GOODNESS OF FIT INDEX
KETERANGAN CUT-OF VALUE
X2 Chi-square
Menguji apakah covariance populasi yang destimasi sama dengan cova-riance sampe (apakah model sesuai dengan data).
Diharapkan kecil 1 s.d 5 atau paling baik diantara 1 dan 2
Probability Uji signifikasi terhadap perbedaan matriks covariance yang diestimasi.
Minimum 0,1 atau 0,2 atau ≥ 0,05
RMSEA Mengkompensasi kelemahan Chi-square
pada sample besar
≤ 0,08 GFI Menghitung proporsi tertimbang varians
dalam matriks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi (analog dengan R² dalam regresi berganda)
≥ 0,90
AGFI GFI yang disesuaikan terhadap DF ≥0,90
CMIND / DF Kesesuaian antara data dan model ≤ 2,00
TLI Perbandingan antara model yang diuji terhadap baseline model
≥ 0,95 CFI Uji kelayakan model yang tidak sensitive
terhadap besarnya sample dan kerumitan model
≥ 0,94
Sumber : Hair et,al., 1998
3.4.2 Pengujian Hipotesis
3.4.2.1 Evaluasi Kr iter ia Goodness of Fit 1. X
²
- Chi-square StatisticAlat uji paling fundamental untuk mengukur overal fit adalah Likelidhood Ratio Chi-square Statistic. Chi-square ini bersifat sangat sensitif terhadapnya sampel yang digunakan. Karenanya bila jumlah sampel cukup besar (lebih dari 200), statistic Chi-square ini harus didampingi oleh alat uji lain. Model yang diuji akan dipandang baik atau
memuaskan bila nilai Chi-squarenya rendah. Semakin kecil nilai X
²
semakin baik model itu. Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai X²
yang kecil dan tidak signifikasi.X
²
bersifat sangat sensitif terhadap besarnya sampel yaitu terhadap sampel yang terlalu kecil maupun terlalu besar. Penggunaan Chi-square hanya sesuai bila ukuran antara 100 dan 200. Bila ukuran sampel ada diluar rentang itu, uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini perlu dilengkapi dengan alat uji yang lain.2. RMSEA-The Root Mean Square Error Of Approximation
RMSEA adalah sebuah index yang digunakan mengkompensasi Chi-square Statistic dalam sampel yang besar. Nilai RMSEA menunjukkan Goodness Of Fit yang dapat diharapkan bila model diestimasi dalam populasi ini RMSEA yang lebih kecil atau sama dengan 0,08 merupakan index untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan Degress Of Freedom.
3. GFI-Goodness Of Fit Index
GFI adalah analog dari R
²
dalam regresi berganda. Index kesesuaian ini akan menghitung proporsi tertimbang dari varian dalam matrixkovarians sampel yang dijelaskan oleh matrix kovarians populasi yang terestimasi. GFI adalah sebuah ukuran non statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam index ini menunjukkan sebuah ‘better fit’.
4. AGFI-Adjusted Goodness Of Fit Index
AGFI = GFI / DF tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,09. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matrix kovarians sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik (Good Overal Model Fit) sedangkan besaran nilai antara 0,90 – 0,95 menunjukkan tingkatan cukup (Adequate Fit).
5. TLI-Tucker Lewis Index
TLI adalah sebuah alternatif incremental Fit Index yang membandingkan sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan ≥ 0,95 dan nilai yang sangat mendekati 1 menunjukkan A very Good Fit.
6. CMIN / DF
CMIN/DF sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik
Chi-square, X
²
dibagi DF-nya sehingga disebut X²
relatif. Nilai X²
relatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X²
relatif yang tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasi dan yang diestimasi.7. CFI-Comparative Fit Index
Besaran index ini adalah rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi ( A Very Good Fit). Nilai yang direkomendasikan adalah CFI > 0,95. Keunggulan dari indeksi ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Indeks CFI adalah identik dengan Relative Noncentrality Index (RNI).
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskr ipsi Objek Penelitian 4.1.1 Analisis Kar akter istik Responden
Penelitian ini dilakukan untuk mengetahui dan menganalisis Sikap dan Keyakinan dari Pesan Iklan terhadap Minat Beli produk Hand Body Lotion Viva di Surabaya, yang nantinya diharapkan dapat menganalisis faktor-faktor apa saja yang dapat mempengaruhi sikap dan keyakinan dari pesan iklan terhadap minat beli produk hand body lotion viva.
Penelitian ini telah ditentukan lokasi dimana masyarakat yang menjadi pengguna dari Hand Body Lotion Viva dan masyarakat yang pernah melihat iklan dari produk Hand Body Lotion tersebut yang berada di Surabaya Timur. Lokasi penelitian ini berada di sekitar daerah Kedung Baruk Kecamatan Rungkut Surabaya yang dilakukan dengan menyebarkan kuesioner kepada 108 responden dengan klasifikasi usia antara 20 sampai 25 tahun, serta bersedia mengisi kuesioner yang diberikan oleh peneliti.
4.1.2 Karakter istik Hand Body Lotion Viva
Produk hand body lotion yang beredar di pasaran sangat banyak sehingga mengakibatkan tingkat persaingan menjadi ketat, mengingat produk ini tergolong dalam produk yang dibutuhkan masyarakat menengah kebawah. Hand body lotion Viva yang diproduksi oleh PT.Vitapharm, dikenal dan popular di kalangan masyarakat menengah kebawah. Salah satu produk hand body lotion dari
PT.Vitapharm yang cukup familiar (dikenal) dalam masyarakat adalah hand body lotion merek Viva. Produk ini menjadi pilihan penelitian dengan alasan bahwa hand body lotion merek Viva ini adalah hand body lotion dengan harga yang terjangkau di kalangan menengah kebawah. Viva adalah merek hand body lotion terbesar di Indonesia, salah satu faktor yang mendukung hal tersebut karena iklim tropis di Indonesia yang mengakibatkan kalangan remaja membutuhkan kelembaban pada kulit yang menjadi masalah umum masyarakat di Indonesia, oleh karena itu timbul daya tarik besar untuk menggunakan hand body lotion di Indonesia. Viva adalah ahli dalam melindungi keremajaan kulit wanita di Indonesia.
4.2 Deskr ipsi Hasil Penelitian
4.2.1 Deskr ipsi Kar akter istik Responden
Data mengenai keadaan responden dapat diketahui melalui jawaban responden dari pernyataan-pernyataan yang diajukan di dalam kuesioner yang telah diberikan. Dari 108 responden yang menjawab kuesioner yang telah diberikan dapat diketahui usia para responden yakni pada table di bawah ini..
Tabel 4.1 Kar akter istik Responden Berdasarkan Usia
No Usia Jumlah Prosentase (%)
1 20 – 21 tahun 25 23,00
2 22 – 23 tahun 46 43,00
3 24 – 25 tahun 37 34,00
Berdasarkan tabel di atas diketahui bahwa sebagian besar responden yang digunakan dalam penelitian ini adalah mereka yang berusia di antara 22 hingga 23 tahun yaitu sebanyak 46 orang atau 45,50%, kemudian mereka yang berusia 24 hingga 25 tahun sebanyak 37 orang atau 37,55% dan mereka yang berusia 21 hingga 22 tahun sebanyak 25 orang atau 24,95%.
4.3 Deskr ipsi Pesan Ik lan
Sumber : Data diolah
Berdasarkan tabel di atas dijelaskan sebagai berikut :
a. Indikator pertama dari Pesan Iklan, yaitu pendapat responden mengenai Musik sebagai latar belakang dan pengiring penyampaian iklan tersebut, mendapat respon terbanyak pada skor 2 dengan jumlah responden sebanyak 57 responden atau 55 % kemudian terbanyak kedua terdapat pada skor 1 dengan jumlah responden 26 atau 24 %. Artinya, sebagian besar responden menjawab tidak setuju sebanyak 57 responden atau 55 %, kemudian yang
Item Pertanyaan Skor Jawaban Jumlah
1 2 3 4 5 X1.1 MUSIK 26 57 18 7 0 108 24% 55% 18% 5% 0% 100% X1.2 FANTASI 16 47 40 5 0 108 15% 45% 38% 2% 0% 100% X1.3 RASA TAKUT 9 61 17 21 0 108 7,5% 59% 15,5% 18% 0% 100%
menjawab sangat tidak setuju sebanyak 26 atau 24 % dan yang menjawab sangat setuju sebanyak 0 responden atau 0 %.
b. Indikator kedua dari Pesan Iklan, yaitu pendapat responden mengenai Fantasi, salah satu cara untuk menimbulkan imajinasi penonton yang menyaksikan tampilan iklan di televisi, mendapat repon terbanyak pada skor 2 dengan jumlah responden sebanyak 47 atau 45 %, kemudian terbanyak kedua pada skor 3 dengan jumlah responden 40 atau 38 %. Artinya, sebagian besar reponden yang menjawab tidak setuju sebanyak 47 responden atau 45 % kemudian yang menjawab ragu-ragu sebanyak 40 atau sebanyak 38 % dan yang menjawab sangat setuju sebanyak 0 responden atau 0 %. Jadi tayangan iklan yang selama ini di sajikan oleh PT. Vitapharm di nilai oleh masyarakat tidak mampu menimbulkan atau membentuk imajinasi penonton akan suatu gambaran yang menyeluruh tentang produk tersebut.
c. Indikator ketiga dari Pesan Iklan, yaitu pendapat responden mengenai Rasa takut, daya tarik perasaan konsumen yang menggambarkan suatu konsekuensi negatif jika tidak menggunakan produk yang di iklankan, mendapatkan respon sebanyak pada skor 2 dengan jumlah responden sebanyak 61 atau 59 %, kemudian terbanyak kedua pada skor 4 dengan jumlah responden 21 atau 18 %. Artinya, sebagian besar responden yang menjawab tidak setuju sebanyak 61 responden atau 59 %, kemudian yang menjawab setuju 21 responden atau 18 % dan yang menjawab sangat setuju 0 responden atau 0%.
4.4 Deskr ipsi Keyakinan Konsumen
Item Pertanyaan
Skor Jawaban Jumlah
1 2 3 4 5 X3.1 Kemudahan dalam mendapatkan 54 37 15 2 0 108 52% 33,5 % 12,5 % 2% 0% 100% X3.2 Kemudahan penyimpanan 5 67 34 2 0 108 3% 63,5 % 31,5 % 2% 0% 100% X3.3 Kemudahan pemakaian 1 48 39 19 0 108 1% 46% 36% 17% 0% 100%
Sumber : Data diolah
Berdasarkan tabel di atas dijelaskan sebagai berikut :
a. Indikator pertama dari keyakinan konsumen, yaitu pendapat responden mengenai Kemudahan dalam mendapatkan respon terbanyak pada skor 1 dengan jumlah responden sebanyak 54 atau 52 %, kemudian terbanyak kedua terdapat pada skor 2 dengan jumlah responden 37 atau 33,5 %. Artinya, sebagian besar responden yang menjawab sangat tidak setuju sebanyak 54 atau 52 %, kemudian yang menjawab tidak setuju sebanyak 37 atau 33,5 % dan menjawab sangat setuju sebanyak 0 responden atau 0 %.
b. Indikator kedua dari Keyakinan Konsumen, yaitu pendapat responden mengenai Kemudahan penyimpanan, mendapatkan respon terbanyak pada skor 2 dengan jumlah responden sebanyak 67 atau 63,5 % , kemudian
terbanyak kedua pada skor 3 dengan jumlah responden 34 atau 31,5 %. Artinya, sebagian besar responden yang menjawab tidak setuju sebanyak 67 responden atau 63,5 %, kemudian responden yang menjawab ragu-ragu sebanyak 34 responden atau 31,5 % dan yang menjawab sangat setuju sebanyak 0 responden atau 0 %.
c. Indikator ketiga dari Keyakinan Konsumen, yaitu pendapat responden mengenai Kemudahan Pemakaian, mendapatkan respon terbanyak pada skor 2 dengan jumlah responden sebanyak 49 atau 46 %, kemudian terbanyak kedua skor 3 dengan jumlah responden sebanyak 39 atau 36 %. Artinya, sebagian besar responden yang menjawab tidak setuju sebanyak 49 responden atau 46 %, kemudian responden yang menjawab ragu-ragu sebanyak 39 responden atau 36 % dan yang menjawab sangat setuju 0 responden atau 0 %.
4.4 Deskr ipsi Sikap Konsumen
Item Pertanyaan Skor Jawaban Jumlah
1 2 3 4 5 X2.1 Kepercayaan pada merek 1 10 25 63 9 108 1% 7% 23,5% 61,5% 7% 100% X2.2 Evaluasi pada merek 22 60 26 0 0 108 20% 55% 25% 0% 0% 100% X2.3 Maksud untuk membeli 11 26 55 16 0 108 9% 24,5% 52,5% 14% 0% 100%
Berdasarkan tabel di atas dijelaskan sebagai berikut :
a. Indikator pertama dari Sikap konsumen, yaitu pendapat responden mengenai Kepercayaan pada merek, mendapat respon terbanyak pada skor 4 dengan jumlah responden sebanyak 63 atau 61,5 %, kemudian terbanyak kedua terdapat pada skor 3 dengan jumlah responden 25 atau 23,5 %. Artinya, sebagian besar responden yang menjawab setuju sebanyak 63 responden atau 61,5 %, kemudian yang menjawab ragu-ragu sebanyak 25 responden atau 23,5 % dan yang menjawab sangat tidak setuju sebanyak 1 responden atau 1 %.
b. Indikator kedua dari Sikap konsumen, yaitu pendapat responden mengenai Evaluasi pada merek, mendapat respon terbanyak pada skor 2 dengan jumlah responden sebanyak 60 atau 55 %, kemudian responden terbanyak kedua pada skor 3 dengan jumlah responden sebanyak 26 atau 25 %. Artinya, sebagian besar responden yang menjawab tidak setuju sebanyak 60 responden atau 55 %, kemudian yang menjawab ragu-ragu sebanyak 26 responden atau 25 % dan yang menjawab setuju dan tidak setuju sebanyak 0 responden atau 0 %.
c. Indikator ketiga dari Sikap konsumen, yaitu pendapat responden mengenai Maksud untuk membeli, mendapat respon terbanyak pada skor 3 dengan jumlah responden sebanyak 55 atau 52.5 %, kemudian responden terbanyak kedua pada skor 2 dengan jumlah responden sebanyak 26 atau 24,5 %. Artinya, sebagian besar responden yang menjawab ragu-ragu sebanyak 55 responden atau 52,5 %, kemudian responden yang menjawab tidak setuju
sebanyak 26 responden atau 24,5 % dan yang menjawab sngat setuju sebanyak 0 responden atau 0 %.
4.6 Deskr ipsi Minat Beli
Item Pertanyaan Skor Jawaban
Jumla h 1 2 3 4 5 Y1.1 Intensitas Pencarian Informasi 6 14 28 18 42 108 6% 12% 25,5 % 16% 40,5 % 100% Y1.2 Keinginan segera membeli 20 39 25 23 1 108 18 % 36,5 % 23% 21,5 % 1% 100% Y1.3 Keinginan preferensial 51 24 25 7 1 108 49 % 22,5 % 21,5 % 6% 1% 100%
Sumber : Data diolah
Berdasarkan tabel di atas dijelaskan sebagai berikut :
a. Indikator pertama dari Minat beli, yaitu pendapat responden mengenai Intensitas Pencarian Informasi, mendapat respon terbanyak pada skor 5 dengan jumlah responden sebanyak 42 atau 40,5 %, kemudian terbanyak kedua terdapat pada skor 3 dengan jumlah responden sebanyak 28 atau 25,5 %. Artinya, sebagian besar responden yang menjawab sangat setuju sebanyak 42 responden atau 40,5 %, kemudian yang menjawab ragu-ragu sebanyak 28 responden atau 25,5 % dan yang menjawab sangat tidak setuju sebanyak 6 responden atau 6 %.
b. Indikator kedua dari Minat beli, yaitu pendapat responden mengenai Keinginan segera membeli, mendapat respon terbanyak pada skor 2 dengan
jumlah responden 39 atau 36,6 %, kemudian terbanyak kedua pada skor 3 dengan jumlah responden 25 atau 23 %. Artinya, sebagian besar responden yang menjawab tidak setuju sebanyak 39 responden atau 36,6 %, kemudian yang menjawab ragu-ragu sebanyak 25 responden atau 23 % dan yang menjawab sangat setuju sebanyak 1 responden atau 1 %.
c. Indikator ketiga dari Minat beli, yaitu pendapat responden mengenai Keinginan Preferensial, mendapat respon terbanyak pada skor 1 dengan jumlah responden 51 atau 49 %, kemudian terbanyak kedua pada skor 3 dengan jumlah responden 25 atau 21,5 %. Artinya, sebagian besar responden yang menjawab sangat tidak setuju sebanyak 51 responden atau 49 %, kemudian yang menjawab ragu-ragu sebanyak 25 responden atau 21,5 % dan yang menjawab sangat setuju sebanyak 1 responden atau 1 %.
4.7 Analisis Data dan Pengujian hipotesis 4.7.1 Uji Outlier s Multivar iate
Outlier adalah observasi atau data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi ( Hair, 1998 ). Evaluasi terhadap outlier multivariate ( antar variabel ) perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat
univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling
dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan sebuah observasi dari rata-rata semua variabel
dalam sebuah ruang multidimensional (Hair.dkk, 1998; Tabachnick & Fidel, 1996).
Uji outlier multivariate dilakukan dengan menggunakan kriteria jarak
Mahalanobis pada tingkat p < 1 %. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² (chi kuadrat) pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut : Tabel 4.7 : Outlier Data
Uji Outlier Multivariate
Resid uals St at ist ics ( a)
Min im u m Max im um Mean St d. Dev iat ion N
Predict ed Value 15,45 92,00 54,50 17,851 108
St d. Predict ed Valu e - 2, 188 2,101 0, 000 1, 000 108
St andard Er ror of Predict ed Value 5, 782 14,766 9, 329 1, 672 108
Adj ust ed Predict ed Value 14,56 97,24 54,96 18,182 108
Resid ual - 62,394 56,999 0, 000 25,736 108
St d. Residual - 2, 284 2,087 0, 000 0, 942 108
St ud. Residual - 2, 399 2,220 - 0, 008 1, 005 108
Delet ed Residu al - 68,792 64,515 - 0, 461 29,311 108
St ud. Delet ed Residual - 2, 462 2,268 - 0, 009 1, 014 108 Mahalan ob is Dist ance [ MD] 3, 804 3 0 , 2 8 1 11,889 4, 785 108
Cook 's Dist ance 0, 000 0,128 0, 011 0, 018 108
Cent ered Leverage Value 0, 036 0,283 0, 111 0, 045 108
( a) Dependent Var iab le : NO.
RESP
Terdapat Out lier Apabila Mahalan ob is Dist ance : > 3 2 , 9 0 9 = CHI I NV(0, 001.12) Sumber : Lampir an
Deteksi terhadap multivariate outliers dilakukan dengan menggunakan criteria Jarak Mahalanobis pada tingkat p < 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis
multivariate outliers. Nilai χ² 0,001 dengan jumlah indikator 12 adalah sebesar 32.909.
Hasil analisis Mahalanobis diperoleh nilai 30.281 yang berarti lebih kecil dari χ² tabel 32.909 tersebut. Dengan demikian, tidak terdapat multivariate
outliers.
4.8 Uji Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabilitas setiap skala (variabel observasi indikator). Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan. Proses eliminasi diperlukan pada item total correlation pada indikator yang nilainya < 0,5 (Purwanto, 2002). Hasil selengkapnya dapat dilihat pada tabel berikut :
Tabel 4.8 Uji Reliabilitas
Uj i Reli abilit as
Pen guj ian Rel iabilit y Consi st ency I nt ernal
Kon st rak I ndikat or
I t em t o Tot al Corr elat ion
Koefisi en Cr on bach' s Alpha I nform at ion X11 0,53 4 0,059 X12 0,62 2 X13 0,61 4 Confi den ce X21 0,73 5 0,237 X22 0,37 4 X23 0,59 6 At ti t ude X31 0,66 0 - 0, 103 X32 0,23 7 X33 0,47 7
Purchase I nt ent ion
Y1 0,72 9
0,558
Y2 0,71 6
Y3 0,75 1
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala [variabel atau indikator observasian]. Sementara itu item to total
correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi
item-item yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan.
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya < 0,5 [Purwanto,2003]. Terjadi eliminasi karena nilai item
to total correlation indikator belum seluruhnya ≥ 0,5. Indikator yang tereliminasi
tidak disertakan dalam perhitungan cronbach’s alpha. Perhitungan cronbach’s dilakukan setelah proses eliminasi.
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil kurang baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules or thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998]
4.9 Uji Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap latent
variabel / construct akan diuji dengan melihat loading faktor dari hubungan antara setiap observed variabel dan latent variabel. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.9 Uji Validitas
St andar dize Fa kt or Loadi ng dan Const ruct dengan Confirm at or y Fact or Anal ysis
Kon st rak I ndikat or Fakt or Loadi ng
1 2 3 4 I nform at ion X11 0,42 3 X12 0,09 5 X13 - 0, 311 Confi den ce X21 0,62 3 X23 0,20 9 At ti t ude X31 0, 491 X33 0, 648 Purchase I nt ent ion Y1 0,48 4 Y2 0,59 9 Y3 0,64 9 Sumber : Lampir an
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor
loadings masing-masing butir pertanyaan yang membentuk setiap construct belum
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapa t dikatakan validitasnya kurang baik.
4.10 Uji Constr uct Reliability dan Var iance Extracted
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama (Purwanto, 2002). Dan
variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan
Tabel 4.10 Constr uct Reliability dan Var iance Extr acted Con st ruct Reliab ilit y & Var iance Ext rat ed
Konst rak I nd ikat or
St andard ize Fact or Load ing SFL Kuadrat Err or [ εj ] Con st ruct Reliab ilit y Var iance Ext r at ed I nfor m at ion X11 0,423 0,179 0, 821 0, 016 0,095 X12 0,095 0,009 0, 991 X13 - 0, 311 0,097 0, 903 Conf idence X21 0,623 0,388 0, 612 0, 306 0,216 X23 0,209 0,044 0, 956 At t it ude X31 0,491 0,241 0, 759 0, 492 0, 33 X33 0,648 0, 42 0,58 Purchase I nt ent ion Y1 0,484 0,234 0, 766 0, 602 0,338 Y2 0,599 0,359 0, 641 Y3 0,649 0,421 0, 579 Bat a s D a p at D i t e r i m a ≥ 0 ,7 ≥ 0 ,5 Sumber : Lampir a n
Hasil pengujian reliabilitas instrument dengan construct reliability dan variance extracted menunjukkan instrument kurang reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya ≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai alasan-alasan empirik yang terlihat dalam proses eksplorasi.
Dan variance extracted direkomendasikan pada tingkat 0,50.
4.11 Uji Nor malitas
Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif.
Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai –Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1%] yaitu sebesar ± 2,58. Hasilnay diperoleh nilai c.r. multivariate diantara ±2,58 dan itu berarti asumsi normalitas terpengaruhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.11 Uji Nor malitas
Assessm ent of n orm ali t y
Vari able m in m ax kurt osi s c.r.
X11 1 4 0, 084 0,17 8 X12 1 4 - 0,532 - 1, 129 X13 1 4 - 0,671 - 1, 424 X21 1 4 - 0,091 - 0, 192 X23 1 4 - 0,944 - 2, 003 X31 1 5 0, 565 1,19 8 X33 1 4 - 0,332 - 0, 704 Y1 1 5 - 0,904 - 1, 919 Y2 1 5 - 1,011 - 2, 145 Y3 1 5 - 0,491 - 1, 042 M u l t i v a r i a t e - 1,746 - 0 , 5 8 6 Ba t as N o r m a l ± 2 ,5 8 Sumber : Lampir an
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-Value. Bila nilai –Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1%] yaitu sebesar ± 2,58.
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di luar 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler & Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.12 Uji Multicollinier ity dan Singular ity
Pengujian terhadap gejala multikoliniearitas antar variabel bebas memperlihatkan tidak adanya gejala multikoliniearitas yang merusak model terlihat dari determinant of covariance matrix 2.652.530.801 dan angka ini jauh dari nilai nol. Karena itu dapat disimpulkan bawa tidak terjadi multikoliniearitas atau singularitas dalam data ini sehingga asumsi terpenuhi.
4.13 Analisis Model One – Step Appr oach to SEM
Dalam model SEM, model pengukuran dan model structural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model.
Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara
measurement model dan structural model yang diestimasi secara bersama-sama
[one-step approach to SEM].
One-step approach to SEM digunakan apabila model diyakini bahwa
dilandasi teori yang kuat serta validitas dan reliabilitas data sangat baik [Hair
