota : 1. Dra. Arnellis, M.Si 2. Dr. Ali Asmar, M.Pd Koordinator : Dr. Irwan, M.Si Anggota : 1. Drs. Hendra Syarifuddin, Ph.D 2. Fridgo Tasman, M.Sc

Divisi Tamu

:

Divisi Tempat dan

:

Perlengkapan

Divisi Konsumsi

:

Koordinator : Drs. Mukhni, M.Pd Anggota : 1. Dra. Elita Zusti Djamaan, M.A 2. Dra. Fitrani Dwina, M.Ed Koordinator : Dr. Edwin Musdi Anggota : 1. Riry Sriningsih, M. Sc 2. Defri Ahmad, S.Pd, M.Si 3. Drs. Yusmet Rizal, M.Si 4. Afridon Koordinator : Dra. Dewi Murni, M.Si Anggota : 1. Mirna, M.Pd 3. Dra. Minora L. Nasution, M.Pd 2. Dra. Jazwinarti, M.Pd

DAFTAR ISI Halaman 1

ANALISIS SPATIAL DAN PREDIKSI MUTU AIR SUNGAI PH DAN SUHU UNTUK BERBAGAI FUNGSI AUTOKOVARIANS (KASUS: SUNGAI CITARIK, JAWA BARAT) Achmad Bachrudin, Sukono, Sudradjat, Norizan Bt Mohamed

1

2

PENERAPAN METODE ADVANCED MEASURED APPROARCH PADA DATA EKSTRIM DALAM MENANGGULANGI MODAL OPERASIONAL PERBANKAN INDONESIA Achmad Zanbar Soleh, Lienda Noviyanti

14

3

EFEK MODERASI PADA PEMODELAN STRUKTURAL (Studi Kasus: Kinerja Dosen dan Karyawan Universitas Nusantara PGRI Kediri) Amin Tohari

23

4

LISA DALAM MENGANALISA PENYEBARAN PEMINAT PRODI MATEMATIKA FMIPA UNM JALUR SNMPTN 2015 Aswi, Sukarna, Muhammad Abdy

33

5

PENGAJARAN MATERI STATISTIKA DESKRIPTIF DENGAN PERANGKAT LUNAK SUMBER TERBUKA RCMDRPLUGIN.SPSS Dedi Rosadi

43

6

PENDUGAAN PARAMETER OVERDISPERSI DALAM PENGEPASAN MODEL PADA DATA DENGAN RESPON BANYAK NOL (SPARSE DATA) Dian Handayani, Anang Kurnia, Kusman Sadik

50

7

MODIFIKASI METODE ARRSES DAN APLIKASINYA Erna Tri Herdiani, Riska Amalia, M. Saleh AF

60

8

SKEWED LAPLACE DISTRIBUTION FOR EUROPEAN CALL OPTION PRICING Evy Sulistianingsih, Neva Satyahadewi, Muhlasah Novitasari Mara, Yundari

66

9

PENERAPAN TEKNIK BOOTSTRAP PADA ANALISIS SEM Ferra Yanuar

73

EFEK MODERASI PADA PEMODELAN STRUKTURAL (Studi Kasus: Kinerja Dosen dan Karyawan Universitas Nusantara PGRI Kediri) Amin Tohari Fakultas Ekonomi Universitas Nusantara PGRI Kediri e-mail: [email protected]

Abstract. Frequently social and management research faced by the situation that there is more than one dependent variable that must be connected each other to an unknown degree of relationship, so that the appropriate analysis method is needed in dealing with complex issues that multivariate analysis using Structural Equation Modeling (SEM). In its development, SEM enable an association between an exogenous variables to endogenous variables influenced by the other latent variables. The influence of a latent variables that effect the relationship between a latent variable exogenous and endogenous latent variable called Moderated Structural Equation Modeling (MSEM). The study was conducted to know whether the individual personality can moderate the effect of job stress to performance or not by using software Amos 21. The analysis result showed that the statistically significant effect of job stress to performance and individual personality can not moderate job stress to performance. Keywords: Moderation Effects, Structural Modeling, Job Stress, Individual Personality and Performance

1. Pendahuluan Dalam penelitian, ada banyak variabel yang diamati saling berpengaruh, sehingga analisis secara univariate tidak bisa dilakukan, karena harus memperhitungkan pengaruh variabel satu terhadap variabel yang lain. Menghadapi permasalahan seperti ini maka penyelesaiannya adalah menggunakan pendekatan analisis multivariat. Kenyataannya, seringkali dalam penelitian sosial dan manajemen dihadapkan pada situasi bahwa variabel yang digunakan berbentuk laten atau konstruk yang dibangun dari beberapa variabel manifes atau indikator, sehingga diperlukan metode analisis multivariate yang mengakomodir hubungan antar variabel laten yaitu structural equation modeling (SEM). Variabel observasi atau juga disebut manifest variable adalah variabel yang datanya harus dicari melalui penelitian lapangan misalnya malalui instrumen-instrumen survey [1]. Variabel observasi digunakan sebagai indikator dari latent constructs atau variabel laten. Pada hakekatnya pengembangan model dalam SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat, sehingga kajian teori yang mendalam untuk mendapatkan sebuah justifikasi teoritis untuk model yang akan diuji adalah syarat mutlak dalam SEM [2]. Lebih lanjut Ghozali [3] mengungkapkan bahwa SEM merupakan gabungan dari analisis faktor dan analisis jalur (path analysis) menjadi satu metode statistika yang komprehensif. Dalam contoh-contoh SEM (Structural Equation Modeling) model hanya memiliki hubungan langsung ataupun tidak langsung. Namun dikembangkan lagi suatu pendekatan yang memungkinkan hubungan antara suatu variabel independen terhadap variabel dependen yang dipengaruhi oleh variabel laten lainnya. Pengaruh suatu variabel laten yang berpengaruh terhadap hubungan antara suatu variabel laten Prosiding SEMASTAT 2016 ISBN, 978-602-19877-4-2

23

independen dan variabel laten dependen disebut Moderated Structural Equation Modeling. Variabel moderasi menurut Sekaran [4] adalah variabel yang mempunyai ketergantungan (contingent effect) yang kuat dengan hubungan variabel terikat (endogen) dan variabel bebas (eksogen). Tujuan adanya variabel moderating yaitu mempengaruhi atau mengubah hubungan awal antara variabel bebas (eksogen) dan variabel terikat (endogen). Pengertian dan Konsep Dasar Structural Equation Model (SEM) Dalam pemodelan menggunakan Structural Equation Modelling (SEM) terdapat beberapa bagian yang saling berhubungan dalam membentuk model [5]. a. Konstruk laten, yaitu konsep yang tidak secara langsung dapat didefinisikan, tetapi diukur berdasarkan indikator. b. Variabel manifest, yaitu indikator-indikator untuk mengukur variabel laten. c. Variabel eksogen, yaitu variabel yang memberikan efek pada variabel lainnya. d. Variabel endogen, yaitu efek dari variabel eksogen. e. Diagram Jalur, yaitu diagram yang menggambarkan hubungan kausal antar variabel. Pada metode SEM dilakukan pengujian model struktural dan model pengukuran secara bersama-sama. Pengujian model struktural merupakan pengujian hubungan antara konstruk (variabel laten yang tidak dapat diukur secara langsung dan memerlukan beberapa indikator dalam pengukurannya) yang meliputi independen dan dependen, sedangkan pengujian model pengukuran merupakan pengujian hubungan antara indikator dengan konstruk. Confirmatory Factor Analysis (CFA) Confirmatory Factor Analysis (CFA) merupakan metode yang digunakan untuk menguji measurement model yang menggambarkan hubungan antara variabel laten dengan indikator-indikatornya [2]. Pada measurement model dilakukan pengujian model yang terdiri dari satu variabel laten dengan p indikator yang ditunjukkan pada Gambar 1. λ1 ξ

λ2

x1

δ1

x2

δ2





xp

δp



λp

Gambar 1 Measurement Model Secara metematis Gambar 1 dijelaskan dengan persamaan berikut. x1 = λ1ξ + δ1 x2 = λ2ξ + δ2 

xp = λpξ + δp Persamaan-persamaan tersebut dapat dinotasikan dalam bentuk matriks yang ditunjukkan pada persamaan 1. X  ΛX ξ   (1) dengan : Prosiding SEMASTAT 2016 ISBN, 978-602-19877-4-2

24

= matriks variabel indikator Λ X = matriks lambda (loading faktor) = matriks variabel laten ξ  = error CFA bertujuan untuk mengkonfirmasi teori yang telah ada dalam mengukur keakuratan parameter. Signifikansi indikator-indikator dalam mengukur variabel laten dapat diketahui dengan menggunakan statistik uji t. Statistik uji t digunakan karena loading factor (λi) dalam CFA menggunakan standardized estimate dimana memiliki kedudukan yang sama dengan besaran regresi [2]. H0 : λi = 0 (loading faktor tidak signifikan dalam mengukur variabel laten) H1 : λi ≠ 0 (loading faktor signifikan dalam mengukur variabel laten) dimana i = 1, 2, ... , p variabel indikator Statistik uji t dapat dihitung dengan persamaan 2. X

t

ˆi S (ˆi )

(2)

dimana ˆi = taksiran parameter hubungan kausal S (ˆi ) 

ˆ 2 n

(X

i

 X 2)

i 1

ˆ 2 = varian dari variabel pengamatan X X i = nilai pengamatan X X = rata-rata nilai pengamatan X Bila t < t(α,df) atau P-value lebih besar dari α maka gagal tolak H0 dan λi tidak signifikan dalam mengukur dimensi variabel laten sehingga dikatakan tidak terbentuk unidimensionalitas [2]. Reliabilitas variabel laten dapat diketahui dengan menghitung nilai construct reliability (  c ) yang ditunjukkan dalam persamaan 3. 2

 p    i   i 1  c   p  2  p     i      i    i 1   i 1  

(3)

dimana  c = construct reliability  = loading factor indikator  = error indikator p = banyaknya indikator variabel laten Variabel laten dikatakan reliabel jika nilai Construct Reliability yang dihasilkan lebih besar dari 0,7 [6]. Persamaan Matematis Structural Equation Modelling (SEM) Model lengkap (hybrid) dalam Structural Equation Modeling diberikan oleh persamaan sebagai berikut [5]: (I - B) η = Γξ + ζ

(4)

keterangan: Prosiding SEMASTAT 2016 ISBN, 978-602-19877-4-2

25

I = Matriks identitas m x m B = Matriks koefisien variabel laten endogen m x m Γ = Matriks koefisien variabel laten eksogen m x n η = Vektor kolom variabel laten endogen m ξ = Vektor kolom variabel laten eksogen m ζ = Vektor error model m Selanjutnya untuk model pengukuran diberikan oleh persamaan sebagai berikut. Y = Λy ξ + ε (5) X = Λx ξ + δ (6) dimana model persamaan (5) berkaitan dengan model pengukuran variabel laten endogen, sedangkan persamaan (6) adalah model pengkuran variabel laten eksogen. Sehingga jika Λy=Im; Λx=In dan Θδ=Θε=0 maka model tereduksi kedalam model klasik ekonometrika yang merupakan model regresi linear sebagai berikut : (I - B) Y = ΓX + ζ

(7)

Keseusaian Model SEM Indikator kesesuaian model SEM dapat dilihat dari beberapa ukuran diantaranya Chi-Square Statistic, Goodnest of Fit Indices (GFI), Adjusted Goodnest of Fit Index (AGFI), Root Mean Square Error of Approximation (RMSEA), dan Comparative Fit Index (CFI) [6]. Nilai kritis yang direkomendasikan untuk indikator-indikator kesesuaian model dapat ditunjukkan pada tabel 1 [7]. Tabel 1 Nilai Kritis Indikator Kesesuaian Model Indikator Kesesuaian Model Fit Model Dapat Diterima Model 2 Chi-square 0 ≤ χ ≤ 2df 2df < χ2 ≤ 3df P-value 0,05 < P-value ≤ 1,00 0,01 ≤ P-value ≤ 0,05 GFI 0,95 ≤ GFI ≤ 1,00 0,90 ≤ GFI < 0,95 AGFI 0,90 ≤ AGFI ≤ 1,00 0,85 ≤ AGFI < 0,90 RMSEA 0 ≤ RMSEA ≤ 0,05 0,05 < RMSEA ≤ 0,08 CFI 0,97 ≤ CFI ≤ 1,00 0,95 ≤ CFI < 0,97 TLI 0,97 ≤ TLI ≤ 1,00 0,95 ≤ CFI < 0,97 Moderating Structural Equation Modeling (MSEM) Pada MSEM (Moderating Structural Equation Modeling) terdapat ketergantungan hubungan yang kuat antara variabel eksogen dalam mempengaruhi variabel endogen. Dalam hal ini efek moderating dapat dikatakan sebagai interaksi antara variabel eksogen [8]. Efek moderating yang dapat memperkuat hubungan antara variabel eksogen terhadap variabel endogen diilustrasikan pada Gambar 2 [9].

Prosiding SEMASTAT 2016 ISBN, 978-602-19877-4-2

26

Z

12

2

 23

3

X *Z 13

Y

1

X

Gambar 2. Moderating Structural Equation Modeling Sementara, interaksi antara variabel eksogen ditunjukkan pada Gambar 3 sebagai berikut.  11

x1

 12

x2

X 13

  1i

xi

12

 x1  x2    xi  z1  z2    zi  X *Z

xz  x  z k

k

 21

z1

 22

z2

j

 XZ

j

 23

Z

  2i

zi

Gambar 3. Interaksi Variabel Eksogen Pada MSEM 2. Metode Metode dan tahapan analisis yang akan digunakan dalam penelitian ini adalah sebagai berikut: a. Mengembangkan model berbasis teori untuk merancang model struktural (hubungan antar variabel laten) dan model pengukuran (hubungan variabel laten dengan indikatornya). b. Membuat diagram jalur (path diagram) yang menjelaskan pola hubungan antara variabel laten eksogen dengan variabel latan endogen serta variabel laten dengan indikatornya, seperti berikut.

Prosiding SEMASTAT 2016 ISBN, 978-602-19877-4-2

27

Gambar 4. Diagram Jalur (Path Diagram) MSEM.

c. d. e. f. g.

Dari model pada gambar 4 diatas, maka hipotesis yang diajukan dalam makalah ini adalah sebagai berikut : H1 : Stres Kerja berpengaruh signifikan terhadap kinerja. H2 : Kepribadian Individu berpengaruh signifikan terhadap kinerja. H3 : Kepribadian Individu merupakan variable moderating pengaruh stress kerja terhadap kinerja Mengkonversi diagram jalur ke sistem persamaan measurement dan structural Menilai Kriteria Goodness of Fit Mengestimasi parameter  (estimasi koefisien jalur),  (estimasi loading factor) Menguji hipotesis Interpretasi hasil Menginterpretasi hasil-hasil pengujian yang telah dilakukan dan membuat kesimpulan akhir.

3. Hasil dan Pembahasan Confirmatory Factor Analysiss (CFA) Analisis konfirmatori atau sering disebut dengan Confirmatory Factor Analysis (CFA) digunakan untuk menguji validitas suatu konstruk teoritis. Variabel laten yang digunakan dalam penelitian dibentuk berdasarkan konsep teoritis dengan beberapa indikator atau manifest atau dapat dikatakan apakah indikator-indikator tersebut merupakan indikator yang valid dan reliabel sebagai pengukur konstruk laten. Berdasarkan hasil análisis diketahui indikator-indikator pada variabel laten stres kerja, kepribadian individu dan kinerja dinyatakan valid karena memiliki loading factor (  ) lebih besar 0.5. Masing-masing variabel laten juga dinyatakan reliabel, karena memiliki nilai construct reliability lebih besar dari 0.7, dimana nilai construct reliability untuk variabel stress kerja adalah sebesar 0.814, nilai construct reliability untuk variabel kepribadian individu adalah sebesar 0.735 dan nilai construct reliability untuk variabel kinerja adalah sebesar 0.830. Analisis SEM Moderating Tahap pertama yang harus dilakukan adalah menganalisis pengaruh antara stres kerja dan kepribadian individu terhadap kinerja. Hasil dari SEM dengan menggunakan Prosiding SEMASTAT 2016 ISBN, 978-602-19877-4-2

28

Amos 21.0 menghasilkan estimasi  dan  pada variabel stres kerja dan kepribadian individu seperti dalam tabel 2 berikut: Tabel 2 Error Variance dan Loading Factor Stress Kerja Kepribadian Individu Indikator  (loading  (error  (loading  (error variance) factor) variance) factor) 0.186 0.599 z1 0.165 0.556 0.198 0.651 z2 0.183 0.536 0.193 0.592 z3 0.122 0.712 0.133 0.574 z4 0.145 0.648 0.217 0.579 z5 0.155 0.613 0.112 0.549 0.770 3.065 0.142 0.564 0.186 0.563 1.367 4.671

Indikator x1 x2 x3 x4 x5 x6 x7 x8

Untuk mendapatkan  interaksi yang merupakan loading factor dari variabel laten ineteraksi dan error variance dari indikator variabel laten interaksi dilakukan dengan menggunakan formula sebagai berikut : mod erating  (1  2  .....  8 )(9  10  ....  13 ) = (4.671)(3.065) = 14.317

  ( x1   x2  .....   x8 ) 2VAR(stres kerja)( z1   z2  ....   z5 )  ( z1   z2  ....   z5 ) 2VAR(kepribadian individu)( x1   x2  ...   x8 )  ( x1   x2  ...   x8 )( z1   z2  ....   z5 ) = (21.818)(0.086)(0.770)+(9.394)(0.093)(1.367)+(1.367)(0.770) = 1.445+1.194+1.053 = 3.692

Setelah  moderating dan  moderating diperoleh dari tahap pertama, maka nilai  moderating sebesar 14.317 dan  moderating sebesar 3.692 dimasukkan pada tahap ke dua. Sebelum masuk dalam analisis SEM lebih lanjut model harus memenuhi asumsi normal mutivariate dan tidak ada outiler. Hasil akhir moderating structural equation modeling (MSEM) adalah sebagai berikut:

Prosiding SEMASTAT 2016 ISBN, 978-602-19877-4-2

29

Gambar 5. Hasil Analisis MSEM Berikut adalah hasil pengujian goodness of fit pada MSEM: Tabel 3 Pengujian Goodness Of Fit MSEM Goodness Of Fit Cut-off Hasil Keterangan Index Value Model Chi-Square 176.294 227.939 Tidak Baik Probability Chi-Square > 0.05 0,000 Tidak Baik Cmin/DF 1.605 Baik  2.00 RMSEA 0.058 Baik  0.08 GFI Marginal 0.883  0.90 AGFI Marginal 0.844  0.90 CFI Baik 0.958  0.95 TLI Baik 0.949  0.95 Berdasarkan Tabel 3, terlihat bahwa sebagian besar kriteria goodness of fit sudah baik dan marginal, sehingga model sudah dapat diterima dan dapat dilakukan pengujian hipotesis.

Pengujian Hipotesis Berikut adalah standardized regression weight model persamaan struktural sebagai hasil pengujian: Tabel 4 Standardized Regression Weight Structural Model Kausalitas Standardized S.E. C.R. P Estimate Kinerja...