Software Lisrel

 

Pengertian LISREL

LISREL merupakan perangkat lunak yang digunakan untuk melakukan analisis statistik, khususnya dalam pemodelan persamaan struktural atau Structural Equation Modeling (SEM). Nama LISREL berasal dari Linear Structural Relations, yaitu pendekatan yang digunakan untuk menganalisis hubungan antara berbagai variabel dalam suatu model penelitian.

LISREL banyak digunakan dalam penelitian kuantitatif karena dapat membantu peneliti menguji hubungan yang kompleks antara variabel. Berbeda dengan analisis statistik sederhana yang biasanya hanya melihat hubungan antara dua atau beberapa variabel secara langsung, LISREL dapat digunakan untuk menganalisis hubungan langsung, hubungan tidak langsung, serta hubungan antarvariabel yang tidak dapat diukur secara langsung.

Dalam penelitian, terdapat variabel yang dapat diukur secara langsung, seperti pendapatan, usia, atau jumlah transaksi. Namun, terdapat pula konsep yang tidak dapat diamati secara langsung, seperti kepuasan, kepercayaan, loyalitas, motivasi, dan kualitas pelayanan. Konsep seperti ini disebut variabel laten. LISREL dapat membantu peneliti menguji variabel laten tersebut melalui beberapa indikator yang dapat diukur.

Dengan demikian, LISREL tidak hanya digunakan untuk menghitung hubungan antarvariabel, tetapi juga untuk menguji apakah model penelitian yang dibuat peneliti sesuai dengan data yang diperoleh.

Sejarah dan Perkembangan LISREL

LISREL dikembangkan oleh Karl G. Jöreskog dan Dag Sörbom sebagai perangkat untuk menganalisis hubungan struktural yang melibatkan variabel teramati dan variabel laten. Perkembangan LISREL berkaitan erat dengan perkembangan metode Structural Equation Modeling (SEM) dalam penelitian sosial, pendidikan, ekonomi, psikologi, manajemen, dan berbagai bidang lainnya.

Pada awal perkembangannya, analisis hubungan antarvariabel sering dilakukan dengan metode statistik yang terpisah-pisah. Kehadiran LISREL memberikan pendekatan yang memungkinkan peneliti menganalisis beberapa hubungan dalam satu model secara lebih terintegrasi.

Seiring perkembangan teknologi, LISREL juga mengalami pengembangan dalam hal pengolahan data, penyusunan model, pengujian model, serta penyajian hasil analisis. Pengguna dapat membangun model dengan bantuan antarmuka grafis maupun sintaks, kemudian menjalankan analisis berdasarkan data penelitian.

Fungsi LISREL

LISREL memiliki beberapa fungsi utama dalam penelitian kuantitatif.

1. Menguji hubungan antarvariabel

LISREL dapat digunakan untuk mengetahui apakah suatu variabel mempunyai hubungan dengan variabel lainnya.

Sebagai contoh, peneliti ingin mengetahui apakah:

Kualitas pelayanan → Kepuasan nasabah

Data yang diperoleh dari responden dapat dianalisis untuk mengetahui hubungan kedua variabel tersebut.

2. Menguji pengaruh langsung

LISREL dapat digunakan untuk mengetahui pengaruh suatu variabel terhadap variabel lain secara langsung.

Contohnya:

Kualitas pelayanan → Kepuasan nasabah

Peneliti dapat melihat apakah kualitas pelayanan mempunyai pengaruh yang signifikan terhadap kepuasan nasabah.

3. Menguji pengaruh tidak langsung

LISREL juga dapat digunakan ketika hubungan antarvariabel melibatkan variabel perantara atau variabel mediasi.

Contohnya:

Kualitas pelayanan → Kepercayaan → Loyalitas nasabah

Dalam model tersebut, kepercayaan berperan sebagai variabel perantara. LISREL dapat membantu menguji apakah kualitas pelayanan memengaruhi loyalitas melalui kepercayaan.

4. Menguji variabel laten

Salah satu kegunaan penting LISREL adalah menganalisis variabel yang tidak dapat diukur secara langsung.

Misalnya, kepuasan nasabah tidak dapat diketahui hanya melalui satu angka. Oleh karena itu, kepuasan dapat diukur melalui beberapa indikator, seperti:

• kepuasan terhadap pelayanan;
• kepuasan terhadap produk;
• kepuasan terhadap kemudahan transaksi;
• kepuasan terhadap informasi yang diberikan.

Beberapa indikator tersebut digunakan untuk merepresentasikan variabel laten kepuasan nasabah.

5. Menguji kesesuaian model

LISREL dapat digunakan untuk mengetahui apakah model penelitian yang dibuat sesuai dengan data empiris.

Hal ini penting karena sebuah model teoritis belum tentu sesuai dengan kondisi nyata yang ditemukan melalui penelitian.

6. Menguji model pengukuran

LISREL dapat digunakan untuk mengetahui apakah indikator yang digunakan benar-benar mampu mengukur variabel yang diteliti.

Misalnya, peneliti mempunyai variabel kepercayaan nasabah dengan beberapa indikator. LISREL dapat membantu melihat apakah indikator tersebut mempunyai hubungan yang memadai dengan variabel kepercayaan.

7. Menguji model struktural

Selain model pengukuran, LISREL digunakan untuk menganalisis model struktural, yaitu hubungan antara variabel dalam model penelitian.

Konsep Dasar dalam LISREL

Untuk memahami LISREL, terdapat beberapa konsep yang perlu diketahui.

1. Variabel teramati

Variabel teramati adalah variabel yang dapat diukur atau diamati secara langsung.

Contohnya:

• usia;
• pendapatan;
• jumlah transaksi;
• lama menjadi nasabah;
• skor jawaban kuesioner.

Dalam diagram SEM, variabel teramati biasanya digambarkan dengan kotak atau persegi panjang.

2. Variabel laten

Variabel laten merupakan variabel yang tidak dapat diamati atau diukur secara langsung. Variabel ini biasanya diwakili oleh beberapa indikator.

Contohnya:

Kepuasan nasabah

Kepuasan tidak dapat diamati secara langsung sehingga peneliti menggunakan beberapa pertanyaan sebagai indikator.

Misalnya:

• X1 = puas terhadap pelayanan;
• X2 = puas terhadap produk;
• X3 = puas terhadap kemudahan transaksi;
• X4 = puas terhadap informasi.

Variabel laten biasanya digambarkan menggunakan lingkaran atau oval.

3. Variabel eksogen

Variabel eksogen adalah variabel yang berperan sebagai variabel yang memengaruhi variabel lain dalam model dan tidak dijelaskan oleh variabel lain yang berada dalam model tersebut.

Contohnya:

Kualitas pelayanan → Kepuasan

Kualitas pelayanan dapat menjadi variabel eksogen.

4. Variabel endogen

Variabel endogen adalah variabel yang dipengaruhi atau dijelaskan oleh variabel lain dalam model.

Contohnya:

Kualitas pelayanan → Kepuasan

Kepuasan merupakan variabel endogen karena dipengaruhi oleh kualitas pelayanan.

5. Indikator

Indikator merupakan ukuran yang digunakan untuk merepresentasikan variabel tertentu.

Sebagai contoh, variabel kualitas pelayanan dapat mempunyai indikator:

• keandalan;
• daya tanggap;
• jaminan;
• empati;
• bukti fisik.

Indikator tersebut kemudian digunakan dalam proses pengukuran variabel laten.

6. Konstruk

Konstruk adalah konsep yang digunakan dalam model penelitian dan biasanya bersifat abstrak.

Contohnya:

• kepercayaan;
• kepuasan;
• loyalitas;
• kualitas pelayanan;
• motivasi;
• persepsi.

Konstruk sering kali dioperasionalkan melalui beberapa indikator.

Structural Equation Modeling dalam LISREL

LISREL sangat berkaitan dengan Structural Equation Modeling (SEM).

SEM merupakan metode statistik yang memungkinkan peneliti menganalisis hubungan beberapa variabel dalam satu model. SEM menggabungkan beberapa konsep analisis, terutama analisis faktor dan analisis jalur.

Secara sederhana, SEM dapat digunakan untuk menjawab pertanyaan:

"Apakah indikator yang digunakan benar-benar mengukur variabel yang dimaksud dan apakah hubungan antarvariabel dalam model penelitian sesuai dengan data?"

Dalam SEM terdapat dua bagian penting, yaitu:

1. model pengukuran;
2. model struktural.

1. Model Pengukuran

Model pengukuran digunakan untuk melihat hubungan antara variabel laten dan indikatornya.

Contohnya:

Kepuasan Nasabah

diukur menggunakan:

• X1 = kepuasan terhadap pelayanan;
• X2 = kepuasan terhadap produk;
• X3 = kepuasan terhadap kemudahan;
• X4 = kepuasan terhadap informasi.

Model pengukuran membantu menjawab pertanyaan:

Apakah indikator X1, X2, X3, dan X4 benar-benar dapat digunakan untuk mengukur kepuasan nasabah?

2. Model Struktural

Model struktural digunakan untuk melihat hubungan antara variabel laten.

Contohnya:

Kualitas Pelayanan → Kepuasan → Loyalitas

Model tersebut menunjukkan bahwa peneliti ingin mengetahui hubungan kualitas pelayanan terhadap kepuasan dan hubungan kepuasan terhadap loyalitas.

Model struktural dapat dibuat lebih kompleks, misalnya:

Kualitas Pelayanan → Kepercayaan → Kepuasan → Loyalitas

Dengan LISREL, hubungan tersebut dapat dianalisis dalam satu model.

Diagram dalam LISREL

Salah satu kelebihan LISREL adalah kemampuannya dalam menampilkan model penelitian dalam bentuk diagram.

Contoh sederhana:

X1 ─────┐
X2 ─────┤
X3 ─────┤ → Kualitas Pelayanan ───→ Kepuasan ───→ Loyalitas
X4 ─────┘

Dalam diagram SEM yang lebih lengkap, setiap variabel laten dapat mempunyai beberapa indikator dan hubungan antarvariabel dapat ditunjukkan menggunakan tanda panah.

Diagram tersebut membantu peneliti melihat struktur model sebelum melakukan analisis.

Data yang Dapat Digunakan dalam LISREL

LISREL dapat digunakan untuk menganalisis data penelitian kuantitatif, terutama data yang diperoleh melalui kuesioner.

Contohnya, seorang mahasiswa melakukan penelitian mengenai:

Pengaruh kualitas pelayanan terhadap kepuasan dan loyalitas nasabah bank syariah.

Peneliti menyebarkan kuesioner kepada 150 responden.

Setiap variabel mempunyai beberapa indikator:

Kualitas pelayanan

• X1
• X2
• X3
• X4

Kepuasan

• Y1
• Y2
• Y3

Loyalitas

• Z1
• Z2
• Z3

Data jawaban responden kemudian dimasukkan ke dalam perangkat lunak untuk dianalisis.

Tahapan Penggunaan LISREL

Secara umum, penggunaan LISREL dalam penelitian dapat dilakukan melalui beberapa tahap berikut.

Tahap 1: Menentukan masalah penelitian

Peneliti terlebih dahulu menentukan masalah yang ingin diteliti.

Contohnya:

Apakah kualitas pelayanan berpengaruh terhadap kepuasan dan loyalitas nasabah bank syariah?

Tahap 2: Menentukan variabel penelitian

Peneliti menentukan variabel yang akan digunakan.

Contohnya:

• X = kualitas pelayanan;
• Y = kepuasan;
• Z = loyalitas.

Tahap 3: Menentukan indikator

Setiap variabel laten perlu mempunyai indikator yang sesuai dengan teori dan penelitian terdahulu.

Contohnya:

Kualitas pelayanan

• keandalan;
• daya tanggap;
• jaminan;
• empati;
• bukti fisik.

Tahap 4: Membuat hipotesis

Hipotesis merupakan dugaan sementara yang akan diuji melalui data.

Contohnya:

H1: Kualitas pelayanan berpengaruh terhadap kepuasan nasabah.

H2: Kepuasan berpengaruh terhadap loyalitas nasabah.

H3: Kualitas pelayanan berpengaruh terhadap loyalitas nasabah.

Tahap 5: Mengumpulkan data

Data dikumpulkan dari responden sesuai dengan karakteristik populasi penelitian.

Misalnya penelitian ditujukan kepada nasabah bank syariah sehingga responden yang digunakan harus sesuai dengan kriteria penelitian.

Tahap 6: Memasukkan data

Data penelitian dimasukkan ke dalam perangkat lunak sesuai dengan format yang diperlukan.

Data harus diperiksa terlebih dahulu agar tidak terdapat kesalahan input.

Tahap 7: Membuat model penelitian

Peneliti membuat model berdasarkan teori dan hipotesis.

Contohnya:

Kualitas Pelayanan
        ↓
    Kepuasan
        ↓
    Loyalitas

Jika terdapat hubungan langsung, jalur tersebut juga dapat dimasukkan ke dalam model.

Tahap 8: Menjalankan analisis

Setelah data dan model siap, analisis dilakukan menggunakan LISREL.

Perangkat lunak kemudian menghasilkan berbagai informasi statistik yang dapat digunakan untuk mengevaluasi model dan menguji hubungan antarvariabel.

Tahap 9: Mengevaluasi model

Peneliti melihat berbagai ukuran kesesuaian model (goodness of fit), validitas, reliabilitas, serta hubungan antarvariabel.

Tahap 10: Menginterpretasikan hasil

Hasil statistik tidak cukup hanya ditampilkan dalam bentuk angka. Peneliti perlu menjelaskan arti angka tersebut berdasarkan teori dan konteks penelitian.

Uji Kesesuaian Model dalam LISREL

Salah satu bagian penting dalam SEM adalah uji kesesuaian model atau goodness of fit.

Uji ini digunakan untuk melihat sejauh mana model yang dibuat sesuai dengan data penelitian.

Beberapa ukuran yang sering digunakan antara lain:

1. Chi-Square

Chi-Square digunakan untuk menguji perbedaan antara matriks kovarians yang dihasilkan model dengan matriks kovarians data.

Nilai Chi-Square yang lebih kecil umumnya menunjukkan perbedaan yang lebih kecil antara model dan data. Namun, ukuran ini sensitif terhadap jumlah sampel sehingga tidak sebaiknya digunakan sendirian.

2. RMSEA

Root Mean Square Error of Approximation (RMSEA) digunakan untuk melihat tingkat kesalahan pendekatan model terhadap populasi.

Semakin kecil nilai RMSEA, semakin kecil tingkat kesalahan pendekatan model.

3. GFI

Goodness of Fit Index (GFI) menggambarkan tingkat kesesuaian model dengan data.

4. AGFI

Adjusted Goodness of Fit Index (AGFI) merupakan pengembangan GFI yang mempertimbangkan kompleksitas model.

5. CFI

Comparative Fit Index (CFI) membandingkan model yang diuji dengan model pembanding.

6. TLI

Tucker-Lewis Index (TLI) merupakan ukuran kesesuaian model yang mempertimbangkan kompleksitas model.

7. SRMR

Standardized Root Mean Square Residual (SRMR) menunjukkan rata-rata perbedaan antara korelasi yang diamati dengan korelasi yang diprediksi oleh model.

Catatan: Nilai batas atau cut-off untuk ukuran goodness of fit tidak sebaiknya diperlakukan sebagai aturan mutlak. Penilaian model perlu mempertimbangkan teori, ukuran sampel, kompleksitas model, kualitas data, dan beberapa ukuran kesesuaian secara bersama-sama.

Kelebihan LISREL

LISREL memiliki beberapa kelebihan dalam penelitian.

1. Dapat menganalisis model yang kompleks

LISREL dapat digunakan ketika penelitian mempunyai banyak variabel dan hubungan antarvariabel.

2. Dapat menganalisis variabel laten

Hal ini menjadi salah satu kegunaan utama LISREL karena banyak konsep dalam penelitian sosial tidak dapat diukur secara langsung.

3. Menggabungkan model pengukuran dan struktural

Peneliti dapat menguji indikator sekaligus hubungan antarvariabel dalam satu kerangka SEM.

4. Mendukung analisis hubungan langsung dan tidak langsung

LISREL dapat digunakan untuk menganalisis hubungan yang melibatkan variabel perantara.

5. Menyediakan berbagai hasil statistik

Hasil analisis dapat digunakan untuk mengevaluasi model, indikator, dan hubungan antarvariabel.

6. Dapat digunakan dalam berbagai bidang penelitian

LISREL dapat digunakan dalam bidang:

• ekonomi;
• perbankan;
• manajemen;
• pemasaran;
• pendidikan;
• psikologi;
• ilmu sosial;
• kesehatan;
• penelitian organisasi.

Kekurangan LISREL

Meskipun memiliki banyak fungsi, LISREL juga mempunyai beberapa keterbatasan.

1. Memerlukan pemahaman statistik

Pengguna perlu memahami konsep dasar statistik dan SEM agar tidak salah dalam membaca hasil analisis.

2. Model yang kompleks membutuhkan ketelitian

Semakin banyak variabel dan indikator yang digunakan, semakin besar kebutuhan terhadap ketelitian dalam menyusun model.

3. Tidak cukup hanya mengandalkan hasil perangkat lunak

LISREL hanya membantu proses analisis. Peneliti tetap harus menentukan teori, variabel, indikator, hipotesis, dan interpretasi berdasarkan dasar ilmiah.

4. Kualitas hasil bergantung pada kualitas data

Data yang tidak baik, seperti banyak kesalahan pengisian atau karakteristik responden yang tidak sesuai, dapat memengaruhi hasil penelitian.

5. Membutuhkan pemahaman terhadap asumsi dan prosedur analisis

Peneliti harus memahami karakteristik data, metode estimasi, identifikasi model, serta berbagai aspek teknis SEM.

LISREL dalam Penelitian Perbankan Syariah

LISREL dapat digunakan dalam penelitian perbankan syariah, terutama ketika penelitian melibatkan beberapa variabel laten.

Contohnya:

Judul penelitian

"Pengaruh Kualitas Pelayanan Syariah terhadap Kepuasan dan Loyalitas Nasabah Bank Syariah."

Variabel penelitian:

X = Kualitas Pelayanan Syariah

Indikator:

• pelayanan sesuai prinsip syariah;
• keandalan;
• daya tanggap;
• jaminan;
• empati.

Y = Kepuasan Nasabah

Indikator:

• kepuasan terhadap pelayanan;
• kepuasan terhadap produk;
• kepuasan terhadap fasilitas.

Z = Loyalitas Nasabah

Indikator:

• keinginan menggunakan kembali;
• keinginan mempertahankan hubungan;
• kesediaan merekomendasikan.

Modelnya:

Kualitas Pelayanan Syariah
          ↓
       Kepuasan
          ↓
       Loyalitas

Peneliti kemudian dapat menguji apakah kualitas pelayanan berhubungan dengan kepuasan, apakah kepuasan berhubungan dengan loyalitas, dan apakah terdapat hubungan langsung maupun tidak langsung dalam model tersebut.

---

LISREL untuk Analisis Mediasi

LISREL juga dapat digunakan untuk menganalisis mediasi.

Misalnya:

Kualitas Pelayanan → Kepuasan → Loyalitas

Dalam model tersebut:

• kualitas pelayanan = variabel independen;
• kepuasan = variabel mediator;
• loyalitas = variabel dependen.

Peneliti dapat melihat apakah pengaruh kualitas pelayanan terhadap loyalitas berlangsung melalui kepuasan.

Hal ini memberikan informasi yang lebih lengkap dibandingkan hanya melihat hubungan langsung antara kualitas pelayanan dan loyalitas.

LISREL untuk Analisis Konfirmatori

LISREL juga dapat digunakan dalam Confirmatory Factor Analysis (CFA).

CFA digunakan ketika peneliti sudah mempunyai dasar teori mengenai struktur suatu konstruk dan ingin menguji apakah data mendukung struktur tersebut.

Misalnya berdasarkan teori, kualitas pelayanan terdiri atas beberapa dimensi tertentu. Peneliti kemudian menggunakan data responden untuk menguji apakah indikator-indikator yang digunakan memang merepresentasikan konstruk tersebut.

Dengan demikian, CFA lebih bersifat konfirmatori, yaitu menguji struktur yang telah dirumuskan berdasarkan teori.

Contoh Sederhana Hasil LISREL

Misalnya hasil penelitian menunjukkan:

• hubungan kualitas pelayanan → kepuasan = 0,65;
• hubungan kepuasan → loyalitas = 0,72.

Angka tersebut merupakan koefisien jalur yang menunjukkan arah dan besarnya hubungan dalam model.

Jika hasil pengujian statistik menunjukkan hubungan tersebut signifikan, peneliti dapat menjelaskan bahwa berdasarkan data penelitian terdapat hubungan yang signifikan sesuai arah koefisien tersebut.

Namun, peneliti tidak boleh langsung menyimpulkan bahwa hubungan tersebut berlaku untuk seluruh populasi tanpa mempertimbangkan desain penelitian, sampel, metode pengambilan data, dan batasan penelitian.

Perbedaan LISREL dengan Analisis Regresi Biasa

LISREL dan regresi sama-sama dapat digunakan untuk menganalisis hubungan antarvariabel, tetapi penggunaannya berbeda.

Regresi sederhana biasanya digunakan untuk melihat hubungan atau pengaruh antara variabel yang telah diukur secara langsung.

Sementara itu, LISREL dapat digunakan untuk model yang lebih kompleks dan melibatkan variabel laten serta indikatornya.

Contohnya:

Regresi:

Kualitas pelayanan → Kepuasan

Sedangkan dalam SEM menggunakan LISREL:

Indikator kualitas pelayanan → Kualitas pelayanan → Kepuasan → Loyalitas

Dengan demikian, LISREL dapat memberikan kerangka analisis yang lebih menyeluruh ketika penelitian memiliki model teoritis yang kompleks.

Perbedaan LISREL dengan SPSS

SPSS merupakan perangkat lunak statistik yang banyak digunakan untuk berbagai analisis, seperti:

• statistik deskriptif;
• uji normalitas;
• uji validitas;
• uji reliabilitas;
• korelasi;
• regresi;
• uji t;
• ANOVA.

Sementara itu, LISREL lebih dikenal dalam analisis model persamaan struktural dan pemodelan variabel laten.

Keduanya dapat digunakan secara bersama-sama dalam penelitian. Misalnya, SPSS digunakan untuk pengolahan atau pemeriksaan awal data, sedangkan LISREL digunakan untuk analisis SEM.

Kapan LISREL Digunakan?

LISREL cocok digunakan ketika penelitian mempunyai karakteristik seperti:

1. menggunakan pendekatan kuantitatif;
2. mempunyai model teoritis yang jelas;
3. melibatkan beberapa variabel;
4. mempunyai variabel laten;
5. setiap variabel laten mempunyai beberapa indikator;
6. ingin menguji hubungan langsung dan tidak langsung;
7. ingin mengevaluasi kesesuaian model dengan data.

Sebaliknya, jika penelitian hanya membutuhkan analisis sederhana, penggunaan SEM dengan LISREL dapat menjadi tidak diperlukan.

Hal yang Harus Diperhatikan Saat Menggunakan LISREL

Agar penggunaan LISREL dalam penelitian tidak sekadar menghasilkan angka, peneliti perlu memperhatikan beberapa hal.

1. Dasar teori

Model penelitian harus mempunyai dasar teori yang jelas. Jangan membuat hubungan antarvariabel hanya karena perangkat lunak memungkinkan hubungan tersebut dibuat.

2. Kualitas indikator

Indikator harus sesuai dengan konstruk yang diukur.

3. Ukuran sampel

Jumlah sampel harus dipertimbangkan berdasarkan kompleksitas model, metode estimasi, dan karakteristik data.

4. Kualitas data

Data harus diperiksa sebelum digunakan dalam analisis.

5. Identifikasi model

Model SEM harus dapat diidentifikasi agar parameter yang ingin diestimasi dapat diperoleh secara layak.

6. Interpretasi hasil

Peneliti perlu memahami arti setiap angka yang dihasilkan dan tidak hanya menyalin hasil dari perangkat lunak.

Kesimpulan

LISREL (Linear Structural Relations) merupakan perangkat lunak statistik yang banyak digunakan untuk analisis Structural Equation Modeling (SEM). LISREL dapat membantu peneliti menganalisis hubungan antara variabel teramati dan variabel laten, menguji model pengukuran, menguji model struktural, menganalisis hubungan langsung maupun tidak langsung, serta mengevaluasi kesesuaian model dengan data penelitian.

Penggunaan LISREL sangat relevan untuk penelitian yang mempunyai model kompleks, seperti penelitian di bidang perbankan syariah, ekonomi, manajemen, pemasaran, pendidikan, dan ilmu sosial. Meskipun demikian, penggunaan LISREL tetap membutuhkan pemahaman terhadap teori, metode penelitian, statistik, karakteristik data, dan interpretasi hasil. Perangkat lunak hanya menjadi alat bantu, sedangkan kualitas penelitian tetap bergantung pada ketepatan perumusan masalah, teori, data, metode, serta interpretasi peneliti.