BAB V GAMBARAN UMUM PERUSAHAAN
6.3 Proses dan Hasil Analisis Data
6.3.4 Langkah 4: Memilih Matriks Input dan Teknik Estimasi
6.3.4.2 Analisis Structural Equation Modeling dengan Full Model
Indikator sperti pada tabel 6.13 diatas, menunjukkan bahwa terdapat jawaban paling kecil (1) atau sangat tidak setuju (min) dan jawaban paling besar (7) atau sangat setuju (max).
6.3.4.2. Analisis Structural Equation Modeling dengan Full Model
Analisis selanjutnya adalah analisis Structural Equation Model (SEM) secara Full Model yang dimaksudkan untuk menguji model dan hipotesis yang dikembangkan dalam penelitian ini. Pengujian model dalam Structural Equation Model dilakukan dengan dua pengujian, yaitu uji kesesuaian model dan uji signifikansi kausalitas melalui uji koefisien regresi. Hasil pengolahan data untuk analisis SEM terlihat pada Gambar 6.12.
Variable min max Skew c.r. kurtosis c.r.
X25 1.000 7.000 -.226 -.958 -.856 -1.817 X24 1.000 7.000 -.182 -.774 -1.014 -2.151 X23 1.000 7.000 -.281 -1.192 -.999 -2.120 X22 1.000 7.000 -.209 -.886 -.969 -2.055 X21 1.000 7.000 -.217 -.920 -.955 -2.025 X16 1.000 7.000 -.410 -1.739 -.774 -1.642 X15 1.000 7.000 -.373 -1.584 -.842 -1.787 X14 1.000 7.000 -.502 -2.128 -.647 -1.373 X13 1.000 7.000 -.303 -1.284 -.836 -1.773 X12 2.000 7.000 -.376 -1.597 -.973 -2.063 X11 1.000 7.000 -.188 -.800 -1.145 -2.430 Multivariate 11.939 3.668
Gambar 6. 10
Hasil Structural Equation Model Full Model
Kriteria Cut of value Hasil Evaluasi
Chi-Square Kecil (dibawah χ2 tabel) dengan df : 71 p : 5 % = 124.3421
119.761 Baik
Probability ≥ 0,05 0.000 Tidak baik
CMIN/DF ≤ 2,00 1.687 Baik GFI ≥ 0,90 0.865 Marginal AGFI ≥ 0,90 0.800 Marginal NFI ≥ 0,90 0.929 Baik TLI ≥ 0,90 0.961 Baik CFI ≥ 0,90 0.969 Baik RMSEA ≤ 0,08 0.08 Baik
Sumber : Hasil Penelitian, 2012 (data diolah)
Berdasarkan hasil pengamatan pada gambar pada grafik analisis full model diatas dapat ditunjukkan bahwa model tidak memenuhi kriteria fit, hal ini ditandai dengan nilai dari hasil perhitungan tidak memenuhi kriteria layak full model. Dimana nilai Probability sebesar 0.000, CMIN/DF sebesar 1.687, AGFI sebesar 0.800, NFI sebesar 0.929, TLI sebesar 0.961, CFI sebesar 0.969 dan RMSEA sebesar 0.08.
Chi-Square adalah alat uji statistik yang paling fundamental untuk mengukur overall fit, dimana semakin kecil Chi-Square maka semakin fit model SEM tersebut. Pada uji hipotesa diatas terdapat angka Chi-Square sebesar 119.761 lebih kecil dari Chi-Square tabel df 71 sebesar 124.3421. Batasan yang digunakan oleh RMSEA adalah ≤ 0.08, pada uji fit
model diatas didapatkan angka sebesar 0.08, sehingga model tersebut fit atau sesuai untuk diolah menggunakan SEM.
AGFI adalah modifikasi dari GFI dengan mengakomodasi derajat bebas model denngan model lain yang dibandingkan. AGFI yang diharapkan adalah ≥0.90, sedangkan
AGFI pada uji hipotesa tersebut sebesar 0.800 sehingga AGFI tersebut tidak proporsional.
CMIN/DF adalah statistik Chi-Square dibagi dengan Degreess of Freedom. CMIN/DF yang diharapkan adalah ≤2.00 dan dari uji hipotesa diatas terdapat CMIN/DF sebesar 1.687. Sementara itu, dari tingkat kemungkinan signifikannya (Sighnificant Probability) pada uji hipotesa adalah sebesar 0.000, sedangkan angka yang diharapkan adalah sebesar ≥0.05
sehingga uji ini masih dianggap tidak proporsional.
Agar model ini dapat diterima maka dilakukanlah Model Development Strategy, yakni melakukan modifikasi pada model agar beberapa alat uji dapat baik hasilnya. Hal ini dapat dilakukan dengan menurunkan Chi-Square, peningkatan angka GFI, AGFI, NFI, TLI, CFI, RMSEA dan sebagainya. Dengan demikian data menjadi fit dengan data yang ada. Untuk memodifikasi model dilakukan dengan melihat rekomendasi dari otput Modification Indices.
Tabel 6.15
Modification Indices pada Full Model M.I. Par Change
e10 <--> ZL 5.114 .124
e6 <--> e8 4.110 .125
e5 <--> ZL 16.347 .201
e5 <--> e15 25.282 .330
Tabel diatas adalah hasil rekomendasi dari AMOS 18 tentang variabel-variabel atau eror yang harus diolah lebih jauh untuk modifikasi. Modifikasi dilakukan dengan menghubungkan variabel atau eror tersebut.
Gambar 6. 11
Hasil Structural Equation Model setelah dilakukan Modifikasi Sumber : Hasil Penelitian, 2012 (data diolah)
Dari gambar diatas terlihat beberapa modifikasi yang dilakukan yakni, e5 dengan e15 sebesar 0.28, e5 dengan ZL sebesar 0.14. Berdasarkan gambar tersebut juga dapat dilihat bahwa tingkat signifikansi sebesar 0.092 (P>0.05) menunjukkan bahwa hipotesis nol (H0) yang menyatakan bahwa tidak ada perbedaan antara matriks kovarians sampel dengan matriks kovarians populasi yang diestimasi tidak dapat ditolak. Hasil tersebut menunjukkan diterimanya hipotesis nol (H0) atau model ini dapat diterima, yaitu terdapat dua konstruk yang berbeda dengan indikator-indikatornya. Selain pengujian berdasarkan nilai probability perlu juga diperkuat dengan nilai-nilai yang lain, seperti pada Tabel 6.16 berikut ini.
Tabel 6. 15
Hasil Uji Structural Equation Model setelah dilakukan Modifikasi
Kriteria Cut of value Hasil Evaluasi
Chi-Square Kecil (dibawah χ2 tabel) dengan df : 69 p : 5 % = 124.3421 85.033 Baik Probability ≥ 0,05 0.092 Baik CMIN/DF ≤ 2,00 1.232 Baik GFI ≥ 0,90 0.900 Baik AGFI ≥ 0,90 0.847 Marginal NFI ≥ 0,90 0.950 Baik TLI ≥ 0,90 0.987 Baik CFI ≥ 0,90 0.990 Baik RMSEA ≤ 0,08 0.047 Baik
Sumber : Hasil Penelitian, 2012 (data diolah)
Dalam full model Structural Equation Model setelah dilakukan modifikasi diatas, dapat dilihat pada uji hipotesanya dimana Chi-Square adalah sebesar 85.033, Probability
sebesar 0.092, CMIN/DF sebesar 1.232, GFI sebesar 0.900, TLI sebesar 0.987, CFI sebesar 0.990, AGFI sebesar 0.847 dan RMSEA sebesar 0.047. Dari hasil uji hipotesa tersebut, data yang dihasilkan telah memenuhiuji fit full model dalam SEM.
Semakin kecil Chi-Square maka semakin fit model SEM tersebut. Pada uji hipotesa diatas terdapat angka Chi-Square sebesar 85.033 lebih kecil dari nilai Chi-Square tabel untuk derajat kebebasan 69 pada tingkat signifikan 5% sebesar 124.3421. Batasan yang digunakan oleh RMSEA adalah ≤0.08, pada uji fit model diatas didapatkan angka sebesar 0.047, sehingga model tersebut dinyatakan fit.
Kesesuaian menghitung proporsi tertimbang dari varians dalam matrik kovarians sampel yang terestimasikan, diuji menggunakan GFI. GFI yang diharapkan adalah sebesar
≥0.90, GFI pada uji hipotesa tersebut sebesar 0.900, sehingga GFI dinyatakan proporsional.
Sedangkan kebalikan dari GFI adalah CFI. CFI adalah suatu indeks untuk mengukur suatu tingkat penerimaan sebuah model, tetapi tidak dipengaruhi oleh besarnya suatu sampel.
Tingkat CFI yang diharapkan adalah sebesar ≥0.90, pada uji hipotesa terdapat angka sebesar
0.990, artinya model tersebut diterima dalam model SEM yang diharapkan.
Uji hipotesa yang berikutnya adalah pada CMIN/DF. CMIN/DF adalah statistic Chi-Square dibagi dengan Degreess of Freedom. CMIN/DF yang diharapkan adalah sebesar
≤2,00. Pada uji hipotesa diatas, terdapat angka sebesar 1.232, sehingga menghasilkan angka
yang fit dalam permodelan SEM. Sedangkan untuk TLI adalah sebuah alternatif Incremental Fit Index yang membandingkan sebuah model yang diuji terhadap sebuah Baseline Model. Nilai yang diharapkan pada TLI adalah sebesar ≥0.90. Angka yang ada pada uji hipotesa
untuk uji TLI adalah sebesar 0.987, sehingga angka tersebut fit untuk pengujian SEM. Sementara itu, dari tingkat kemungkinan signifikannya (Sighnificant Probability) pada uji hipotesa adalah sebesar 0.092, sedangkan angka yang diharapkan adalah sebesar ≥0.05,
sehingga didapat tingkat kemungkinan signifikan yang tinggi, jadi hasil tersebut fit dalam model pengolahan SEM.
Kuat lemahnya dimensi-dimensi untuk mempengaruhi faktor latennya dapat dianalisis dengan menggunakan uji t terhadap Regression Weights sebagaimana tersaji dalam Tabel 6.13 dan dengan melihat faktor loading masing-masing dimensi tersebut.
Tabel 6.17
Hasil Regression Weights Full Model
Estimate S.E. C.R. P Label
VARIABEL Y <--- VARIABEL Z .979 .106 9.219 *** par_18
X11 <--- VARIABEL Z 1.000 X12 <--- VARIABEL Z .957 .094 10.190 *** par_1 X13 <--- VARIABEL Z 1.022 .099 10.320 *** par_2 X14 <--- VARIABEL Z .981 .102 9.588 *** par_3 X15 <--- VARIABEL Z .943 .101 9.352 *** par_4 X16 <--- VARIABEL Z .955 .100 9.518 *** par_5 X21 <--- VARIABEL Z 1.072 .110 9.786 *** par_6 X22 <--- VARIABEL Z 1.043 .114 9.159 *** par_7 X23 <--- VARIABEL Z .985 .109 9.065 *** par_8 X24 <--- VARIABEL Z 1.040 .104 9.972 *** par_9 X25 <--- VARIABEL Z 1.060 .105 10.062 *** par_10 Y3 <--- VARIABEL Y 1.000
Estimate S.E. C.R. P Label
Y2 <--- VARIABEL Y .934 .082 11.337 *** par_16
Y1 <--- VARIABEL Y .998 .087 11.497 *** par_17
· Dimana : X11 = Product, X12 = Price, X13 = Promotion, X14 = Place, X15 = People, X16 = Process X21 = Tangible, X21 = Reliability, X31 = Responsiveness, X41 = Empathy, X51 = assurance Z = Kepuasan dan Y = Loyalitas
· P (***) mengindikasikan P < 0.05
Sumber : Hasil Penelitian, 2012 (data diolah)
Berdasarkan hasil pada Tabel 6.16 di atas terlihat bahwa setiap indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan hasil yang memenuhi kriteria yaitu nilai Critical Ratio (CR) >1.96 dengan Probability (P) lebih kecil dari pada 0,05. Berdasarkan hasil tersebut menunjukkan bahwa indikator-indikator pembentuk variabel laten telah menunjukkan unidimensionalitas atau kumpulan dimensi konfirmatori faktor terjadi unidimensi antara indikator pembentuk suatu serangkaian yang tidak dapat dipisahkan. Apabila hasil olah data menunjukkan nilai yang memenuhi syarat tersebut, maka hipotesis penelitian yang diajukan dapat diterima. Secara rinci pengujian hipotesis penelitian akan dibahas secara bertahap sesuai dengan hipotesis yang telah diajukan.
Dari tabel tersebut juga menunjukkan adanya hubungan yang signifikan positif pada masing masing variabel. Dapat dilihat pada standar estimasi (t) untuk variabel eksogen bauran pemasaran (X1), terdapat angka yang signifikan sebesar 1.000 pada X11, 0.957pada X12, 1.022 pada X13, 0.981 pada X14, .943 pada X15 dan 0.955pada X16. Jadi faktor
product, price, promotion, place, people dan process berpengaruh signifikan dan positif terhadap bauran pemasaran.
Pada standar estimasi (t) untuk variabel eksogen kualitas pelayanan (X2), terdapat angka yang signifikan sebesar 1.072 pada X21, 1.043 pada X22, 0.985 pada X23, 1.040 pada X24 dan 1.060 pada X25. Jadi faktor tangible, reliability, responsiveness, empathy dan
endogen yaitu kepuasan dan loyalitas konsumen terdapat angka sebesar 0.979. Jadi variabel kepuasan berpengaruh signifikan dan positif terhadap loyalitas konsumen.