ANALISIS DATA DAN PEMBAHASAN A. Deskripsi Pengumpulan Data
D. Analisis Data
1. Pengujian Outer Model a.Pengujian Validitas a.Pengujian Validitas
1) Validitas Konvergen (Convergent Validity)
Menurut Hair dkk. (2013) dalam Sholihin dan Ratmono (2013:65) syarat untuk memenuhi validitas konvergen untuk konstruk reflektif memiliki dua kriteria penilaian yaitu loading
harus di atas 0,70 dan nilai p signifikan (<0,05). Kriteria tersebut diharapkan dapat memenuhi syarat validitas konvergen. Apabila kriteria diatas tidak terpenuhi maka indikator dibawah 0,70 harus dihapus. Indikator dibawah 0,70 dihapus agar nilai
loading dapat berubah sehingga outer model dapat memenuhi validitas konvergen. Namun menurut Hair dkk., syarat loading di atas 0,70 sering tidak terpenuhi khususnya untuk kuesioner
yang baru dikembangkan. Oleh karena itu, loading antara 0,40-0,70 harus tetap dipertimbangkan untuk tetap dipertahankan. Tabel dibawah ini merupakan hasil pengolahan data yang menunjukkan nilai indikator masing-masing variabel:
Tabel V.19 Output Combined Loading and Cross-loading sebelum penghapusan KL H PP KP MKU Status KL 1 (0.564) 0.161 -0.183 0.051 0.299 Tidak Valid KL 2 (0.577) 0.138 -0.022 0.184 -0.183 Tidak Valid KL 3 (0.563) 0.158 0.177 0.045 -0.151 Tidak Valid KL 4 (0.704) 0.140 0.053 -0.124 -0.115 Valid KL 5 (0.608) -0.096 -0.203 0.035 0.126 Valid KL 6 (0.654) 0.138 -0.085 -0.090 -0.056 Valid KL 7 (0.651) 0.102 -0.049 -0.246 -0.054 Valid KL 8 (0.690) -0.033 -0.149 -0.149 0.271 Valid KL 9 (0.627) 0.000 -0.073 -0.177 0.205 Valid KL 10 (0.773) -0.150 0.085 0.038 -0.008 Valid KL 11 (0.626) -0.268 -0.055 0.037 0.045 Valid KL 12 (0.736) 0.003 -0.044 -0.184 -0.011 Valid KL 13 (0.615) -0.065 0.034 0.122 -0.061 Valid KL 14 (0.693) -0.367 0.231 0.162 -0.073 Valid KL 15 (0.607) 0.262 0.171 0.097 -0.163 Valid KL 16 (0.676) 0.139 0.029 0.200 -0.157 Valid KL 17 (0.566) -0.060 -0.083 0.147 0.103 Tidak Valid KL 18 (0.505) -0.156 0.164 -0.087 0.006 Tidak Valid H 19 0.147 (0.688) -0.101 -0.310 0.320 Valid H 20 -0.002 (0.783) 0.000 -0.231 0.007 Valid H 21 -0.097 (0.835) -0.034 0.075 0.024 Valid H 22 -0.097 (0.829) 0.034 0.112 -0.210 Valid H 23 0.077 (0.694) 0.115 -0.128 0.123 Valid H 24 -0.023 (0.655) -0.251 0.302 -0.066 Valid H 25 0.034 (0.701) 0.220 0.184 -0.163 Valid PP 26 0.009 0.191 (0.857) -0.181 0.054 Valid PP 27 0.050 -0.081 (0.942) 0.072 -0.024 Valid PP 28 -0.062 -0.098 (0.892) 0.098 -0.027 Valid KP 29 0.003 0.045 -0.121 (0.831) 0.016 Valid KP 30 -0.004 0.007 -0.158 (0.799) -0.004 Valid KP 31 -0.114 -0.019 0.172 (0.743) -0.458 Valid KP 32 -0.111 -0.160 -0.015 (0.749) 0.011 Valid KP 33 -0.023 0.025 0.121 (0.652) 0.083 Valid KP 34 0.149 0.067 0.013 (0.725) 0.279 Valid KP 35 0.100 0.035 0.028 (0.758) 0.086 Valid MKU 36 -0.068 0.222 0.067 -0.089 (0.782) Valid MKU 37 -0.011 0.016 -0.022 0.189 (0.777) Valid MKU 38 -0.085 -0.122 0.228 0.132 (0.790) Valid MKU 39 0.114 -0.355 -0.036 0.133 (0.789) Valid MKU 40 -0.047 0.160 0.031 -0.096 (0.818) Valid MKU 41 0.023 -0.095 -0.052 -0.016 (0.799) Valid MKU 42 0.022 0.219 -0.075 -0.172 (0.881) Valid MKU 43 0.049 -0.071 -0.129 -0.054 (0.813) Valid
Pada tabel V.19 terdapat lima variabel yaitu KL (kualitas layanan), H (harga), PP (promosi penjualan), KP (kepuasan pengunjung), dan MKU (minat kunjung ulang). Syarat loading
yang digunakan pada penelitian ini sebesar 0,60 dari hasil pengolahan data di atas menunjukkan bahwa ada lima indikator yang tidak memenuhi syarat yaitu KL 1 dengan nilai 0,564, KL 2 dengan nilai 0,577, KL 3 dengan nilai 0,563, KL 17 dengan nilai 0,566, dan KL 18 dengan nilai 0,505 harus dihapus karena tidak memenuhi nilai syarat 0,60. Indikator KL 5 dengan nilai 0,608, KL 11 dengan nilai 0,626, KL 13 dengan nilai 0,615, dan KL 15 dengan nilai 0,607 menjadi pertimbangan peneliti untuk dihapuskan karena mendekati angka tidak valid. Menurut Solihin dan Ratmono (2013:67) kita dapat menghapus indikator dengan loading antara 0,40 dan 0,70 apabila indikator tersebut dapat meningkatkan average variance extracted (AVE) dan
composite reliability di atas batasannya (treshold). Setelah ditemukan ada sembilan indikator yang tidak memenuhi syarat
loading, sembilan indikator tersebut harus dihapuskan agar nilai loading dapat berubah sehingga outer model dapat memenuhi validitas konvergen. Tabel di bawah ini merupakan hasil pengolahan data setelah penghapusan indikator:
Tabel V.20 Output Combined Loading and Cross-loading (Setelah Penghapusan Indikator dengan Loading <0,60)
KL H PP KW MKU Status KL 4 (0.687) 0.147 0.090 -0.018 -0.130 Valid KL 6 (0.667) 0.146 -0.085 -0.029 -0.053 Valid KL 7 (0.680) 0.119 -0.037 -0.155 -0.079 Valid KL 8 (0.730) -0.027 -0.159 -0.099 0.266 Valid KL 9 (0.678) -0.025 -0.091 -0.163 0.223 Valid KL 10 (0.787) -0.140 0.086 0.110 -0.007 Valid KL 12 (0.779) 0.012 -0.040 -0.119 -0.017 Valid KL 14 (0.691) -0.353 0.219 0.237 -0.057 Valid KL 16 (0.705) 0.145 0.014 0.229 -0.155 Valid H 19 0.194 (0.688) -0.097 -0.338 0.318 Valid H 20 0.051 (0.783) -0.007 -0.261 0.003 Valid H 21 -0.108 (0.835) -0.038 0.086 0.020 Valid H 22 -0.113 (0.829) 0.030 0.115 -0.197 Valid H 23 0.091 (0.694) 0.115 -0.126 0.114 Valid H 24 0.004 (0.655) -0.258 0.286 -0.067 Valid H 25 -0.078 (0.701) 0.240 0.242 -0.157 Valid PP 26 -0.003 0.196 (0.857) -0.175 0.048 Valid PP 27 0.054 -0.083 (0.942) 0.078 -0.024 Valid PP 28 -0.054 -0.101 (0.892) 0.086 -0.020 Valid KP 29 0.031 0.051 -0.122 (0.831) 0.005 Valid KP 30 -0.021 0.012 -0.150 (0.799) -0.006 Valid KP 31 -0.203 -0.009 0.187 (0.743) -0.458 Valid KP 32 -0.086 -0.178 -0.012 (0.749) 0.009 Valid KP 33 -0.001 0.020 0.117 (0.652) 0.091 Valid KP 34 0.194 0.066 0.004 (0.725) 0.283 Valid KP 35 0.087 0.035 0.016 (0.758) 0.093 Valid MKU 36 -0.108 0.230 0.069 -0.070 (0.782) Valid MKU 37 -0.002 0.025 -0.022 0.183 (0.777) Valid MKU 38 -0.018 -0.142 0.209 0.099 (0.790) Valid MKU 39 0.085 -0.353 -0.039 0.154 (0.789) Valid MKU 40 -0.082 0.160 0.021 -0.075 (0.818) Valid MKU 41 0.073 -0.092 -0.049 -0.050 (0.799) Valid MKU 42 -0.008 0.221 -0.062 -0.151 (0.881) Valid MKU 43 0.060 -0.075 -0.117 -0.065 (0.813) Valid Sumber: Hasil Pengolahan Data Primer dengan WarpPLS 6.0 (2018)
Pada tabel V.20 menunjukkan perubahan setelah dilakukan penghapusan terhadap indikator-indikator yang tidak memenuhi syarat loading di atas 0,60. Dengan demikian, semua indikator yang
sudah dilakukan penghapusan dapat dinyatakan memenuhi validitas konvergen.
2) Validitas Diskriminan (Discriminant Validity)
Seluruh indikator dalam penelitian ini dapat dikatakan valid apabila validitas konvergen dan validitas diskriminan yang terdapat dalam outer model sudah terpenuhi. Nilai cross-loadings dalam penelitian ini dapat dilihat pada tabel V.19 dan V.20. Cross-loadings merupakan perbandingan antara nilai loading indikator pada suatu variabel dengan nilai loading indikator pada variabel lain. Apabila hasil cross-loadings terpenuhi maka kriteria validitas diskriminan juga terpenuhi. Nilai cross-loadings memenuhi syarat apabila nilai yang menunjukkan bahwa nilai loading indikator pada suatu variabel harus lebih tinggi daripada nilai loading indikator variabel lain.
Tabel V.19 menunjukkan nilai loading indikator pada suatu variabel sebelum dilakukan penghapusan indikator yang tidak memenuhi syarat loading lebih tinggi daripada nilai loading
indikator pada variabel lain. Contohnya KL 1 pada variabel KL sebesar 0,564 lebih tinggi daripada nilai loading KL 1 pada variabel H, PP, KW, dan MKU dengan nilai sebesar 0,161, -0,183, 0,051, dan 0,299. Hal tersebut terjadi pada tabel V.20 setelah dilakukan
penghapusan variabel yang tidak sesuai dengan syarat validitas konvergen.
Validitas diskriminan juga ditentukan dengan
membandingkan akar kuadrat AVE dengan korelasi antarvariabel laten. Menurut Sholihin dan Ratmono (2013:73) kriteria yang digunakan adalah akar kuadrat AVE yaitu kolom diagonal dan diberi tanda kurung; harus lebih tinggi dari korelasi antarvariabel laten pada kolom yang sama (di atas atau di bawahnya). Tabel di bawah ini menunjukkan terpenuhi atau tidaknya validitas diskriminan:
Tabel V.21 Output Correlations among and Latent Variables with Square Roots of AVEs sebelum penghapusan
KL H PP KW MKU KL (0.639) 0.479 0.430 0.665 0.534 H 0.479 (0.744) 0.464 0.590 0.596 PP 0.430 0.464 (0.897) 0.427 0.534 KW 0.665 0.590 0.427 (0.753) 0.661 MKU 0.534 0.596 0.534 0.661 (0.807)
Sumber: Hasil Pengolahan Data Primer dengan WarpPLS 6.0 (2018)
Pada tabel V.21 dapat dilihat bahwa angka-angka di dalam kurung disetiap akar kuadrat AVE lebih tinggi daripada korelasi antarvariabel laten. Seperti pada akar kuadrat AVE dari KL sebesar 0.639 lebih tinggi dari korelasi antara variabel H, PP, KW dan MKU sebesar 0.479, 0.430, 0.665, dan 0.534. tabel di bawah ini menunjukkan hasil pengolahan data setelah indikator yang tidak memenuhi syarat loading 0.60 dihapus:
Tabel V.22 Output Correlations among and Latent Variables with Square Roots of AVEs (Setelah Penghapusan Indikator dengan Loading <0,60) KL H PP KW MKU KL (0.713) 0.439 0.411 0.608 0.487 H 0.439 (0.744) 0.464 0.590 0.596 PP 0.411 0.464 (0.897) 0.427 0.534 KW 0.608 0.590 0.427 (0.753) 0.661 MKU 0.487 0.596 0.534 0.661 (0.807) Sumber: Hasil Pengolahan Data Primer dengan WarpPLS 6.0 (2018)
Pada beberapa tabel yang dipaparkan peneliti di atas menunjukkan bahwa outer model dalam penelitian ini telah memenuhi syarat validitas diskriminan yaitu syarat yang berkaitan dengan nilai cross-loadings dan nilai kuadrat AVE terhadap korelasi antarvariabel laten. Dengan demikian, dapat dikatakan bahwa outer model telah memenuhi syarat validitas konvergen maupun validitas diskriminan.
3) Average Variance Extracted (AVE)
Outer model dapat dikatakan valid apabila memenuhi syarat nilai average variance extracted (AVE), nilai batasan AVE sebesar 0,50 (Sholihin dan Ratmono, 2013:67). Nilai AVE dari data yang diperoleh dapat dilihat pada tabel berikut:
Tabel V.23 Output Latent Variable Coefficients sebelum penghapusan
KL H PP KW MKU R-squared 0.554 0.458 Adj. R-squared 0.540 0.453 Composite reliab. 0.925 0.896 0.925 0.901 0.937 Cronbach’s alpha 0.913 0.863 0.878 0.871 0.923 Avg. var. extrac. 0.408 0.553 0.805 0.567 0.651 Full collin. VIF 1.907 1.806 1.506 2.497 2.225 Q-squared 0.557 0.455 Min -5.201 -3.997 -3.428 -4.743 -4.396 Max 2.075 2.272 1.512 2.324 1.870 Median -0.167 0.094 -0.135 -0.280 -0.411 Mode -0.601 0.094 -0.135 -0.280 -0.411 Skewness -0.938 -0.828 -0.489 -0.321 -0.150 Exc. kurtosis 6.027 3.338 0.797 4.510 2.669 Unimodal-RS Yes Yes Yes Yes Yes Unimodal-KMV Yes Yes Yes Yes Yes Normal-JB No No No No No Normal-RJB No No No No No Histogram View View View View View Sumber: Hasil Pengolahan Data Primer dengan WarpPLS 6.0 (2018)
Tabel V.23 menunjukkan bahwa belum semua variabel memenuhi nilai average varian extracted (AVE) dengan nilai sebesar 0,50. Variabel yang sudah memenuhi syarat adalah harga, promosi penjualan, kepuasan pengunjung, dan minat kunjung ulang. Sedangkan, variabel kualitas layanan memiliki nilai AVE di bawah 0,50 sehingga belum memenuhi syarat. Tabel di bawah ini menunjukkan hasil pengolahan data setelah indikator yang tidak memenuhi syarat AVE dihapus:
Tabel V.24 Output Latent Variable Coefficients (Setelah Penghapusan Indikator dengan Loading <0,60)
KL H PP KP MKU R-squared 0.527 0.458 Adj. R-squared 0.512 0.453 Composite reliab. 0.903 0.896 0.925 0.901 0.937
Cronbach’s alpha 0.878 0.863 0.878 0.871 0.923 Avg. var. extrac. 0.508 0.553 0.805 0.567 0.651 Full collin. VIF 1.672 1.804 1.508 2.359 2.218 Q-squared 0.529 0.455 Min -4.573 -3.997 -3.428 -4.743 -4.396 Max 1.822 2.272 1.512 2.324 1.870 Median -0.217 0.094 -0.135 -0.280 -0.411 Mode -0.489 0.094 -0.135 -0.280 -0.411 Skewness -0.514 -0.828 -0.489 -0.321 -0.150 Exc. kurtosis 3.351 3.338 0.797 4.510 2.669 Unimodal-RS Yes Yes Yes Yes Yes Unimodal-KMV Yes Yes Yes Yes Yes Normal-JB No No No No No Normal-RJB No No No No No
Histogram View View View View View Sumber: Hasil Pengolahan Data Primer dengan WarpPLS 6.0 (2018)
Pada tabel V.24 dapat dilihat bahwa setelah indikator yang tidak sesuai dengan syarat loading dihapus nilai AVE dari variabel kualitas layanan mengalami perubahan sebesar 0,508. Perubahan tersebut membuat variabel kualitas layanan memenuhi syarat nilai AVE sebesar 0,50. Kelima variabel di atas yang memiliki nilai AVE tertinggi pada variabel promosi penjualan sebesar 0,805 sedangkan variabel dengan nilai AVE terendah pada variabel kualitas layanan sebesar 0,508.
b. Pengujian Reliabilitas
Menurut Fornell dan Lacker; Nunnaly (dalam Solihin dan Ratmono, 2013:73) output juga menyajikan dua ukuran reliabilitas instrumen penelitian yaitu composite reliability dan cronbach’s alpha.
Nilai dari kedua instrumen penelitian tersebut harus bernilai di atas 0,70 sebagai syarat reliabilitas. Hasil pada tabel V.24 tentang Output Latent Variable Coefficients (Setelah Penghapusan Indikator dengan Loading
<0,60 menunjukkan bahwa reliabilitas telah terpenuhi karena di atas 0,70.
Tabel V.25 Cronbach’s Alpha dan Composite Reliability
No Variabel Cronbach’s Alpha
Composite Reliability
Status
1 Kualitas Layanan 0,878 0,903 Reliabel 2 Harga 0,863 0,896 Reliabel 3 Promosi Penjualan 0,878 0,925 Reliabel 4 Kepuasan Pengunjung 0,871 0,901 Reliabel 5 Minat Kunjung Ulang 0,923 0,937 Reliabel
Sumber: Hasil Pengolahan Data Primer dengan WarpPLS 6.0 (2018)
Tabel V.25 menunjukkan bahwa nilai cronbach’s alpha dan
composite reliability memenuhi syarat di atas 0,70. Variabel yang memiliki cronbach’s alpha tertinggi yaitu minat kunjung ulang dengan nilai 0,923, dan variabel harga memiliki nilai croncbach’s alpha
terendah dengan nilai 0,863. Untuk nilai composite reliability tertinggi yaitu minat kunjung ulang dengan nilai 0,937 dan variabel harga memiliki composite reliability terendah dengan nilai 0,896. Dengan demikian, dapat dikatakan bahwa kelima variabel dinyatakan reliabel karena setiap variabel memenuhi syarat nilai cronbach’s alpha dan
