Berdasarkan pada hasil uji validitas pada Tabel 4.9, variabel teramati SENSE1, SENSE4, dan SENSE5 tidak memenuhi salah satu syarat yang harus dipenuhi agar suatu variabel teramati bisa dikatakan memiliki validitas yang baik, maka SENSE1, SENSE4, dan SENSE5 seharusnya dikeluarkan dari model di penelitian ini. Namun, ketiganya tidak perlu dikeluarkan sekaligus, karena ketika satu indikator dikeluarkan dari model, maka nilai muatan faktor standar dan nilai t dari indikator-indikator lain yang masih berada di dalam model penelitian akan ikut berubah, dan untuk itu ada kemungkinan indikator yang semula tidak valid dapat menjadi valid, walaupun hal tersebut tidak selalu terjadi. Indikator yang pertama kali akan dikeluarkan dari model adalah indikator dengan nilai muatan faktor standar terkecil, yaitu SENSE5 dengan muatan faktor standar sebesar 0.40. Dengan dikeluarkannya indikator tersebut, maka model di penelitian ini menjadi seperti apa yang ditampilkan pada Gambar 4.15. Pada gambar tersebut dapat diamati bahwa variabel laten experiential marketing yang pada model awal memiliki 13 buah variabel teramati, kini variabel teramatinya menjadi 12 buah, karena dikeluarkannya SENSE5 dari penelitian.
Gambar 4.15 Respesifikasi Model (A) Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.15, maka nilai uji kecocokan keseluruhan juga memiliki kemungkinan untuk berubah, baik pada sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.10 ditampilkan hasil uji kecocokan keseluruhan untuk model penelitian pada Gambar 4.15. Pada tabel tersebut dapat diamati bahwa hasil keputusan mengenai uji kecocokan keseluruhan adalah sama dengan hasil keputusan uji kecocokan keseluruhan pada model penelitian sebelum direspifikasi. Walaupun dari segi keputusan terdapat hasil yang sama, yaitu terdapat 5 ukuran GOF yang menunjukkan kecocokan yang tidak fit dan 13 ukuran GOF menunjukkan kecocokan yang fit,
namun dari segi angka hasil pengolahan terdapat beberapa perbedaan, yaitu tampak pada ukuran derajat kecocokan Root Mean Square Error of Approximation (RMSEA), Expected Cross-Validation Index (ECVI), Normed Fit Index (NFI), Normed Chi-Square, Akaike Information Criterion (AIC), Consistent Akaike Information Criterion (CAIC), dan Critical N (CN), hanya saja angka hasil pengolahan tersebut masih terdapat pada daerah keputusan yang sama sehingga hasil keputusannya pun sama. Karena sebagian besar ukuran kecocokan tersebut menunjukkan hasil yang fit, sehingga dapat dikatakan bahwa kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya.
Tabel 4.10 Uji Kecocokan Keseluruhan 2 (A) Ukuran
Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
Statistic Chi-square
⎜⎝⎛χ
2⎟⎠⎞
Dasar Pengambilan Keputusan P > 0.05 Æ model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0) Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan GFI = 1 Æ perfect fit
0,90 < GFI < 1 Æ good fit 0.80 < GFI < 0.90 Æ marginal fit 0 Æ poor fit
Tidak Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.79 Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan Standardized RMR < 0.05 Æ good fit
Tidak Fit
Hasil Pengolahan
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model Keputusan Root Mean Square Error of Approximation (RMSEA)
Dasar Pengambilan Keputusan RMSEA < 0.05 Æ close fit 0.05 < RMSEA < 0.08 Æ good fit 0.08 < RMSEA < 0.10 Æ marginal fit RMSEA > 0.10 Æ poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.066 Expected Cross
Validation Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model Æ model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.85 ECVI for Saturated Model = 4.08
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model Æ model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.85 ECVI for Independence Model = 44.16
Adjusted Goodness of Fit Index (AGFI)
Dasar Pengambilan Keputusan AGFI = 1 Æ perfect fit
0,90 < AGFI < 1 Æ good fit 0.80 < AGFI < 0.90 Æ marginal fit (nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.75 (Lanjutan Tabel 4.10)
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
Tucker-Lewis Index atau Non-Normed Fit Index (TLI atau NNFI)
Dasar Pengambilan Keputusan TLI > 0.90 Æ good fit.
0.80 < TLI < 0.90 Æ marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96 Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan NFI > 0.90 Æ good fit
0.80 < NFI < 0.90 Æ marginal fit (nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.93 Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan RFI > 0.90 Æ good fit
0.80 < RFI < 0.90 Æ marginal fit (nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.92 Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan IFI > 0.90 Æ good fit
0.80 < IFI < 0.90 Æ marginal fit (nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.96 (Lanjutan Tabel 4.10)
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
Comparative Fit Index (CFI)
Dasar Pengambilan Keputusan CFI > 0.90 Æ good fit
0.80 < CFI < 0.90 Æ marginal fit (nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.96 Normed
Chi-Square
Dasar Pengambilan Keputusan 1.0 < (X2/df) < 5.0 Æmodel fit Fit Hasil Pengolahan 641.21/344 = 1.864 Akaike Information Criterion (AIC)
Dasar Pengambilan Keputusan AIC < Saturated AIC Æ model fit
Fit
Hasil Pengolahan Model AIC = 765.21 Saturated AIC = 812.00 Dasar Pengambilan Keputusan AIC < Independence AIC Æ model fit
Fit Hasil Pengolahan Model AIC = 765.21 Independence AIC = 8788.63 Consistent Akaike Information Criterion (CAIC)
Dasar Pengambilan Keputusan CAIC < Saturated CAIC Æ model fit
Fit
Hasil Pengolahan Model CAIC = 1031.71 Saturated CAIC = 2557.12 (Lanjutan Tabel 4.10)
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model Keputusan Consistent Akaike Information Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Independence CAIC Æ model fit
Fit
Hasil Pengolahan Model CAIC = 1031.71
Independence CAIC = 8908.98 Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 Æ model fit
Tidak Fit
Hasil Pengolahan Critical N (CN) = 127.61 Sumber: Peneliti (2010)
Sebenarnya setelah uji kecocokan keseluruhan selesai, tahap selanjutnya yang akan dilakukan peneliti, adalah uji kecocokan model pengukuran. Namun, sebenarnya uji kecocokan model keseluruhan yang ada pada Tabel 4.10 belum selesai. Dengan meninjau kembali informasi yang tersedia di Tabel 3.7 mengenai rangkuman kriteria uji kecocokan, maka terdapat dua kategori besar penilaian, yaitu penilaian untuk tingkat kecocokan yang bisa diterima pada suatu model dan untuk perbandingan antarmodel, di mana pada Tabel 4.10 tersebut baru memperhitungkan tingkat kecocokan yang bisa diterima pada suatu model. Untuk itu, peneliti juga akan melakukan uji kecocokan untuk perbandingan antarmodel, guna membandingkan antara model awal sebelum respesifikasi dengan hasil respesifikasi model (A), di mana hasil uji kecocokan tersebut ditampilkan pada Tabel 4.11. (Lanjutan Tabel 4.10)
Tabel 4.11 Uji Kecocokan Keseluruhan 2 (B) Ukuran Derajat Kecocokan Dasar Pengambilan Keputusan Model Awal Respesifikasi Model (A) Keputusan Statistic Chi-square
⎟
⎠
⎞
⎜
⎝
⎛χ
2 Nilaiχ
2 semakin kecil semakin baik682.31 641.21 Lebih baik Non-Centrality Parameter (NCP) Semakin kecil semakin baik 311.31 297.21 Lebih baik
Scaled NCP (SNCP) Semakin kecil semakin baik
1.55655 1.48605 Lebih baik
Goodness of Fit Index (GFI)
Nilai lebih tinggi adalah lebih baik
0.79 0.79 Tidak mengalami perubahan Expected Cross Validation Index (ECVI) Semakin kecil semakin baik 4.07 3.85 Lebih baik Adjusted Goodness of Fit Index (AGFI)
Nilai lebih tinggi adalah lebih baik
0.75 0.75 Tidak mengalami
perubahan Tucker-Lewis Index
atau Non-Normed Fit Index (TLI atau NNFI)
Nilai lebih tinggi adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index (NFI)
Nilai lebih tinggi adalah lebih baik
0.92 0.93 Lebih baik
Relative Fit Index (RFI)
Nilai lebih tinggi adalah lebih baik
0.92 0.92 Tidak mengalami
perubahan Incremental Fit
Index (IFI)
Nilai lebih tinggi adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan Comparative Fit
Index (CFI)
Nilai lebih tinggi adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan Parsimonious
Normed Fit Index (PNFI)
Nilai PNFI tinggi adalah lebih baik
0.84 0.84 Tidak mengalami
Ukuran Derajat Kecocokan Dasar Pengambilan Keputusan Model Awal Respesifikasi Model (A) Keputusan Parsimonious Goodness of Fit (PGFI)
Nilai PGFI yang lebih tinggi adalah lebih baik
(Nilai PGFI berkisar antara 0 dengan 1)
0.67 0.67 Tidak mengalami
perubahan
Akaike Information Criterion (AIC)
Nilai AIC positif lebih kecil adalah lebih baik
810.31 765.21 Lebih baik
Consistent Akaike Information Criterion (CAIC)
Nilai positif yang lebih kecil adalah lebih baik
1085.40 1031.71 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample • Scaled NCP (SNCP) model awal = 311.31/200 = 1.55655
• Scaled NCP (SNCP) respesifikasi model (A) = 297.21/200 = 1.48605
Dengan membandingkan antara model awal penelitian dengan hasil respesifikasi model (A) pada Tabel 4.11, maka terdapat 7 ukuran derajat kecocokan yang memberikan keputusan bahwa hasil respesifikasi model (A) dari segi ukuran derajat kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya. Hal ini sesuai dengan teori bahwa terdapat beberapa alasan kenapa suatu model memiliki fit yang buruk, salah satunya, yaitu adanya specification error. Specification error timbul bisa disebabkan oleh beberapa penyebab, salah satunya adalah adanya indikator yang tidak valid dan (Lanjutan Tabel 4.11)
memiliki reliabilitas yang kurang (Ghozali dan Fuad, 2008, pp339-340). Karena sebagian besar hasil uji kecocokan keseluruhan dari hasil respesifikasi model (A) adalah baik (fit) dan hasil respesifikasi model (A) ini juga lebih baik dibandingkan model penelitian awal, maka kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya, yaitu uji kecocokan model pengukuran.
Seperti yang telah dijelaskan sebelumnya bahwa uji kecocokan model pengukuran terdiri dari uji validitas dan uji reliabilitas. Namun sebelum uji reliabilitas dilakukan, peneliti harus memastikan bahwa seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.12 ditampilkan hasil uji validitas untuk model penelitian hasil respesifikasi model (A).
Dasar pengambilan keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96 (2) Muatan faktor standar > 0.50
Tabel 4.12 Uji Validitas (2) Var. Laten Var. Teramati Experiential Marketing (expmark) Celebrity endorsement (celeb) Brand Trust (trust) Brand Loyalty (loyalty) Kesimpulan Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE1 0.44 7.49 - - - - - - Kurang Baik
SENSE2 0.62 10.85 - - - - - - Baik
SENSE3 0.70 11.52 - - - - - - Baik
SENSE4 0.45 6.35 - - - - - - Kurang Baik
FEEL1 0.56 9.13 - - - - - - Baik
FEEL2 0.68 11.98 - - - - - - Baik
THINK1 0.73 13.06 - - - - - - Baik
Var. Laten Var. Teramati Experiential Marketing (expmark) Celebrity endorsement (celeb) Brand Trust (trust) Brand Loyalty (loyalty) Kesimpulan Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
ACT1 0.53 8.69 - - - - - - Baik ACT2 0.66 11.64 - - - - - - Baik ACT3 0.52 8.48 - - - - - - Baik RELATE1 0.52 7.49 - - - - - - Baik CREDI1 - - 0.74 12.98 - - - - Baik CREDI2 - - 0.65 9.01 - - - - Baik ATTRAC1 - - 0.69 12.21 - - - - Baik ATTRAC2 - - 0.83 14.04 - - - - Baik ATTRAC3 - - 0.70 9.27 - - - - Baik RELI1 - - - - 0.80 * - - Baik RELI2 - - - - 0.79 13.85 - - Baik RELI3 - - - - 0.84 14.09 - - Baik RELI4 - - - - 0.86 16.72 - - Baik INTENS1 - - - - 0.68 10.99 - - Baik INTENS2 - - - - 0.67 9.97 - - Baik INTENS3 - - - - 0.65 10.15 - - Baik INTENS4 - - - - 0.67 9.22 - - Baik BEHAV1 - - - - - - 0.80 * Baik ATTITU1 - - - - - - 0.78 11.11 Baik ATTITU2 - - - - - - 0.58 7.74 Baik
Pada Tabel 4.12 terdapat tanda (*), di mana maksud dari tanda tersebut adalah ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa seluruh variabel teramati memiliki nilai t muatan faktor lebih besar dari 1,96 sehingga memenuhi satu kriteria untuk dinyatakan memiliki validitas yang baik. Namun untuk muatan Sumber: Peneliti (2010)
faktor standar atau standardized factor loadings (SFL), terdapat 2 variabel teramati yang tidak valid, karena muatan faktor standarnya lebih kecil dibanding 0.5. Kedua variabel teramati tersebut adalah SENSE1 dan SENSE4. Sehingga di dalam model penelitian ini, variabel laten yang seluruh variabel teramatinya memiliki validitas yang baik, karena telah memenuhi dua kriteria validitas yang baik, adalah variabel laten celebrity endorsement, brand trust, dan brand loyalty.