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