DIAGRAM JALUR HIPOTESIS

b. Selanjutnya diagram hipotesis di atas diterjemahkan ke dalam beberapa sub hipotesis yang menyatakan pengaruh sub variabel independen yang paling

dominan terhadap variabel dependen. Lebih jelasnya dapat terlihat pada Gambar 3.3 berikut ini. GAMBAR 3.5 DIAGRAM JALUR SUBSTRUKTUR HIPOTESIS rx5.x6 rx1.x2 rx2.x2 rx7.x8 rx6.x7 rx4.x5 rx3.x4 rx3.x5 rx1.x3 rx5.x7 rx4.x6 rx6.x8 rx2.x4 rx1.x4 rx4.x7 rx5.x8 rx3.x7 rx1.x5

ε

ρ

Yε X3 X8 X5 X7 X6 X1 X2 X4 Y

ρ

yx5

ρ

yx4

ρ

yx3

ρ

yx2

ρ

yx1

ρ

yx7

ρ

yx2

ρ

yx6 rx1.x7 rx2.x8 rx1.x8 rx2.x7 rx3.x8 rx1.x6 rx2.x6 rx4.x8 rx3.x6 rx2.x5

Keterangan:

X1 = Sub variabel ukuran dan itensitas X2 = Sub variable warna dan gerakan X3 = Sub variabel posisi

X4 = Sub variabel isolasi X5 = Sub variabel format

X6 = Sub variabel kontras/ekspektasi X7 = Sub variabel ketertarikan

X8 = Sub variabel kuantitas informasi Y = variabel Citra merek

= Hubungan kausalitas = Hubungan korelasional



= faktor lain (epsilon)

c. Menghitung matriks korelasi antar variabel bebas

d. Identifikasi persamaan sub struktur hipotesis Menghitung matriks invers korelasi R1 = X1 X2 X3 X4 X5 X6 X7 X8 rx1x1 rx1x2 rx1x3 rx1x4 rx1x5 rx1x6 rx1x7 rx1x8 rx2x2 rx2x3 rx2x4 rx2x5 rx2x6 rx2x7 rx2x8 rx3x3 rx3x4 rx3x5 rx3x6 rx3x7 rx3x8 rx4x4 rx4x5 rx4x6 rx4x7 rx4x8 rx5x5 rx5x6 rx5x7 rx5x8 rx6x6 rx6x7 rx6x8 rx7x7 rx7x8 rx8x8

R1-1 = X1 X2 X3 X4 X5 X6 X7 X8 C1.1 C1.2 C1.3 C1.4 C1.5 C1.5 C1.7 C1.8 C2.2 C2.3 C2.4 C2.5 C2.5 C2.7 C2.8 C3.3 C3.4 C3.5 C3.5 C3.7 C3.8 C4.4 C4.5 C4.5 C4.7 C4.8 C5.5 C5.5 C5.7 C5.8 C6.5 C6.7 C6.8 C7.7 C7.8 C8.8

e. Menghitung semua koefisien jalur melalui rumus

X1 X2 X3 X4 X5 X6 X7 X8 YX1 C1.1 C1.2 C1.3 C1.4 C1.5 C1.5 C1.7 C1.8 rYX1 YX2 C2.2 C2.3 C2.4 C2.5 C2.5 C2.7 C2.8 rYX2 YX3 C3.3 C3.4 C3.5 C3.5 C3.7 C3.8 rYX3 YX4 C4.4 C4.5 C4.5 C4.7 C4.8 rYX4 YX5 C5.5 C5.5 C5.7 C5.8 rYX5 YX6 C6.5 C6.7 C6.8 rYX6 YX7 C7.7 C7.8 rYX7 YX8 C8.8 rYX8

f. Hitung R2y (X1, X2, X3, X4, X5, X6, X7, X8) yaitu koefisien yang menyatakan determinasi total X1, X2, X3, X4, X5, X6, X7, X8 terhadap Y dengan menggunakan rumus:

rYX1 ...

rYX8 R²y (X1... X8) = [ρ YX1... ρ YX8]

g. Menguji pengaruh langsung maupun tidak langsung dari setiap variabel 1. Pengaruh (X1) terhadap Y

Pengaruh langsung =



YX1.



YX1

Pengaruh tidak langsung melalui (X1.2) =



YX1 . rx1.x2.



YX2

Pengaruh tidak langsung melalui (X1.3) =



YX1 . rx1.x3.



YX3

Pengaruh tidak langsung melalui (X1.4) =



YX1 . rx1.x4.



YX4

Pengaruh tidak langsung melalui (X1.5) =



YX1 . rx1.x5.



YX5

Pengaruh tidak langsung melalui (X1.6) =



YX1 . rx1.x6.



YX6

Pengaruh tidak langsung melalui (X1.7) =



YX1 . rx1.x7.



YX7

Pengaruh tidak langsung melalui (X1.8) =



YX1 . rx1.x8.



YX8

+ Pengaruh total (X1) terhadap Y = ………. 2. Pengaruh (X2) terhadap Y

Pengaruh langsung =



YX2.



YX2

Pengaruh tidak langsung melalui (X2.1) =



YX2 . rx2.x1.



YX1

Pengaruh tidak langsung melalui (X2.3) =



YX2 . rx2.x3.



YX3

Pengaruh tidak langsung melalui (X2.4) =



YX2 . rx2.x4.



YX4

Pengaruh tidak langsung melalui (X2.5) =



YX2 . rx2.x5.



YX5

Pengaruh tidak langsung melalui (X2.6) =



YX2 . rx2.x6.



YX6

Pengaruh tidak langsung melalui (X2.7) =



YX2 . rx2.x7.



YX7

Pengaruh tidak langsung melalui (X2.8) =



YX2 . rx2.x8.



YX8

Pengaruh total (X2) terhadap Y = ………. 3. Pengaruh (X3) terhadap Y

Pengaruh langsung =



YX3.



YX3

Pengaruh tidak langsung melalui (X3.1) =



YX3 . rx3.x1.



YX1

Pengaruh tidak langsung melalui (X3.2) =



YX3 . rx3.x2.



YX2

Pengaruh tidak langsung melalui (X3.4) =



YX3 . rx3.x4.



YX4

+

+

+ Pengaruh tidak langsung melalui (X3.5) =



YX3 . rx3.x5.



YX5

Pengaruh tidak langsung melalui (X3.6) =



YX3 . rx3.x6.



YX6

Pengaruh tidak langsung melalui (X3.7) =



YX3 . rx3.x7.



YX7

Pengaruh tidak langsung melalui (X3.8) =



YX3 . rx3.x8.



YX8

Pengaruh total (X3) terhadap Y = ………. 4. Pengaruh (X4) terhadap Y

Pengaruh langsung =



YX4.



YX4

Pengaruh tidak langsung melalui (X4.1) =



YX4 . rx4.x1.



YX1

Pengaruh tidak langsung melalui (X4.2) =



YX4 . rx4.x2.



YX2

Pengaruh tidak langsung melalui (X4.3) =



YX4 . rx4.x3.



YX3

Pengaruh tidak langsung melalui (X4.5) =



YX4 . rx4.x5.



YX5

Pengaruh tidak langsung melalui (X4.6) =



YX4 . rx4.x6.



YX6

Pengaruh tidak langsung melalui (X4.7) =



YX4 . rx4.x7.



YX7

Pengaruh tidak langsung melalui (X4.8) =



YX4 . rx4.x8.



YX8

Pengaruh total (X4) terhadap Y = ………... 5. Pengaruh (X5) terhadap Y

Pengaruh langsung =



YX5.



YX5

Pengaruh tidak langsung melalui (X5.1) =



YX5 . rx5.x1.



YX1

Pengaruh tidak langsung melalui (X5.2) =



YX5 . rx5.x2.



YX2

Pengaruh tidak langsung melalui (X5.3) =



YX5 . rx5.x3.



YX3

Pengaruh tidak langsung melalui (X5.4) =



YX5 . rx5.x4.



YX4

Pengaruh tidak langsung melalui (X5.6) =



YX5 . rx5.x6.



YX6

Pengaruh tidak langsung melalui (X5.7) =



YX5 . rx5.x7.



YX7

Pengaruh tidak langsung melalui (X5.8) =



YX5 . rx5.x8.



YX8

Pengaruh total (X5) terhadap Y = ………... 6. Pengaruh (X6) terhadap Y

Pengaruh langsung =



YX6.



YX6

Pengaruh tidak langsung melalui (X6.1) =



YX6 . rx6.x1.



YX1

Pengaruh tidak langsung melalui (X6.2) =



YX6 . rx6.x2.



YX2

+

+

+ Pengaruh tidak langsung melalui (X6.4) =



YX6 . rx6.x4.



YX4

Pengaruh tidak langsung melalui (X6.5) =



YX6 . rx6.x5.



YX5

Pengaruh tidak langsung melalui (X6.7) =



YX6 . rx6.x7.



YX7

Pengaruh tidak langsung melalui (X6.8) =



YX6 . rx6.x8.



YX8

Pengaruh total (X6) terhadap Y = ………... 7. Pengaruh (X7) terhadap Y

Pengaruh langsung = YX7.  YX7

Pengaruh tidak langsung melalui (X7.1) = YX7 . rx7.x1.  YX1

Pengaruh tidak langsung melalui (X7.2) = YX7 . rx7.x2.  YX2

Pengaruh tidak langsung melalui (X7.3) = YX7 . rx7.x3.  YX3

Pengaruh tidak langsung melalui (X7.4) = YX7 . rx7.x4.  YX4

Pengaruh tidak langsung melalui (X7.5) = YX7 . rx7.x5.  YX5

Pengaruh tidak langsung melalui (X7.6) = YX7 . rx7.x6.  YX6

Pengaruh tidak langsung melalui (X7.8) = YX7 . rx7.x8.  YX8

Pengaruh total (X7) terhadap Y = ………... 8. Pengaruh (X8) terhadap Y

Pengaruh langsung = YX8.  YX8

Pengaruh tidak langsung melalui (X8.1) = YX8 . rx8.x1.  YX1

Pengaruh tidak langsung melalui (X8.2) = YX8 . rx8.x2.  YX2

Pengaruh tidak langsung melalui (X8.3) = YX8 . rx8.x3.  YX3

Pengaruh tidak langsung melalui (X8.4) = YX8 . rx8.x4.  YX4

Pengaruh tidak langsung melalui (X8.5) = YX8 . rx8.x5.  YX5

Pengaruh tidak langsung melalui (X8.6) = YX8 . rx8.x6.  YX6

Pengaruh tidak langsung melalui (X8.7) = YX8 . rx8.x7.  YX7

Pengaruh total (X4) terhadap Y = ………... h. Menghitung variabel lain () dengan rumus sebagai berikut:

Yε = 1 – R2 Y (X1, X2,…. X8)

i. Keputusan penerimaan atau penolakan Ho Rumusan Hipotesis operasional:

Ho : YX1= YX2= YX3=YX4=YX5=YX6=YX7=YX8 = 0

Ha : Sekurang-kurangnya ada sebuah YXi  0, i = 1, 2, 3, 4, 5, 6, 7dan 8 j. Statistik uji yang digunakan adalah:

∑ ∑

Hasil Fhitung dibandingkan dengan tabel distribusi F-Snedecor, apabila Fhitung Ftabel, maka Ho ditolak dengan demikian dapat diteruskan pada pengujian secara individual, statistik yang digunakan adalah:

√

Tolak H0 jika thitung > ttabel (mendekati 100%) (n-k-1) Terima H0 jika thitung ≤ ttabel (mendekati 100%) (n-k-1) 3.2.7.5 Pengujian Hipotesis

Untuk mencari hubungan dua variabel atau lebih dapat dilakukan dengan menghitung kolerasi antar variabel yang dicari hubungannya. Kolerasi merupakan angka yang menunjukan arah kuatnya hubungan antar dua variabel atau lebih. Sebagai langkah terakhir dari analisis data adalah pengujian hipotesis. Untuk menguji hipotesis yang telah dirumuskan harus menggunakan uji statistika yang tepat. Menurut Sugiyono (2013:221) “hipotesis diartikan sebagai pernyataan mengenai keadaan populasi yang akan diuji kebenarannya berdasarkan data yang diperoleh dari sampel penelitian”.

Secara statistik hipotesis yang akan diuji berada pada taraf kesalahan 0,05 dengan derajat kebebasan n-k-1 serta berada pada uji pihak kanan. Serta pada uji satu pihak, yaitu uji pihak kanan. Kriteria pengambilan keputusan pengujian hipotesis secara ststistik berdasarkan pengambilan keputusan penerimaan atau penolakan hipotesis menurut Sugiyono (2013:188) ialah :

1. Jika thitung > ttabel maka Ho ditolak dan Ha diterima 2. Jika thitung < ttabel maka Ho diterima dan Ha ditolak

Secara statistik, hipotesis yang akan diuji dalam rangka pengambilan keputusan penerimaan atau penolakan hipotesis dapat dirumuskan sebagai berikut: Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari stimulus pemasaran terhadap

citra merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari stimulus pemasaran terhadap citra merek

1. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari ukuran dan intensitas terhadap citra merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari ukuran dan intensitas terhadap citra merek

2. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari warna dan gerakan terhadap citra merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari warna dan gerakan terhadap citra merek

3. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari posisi terhadap citra merek

4. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari isolasi terhadap citra merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari isolasi terhadap citra merek 5. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari format terhadap citra

merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari format terhadap citra merek 6. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari kontras/ekspektasi

terhadap citra merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari kontras/ekspektasi terhadap citra merek

7. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari ketertarikan terhadap citra merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari ketertarikan terhadap citra merek

8. Ho : ρ ≤ 0, artinya tidak terdapat pengaruh positif dari kuantitas informasi terhadap citra merek

Ha : ρ > 0, artinya terdapat pengaruh positif dari kuantitas informasi terhadap citra merek

Untuk menafsirkan sejauh mana pengaruh stimulus pemasaran terhadap citra merek digunakan pedoman interpretasi koedisien tertentu. Nilai koefisien penentu berada di antara 0-100%. Jika nilai koefisien semakin mendekati 100% berarti semakin kuat pengaruh variabel eksogen terhadap variabel endogen. Semakin mendekati 0% berarti semakin lemah pengaruh variabel eksogen terhadap variabel endogen sehingga dibuat pedoman interprestasi koefisien

Untuk mengetahui kuat lemahnya pengaruh dapat diklasifikasikan dengan menggunakan rumus Guilford pada Tabel 3.12 sebagai berikut:

TABEL 3.12

PEDOMAN UNTUK MEMBERIKAN INTERPRESTASI KOEFISIEN