Setelah dilakukan analisis konfirmatori, langkah selanjutnya adalah melakukan estimasi model Full Model Structural yang hanya memasukkan indikator yang telah diuji dengan konfirmatori, seperti berikut ini.
Model persamaan struktural ini ternyata telah memenuhi kriteria model fit yaitu ditunjukkan dengan nilai Chi-Squares = 208.784 dengan probabilitas p = 0.102. Begitu juga dengan nilai kriteria lainnya seperti GFI = 0.902, AGFI = 0.876, TLI = 0.983 yang nilainya di atas 0.90 dan juga nilai RMSEA = 0.028 jauh di bawah kriteria yang disyaratkan kurang dari 0.08. Maka dapat disimpulkan bahwa model persamaan struktural adalah fit.
Pengujian Evaluasi Asumsi Model Struktural
Normalitas
Evaluasi normalitas dilakukan dengan menggunakan kriteria critical ratio skewness value sebesar +/- 2.58 pada tingkat signifikansi 0.01. Data dapat disimpulkan mempunyai distribusi normal jika nilai critical ratio skewness value di bawah harga mutlak +/- 2.58. Hasil output normalitas data terlihat di bawah ini.
Dari nilai critical ratio skewness value semua indikator menunjukkan distribusi normal karena nilainya di bawah 2.58, kecuali indikator X21 yang memiliki critical ratio skewness value di atas 2.58 yaitu dengan nilai - 2.636. Sedangkan uji normalitas multivariate memberikan nilai cr = 2.608 sedikit di atas nilai 2.58. Jadi secara multivariate berdistribusi tidak normal.
Evaluasi Outlier
Outlier adalah kondisi observasi dari suatu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal ataupun variabel-variabel kombinasi (Hair et al., 1998). Deteksi terhadap multivariate outliers dilakukan dengan memperhatikan nilai mahalanobis distance. Kriteria yang digunakan adalah berdasarkan nilai Chi-Squares pada derajat kebebasan (degree of freedom) 34 yaitu jumlah variabel indikator pada tingkat signfikansi p < 0.001. Nilai mahalanobis distance yang lebih besar dari 66.25 adalah multivariate outliers. Berikut ini hasil output mahalanobis distance dari program AMOS 20 oleh karena nilai mahalanobis distance tidak ada yang di atas 66.25 maka dapat disimpulkan tidak ada outlier pada data.
Evaluasi Multikolinearitas
Multikolinearitas dapat dilihat melalui determinan matriks kovarians. Nilai determinan yang sangat kecil menunjukkan indikasi terdapatnya masalah multikolinearitas atau singularitas, sehingga data itu tidak dapat digunakan untuk penelitian (Tabachnick dan Fidell, 1998). Hasil output AMOS memberikan nilai Determinant of sample covariance matrix = 5.856. Nilai ini jauh dari angka nol sehingga dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas dan singularitas pada data yang dianalisis.
Estimasi Nilai Parameter
Pengujian terhadap hipotesis yang diajukan dapat dilihat dari hasil koefisien standardized regression. Hasil output estimasi dapat dilihat di bawah ini.
Dari hasil koefisien parameter jelas bahwa semua hipotesis diterima hubungan konstruk Komitmen Profesional ke Komitmen Organisasi signifikan dengan standardized koefisien parameter sebesar 0.236 (H1), hubungan konstruk Komitmen Organisasi ke Kinerja Kerja dengan standardized koefisien parameter sebesar 0.189 (H2). Hubungan antara konstruk Kepuasan Kerja ke Kinerja Kerja juga signifikan dengan nilai standardized koefisien sebesar 0.197 (H3), hubungan Komitmen Profesional ke Kepuasan Kerja signifikan dengan koefisien parameter 0.169 (H4), dan hubungan Komitmen Organisasi ke Kepuasan Kerja dengan koefisien parameter 0.221 (H5).
Uji Reliabilitas
Reliabilitas adalah ukuran konsistensi internal dari indikator-indikator sebuah variabel bentukan yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah variabel bentukan yang umum. Terdapat dua cara yang dapat digunakan, yaitu composite (construct) reliability dan variance extracted. Cutt-off value dari construct reliability adalah minimal 0.70 sedangkan cutt-off value untuk variance extracted minimal 0.50
Composite reliability didapat dengan rumus :
Construct Reliability = \frac{\left (\sum standardized loading \right )^{2}}{\left (\sum standardized loading \right )^{2}+\sum \varepsilon j}- Standardized loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator
- \varepsilon j adalah measurement error = 1 - (standardized loading)2
Sum Standardized loading untuk :
Komitmen Organisasi = 0.639 + 0.819 +0.664 + 0.719 0.7 = 3.541
Komitmen Profesional = 0.651 + 0.858 + 0.732 + 0.912 + 0.783 + 0.811 = 4.747
Kepuasan Kerja = 0.762 + 0.880 + 0.788 + 0.763 + 0.737 = 3.93
Kinerja Kerja = 0.784 + 0596 + 0.713 + 0.748 + 0.642 = 3.483
Sum Measurement Error untuk :
Komitmen Organisasi = 0.592 + 0.329 + 0.559 + 0.483 + 0.510 = 2.473
Komitmen Profesional = 0.576 + 0.264 + 0.464 + 0.168 + 0.387 + 0.342 = 2.201
Kepuasan Kerja = 0.419 + 0.226 + 0.379 +0.418 + 0.457 = 1.899
Kinerja Kerja = 0.385 + 0.645 + 0.492 + 0.441 + 0.588 = 2.551
Perhitungan Reliabilitas
Komitmen Organisasi = (3.541)2 / (3.541)2 + 2.473 = 0.835
Komitmen Profesional = (4.747)2 / (4.747)2 + 2.201 = 0.911
Kepuasan Kerja = (3.93)2 / (3.93)2 + 1.899 = 0.891
Kinerja Kerja = (3.483)2 / (3.483)2 + 2.551 = 0.826
Reliabilitas untuk masing-masing konstruk ternyata tinggi semua nilainya diatas cut-off value 0.70.
Variance Extracted
Variance extracted memperlihatkan jumlah varians dari indikator yang diekstraksi oleh variabel bentukan yang dikembangkan. Nilai variance extracted yang tinggi menunjukkan bahwa indikator-indikator itu telah mewakili secara baik variabel bentukan yang dikembangkan. Besarnya nilai variance extracetd dihitung dengan rumus sebagai berikut :
Variance extracted = \frac{\left (\sum standardized loading \right )^{2}}{\left (\sum standardized loading \right )^{2}+\sum \varepsilon j}Perhitungan Variance extracted
Komitmen Organisasi = (2.527) / (2.527 + 2.473) = 0.505
Komitmen Profesional = (3.799) / (3.799 + 2.201) = 0.633
Kepuasan Kerja = (3.101) / (3.101 + 1.899) = 0.620
Kinerja Kerja = (2.45) / (2.45 + 2.551) = 0.49
Hasil perhitungan variance extracted menunjukkan bahwa semua konstruk memenuhi syarat cut-off value minimal 0.50, kecuali untuk konstruk Kinerja Kerja dengan nilai variance extracted = 0.49.
Uji Discriminat Validity
Nilai akar kuadrat dari AVE konstruk sebagai berikut :Komitmen Organisasi = akar kuadrat dari 0.505 = 0.711
Komitmen Profesional = akar kuadrat dari 0.633 = 0.796
Kepuasan Kerja = akar kuadrat dari 0.620 = 0.787
Kinerja Kerja = akar kuadrat dari 0.49 = 0.70
Berikut ini hasil output korelasi antar konstruk dan akar kuadrat AVE.
| Komitmen Profesional | Komitmen Organisasi | Kepuasan Kerja | Kinerja Kerja | |
| Komitmen Profesional | 0.796 | |||
| Komitmen Organisasi | 0.236 | 0.711 | ||
|
Kepuasan |
0.221 | 0.261 | 0.787 | |
| Kinerja Kerja |
0.088 | 0.241 | 0.247 | 0.70 |
Keterangan : diagonal adalah nilai akar kuadrat AVE.
Berdasarkan tabel di atas jelas bahwa masing-masing konstruk laten memiliki discriminant validity yang baik, hal ini dapat dilihat dari nilai akar kuadrat dari AVE masing-masing konstruk laten yang lebih tinggi nilainya dibandingkan dengan nilai korelasi antar konstruk. Sebagai misal pada kolom kedua akar kuadrat AVE untuk konstruk laten Komitmen Profesional sebesar 0.796 lebih besar nilainya dari korelasi antara Komitmen Profesional 0.236, korelasi dengan Kepuasan Kerja 0.221 dan korelasi dengan Kinerja Kerja 0.088. Begitu juga dengan konstruk laten lainnya, nilai akar kuadrat AVE lebih tinggi dari nilai korelasi antar konstruk laten.
Sampai di sini selesai sudah pembahasan tentang Full Model Structural. Sampai ketemu lagi pada postingan lainnya. Selamat belajar, semoga sukses.
