3.3. Data AnalysisFor the purpose o

3.3. Data AnalysisFor the purpose of data analysis, the Structured Equation Model (SEM) method has been adopted and theLISREL 8.5 program was utilized. The SEM method of data analysis is considered more appropriate to test themulti-level research model shown in Figure 1 since the SEM method applies multivariate analysis to the model in aholistic manner. SEM is a multivariate technique used to estimate a series of interrelated dependent relationshipssimultaneously [Hair, Anderson, Tatham, and Black 1998]. Basically, a structural equation model consists of twomodels: a measurement model and a structural model. The measurement model represents the used instrument(observed variables or items) to measure the latent variables which are the conceptual model constructs shown inFigure 1. The measurement model will be examined first for instrument validation, followed by an analysis of thestructural model for testing relationships hypothesized in the research conceptual model depicted in Figure 1.The overall fitness (validity of data to measure the latent variables) of the initial SEM can be assessed byemploying the Goodness of Fit (GOF) indices. Several GOF indices are available to test the fitness of the SEM. Ifthe GOF indices of the initial SEM could not reach the recommended levels, model refinements are required toimprove the overall fitness. In this study, model refinements were performed by two methods. First, a systematicapproach was used to eliminate low correlation paths and associated variables [Churchill 1979], and second, theinterrelationship paths were revised or covariance error paths were added between the variables or latent factors.This method was needed to refine the SEM model with reference to the modification indices provided by theLISREL 8.5 program. After refinements, the model that performed well with regard to both GOF and the theoreticalexpectations was selected as the final SEM model.3.4. Measures of Validity and ReliabilityThe measurement model for all seven constructs was assessed using confirmatory factor analysis (CFA)[Anderson and Gerbing 1988]. Appendix A, presents factor loadings of observed variables (the items/questions)used in the measurement model. All factor loadings exceeded 0.5. Four items in three constructs were deleted sincethey had loadings less than 0.5, indicating that the used items are strong measures of their associated constructs. Theobserved normative χ2 for the measurement model was 316.64 (χ2/df= 1.20; df = 294) which was smaller than 3recommended by Bagozzi and Yi [1988]. Other fit indices include the goodness-of-fit index (GFI = 0.90) andcomparative fit index (CFI = 0.97). They were very close or exceeding the recommended cut-off level of 0.9[Bagozzi and Yi 1988]. The adjusted goodness-of-fit index (AGFI = 0.87) also exceeded the recommended cut-offlevel of 0.8 [Chau and Hu 2001].The root mean square error of approximation (RMSEA = 0.019) is well below the cut-off level of 0.08recommended by Browne and Cudeck [1993]. The combination of these results suggested that the measurementmodel exhibited a good level of model fit. Composite reliabilities and average variance extracted for each constructwere also computed using the formulae1proposed by Fornell and Lacker [1981]. The results are shown in Table 4.The composite reliabilities were all above the recommended value of 0.7 suggested by Hulland [1999] thus

Results (Indonesian) 1:

3.3. Analisis Data
Untuk tujuan analisis data, metode Structured Equation Model (SEM) telah diadopsi dan
program LISREL 8,5 dimanfaatkan. SEM metode analisis data dianggap lebih tepat untuk menguji
model penelitian multi-level yang ditunjukkan pada Gambar 1 karena metode SEM menggunakan analisis multivariat model dalam
cara yang holistik. SEM adalah teknik multivariat digunakan untuk memperkirakan serangkaian saling tergantung hubungan
secara bersamaan [Hair, Anderson, Tatham, dan Black 1998]. Pada dasarnya, model persamaan struktural terdiri dari dua
model: model pengukuran dan model struktural. Model pengukuran merupakan instrumen yang digunakan
(variabel diamati atau item) untuk mengukur variabel laten yang merupakan konstruksi model konseptual yang ditunjukkan pada
Gambar 1. Model pengukuran akan diperiksa pertama untuk instrumen validasi, diikuti dengan analisis
model struktural untuk menguji hubungan hipotesis dalam model konseptual penelitian digambarkan dalam Gambar 1.
The keseluruhan kebugaran (validitas data untuk mengukur variabel laten) dari SEM awal dapat dinilai dengan
menggunakan Goodness of Fit (GOF) indeks. Beberapa indeks GOF yang tersedia untuk menguji kebugaran dari SEM. Jika
indeks GOF dari SEM awal tidak bisa mencapai tingkat yang direkomendasikan, Model perbaikan yang diperlukan untuk
meningkatkan kebugaran secara keseluruhan. Dalam studi ini, perbaikan model yang dilakukan dengan dua metode. Pertama, sistematis
pendekatan yang digunakan untuk menghilangkan jalur korelasi yang rendah dan variabel terkait [Churchill 1979], dan kedua,
jalur keterkaitan direvisi atau jalur kovarian error ditambahkan antara variabel atau faktor laten.
Metode ini diperlukan untuk memperbaiki model SEM dengan mengacu indeks modifikasi yang disediakan oleh
LISREL 8.5 Program. Setelah perbaikan, model yang dilakukan dengan baik berkenaan dengan baik GOF dan teoritis
harapan terpilih sebagai model SEM akhir.
3.4. Ukuran Validitas dan Reliabilitas
Model pengukuran untuk semua tujuh konstruksi dinilai menggunakan analisis faktor konfirmatori (CFA)
[Anderson dan Gerbing 1988]. Lampiran A, faktor loadings hadiah dari variabel yang diamati (item / pertanyaan)
yang digunakan dalam model pengukuran. Semua faktor loadings melebihi 0,5. Empat item dalam tiga konstruksi dihapus karena
mereka memiliki beban kurang dari 0,5, menunjukkan bahwa item yang digunakan adalah ukuran kuat konstruksi yang terkait. The
χ2 normatif yang diamati untuk model pengukuran adalah 316,64 (χ2 / df = 1,20; df = 294) yang lebih kecil dari 3
direkomendasikan oleh Bagozzi dan Yi [1988]. Indeks fit lainnya termasuk indeks kebaikan-of-fit (GFI = 0,90) dan
indeks fit komparatif (CFI = 0,97). Mereka sangat dekat atau melebihi direkomendasikan tingkat cut-off dari 0,9
[Bagozzi dan Yi 1988]. Indeks disesuaikan kebaikan-of-fit (AGFI = 0,87) juga melebihi cut-off direkomendasikan
tingkat 0,8 [Chau dan Hu 2001].
Akar rata kesalahan kuadrat dari perkiraan (RMSEA = 0,019) jauh di bawah cut-off tingkat 0,08
direkomendasikan oleh Browne dan Cudeck [1993]. Kombinasi dari hasil ini menunjukkan bahwa pengukuran
model yang dipamerkan tingkat baik model fit. Reliabilitas komposit dan rata-rata varians diekstraksi untuk setiap konstruk
juga dihitung dengan menggunakan formulae1proposed oleh Fornell dan Lacker [1981]. Hasilnya ditunjukkan pada Tabel 4.
The komposit reliabilitas semua di atas nilai yang direkomendasikan dari 0,7 disarankan oleh Hulland [1999] sehingga

Results (Indonesian) 2:

3,3. analisis data
Untuk tujuan analisis data, metode model persamaan terstruktur (SEM) telah diadopsi dan
LISREL 8,5 program ini dimanfaatkan. Metode SEM analisis data dianggap lebih tepat untuk menguji
model penelitian multi-level yang ditunjukkan pada gambar 1 karena metode SEM menerapkan analisis multivariat pada model
dengan cara yang holistik. SEM adalah teknik multivariat yang digunakan untuk memperkirakan serangkaian hubungan ketergantungan saling terkait
secara bersamaan [rambut, Anderson, Tatham, dan Black 1998]. Pada dasarnya, model persamaan struktural terdiri dari dua
model pengukuran dan model struktural. Model pengukuran mewakili instrumen yang digunakan
(variabel yang diamati atau item) untuk mengukur variabel laten yang merupakan konstruksi model konseptual yang ditunjukkan dalam
Gambar 1. Model pengukuran akan diperiksa terlebih dahulu untuk validasi instrumen, diikuti dengan analisis
model struktural untuk pengujian hubungan hipotesis dalam model konseptual penelitian yang digambarkan dalam gambar 1.
Kebugaran secara keseluruhan (validitas data untuk mengukur variabel laten) dari SEM awal dapat dinilai oleh
menggunakan indeks kebaikan Fit (GOF). Beberapa indeks GOF tersedia untuk menguji kebugaran SEM. Jika
Indeks GOF dari SEM awal tidak dapat mencapai tingkat yang direkomendasikan, penyempurnaan model diperlukan untuk
meningkatkan kebugaran secara keseluruhan. Dalam studi ini, penyempurnaan model dilakukan oleh dua metode. Pertama, sistematis
pendekatan yang digunakan untuk menghilangkan korelasi rendah jalur dan variabel terkait [Churchill 1979], dan kedua,
jalur interhubungan direvisi atau jalur galat kovarians ditambahkan antara variabel atau faktor laten.
Metode ini diperlukan untuk memperbaiki model SEM dengan mengacu pada indeks modifikasi yang disediakan oleh
LISREL 8,5 program. Setelah penyempurnaan, model yang dilakukan dengan baik berkaitan dengan kedua GOF dan teoritis
harapan dipilih sebagai model SEM akhir.
3,4. ukuran validitas dan keandalan
Model pengukuran untuk ketujuh konstruksi tersebut dinilai menggunakan analisis konfirmasi factor (CFA)
[Anderson dan Gerbing 1988]. Lampiran A, menyajikan muatan faktor yang diamati variabel (item/pertanyaan)
digunakan dalam model pengukuran. Semua faktor muatan melebihi 0,5. Empat item dalam tiga konstruksi telah dihapus sejak
mereka telah muatan kurang dari 0,5, menunjukkan bahwa item yang digunakan adalah ukuran kuat konstruksi terkait mereka. Tje
diamati normatif χ2 untuk model pengukuran adalah 316,64 (χ2/DF = 1,20; DF = 294) yang lebih kecil dari 3
direkomendasikan oleh Bagozzi dan Yi [1988]. Indeks sesuai lainnya termasuk indeks kebaikan-of-Fit (GFI = 0,90) dan
Indeks Fit komparatif (CFI = 0,97). Mereka sangat dekat atau melebihi yang direkomendasikan tingkat cut-off 0,9
[Bagozzi dan Yi 1988]. Yang disesuaikan kebaikan-of-Fit indeks (AGFI = 0,87) juga melebihi direkomendasikan cut-off
tingkat 0,8 [Chau dan Hu 2001].
Akar berarti kesalahan persegi perkiraan (RMSEA = 0,019) baik di bawah tingkat cut-off 0,08
direkomendasikan oleh Browne dan Cudeck [1993]. Kombinasi dari hasil ini menyarankan bahwa pengukuran
model menunjukkan tingkat yang baik model Fit. Reliability komposit dan varians rata diekstrak untuk setiap konstruksi
juga dihitung dengan menggunakan formulae1proposed oleh Fornell dan Lacker [1981]. Hasilnya ditunjukkan pada Tabel 4.
Relief komposit berada di atas nilai yang disarankan dari 0,7 yang disarankan oleh Hulland [1999] sehingga