ANALISIS STRUCTURAL EQUATION MODELING PADA PEUBAH SECOND-ORDER MENGGUNAKAN METODE GENERALIZED STRUCTURED COMPONENT ANALYSIS

B. Rina Ary Widiarni, Dr. Abdurakhman, S.Si.,M.Si

2023 | Tesis | S2 Matematika

Peubah second-order adalah variabel laten yang memiliki indikator dimana indikator variabel laten juga memiliki indikator. Analisis terhadap peubah second-order adalah analisis yang tidak dapat dilakukan secara langsung, karena dapat menghilangkan informasi. Structure Equation Model (SEM) terdapat metode Generalized Structure Component Analisys (GSCA) yang mampu menyelesaikan hubungan antar variable yang lebih kompleks melibatkan hight-order (second-order, third-order, dst) dengan menggantikan faktor dengan kombinasi linier dari indikator pada analisis SEM dan GSCA termasuk analisis berbasis komponen yang powerfull bertujuan mengembangkan teori dalam orientasi prediksi. Penelitian ini bertujuan untuk menentukan prosedur model GSCA pada variabel second-order, menentukan estimasi parameter dan mengaplikasikan pada dataset dengan variabel kinerja gaya kepemimpinan kepala sekolah, motivasi kerja, kepuasan kerja dan kinerja guru. Hasil penelitian menunjukkan semua variabel indikator merupakan alat ukur yang valid dan reliabel untuk mengukur variabel latennya. Nilai kontruksi (CR) masing-masing variabel pada model struktural 2 lebih besar dari nilai t-table dan memiliki pengaruh positif sehingga tingkat gaya kepemimpinan terhadap motivasi kerja, kepuasan kerja dan kinerja guru memiliki konsistensi tinggi dan hal ini berarti motivasi kerja, kepuasan kerja dan kinerja guru akan meningkat apabila gaya kepemimpinan kepala sekolah semakin baik. Nilai FIT dan AFIT diatas 0.629 yang menunjukkan bahwa model mampu menjelaskan sekitar 62.9% variasi dari data. Nilai FIT terkoreksi (AFIT) yang diperoleh juga menunjukkan hasil yang tidak jauh berbeda yaitu 0.597 yang menunjukkan bahwa model mampu menjelaskan sekitar 59.7%.

The second-order variables are latent variables that have indicators whereas indicators of latent variables also have indicators. Analysis of second-order variables is an analysis that cannot be done directly because it can eliminate information. The Structure Equation Model (SEM) includes the Generalized Structure Component Analysis (GSCA) method which can solve more complex relationships between variables involving high-order (second-order, third-order, etc.) by replacing factors with linear combinations of indicators in SEM analysis and GSCA includes powerful component-based analysis aimed at developing theory in a predictive orientation. This study aims to determine the GSCA model procedures on second-order variables, determine parameter estimates and apply them to a dataset on the performance of school principals' leadership styles, work motivation, job satisfaction, and teacher performance. The results of the study show that all indicator variables are valid and reliable measurement tools for measuring latent variables. The path coefficient of leadership has a positive effect on performance 0.772, motivation 0.874, and satisfaction 0.86, so it can be concluded that the principal's leadership style has a positive effect on teacher performance, work motivation, and job satisfaction, the better the principal's leadership style, the teacher's performance, mo also better. The FIT and AFIT values ??are above 0.629 which indicates that the model can explain about 62.9% of the variation in the data. The corrected FIT value (AFIT) obtained also showed results that were not much different, namely 0.597 which indicated that the model was able to explain around 59.7%.

Kata Kunci : SEM, GSCA, Second-order, Gaya Kepemimpinan, Kinerja Kerja