I. MODEL AWALModel memiliki konstruk (variabel laten) dengan
indikator refleksif dan formatif. Konstruk dengan indikator
refleksif adalah faktor internal penyuluh (InternalS), faktor
internal kelompok tani (InternalT) dan Interaksi Partisipatif
(Interaksi). Konstruk dengan indikator formatif adalah faktor
eksternal penyuluh (EksternalS), dan faktor eksternal kelompok tani
(EksternalT).Konstruk dengan indikator refleksif menunjukkan arah
hubungan kausalitas mengalir dari konstruk ke indikator. Dengan
kata lain indikator-indikator yang disusun merupakan
penciri/manifestasi dari konstruk. Ini juga berarti bahwa perubahan
pada konstruk akan mengakibatkan perubahan pada indikaktor.Konstruk
dengan indikator formatif menunjukkan arah hubungan kausalitas
mengalir dari indikator ke konstruk. Dengan kata lain
indikator-indikator yang disusun mempengaruhi/mendefinisikan
karakteristik konstruk. Ini juga berarti perubahan pada indikator
akan mengakibatkan perubahan pada konstruk.Selanjutnya, dilihat
secara keseluruhan, model dapat dikategorikan sebagai second order
confirmatory factor analysis, karena konstruk laten dalam
penelitian ini merupakan konstruk dengan multidimensi. Kapasitas
penyuluh pertanian (KPP) (sebagai konstruk laten first order)
diukur dengan dua dimensi yaitu faktor internal penyuluh
(InternalS) dan faktor eksternal penyuluh (EksternalS) yang
merupakan konstruk laten second order. Kapasitas kelompok tani
(KKT) (sebagai konstruk laten first order) diukur dengan dua
dimensi yaitu faktor internal kelompok tani (InternalT) dan faktor
eksternal kelompok tani (EksternalT) yang juga merupakan konstruk
laten second order.Dalam konteks model second order confirmatory
factor analysis ini, maka indikator pada konstruk laten first order
adalah gabungan seluruh indikator pada konstruk laten second
ordernya
Gambar 1 Kerangka Model Awal
1. Evaluasi Outer Model atau Measurement ModelOuter model atau
sering juga disebut sebagai outer relation atau measurement model
mendefinisikan bagaimana setiap blok indikator berhubungan dengan
konstruk latennya.Evaluasi outer model untuk indikator
refleksifOuter model untuk indikator refleksif dievaluasi dengan
convergent dan discriminan validity dari indikatornya dan composite
reliability untuk blok indikator. Covergent validity dinilai
berdasarkan korelasi antara item score/component score dengan
construct score. Ukuran refleksif individual dikatakan tinggi jika
korelasinya (nilai loadingnya) lebih dari 0,70 dan cukup jika
antara 0,50 sampai 0,60. Discriminant validity indikator dinilai
berdasarkan crossloading pengukuran dengan konstruk. Jika korelasi
konstruk dengan item pengukuran lebih besar dari ukuran konstruk
lainnya, maka hal ini menunjukkan bahwa konstruk laten memprediksi
ukuran pada blok mereka lebih baik daripada ukuran pada blok
lainnya. Metode lain untuk menilai discriminant validity adalah
membandingkan nilai square root of average variance extracted (AVE)
setiap konstruk dengan korelasi antar konstruk dengan konstruk
lainnya dalam model. Jika nilai akar kuadrat AVE setiap konstruk
lebih besar daripada nilai korelasi antara konstruk dengan konstruk
lainnya dalam model, maka dikatakan memiliki nilai discriminant
validity yang baik.Composite reliability blok indikator yang
mengukur suatu konstruk dapat dievaluasi dengan dua macam ukuran
yaitu internal consistency dan Crobanchs Alpha. Composite
realibility nilainya harus diatas 0,60Analisis dari
konstruk-konstruk indikator reflesif (Tabel 1 sampai 6):Berdasarkan
nilai loadingnya (Tabel 1), didapatkan hal-hal sebagai
berikut:InternalS : satu indikator yaitu KS memiliki nilai loading
dibawah 0,5 (-0,004) sedangkan indikator lainnya memiliki nilai
loading di atas 0,5.InternalT: satu indikator yaitu KT memiliki
nilai loading dibawah 0,5 (-0,477) sedangkan indikator lainnya
memiliki nilai loading di atas 0,5.Interaksi: : dua indikator
memiliki nilai loading dibawah 0,5 yaitu PIS (-0,362) dan PMS
(-0,471) sedangkan indikator lainnya memiliki nilai loading di atas
0,5.Berdasarkan analisis covergent yang disajikan pada tabel 2
(nilai cross loading) menunjukkan bahwa korelasi konstruk InternalT
dengan indikatornya lebih tinggi dibandingkan dengan korelasi
konstruk Interaksi dan InternalS dengan indikatornya. Korelasi
konstruk InternalS dengan indikatornya lebih tinggi dibandingkan
dengan korelasi konstruk Interaksi dan InternalT dengan
indikatornya. Demikian juga korelasi konstruk Interaksi dengan
indikatornya lebih tinggi dibandingkan dengan korelasi konstruk
InternalS dan InternalT dengan indikatornya. Hal ini menunjukkan
bahwa ketiga konstruk laten tersebut memprediksi indikator pada
blok mereka lebih baik dibandingkan dengan indikator di blok
lainnya. Dengan kata lain model memiliki discriminant validity yang
baik.Berdasarkan akar AVE (tabel 4) terlihat bahwa model juga
memiliki discriminant validity yang baik. Hal tersebut terlihat
dari kenyataan bahwa akar AVE untuk masing-masing konstruk lebih
tinggi dibandingkan dengan korelasi konstruk tersebut terhadap
konstruk lainnya (lihat tabel 3). Sebagai contoh, akar AVE untuk
konstruk interaksi sebesar 0,638 lebih tinggi dibandingkan korelasi
antara konstruk interaksi dengan internalS yang sebesar -0,138
maupun dengan konstruk internalT yang sebesar 0,541Berdasarkan
composite reliability (Tabel 5) dan Crobanchs Alpha (Tabel 6)
menunjukkan bahwa konstruk InternalS dan InternalT memiliki
reliabilitas yang baik karena nilai composite reliability dan
Crobanchs Alpha-nya di atas 0,6. Meskipun demikian konstruk
Interaksi memiliki reliabilitas yang rendah karena nilai kedua
pengukuran tersebut di bawah 0,6.Tabel 1. Outer Loading Konstruk
dengan Indikator RefleksifInteraksiInternalSInternalT
EK0.833017
KK0.880628
KT0.477468
SK0.754006
KAS0.694829
KKS0.691910
KMS0.857144
KS-0.004019
KSS0.737746
PI0.778154
PIS-0.362203
PM0.745951
PMS-0.470733
PS0.813076
PSS-0.519783
Tabel 2. Cross Loading
InteraksiInternalSInternalT
EK0.444601-0.1441990.833017
KK0.591897-0.0186590.880628
KT0.1408620.0642040.477468
SK0.326078-0.0193760.754006
KAS-0.0635640.6948290.039376
KKS-0.0669430.691910-0.030574
KMS-0.2205360.857144-0.113759
KS0.065071-0.004019-0.097621
KSS-0.0204020.737746-0.039822
PI0.778154-0.0987130.511260
PIS-0.3622030.079958-0.109403
PM0.745951-0.0609530.454267
PMS-0.4707330.161931-0.209840
PS0.8130760.0424260.389369
PSS-0.5197830.324776-0.197074
Tabel 3. Latent Variable Correlations
InteraksiInternalSInternalT
Interaksi1.000000
InternalS-0.1383491.000000
InternalT0.541422-0.0532481.000000
Tabel 4. AVE dan Akar AVE
AVEAkar AVE
Interaksi0.4076690.63849
InternalS0.4481020.669404
InternalT0.5664810.752649
Tabel 5. Composite ReliabilityComposite Reliability
Interaksi0.214268
InternalS0.762638
InternalT0.833387
Tabel 6. Cronbachs AlphaCronbachs Alpha
Interaksi0.414704
InternalS0.642351
InternalT0.730143
Evaluasi outer model untuk indikator formatifOuter model untuk
indikator formatif dievaluasi berdasarkan pada substantive
contentnya yaitu dengan membandingkan besarnya relatif weight dan
melihat signifikansi dari ukuran weight tersebut.Berdasarkan tabel
7 terlihat bahwa pada konsruks EksternalS hanya satu indikator yang
berpengaruh signifikan yaitu SOS (dengan nilai t statistik sebesr
1,492 lebih besar dibandingkan t-tabel pada = 10% uji satu arah
yang sebesar 1,29). Selanjutnya, untuk konstruk EksternalT ,
seluruh indikatornya menunjukkan pengaruh yang signifikan (seluruh
indikator memperlihatkan nilai t-statistik lebih besar dibandingkan
t-tabel pada =10% yaitu sebesar 1,29).
Tabel 7. Outer Weight Konstruk dengan Indikator Formatif (Mean,
Standard Deviation, T-Values)Original Sample (O)Sample Mean
(M)Standard Deviation (STDEV)Standard Error (STERR)T Statistics
(|O/STERR|)
DIS -> EksternalS0.4699980.3755720.4308380.4308381.090893
KPS -> EksternalS0.4046370.3509760.3435320.3435321.177873
SOS -> EksternalS0.4041490.3637960.2707960.2707961.492452
SRS ->
EksternalS0.056880-0.0599630.3256080.3256080.174689
SB -> EksternalT0.3948810.3761500.1951090.1951092.023899
SP -> EksternalT0.4591410.4524710.1705750.1705752.691732
SPR -> EksternalT0.4447620.4473580.1310240.1310243.394499
2. Evaluasi Inner Model atau Model StrukturalInner model
dievaluasi dengan melihat prosentase variance yang dijelaskan yaitu
dengan melihat nilai R2 untuk konstruk laten dependent dengan
menggunakan ukuran Stone Geisser Q squares test dan juga melihat
besarnya koefisien jalur strukturalnya. Stabilitas dari estimasi
ini dievaluasi dengan menggunakan uji t-statistik yang didapat
melalui prosedur bootstraping.Hasil R2 sebesar 0,67; 0,33; 0,19
mengindikasikan bahwa model baik, moderat dan lemahPengujian
terhadap model struktural dilakukan dengan melihat nilai R2 yang
merupakan uji goodness-fit model. Dari tabel 8 memperlihatkan bahwa
R2 untuk konstruk interaksi sebesar 0,396864 (berada pada kategori
moderat). Ini menunjukkan bahwa variabilitas Interaksi yang dapat
dijelaskan oleh variabilitas KKT dan KPP sebesar 39,69 persen,
sedangkan 60,31 persen dijelaskan oleh variabel lain di luar yang
diteliti. Nilai R2 untuk konstruk KKT sebesar 0,988332 memberikan
arti bahwa variabilitas KKT yang dapat dijelaskan oleh variabilitas
InternalT dan EksternalT sebesar 98,83 persen sedangkan 1,17 persen
dijelaskan oleh variabel lain di luar yang diteliti.Nilai R2 untuk
konstruk KPP sebesar 0,994058 memberikan arti bahwa variabilitas
KPP yang dapat dijelaskan oleh variabilitas InternalS dan
EksternalS sebesar 99,40 persen sedangkan 1,17 persen dijelaskan
oleh variabel lain di luar yang diteliti.Selanjutnya, Tabel 9
memberikan hasil hubungan antar konstruk. Dari tabel tersebut
terlihat bahwa terdapat dua hubungan yang tidak signifikan yaitu
konstruk InternalS terhadap KPP dan antara KPP dengan Interaksi.
Hal ini karena nilai t-statistiknya lebih kecil dibandingkan
t-tabel pada =10% (uji dua arah) yang sebesar 1,29.Berdasarkan
konstruk yang memiliki hubungan signifikan, terlihat semua
koefisien bernilai positif (kolom Original Sample) yang berarti
semua konstruk memiliki pengaruh positif.Tabel 8. R-SquareR
Square
Interaksi0.396864
KKT0.988332
KPP0.994058
Tabel 9. Path Coeficient (Mean, Standard Deviation ,
T-Values)Original Sample (O)Sample Mean (M)Standard Deviation
(STDEV)Standard Error (STERR)T Statistics (|O/STERR|)
EksternalS -> KPP0.7224800.5592820.4266690.4266691.693304
EksternalT -> KKT0.4115500.4179510.1525330.1525332.698102
InternalS -> KPP0.3843320.4742920.4114130.4114130.934174
InternalT -> KKT0.7326260.7127990.1212810.1212816.040718
KKT -> Interaksi0.5974550.5984980.0996240.0996245.997095
KPP ->
Interaksi-0.177540-0.1534900.1511340.1511341.174721
Gambar 2. Faktor Loading dan Path Coeficient Model Awal
Gambar 3. Nilai t-statistik Faktor Loading dan Path Coeficient
Model Awal
II MODIFIKASI MODEL 1Model awal dimodifikasi dengan mengeluarkan
indikator-indikator yang memiliki faktor loading kurang dari 0,50
pada konstruk refleksif dan indikator-indikator dengan outer weight
yang tidak signifikan secara statistik pada konstruk
formatifBerdasarkan hal tersebut, kerangka model modifikasi 1
diberikan sebagai berikut:
Gambar 4. Kerangka Model Modifikasi 1Sebelum menganalisis lebih
lanjut terhadap model modifikasi 1 ini terlebih dahulu dianalisis
outer modelnya apakah semua loading faktor untuk indikator konstruk
refleksif sudah bernilai diatas 0,50 dan apakah semua outer weight
untuk indikator konstruk formatif sudah signifikan secara
statistik. Hasil perhitungan menemukan bahwa ternyata masih
terdapat satu indikator pada konstruk interaksi yang memiliki
loading faktor di bawah 0,50 yaitu indikator PSS, sedangkan
pengujian outer weight (tabel 11) untuk konstruk formatif
seluruhnya sudah memenuhi persyaratan yaitu semuanya sudah
signifikan secara statistik. Berdasarkan hal tersebut, selanjutnya
dikembangkan model modifikasi 2 dengan menghilangkan indikator PSS.
Tabel 10. Outer Loading Konstruk dengan Indikator
RefleksifInteraksiInternalSInternalT
EK0.852357
KK0.882174
SK0.785220
KAS0.846359
KKS0.844606
KMS0.709434
KSS0.567945
PI0.820119
PM0.783402
PS0.868064
PSS-0.384764
Tabel 11. Outer Weight Konstruk dengan Indikator Formatif (Mean,
Standard Deviation, T-Values)Original Sample (O)Sample Mean
(M)Standard Deviation (STDEV)Standard Error (STERR)T Statistics
(|O/STERR|)
SB -> EksternalT0.3868360.3633300.1969080.1969081.964553
SOS -> EksternalS1.0000001.0000000.000000
SP -> EksternalT0.4180630.4143950.1666680.1666682.508354
SPR -> EksternalT0.5020490.5033070.1278550.1278553.926709
III MODEL MODIFIKASI 2Kerangka model modifikasi 2 diberikan
sebagai berikut:
Gambar 5: Kerangka model modifikasi 2
3. Evaluasi Outer Model atau Measurement ModelAnalisis dari
konstruk-konstruk indikator reflesif Berdasarkan nilai loadingnya
(Tabel 12), didapatkan bahwa seluruh indikator sudah memenuhi
kelayakan yang ditunjukkan oleh nilai loading yang lebih besar dari
0,50:Berdasarkan analisis covergent yang disajikan pada tabel 13
(nilai cross loading) menunjukkan bahwa korelasi konstruk InternalT
dengan indikatornya lebih tinggi dibandingkan dengan korelasi
konstruk Interaksi dan InternalS dengan indikatornya. Korelasi
konstruk InternalS dengan indikatornya lebih tinggi dibandingkan
dengan korelasi konstruk Interaksi dan InternalT dengan
indikatornya. Demikian juga korelasi konstruk Interaksi dengan
indikatornya lebih tinggi dibandingkan dengan korelasi konstruk
InternalS dan InternalT dengan indikatornya. Hal ini menunjukkan
bahwa ketiga konstruk laten tersebut memprediksi indikator pada
blok mereka lebih baik dibandingkan dengan indikator di blok
lainnya. Dengan kata lain model memiliki discriminant validity yang
baik.Berdasarkan akar AVE (tabel 15) terlihat bahwa model juga
memiliki discriminant validity yang baik. Hal tersebut terlihat
dari kenyataan bahwa akar AVE untuk masing-masing konstruk lebih
tinggi dibandingkan dengan korelasi konstruk tersebut terhadap
konstruk lainnya (lihat tabel 14). Berdasarkan composite
reliability (Tabel 165) dan Crobanchs Alpha (Tabel 17) menunjukkan
bahwa semua konstruk telah memiliki reliabilitas yang baik karena
nilai composite reliability dan Crobanchs Alpha-nya di atas 0,6.
Tabel 12. Outer Loading Konstruk dengan Indikator
RefleksifInteraksiInternalSInternalT
EK0.852092
KK0.884259
SK0.782421
KAS0.858508
KKS0.855295
KMS0.692966
KSS0.548019
PI0.832159
PM0.785523
PS0.888762
Tabel 13. Cross LoadingInteraksiInternalSInternalT
EK0.431538-0.1248340.852092
KK0.6054500.0182110.884259
SK0.299799-0.0153340.782421
KAS-0.0225120.8585080.047116
KKS-0.0042030.855295-0.025565
KMS-0.1259180.692966-0.143198
KSS0.0378620.548019-0.064913
PI0.832159-0.0897760.513539
PM0.785523-0.0501920.470560
PS0.8887620.0469120.392724
Tabel 14. Latent Variable Correlations
InteraksiInternalSInternalT
Interaksi1.000000
InternalS-0.0394391.000000
InternalT0.551335-0.0450851.000000
Tabel 15. AVE dan Akar AVE
AVEAkar AVE
Interaksi0.6998110.836547
InternalS0.5622730.749849
InternalT0.7067190.840666
Tabel 16. Composite ReliabilityComposite Reliability
Interaksi0.874622
InternalS0.832955
InternalT0.878206
Tabel 17. Cronbachs AlphaCronbachs Alpha
Interaksi0.784323
InternalS0.743655
InternalT0.795035
Evaluasi outer model untuk indikator formatifOuter model untuk
indikator formatif dievaluasi berdasarkan pada substantive
contentnya yaitu dengan membandingkan besarnya relatif weight dan
melihat signifikansi dari ukuran weight tersebut.Berdasarkan tabel
18 terlihat bahwa seluruh indikator menunjukkan pengaruh yang
signifikan (dengan nilai t statistik lebih besar dibandingkan
t-tabel pada = 10% uji satu arah yang sebesar 1,29).
Tabel 18. Outer Weight Konstruk dengan Indikator Formatif (Mean,
Standard Deviation, T-Values)Original Sample (O)Sample Mean
(M)Standard Deviation (STDEV)Standard Error (STERR)T Statistics
(|O/STERR|)
SB -> EksternalT0.4049650.3740590.2024170.2024172.000649
SOS -> EksternalS1.0000001.0000000.000000
SP -> EksternalT0.3779200.3888240.1682890.1682892.245663
SPR -> EksternalT0.5291460.5238160.1205220.1205224.390441
4. Evaluasi Inner Model atau Model StrukturalPengujian terhadap
model struktural dilakukan dengan melihat nilai R2 yang merupakan
uji goodness-fit model. Dari tabel 19 memperlihatkan bahwa R2 untuk
konstruk interaksi sebesar 0,398061 (berada pada kategori moderat).
Ini menunjukkan bahwa variabilitas Interaksi yang dapat dijelaskan
oleh variabilitas KKT dan KPP sebesar 39,81 persen, sedangkan 40,19
persen dijelaskan oleh variabel lain di luar yang diteliti. Nilai
R2 untuk konstruk KKT sebesar 0,9897 memberikan arti bahwa
variabilitas KKT yang dapat dijelaskan oleh variabilitas InternalT
dan EksternalT sebesar 98,97 persen sedangkan 1,03 persen
dijelaskan oleh variabel lain di luar yang diteliti.Nilai R2 untuk
konstruk KPP sebesar 0,999486 memberikan arti bahwa variabilitas
KPP yang dapat dijelaskan oleh variabilitas InternalS dan
EksternalS sebesar 99,95 persen sedangkan 0,05 persen dijelaskan
oleh variabel lain di luar yang diteliti.Selanjutnya, Tabel 20
memberikan hasil hubungan antar konstruk. Dari tabel tersebut
terlihat bahwa terdapat dua hubungan yang tidak signifikan yaitu
konstruk InternalS terhadap KPP dan antara KPP dengan Interaksi.
Hal ini karena nilai t-statistiknya lebih kecil dibandingkan
t-tabel pada =10% (uji dua arah) yang sebesar 1,29.Berdasarkan
konstruk yang memiliki hubungan signifikan, terlihat semua
koefisien bernilai positif (kolom Original Sample) yang berarti
semua konstruk yang signifikan memiliki pengaruh positif.Tabel 19.
R-SquareR Square
Interaksi0.398061
KKT0.989705
KPP0.999486
Tabel 20. Path Coeficient (Mean, Standard Deviation ,
T-Values)Original Sample (O)Sample Mean (M)Standard Deviation
(STDEV)Standard Error (STERR)T Statistics (|O/STERR|)
EksternalS -> KPP0.8572310.3080290.5818760.5818761.473220
EksternalT -> KKT0.4757480.4623910.1325290.1325293.589777
InternalS -> KPP0.2618880.6092060.4626310.4626310.566084
InternalT -> KKT0.6897780.6871840.1059540.1059546.510181
KKT -> Interaksi0.6275750.6388300.0774410.0774418.103863
KPP ->
Interaksi-0.031539-0.0296510.0850470.0850470.370837
Gambar 6. Faktor Loading dan Path Coeficient Model Modifikasi
2
Gambar7. Nilai t-statistik Faktor Loading dan Path Coeficient
Model Modifikasi 2