Berdasarkan pada hasil uji validitas pada Tabel 4.12, variabel teramati SENSE1 dan SENSE4 tidak memenuhi salah satu syarat yang harus dipenuhi agar suatu variabel teramati bisa dikatakan memiliki validitas yang baik, maka SENSE1 dan SENSE4 seharusnya dikeluarkan dari model di penelitian ini. Namun, keduanya tidak perlu dikeluarkan sekaligus, karena seperti yang telah dinyatakan sebelumnya bahwa 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 SENSE1 dengan muatan faktor standar sebesar 0.44. Dengan dikeluarkannya indikator tersebut, maka model di penelitian ini menjadi seperti apa yang ditampilkan pada Gambar 4.16. Pada gambar tersebut dapat diamati bahwa variabel laten experiential marketing yang pada respesifikasi model (A) memiliki 12 buah variabel teramati, kini variabel teramatinya menjadi 11 buah, karena dikeluarkannya SENSE1 dari model penelitian.
Gambar 4.16 Respesifikasi Model (B) Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.16, maka nilai uji kecocokan keseluruhan juga memiliki kemungkinan untuk berubah, baik pada sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.13 ditampilkan hasil uji kecocokan keseluruhan untuk model penelitian pada Gambar 4.16. Pada tabel tersebut dapat diamati bahwa hasil keputusan mengenai uji kecocokan keseluruhan hasil respesifikasi model (B) adalah sama dengan hasil keputusan uji kecocokan keseluruhan pada respesifikasi model (A). 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 Residual (RMR), Root Mean Square Error of Approximation (RMSEA), Expected Cross Validation Index (ECVI), 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.
Tabel 4.13 Uji Kecocokan Keseluruhan 3 (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 Standardized RMR = 0.071 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
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
Expected Cross Validation Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model Æ model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.69 ECVI for Saturated Model = 3.80
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model Æ model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.69 ECVI for Independence Model = 42.79
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 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 (Lanjutan Tabel 4.13)
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
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 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 613.66/318 = 1.930 Akaike Information Criterion (AIC)
Dasar Pengambilan Keputusan AIC < Saturated AIC Æ model fit
Fit
Hasil Pengolahan Model AIC = 733.66 Saturated AIC = 756.00 (Lanjutan Tabel 4.13)
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
Akaike Information Criterion (AIC)
Dasar Pengambilan Keputusan AIC < Independence AIC Æ model fit
Fit Hasil Pengolahan Model AIC = 733.66 Independence AIC = 8515.11 Consistent Akaike Information Criterion (CAIC)
Dasar Pengambilan Keputusan CAIC < Saturated CAIC Æ model fit
Fit
Hasil Pengolahan Model CAIC = 991.56 Saturated CAIC = 2380.76 Dasar Pengambilan Keputusan
CAIC < Independence CAIC Æ model fit
Fit
Hasil Pengolahan Model CAIC = 991.56
Independence CAIC = 8631.16 Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 Æ model fit
Tidak Fit
Hasil Pengolahan Critical N (CN) = 124.10 Sumber: Peneliti (2010)
Seperti yang telah dijelaskan pada respesifikasi model (A) bahwa uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.13 belum selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah perbandingan antarmodel, di mana pada Tabel 4.13 tersebut baru memperhitungkan tingkat kecocokan yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah melakukan uji kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada Tabel 4.14.
Tabel 4.14 Uji Kecocokan Keseluruhan 3 (B) Ukuran Derajat Kecocokan Dasar Pengambilan Keputusan Respesifikasi Model (A) Respesifikasi Model (B) Keputusan Statistic Chi-square
⎟
⎠
⎞
⎜
⎝
⎛χ
2 Nilaiχ
2 semakin kecil semakin baik641.21 613.66 Lebih baik Non-Centrality Parameter (NCP) Semakin kecil semakin baik 297.21 295.66 Lebih baik
Scaled NCP (SNCP) Semakin kecil semakin baik
1.48605 1.4783 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 3.85 3.69 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
0.93 0.93 Tidak mengalami
perubahan 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 Respesifikasi Model (A) Respesifikasi Model (B) 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
765.21 733.66 Lebih baik
Consistent Akaike Information Criterion (CAIC)
Nilai positif yang lebih kecil adalah lebih baik
1031.71 991.56 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) respesifikasi model (B) = 295.66/200 = 1.4783
Dengan membandingkan antara hasil respesifikasi model (A) dengan hasil respesifikasi model (B) pada Tabel 4.14, maka terdapat 6 ukuran derajat kecocokan yang memberikan keputusan bahwa hasil respesifikasi model (B) dari segi ukuran derajat kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya. Karena sebagian besar hasil uji kecocokan keseluruhan dari hasil respesifikasi model (B) adalah baik (fit) dan hasil respesifikasi model (B) ini juga lebih baik dibandingkan hasil (Lanjutan Tabel 4.14)
respesifikasi model (A), maka kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya, yaitu uji kecocokan model pengukuran.
Sebelum melakukan uji reliabilitas, peneliti harus memastikan terlebih dahulu bahwa seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.15 ditampilkan hasil uji validitas untuk model penelitian hasil respesifikasi model (B).
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 4.15 Uji Validitas (3) 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
SENSE2 0.62 10.56 - - - - - - Baik
SENSE3 0.70 11.44 - - - - - - Baik
SENSE4 0.44 6.24 - - - - - - Kurang Baik
FEEL1 0.55 8.99 - - - - - - Baik FEEL2 0.68 11.95 - - - - - - Baik THINK1 0.74 13.32 - - - - - - Baik THINK2 0.63 10.33 - - - - - - Baik ACT1 0.52 8.58 - - - - - - Baik ACT2 0.66 11.51 - - - - - - Baik ACT3 0.51 8.30 - - - - - - Baik RELATE1 0.52 7.49 - - - - - - Baik CREDI1 - - 0.74 12.98 - - - - Baik CREDI2 - - 0.65 9.01 - - - - 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
ATTRAC1 - - 0.69 12.22 - - - - Baik ATTRAC2 - - 0.83 14.04 - - - - Baik ATTRAC3 - - 0.70 9.27 - - - - Baik RELI1 - - - - 0.80 * - - Baik RELI2 - - - - 0.79 13.87 - - Baik RELI3 - - - - 0.84 14.11 - - Baik RELI4 - - - - 0.86 16.74 - - Baik INTENS1 - - - - 0.68 11.00 - - 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 11.09 Baik ATTITU2 - - - - - - 0.58 7.75 Baik
Pada Tabel 4.15 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 faktor standar atau standardized factor loadings (SFL), terdapat 1 variabel teramati yang tidak valid, karena muatan faktor standarnya lebih kecil dibanding 0.5. Variabel teramati tersebut adalah SENSE4. Sehingga di dalam model penelitian ini, variabel laten yang seluruh variabel teramatinya memiliki validitas yang baik, Sumber: Peneliti (2010)
karena telah memenuhi dua kriteria validitas yang baik, adalah variabel laten celebrity endorsement, brand trust, dan brand loyalty.