Tips Menyusun Skripsi dan Tesis Bagian 7.

Fondasi Analisis Data Kuantitatif: Pengertian, Paradigma, dan Tujuan Penelitian Pendahuluan Analisis data kuantitatif merupakan salah satu pilar utama dalam penelitian ilmiah yang berorientasi pada pengukuran dan pembuktian, terutama di bidang sosial, manajemen, kesehatan, dan pendidikan.. Pendekatan ini berangkat dari pandangan bahwa fenomena sosial maupun alam dapat dijelaskan melalui angka, pola statistik, dan hubungan antar variabel. Dalam konteks akademik, analisis kuantitatif berfungsi untuk menafsirkan data numerik secara objektif, sehingga hasilnya dapat diuji dan diulang oleh peneliti lain. Oleh karena itu, pendekatan ini seringkali digunakan untuk menjawab pertanyaan penelitian dengan bukti yang objektif dan terukur. 1. Pengertian Analisis Data Kuantitatif Secara sederhana, analisis data kuantitatif berarti mengubah angka menjadi makna. Data diperoleh melalui survei, eksperimen, atau kuesioner yang kemudian diolah dengan statistik untuk menemukan pola, hubungan, atau pengar...

Contoh Implementasi AMOS dalam Penelitian Skripsi Kuantitatif

AMOS adalah perangkat lunak statistik yang dirancang khusus untuk Structural Equation Modeling (SEM). SEM sendiri adalah teknik analisis yang digunakan untuk melihat hubungan kompleks antar variabel, baik variabel yang dapat diukur langsung (observed variables) maupun yang bersifat laten (latent variables). Hal yang membedakan AMOS dengan perangkat lain adalah kemampuan membuat diagram jalur (path diagram) secara interaktif. Peneliti dapat menggambar model hubungan antar variabel, lalu AMOS secara otomatis melakukan perhitungan statistik berdasarkan model tersebut. (Sarker et al., 2024).

Salah satu keunggulan utama Amos 22 adalah antarmuka grafisnya yang intuitif. Peneliti dapat dengan mudah menggambar diagram jalur model mereka secara visual, menggunakan alat-alat sederhana seperti "Draw a latent variable" untuk membuat konstruksi dan "Draw Path" untuk menentukan hubungan. Pendekatan visual ini menyederhanakan proses pembangunan model dan meningkatkan interpretasi, menjadikannya alat yang sangat baik untuk pengajaran di lingkungan akademis. Selain antarmuka grafis, Amos juga menawarkan antarmuka programatik untuk pengguna yang lebih mahir atau untuk analisis berulang. (Zeng et al., 2021).

IBM SPSS Amos 22 telah banyak digunakan dalam penelitian akademis untuk menguji model teoritis yang kompleks. Berikut ilustrasi penggunaan AMOS sebagai software statistik digunakan untuk menganalisis hubungan kausal dan menguji hipotesis.


Contoh Penelitian Menggunakan AMOS

JUDUL

Pengaruh Kualitas Layanan, Persepsi Nilai, dan Kepercayaan terhadap Loyalitas Pelanggan dengan Kepuasan sebagai Variabel Mediasi pada Pengguna Jasa Transportasi Online

Latar Belakang

Di era digital, persaingan layanan transportasi online semakin ketat. Faktor-faktor seperti kualitas layanan, persepsi nilai, dan kepercayaan pelanggan menjadi kunci keberhasilan. Namun, loyalitas pelanggan tidak hanya terbentuk langsung, melainkan juga melalui kepuasan pelanggan. Oleh karena itu, penelitian ini menggunakan AMOS untuk menguji model struktural hubungan antar variabel tersebut.

Rumusan Masalah

  1. Apakah kualitas layanan berpengaruh terhadap kepuasan dan loyalitas pelanggan?
  2. Apakah persepsi nilai berpengaruh terhadap kepuasan dan loyalitas pelanggan?
  3. Apakah kepercayaan berpengaruh terhadap kepuasan dan loyalitas pelanggan?
  4. Apakah kepuasan pelanggan memediasi pengaruh kualitas layanan, persepsi nilai, dan kepercayaan terhadap loyalitas?

Hipotesis Penelitian

  1. H1: Kualitas Layanan berpengaruh positif terhadap Kepuasan.
  2. H2: Persepsi Nilai berpengaruh positif terhadap Kepuasan.
  3. H3: Kepercayaan berpengaruh positif terhadap Kepuasan.
  4. H4: Kepuasan berpengaruh positif terhadap Loyalitas.
  5. H5: Kualitas Layanan berpengaruh positif terhadap Loyalitas.
  6. H6: Persepsi Nilai berpengaruh positif terhadap Loyalitas.
  7. H7: Kepercayaan berpengaruh positif terhadap Loyalitas.
  8. H8: Kepuasan memediasi pengaruh Kualitas Layanan terhadap Loyalitas.
  9. H9: Kepuasan memediasi pengaruh Persepsi Nilai terhadap Loyalitas.
  10. H10: Kepuasan memediasi pengaruh Kepercayaan terhadap Loyalitas.

Metode Analisis

Software: AMOS
Teknik Analisis: Structural Equation Modeling (SEM)
Output utama: Goodness of Fit Index, Standardized Regression Weights, serta Uji Mediasi (Indirect Effect).


Pemodelan AMOS

Langkah Klik-per-Klik di AMOS

  1. File → Data Files… pilih file .sav.
  2. Draw variabel laten (ellipse) KL, PN, KP, KS, LY.
  3. Draw indikator (rectangle) lalu hubungkan panah ke indikator (→).
  4. Tambahkan error tiap indikator (AMOS otomatis).
  5. Fix satu loading per konstruk = 1 (klik dua kali loading → set to 1).
  6. Run (Calculate Estimates) → cek Standardized estimates & Fit indices.
  7. Tambahkan jalur struktural (KL, PN, KP → KS; KS → LY; KL/PN/KP → LY).
  8. Analyze → Bootstrap… centang, set Samples = 5000, CI 95% (BC).
  9. View → Text Output: cek Regression Weights, Standardized, Squared Multiple Correlations, Indirect Effects.
  10. Ekspor diagram (Plugins → Save Image as… atau screenshot beresolusi tinggi)


Hasil

1) Fit Indices (Goodness-of-Fit) — Contoh Output

    Chi-square (χ²) = 312.45, df = 200, p < 0.001
    CMIN/DF (χ²/df) = 1.56
    CFI = 0.973
    TLI = 0.967
    RMSEA = 0.038 (90% CI = 0.030 – 0.045)
    SRMR = 0.042

Interpretasi singkat: semua indeks berada dalam rentang yang umum dianggap baik (CMIN/DF < 3, CFI/TLI > 0.90–0.95, RMSEA < 0.06–0.08, SRMR < 0.08) → model fit baik.

2) Loading (CFA) — Standardized Factor Loadings (Contoh)

Kualitas Layanan (KL)

  • KL1 = 0.79
  • KL2 = 0.75
  • KL3 = 0.82
  • KL4 = 0.70

Persepsi Nilai (PN)

  • PN1 = 0.78
  • PN2 = 0.84
  • PN3 = 0.72

Kepercayaan (KP)

  • KP1 = 0.81
  • KP2 = 0.77
  • KP3 = 0.85

Kepuasan (KS)

  • KS1 = 0.87
  • KS2 = 0.80
  • KS3 = 0.83

Loyalitas (LY)

  • LY1 = 0.85
  • LY2 = 0.79
  • LY3 = 0.81
  • LY4 = 0.76

Interpretasi: semua loading ≥ 0.70 (kebanyakan) atau ≥ 0.50 minimal → indikator valid merepresentasikan konstruk.

3) Reliability & Convergent Validity (Contoh)

  • Composite Reliability (CR)
    • KL = 0.86, PN = 0.83, KP = 0.87, KS = 0.88, LY = 0.88
  • Average Variance Extracted (AVE)
    • KL = 0.60, PN = 0.62, KP = 0.69, KS = 0.71, LY = 0.65

Interpretasi: CR ≥ 0.70 dan AVE ≥ 0.50 → reliabel & konvergen validitas terpenuhi.

4) Koefisien Struktural (Standardized) — Hasil SEM (Contoh)

Hubungan

Standardized β

p-value

Keputusan

KL KS

0.28

0.002

Signif (+)

PN KS

0.24

0.006

Signif (+)

KP KS

0.35

<0.001

Signif (+)

KS LY

0.53

<0.001

Signif (+)

KL LY (langsung)

0.11

0.045

Signif (+, lemah)

PN LY (langsung)

0.07

0.110

Tidak signifikan

KP LY (langsung)

0.14

0.028

Signif (+)



R² (Explained variance)

  • R² (KS) = 0.46 (46% varians Kepuasan dijelaskan oleh KL, PN, KP)
  • R² (LY) = 0.59 (59% varians Loyalitas dijelaskan oleh eksogen dan KS)
5) Uji Mediasi (Bootstrap 5000 sampel, Bias-corrected 95% CI) — Contoh

Jalur Tidak Langsung

Indirect effect (est.)

95% BC CI

Signif?

KL KS LY

0.15

[0.08, 0.23]

Ya

PN KS LY

0.13

[0.05, 0.21]

Ya

KP KS LY

0.19

[0.10, 0.28]

Ya


Total effects (direct + indirect)

  1. KL total = direct 0.11 + indirect 0.15 = 0.26
  2. PN total = direct 0.07 + indirect 0.13 = 0.20
  3. KP total = direct 0.14 + indirect 0.19 = 0.33

Interpretasi: semua mediasi tidak langsung signifikan (CI tidak mengandung nol). Untuk PN, jalur langsung tidak signifikan tetapi efek total positif → mediasi penuh atau dominan.


6) Pembahasan

Hasil penelitian mengindikasikan bahwa kepuasan pelanggan memainkan peran kunci sebagai mediator antara faktor-faktor layanan (kualitas layanan, persepsi nilai, dan kepercayaan) dan loyalitas pelanggan. Secara khusus, pengaruh persepsi nilai terhadap loyalitas lebih banyak berjalan melalui kepuasan—menunjukkan bahwa konsumen perlu merasa puas dahulu sebelum nilai yang mereka rasakan mendorong loyalitas. Kepercayaan menunjukkan efek langsung dan tidak langsung yang relatif kuat, menegaskan pentingnya membangun reputasi dan transparansi layanan.


Referensi

Sarker, B. K., Sarker, D. K., Shaha, S. R., Saha, D., & Sarker, S. (2024). Why Apply SPSS, SmartPLS and AMOS: An Essential Quantitative Data Analysis Tool for Business and Social Science Research Investigations. INTERNATIONAL JOURNAL OF RESEARCH AND INNOVATION IN SOCIAL SCIENCE, 8(9). https://doi.org/10.47772/IJRISS

Zeng, X., Urtasun, R., Zemel, R., Fidler, S., & Liao, R. (2021). NP-DRAW: A Non-Parametric Structured Latent Variable Model for Image Generation. ArXiv E-Prints. https://doi.org/https://doi.org/10.48550/arXiv.2106.13435

What is the difference between SPSS and Amos? - Dissertation India, diakses September 2, 2025, https://www.dissertationindia.com/article/what-is-the-difference-between-spss-and-amos-60

Jika Anda merasa proses penyusunan tugas akhir berjalan lambat atau penuh kebingungan, mencari pendamping akademik adalah langkah bijak. Bukan untuk menggantikan peran Anda, melainkan mempercepat pemahaman dan meningkatkan kualitas penelitian.

Jangan ragu mengambil dukungan yang tepat. Tanggung jawab akademik tetap di tangan Anda, dan pendamping akademik siap mendorong Anda menuju kelulusan dengan cara yang benar.

SIAP MEMULAI AKHIR PERJALANAN AKADEMIK BERSAMA KAMI?


Baca artikel terbaru kami untuk memperluas wawasan dan menemukan solusi praktis dalam penyusunan skripsi:

Download program statistik gratis – siap pakai untuk analisis skripsimu!

Komentar