• Tidak ada hasil yang ditemukan

H1

H2

Hak Cipta © milik UPN "Veteran" Jatim :

39

3.1 Definisi Oper asional dan Pengukuran Var iabel 3.1.1 Definisi Oper asional

Untuk kemudahan dalam memahami penelitian ini dan serta menghindari kesalahan persepsi, maka perlu diuraikan definisi operasional variabel-variabel yang akan diteliti. Variabel-variabel tersebut adalah:

1. Citra merek (variable X1)

Citra merek adalah Keller (1993 dalam Sengupta 2005:138) mendefinisikan citra merek sebagai persepsi mengenai sebuah merek sebagaimana direfleksikan oleh asosiasi merek yang terdapat dalam benak konsumen. Citra merek terdiri dari komponen-komponen:

A. Atributtes (Atr ibut)

Merupakan pendefinisian deskriptif tentang fitur-fitur yang ada dalam semua produk atau jasa.

1) Product related attributes (Atribut produk):

Didefinisikan sebagai bahan-bahan yang diperlukan agar fungsi produk yang dicari konsumen dapat bekerja. Berhubungan dengan komposisi fisik atau persyaratan dari suatu jasa yang ditawarkan, dapat berfungsi.

Hak Cipta © milik UPN "Veteran" Jatim :

2) Non-product related attributes (atribut non-produk):

Merupakan aspek eksternal dari suatu produk yang berhubungan dengan pembelian dan konsumsi suatu produk atau jasa. Terdiri dari: informasi tentang harga, kemasan dan desain produk, orang, peer group atau selebriti yang menggunakan produk atau jasa tersebut, bagaimana dan dimana produk atau jasa itu digunakan.

B. Benefits (Keuntungan)

Benefits atau keuntungan merupakan Nilai personal yang dikaitkan oleh konsumen pada atribut-atribut produk atau jasa tersebut.

1) Functional benefits :

berhubungan dengan pemenuhan kebutuhan dasar seperti kebutuhan fisik dan keamanan atau pemecahan masalah.

2) Experiental benefits :

berhubungan dengan perasaan yang muncul dengan menggunakan suatu produk atau jasa. Benefit ini memuaskan kebutuhan bereksperimen seperti kepuasan sensori, pencarian variasi, dan stimulasi kognitif.

3) Symbolic benefits :

berhubungan dengan kebutuhan akan persetujuan sosial atau ekspresi personal dan self-esteem seseorang. Konsumen akan menghargai nilai-nilai prestise, eksklusivitas dan gaya fashion dari sebuah merek karena hal-hal ini berhubungan dengan konsep diri mereka.

c. Brand Attitude (Sikap merek)

Didefinisikan sebagai evaluasi keseluruhan atas suatu merek, apa yang dipercayai oleh konsumen mengenai merek-merek tertentu – sejauh apa konsumen percaya

Hak Cipta © milik UPN "Veteran" Jatim :

bahwa produk atau jasa tersebut memiliki atribut atau keuntungan tertentu, dan penilaian evaluatif terhadap kepercayaan tersebut – bagaimana baik atau buruknya suatu produk jika memiliki atribut atau keuntungan tersebut.

D. Brand Personality (Kepribadian merek)

Merupakan serangkaian karakteristik manusia yang oleh konsumen diasosiasikan dengan merek tersebut, seperti, kepribadian, penampilan, nilai-nilai, kesukaan, gender, ukuran, bentuk, etnis, inteligensi, kelas sosioekonomi, dan pendidikan. Kepribadian merek membantu pemasar lebih mengerti kelebihan dan kekurangan merek dan cara memposisikan merek secara tepat. 2. Kepercayaan Merek (Variabel X2)

Kepercayaan Merek merupakan kepercayaan konsumen bahwa merek yang mereka inginkan dapat diandalkan, memberikan jaminan tidak merugikan dan kinerjanya sangat berharga atau sangat bermanfaat. Chauduri & Holbrook (2001) dalam Edris (2009: 59)

Indikator-indikator kepercayaan merek terdiri dari: a). Brand liking (Kesukaan pada merek)

Brand liking adalah perasaan suka terhadap suatu merek. Jika konsumen suka terhadap suatu merek, maka konsumen akan berniat untuk berusaha menemukan berbagai informasi tentang merek, yang nantinya akan menimbulkan perasaan yakin atau percaya bagi calon konsumen untuk mengkonsumsi merek tersebut (Rully Arlan Tjahyadi, 2006; 72).

Hak Cipta © milik UPN "Veteran" Jatim :

b). Brand Competence (Kompetensi merek)

Brand competance adalah kemampuan suatu merek untuk memecahkan masalah konsumen dalam memenuhi kebutuhannya secara lebih baik dibanding produk sejenis lainnya (Rully Arlan Tjahyadi, 2006; 71). Konsumen dapat mengetahui kompetensi suatu merek dari penggunaan secara langsung, komunikasi word of mouth dan komunikasi yang dilakukan oleh pemasar (misal: melalui iklan) serta dengan melakukan perbandingan dengan merek lain. Ketika konsumen yakin dan percaya bahwa merek tersebut dapat memecahkan masalahnya, konsumen akan mempercayakan penanganan masalahnya pada merek tersebut. Karena merek dengan kompetensi yang tinggi akan lebih dipercaya dan dipilih oleh konsumen. c). Trust in the company (Kepercayaan pada perusahaan)

Trust in the company adalah kepercayaan konsumen terhadap perusahaan yang memproduksi produk yang dibeli. Jika konsumen percaya pada perusahaan maka konsumen akan percaya pada merek atau produk perusahaan (Rully Arlan Tjahyadi, 2006; 71). Kepercayaan konsumen terhadap perusahaan dapat dipengaruhi oleh reputasi perusahaan, besarnya perusahaan, pembagian informasi dan hubungan perusahaan dengan konsumen, seperti: kegiatan-kegiatan sosial dimasyarakat yang bertujuan untuk menampakkan pertanggung jawaban sosial perusahaan dan adanya customer service.

2. Loyalitas Merek (Variabel Y)

Loyalitas merek adalah sikap konsumen yang menyenangi satu merek yang menimbulkan kesetiaan dan komitmen pada diri konsumen serta memiliki

Hak Cipta © milik UPN "Veteran" Jatim :

keinginan yang kuat untuk membeli ulang merek yang sama pada masa sekarang dan masa yang akan datang. Loyalitas merek diukur dengan menggunakan skala loyalitas merek yang disusun berdasarkan piramida loyalitas merek dari Aaker (1991:40) yaitu:

1) Switchers (pembeli yang berpindah-pindah) : konsumen tidak merasa ada perbedaan berarti antara satu merek dengan merek lainnya dalam satu kategori produk. Nama merek kurang berperan dalam keputusan pembelian. Konsumen cenderung mencari merek yang paling murah atau variasi baru. Konsumen pada tingkat ini merupakan konsumen yang tidak loyal pada merek.

2) Habitual Buyer (pembeli berdasarkan kebiasaan) : konsumen merasa puas atau tidak merasa kecewa dengan merek yang digunakan. Konsumen cenderung kembali ke merek yang biasa digunakan meskipun pernah mencoba merek lain. 3) Likes the Brand (pembeli yang menyukai merek) : konsumen benar-benar menyukai merek, dan adanya keterikatan perasaan dan emosional dengan merek tersebut. konsumen menyukai merek tersebut, memiliki perasaan bersahabat terhadap merek, adanya rasa bangga terhadap merek dan terikat dengan merek, lebih menyukai dan memilih merek tersebut dibandingkan merek lain.

4) Commited Buyer (pembeli yang memiliki komitmen) : konsumen memiliki perasaan bangga sebagai pengguna merek tertentu, membicarakan mengenai merek tersebut dalam setiap kesempatan, menikmati saat menggunakan produk, merekomendasikan merek tersebut pada orang lain, serta berpartipasi dalam kegiatan yang dilakukan perusahaan pemegang lisensi merek. konsumen akan merasa enggan untuk berpindah ke merek lain dan membangun ikatan

Hak Cipta © milik UPN "Veteran" Jatim :

kepercayaan dengan merek tersebut, serta mempercayai bahwa merek pilihannya merupakan merek dengan performansi dan kualitas terbaik.

3.1.2 Pengukuran Variabel

Skala pengukuran yang digunakan dalam penelitian ini adalah skala interval, yaitu merupakan ukuran yang semata-mata menunjukan urutan (rangking) obyek penelitian berdasarkan atribut, tetapi juga memberikan informasi tentang jarak perbedaan antara tingkatan obyek yang satu dengan obyek yang lain. Sedangkan teknik pembobotan skala menggunakan skor lima poin Skala Lik er t, analisis ini dilakukan dengan meminta responden untuk menyatakan pendapatnya tentang serangkaian pertanyaan yang berkaitan dengan obyek yang diteliti dalam bentuk yang berbeda dalam rentan dua sisi. Digunakan dengan jenjang 1-5, nilai untuk skala tersebut adalah:

a. Sangat Setuju : 5 b. Setuju : 4 c. Netral : 3 d. Tidak Setuju : 2 e. Sangat Tidak Setuju : 1 3.2 Teknik Penentuan Sampel 3.2.1. Populasi

Populasi adalah gabungan dari seluruh elemen yang berbentuk peristiwa , hal atau orang yang memiliki karakteristik yang serupa yang menjadi pusat perhatian peneliti karena dipandang sebagai sebuah semesta penelitian (Ferdinand,

Hak Cipta © milik UPN "Veteran" Jatim :

2006). Elemen populasi adalah setiap anggota yang diamati. Populasi dari penelitian ini adalah pelanggan sabun cair Biore yang berbelanja di Carefour Rungkut Surabaya.

3.2.2. Sampel

Menyadari luasnya keseluruhan populasi dan keterbatasan yang dimiliki penulis, maka subjek penelitian yang dipilih adalah sebagian keselurahan populasi yang dinamakan sampel. Sampel adalah sebagaian dari populasi yang merupakan penduduk yang jumlahnya kurang dari populasi. Sample harus mempunyai paling sedikit satu sifat yang sama (Hadi,2000). Teknik sampel yang digunakan adalah metode non probability sampling dengan Quota Accidental Sampling adalah dengan penetapan jumlah anggota sampel secara quota atau jumlah terhadap konsumen yang mudah ditemui pada saat survey dilakukan. Konsumen yang akan diteliti atau di survey dalam penelitian ini adalah pelanggan sabun cair Biore yang sedang melakukan pembelian di Carefour Rungkut Surabaya. Untuk menentukan jumlah sampel akan ditentukan dengan dengan menggunakan pedoman pengukuran sampel menurut Ferdinand (2002:48):

1. 100-200 sampel untuk teknik maksimum Likelihood Estimation.

2. Tergantung pada jumlah parameter yang di estimasi. Pedoman adalah 5-10 kali jumlah parameter yang diestimasi

Hak Cipta © milik UPN "Veteran" Jatim :

3. Tergantung pada jumlah indicator yang digunakan dalam seluruh variabel laten. jumlah sampel adalah jumlah indicator dikali 5-10 bila terdapat 10 indikator, besarnya sampel adalah 100-200.

Mengacuh pada pedoman pengukuran sampel menurut Ferdinand (2002:48) pada poin ke tiga yaitu lebih dari 100 maka jumlah sampel dalam penelitian ini adalah 140 Responden. yaitu pelanggan sabun cair Biore yang berbelanja di Carefour Rungkut Surabaya. Alasan menggunakan 140 Responden karena bila mengalami kerusakan dan kekeliruan dalam meneliti atau menyebarkan kuesoner tidak mengurangi hasil responden yang sebenarnya berjumlah 110 Responden. 3.3. Teknik Pengumpulan Data

3.3.1. J enis Data

Untuk menganalisa data yang baik diperlukan data yang valid, Jenis dan sumber data yang digunakan dalam penelitian ini ada dua macam, yaitu :

1. Data Primer

Menurut Sugiarto (2002) data primer merupakan data yang di dapat dari sumber pertama baik dari individu maupun perseorangan. Jadi data primer adalah data yang di peroleh secara langsung dari sumbernya, diamati, dan dicatat untuk pertama kalinya melalui wawancara atau hasil pengisian kuesioner. Data primer ini diperoleh dari pelanggan sabun cair biore.

Hak Cipta © milik UPN "Veteran" Jatim :

3.3.2. Sumber Data

Sumber data diperoleh dari pelanggan sabun cair biore disurabaya yang dijadikan responden.

3.3.3. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah : 1. Wawancara

Wawancara merupakan metode yang digunakan untuk memperoleh informasi langsung, mendalam, tidak terstruktur, dan individual menggunakan pertanyaan lisan kepada subjek penelitian (Indriantoro dan Supomo, 1999). Data yang dkumpulkan umumnya berupa masalah yang bersifat kompleks, sensitif atau kontroversial. Dari wawancara ini, periset akan memperoleh informasi spontan dan mendalam dari setiap responden.

2. Kuesioner

Menurut Rangkuti (1997) tujuan kuesioner adalah memperoleh informasi yang relevan dengan tujuan survei, memperoleh informasi dengan tingkat keandalan dan tingkat keabsahan setinggi mungkin. Jawaban dari pertanyaan-pertanyaan tersebut dilakukan sendiri oleh responden tanpa bantuan dari pihak peneliti. Pertanyaan yang diajukan pada responden harus jelas dan tidak meragukan responden.

Hak Cipta © milik UPN "Veteran" Jatim :

Dengan melakukan penyebaran kuesioner responden untuk mengukur persepsi responden digunakan Skala Likert (Freddy Rangkuti, 1997).

3.4. Uji Analisis Data

3.4.1. Uji Outlier Univar iat dan Multivar iat

Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariate yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainya (Ferdinand, 2002:52)

3.4.1.1. Uji Outlier Univerat

Deteksi terhadap adanya outlier nivariat dapat dilakukan dengan menentukan ambang batas yang akan dikategorikan aebGi outlier dengan ara mengkonversi nilai data penelitiaan ke dalam standar score atau yang biasa disebut dengan z-score, yang mempunyai raa-rata nol dengan standar deviasi sebesar satu. Bila nilai-nilai itu telah dinyatakan dengan format yang standar (z-score),maka perbandingan antar besaran nilai dengan mudah dapat dilakukan. Untuk sampel besar (Diatas 80 observasi), pedoman evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 (Hair dkk, 1995 dalam Ferdinand, 2002:98). Oleh karena itu apabila ada observasi yang memiliki z-score ≤ 3,0 akan dikategorikan sebagai outlier.

3.4.1.2. Uji Outlier Multivariat

Evaluasi terhadap multivariate outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukan tidak ada outliers pada tingkat univariat, tetapi observasi itu dapat menjadi outliers bila saling dikombinasikan. Jarak

Hak Cipta © milik UPN "Veteran" Jatim :

Mahalanobis (the Mahalanobis distance) untuk tiap observasi dapat dihitung dan menunjukan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruangan multidimensional. Uji terhadap multivariate dilakukan dengan menggunakan kriteris jarak Mahalanobis pada tingkat P < 0,001. Jarak Mahalanobis itu dapat dievaluasi dengan menggunakan X2 pada derajat kebebasan sebesar jumlah item yang digunakan dalam penelitian. Dan apabila jarak Mahalanobisnya lebih besar dari nilai X2 tabel adalah Outlier Multivariat.

3.4.2. Uji Validitas dan Reabilitas

Variabel atau dimensi yang diukur melalui indicator-indikator dalam daftar pertanyaan perlu dilihat reabilitasnya dan validitasnya, dimana hal ini dijelaskan sebagai berikut :

1. Uji Validitas

Validitas yang digunakan adalah validitas konstruk (construct validity) yang merujuk pada sejauh mana uji dapat mengukur apa yang sebenarnya yang kita ukur.

2. Uji Reliabilitas

Uji ini ditafsirkan menggunakan koefisien alpha Cronbach. Jika nilai alpha cukup tinggi (berkisar > 0,70) dapat ditafsirkan suatu hasil pengukuran relatif konsisten apabila apabila pengukuran diulangi dua kali atau lebih, dengan kata lain instrument tersebut dapat diandalkan (Ferdinand,2002 : 1993).

Hak Cipta © milik UPN "Veteran" Jatim :

3.4.3. Uji Nor malitas

Adapun metode yang digunakan untuk mengetahui apakah data tersebut berditribusi normal atau tidak adalah menggunakan uji critical ratio dari Skewness dan Kurtosis dengan ketentuan sebagai berikut :

a. Jika nilai critical yang diperoleh melebihi rentang ±2,8 maka distribusi adalah tidak normal.

b. Jika nilai critical yang diperoleh berada pada rentang ±2,58 maka distribusi adalah normal.

3.5 Teknik Analisis Dan Pengujian Hipotesis

Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Struktural Equation Modelling (SEM). Model pengukuran variabel stress kerja terhadap komitmen organisasi yang menggunakan Confirmatory Faktor

Analysis. Penaksiran pengaruh masing-masing variabel bebas terhadap variabel

terikatnya menggunakan koefisien jalur. 3.6 Asumsi Model

a. Uji Nor malitas dan Linear istitas

1. Normalitas dapat diuji dengan melihat gambar histogram daa atau dapat diuji dengan metode-metode statistik.

2. Menggunakan Critical Rasio yang diperoleh dengan membagi koefisien sampel dengan standar errornya dan skewness value yang biasanya disajikan dalam statistic deskriptif diman nilai statistik untuk menguji normalitas itu disebut

Hak Cipta © milik UPN "Veteran" Jatim :

sebagai X-Value pada tingkat signifikan 1%, jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal.

3. Normal probability plot (SPSS 10.1). Linieritas dengan mengamati scatterplots untuk menduga ada tidaknya linieritas.

b. Evaluasi Atas Outlier

1. Mengamati nilai Z-score : ketentuannya diantara ± 3,0 non outlier.

2. Multivariate outlier diuji dengan kriteria jarak Mahalanosis pada tingkat P <0.001. Jarak diuji dengan Chi-square X2 pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis > dari nilai X2 adalah multivariate outlier.

3. Outlier adalah observasi aau data yang memiliki karakteristik inik yang terlihat sangat berbeda jauh dari observasi-observsi lainya dan muncul dalam bentuk nilai skrim untuk sebuah variabel tunggal atau variabel kombinasi (Hair,1998). c. Deteksi Deteksi Multicillinier ity dan Singular ity

Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sampel matriks mendekati angka 0 (kecil), maka terjadi Multikolinieritas dan reabilitas.

d. Uji Validitas dan Reabilitas

Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya

Hak Cipta © milik UPN "Veteran" Jatim :

diukur. Sedangkan reliabilitas adalah ukuran mengenai konsisten internal dari indikator indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing masing indikator itu mengindikasikan sebuah konstruk yang umum.

Karena indikator multidimensi, maka uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Construct reliability dan variance extracted dihitung dengan rumus berikut :

Construct reliability = [∑ standardize loading] 2

[∑ Standartdize Loading] 2 + ∑Єj ] Variance Extracted = ∑ [ Standardize Loading 2 ]

∑ [ Standartdize Loading 2 ]+∑Єj Sementara Є j dapat dihitung dengan formula Є j = 1 – [Standardize Loading]. Secara umum, nilai construct reliability yang dapat diterima adalah ≥0.7 dan Variance Extracted ≥ 0.5 ( Hair et.al,1998). Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap Construct Standardize Regression weighty terhadap setiap butir sebagai indikatornya. 3.6.1. Pengujian Hipotesis dan Hubungan Causal

Pengaruh langsung (koefisien jalur) diamati dari bobot regresi terstandart dengan pengujian signifikansi pembanding nilai CR/Critical ratio / p (probability)

Hak Cipta © milik UPN "Veteran" Jatim :

yang sama dengan nilai t hitung. Apabila t hitung lebih besar dari pada t tabel berarti signifikan.

3.6.2. Pengujian model dengan Two-Step Approach

Two-Step Approach to structural equation modeling (SEM) digunakn

untuk mengatasi masalah sampel data yang kecil jika dibandingkan jumlah butir instrumentasi yang digunakan dan keakuratan reliabilitas indicator-indikator terbaik dapat dicapai dalam two-step approach bertujuan untuk menghindari interaksi antara model pengukuran dan model struktural pada one step approach (Hair et.al., 1998). Yang dilakukan dalam two-step approach to SEM adalah : estimasi terhadap measurement model dan estimasi terhadap structural model (Anderson dan Gerbing, 1998). Cara yang dilakukan dalam menganalisis SEM dangan two step approach adalah sebagai berikut :

a. Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indicator

summed-scale bagi setiap kontrak. Jika terdapat skala yang berbeda setiap

indikator tersebut distandadisasi (Z-score) dengan mean = 0, deviasi standar = 1, yang tujuanya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut(Hair et.al., 1998)

b. Menetapkan error [e] dan lamda R] terms, error terms dapat dihitung dengan rumus 0,1 kali dan lamda terms dengan rumus 0,95 kali [Anderson dan Gerbing,1998]. Perhitungan construk reliability (α) telah dijelaskan pada bagian sebelumnya dan deviasi standar (a) dapat dihitung dengan bantuan program aplikasi statistic SPSS. Setelah error (c)dan lamda (X) terms

Hak Cipta © milik UPN "Veteran" Jatim :

diketahui, skor-skor tersebut dimasukan sebagai parameter fix pada analisis model pengukuran SEM.

Keterangan akan symbol-symbol didalam SEM adalah sebagai berikut : : Faktor/construst/laten variabel/unobserved variabel yaitu

sebuah variabel bentukan , yang dibentuk melalui

indicator-indikator yang diamati dala dunia maya : Variabel terukur/observed variabel/indicators variabel yaitu

variabel yang ditanya harus dicari melalui observasi, misalnya melalui instrument-instrument survey.

Garis dengan anak panah satu arah → = garis yang menunjukan hubungan yang tidak dihipotesiskan antara dua variabel dimana variabel yang dituju anak panah merupakan variabel independen.

Garis dengan anak panah dua arah ↔ = garis yang menunjukan hubungan yang tidak dihipotesiskan anara dua variabel dimana kedua variabel berkolerasi. 3.6.3. Evaluasi Model

Hair et.al 1998 menjelaskan bahwa pola “cpnfirmatory” menunjukan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai model yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “Poor Fit” dengan data. AMOS dapat menguji apakah

Hak Cipta © milik UPN "Veteran" Jatim :

model”good fit” atau “Poor Fit”. Jadi “good fit” model yang diuji sangat penting dalam penggunaan structural equation modeling.

Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of fit yakni Chi-square, Probabilit, RMSEA, GFI, TLI, CFL, AGFI, CMIN/DF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan two step approach to SEM.

Tabel 2.1 Goodness of Fit indices GOODNESS OF

FIT INDEX KETERANGAN

CUT-OFF VALUE

X2 – Chi square

Menguji apakah covariance populasi yang diestimasikan sama dengan covariance sample [apakah model sesuai dengan data]

Diharapkan kecil, 1 s/d 5, atau paling baik diantara 1 dan

2. Probability

Uji signifikansi terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi

Minimum 0,1 atau 0,2 atau ≥ 0,05

RMSEA Mengkompensasi kelemahan

Chi-Square pada sampel ≤ 0,03

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 dalam DF ≥ 0,90 CMIND / DF Kesesuaian antara data dan model ≤ 2,00

TLI Pembanding antara model yang diuji

terhadap baseline model ≥ 0,95 CFI

Uji kelayakan model yang tidak sensitif terhadap besarnya sample dan kerumitan model.

≥ 0,94 Sumber : Hair.et.al ( 1998 ).

Hak Cipta © milik UPN "Veteran" Jatim :

56

BAB IV

Dokumen terkait