Pada bagian ini, peneliti akan kembali melakukan respesifikasi yang sama dengan yang telah dijelaskan pada bagian sebelumnya, yaitu dengan mengeluarkan variabel teramati yang nilai muatan faktor standar terkecil, yaitu SENSE2 dengan nilai muatan faktor standarnya sebesar 0.61, di mana selain memiliki nilai muatan faktor standar yang terkecil, variabel teramati SENSE2 juga memiliki reliabilitas indikator yang terendah di antara indikator-indikator dari variabel laten experiential marketing, yaitu hanya sebesar 37%. Berdasarkan alasan-alasan yang telah dijelaskan sebelumnya, untuk itu, guna meningkatkan reliabilitas variabel laten experiential marketing, maka SENSE2 akan dikeluarkan dari model penelitian. Pada Gambar 4.22 ditampilkan model penelitian yang baru setelah indikator SENSE2 dikeluarkan dari penelitian.
Gambar 4.22 Respesifikasi Model (H) Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.22, maka nilai uji kecocokan keseluruhan juga memiliki kemungkinan untuk berubah, baik pada sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.57 ditampilkan hasil uji kecocokan keseluruhan untuk model penelitian pada Gambar 4.22. Pada tabel tersebut dapat diamati bahwa uji kecocokan keseluruhan untuk respesifikasi model (H) menghasilkan keputusan yang sama dengan keputusan pada respesifikasi model (G), yaitu terdapat 4 ukuran GOF yang menunjukkan kecocokan yang tidak fit dan 14 ukuran GOF menunjukkan kecocokan yang fit.
Walaupun dari segi keputusan yang dihasilkan oleh ukuran-ukuran yang tersedia adalah sama, tetap saja terdapat perbedaan dalam nilai hasil pengolahan untuk beberapa jenis ukuran yang mana masih terdapat di daerah keputusan yang sama sehingga hasil keputusan yang timbul pun sama dengan respesifikasi pada model (G). Ukuran-ukuran yang bernilai berbeda namun masih berada dalam daerah keputusan yang sama, yaitu Goodness of Fit Index (GFI), Root Mean Square Residual (RMR), Expected Cross Validation Index (ECVI), Adjusted Goodness of Fit Index (AGFI), Tucker-Lewis Index atau Non-Normed Fit Index (TLI atau NNFI), Normed Chi-Square, Akaike Information Criterion (AIC), Consistent Akaike Information Criterion (CAIC), dan Critical N (CN).
Tabel 4.57 Uji Kecocokan Keseluruhan 9 (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
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
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
Marginal Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.83 Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan Standardized RMR < 0.05 Æ good fit
Tidak Fit Hasil Pengolahan Standardized RMR = 0.065 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) = 0.070 Expected Cross
Validation Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model Æ model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.29 ECVI for Saturated Model = 2.32
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model Æ model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.29 ECVI for Independence Model = 30.80
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
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) = 0.79 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) = 0.97 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) = 0.94 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) = 0.93 (Lanjutan Tabel 4.57)
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
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) = 0.97 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) = 0.97 Normed
Chi-Square
Dasar Pengambilan Keputusan 1.0 < (X2/df) < 5.0 Æmodel fit Fit Hasil Pengolahan 358.96/183 = 1.962 Akaike Information Criterion (AIC)
Dasar Pengambilan Keputusan AIC < Saturated AIC Æ model fit
Fit
Hasil Pengolahan Model AIC = 454.96 Saturated AIC = 462.00 Dasar Pengambilan Keputusan AIC < Independence AIC Æ model fit
Fit
Hasil Pengolahan Model AIC = 454.96
Independence AIC = 6130.04 (Lanjutan Tabel 4.57)
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model Keputusan Consistent Akaike Information Criterion (CAIC)
Dasar Pengambilan Keputusan CAIC < Saturated CAIC Æ model fit
Fit
Hasil Pengolahan Model CAIC = 661.28 Saturated CAIC = 1454.91 Dasar Pengambilan Keputusan
CAIC < Independence CAIC Æ model fit
Fit
Hasil Pengolahan Model CAIC = 661.28
Independence CAIC = 6220.30 Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 Æ model fit
Tidak Fit
Hasil Pengolahan Critical N (CN) = 128.74 Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.57 belum selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah perbandingan antarmodel, di mana pada Tabel 4.57 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 4.58.
Tabel 4.58 Uji Kecocokan Keseluruhan 9 (B) Ukuran Derajat Kecocokan Dasar Pengambilan Keputusan Respesifikasi Model (G) Respesifikasi Model (H) Keputusan Statistic Chi-square
⎟
⎠
⎞
⎜
⎝
⎛χ
2 Nilaiχ
2 semakin kecil semakin baik401.22 358.96 Lebih baik Non-Centrality Parameter (NCP) Semakin kecil semakin baik 198.22 175.96 Lebih baik
Scaled NCP (SNCP) Semakin kecil semakin baik
0.991 0.880 Lebih baik
Goodness of Fit Index (GFI)
Nilai lebih tinggi adalah lebih baik
0.82 0.83 Lebih baik Expected Cross Validation Index (ECVI) Semakin kecil semakin baik 2.52 2.29 Lebih baik Adjusted Goodness of Fit Index (AGFI)
Nilai lebih tinggi adalah lebih baik
0.78 0.79 Lebih baik
Tucker-Lewis Index atau Non-Normed Fit Index (TLI atau NNFI)
Nilai lebih tinggi adalah lebih baik
0.96 0.97 Lebih baik
Normed Fit Index (NFI)
Nilai lebih tinggi adalah lebih baik
0.94 0.94 Tidak mengalami
perubahan Relative Fit Index
(RFI)
Nilai lebih tinggi adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan Incremental Fit
Index (IFI)
Nilai lebih tinggi adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan Comparative Fit
Index (CFI)
Nilai lebih tinggi adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan Parsimonious
Normed Fit Index (PNFI)
Nilai PNFI tinggi adalah lebih baik
0.82 0.82 Tidak mengalami
Ukuran Derajat Kecocokan Dasar Pengambilan Keputusan Respesifikasi Model (G) Respesifikasi Model (H) Keputusan Parsimonious Goodness of Fit (PGFI)
Nilai PGFI yang lebih tinggi adalah lebih baik (Nilai PGFI berkisar antara 0 dengan 1) 0.66 0.66 Tidak mengalami perubahan Akaike Information Criterion (AIC)
Nilai AIC positif lebih kecil adalah lebih baik
501.22 454.96 Lebih baik
Consistent Akaike Information Criterion (CAIC)
Nilai positif yang lebih kecil adalah lebih baik
716.13 661.28 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 (H) = 175.96/200 = 0.880
Dengan membandingkan antara hasil respesifikasi model (G) dengan hasil respesifikasi model (H) pada Tabel 4.58, maka terdapat 9 ukuran derajat kecocokan yang memberikan keputusan bahwa hasil respesifikasi model (H) dari segi ukuran derajat kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya, sedangkan untuk ukuran-ukuran lainnya tidak mengalami perubahan hasil dibandingkan dengan respesifikasi model (G). Karena sebagian besar hasil uji kecocokan keseluruhan dari hasil respesifikasi model (H) adalah baik (fit) dan hasil respesifikasi model (H) ini juga secara (Lanjutan Tabel 4.58)
garis besar lebih baik dibandingkan hasil respesifikasi model (G), maka kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya, yaitu uji kecocokan model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.59 ditampilkan hasil uji validitas untuk model penelitian hasil respesifikasi model (H). 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 4.59 Uji Validitas (9) 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
SENSE3 0.67 10.56 - - - - - - Baik FEEL2 0.65 10.68 - - - - - - Baik THINK1 0.83 14.70 - - - - - - Baik THINK2 0.65 10.25 - - - - - - Baik ACT2 0.66 10.37 - - - - - - Baik CREDI1 - - 0.74 12.96 - - - - Baik CREDI2 - - 0.65 9.01 - - - - Baik ATTRAC1 - - 0.69 12.24 - - - - Baik ATTRAC2 - - 0.83 14.11 - - - - Baik ATTRAC3 - - 0.70 9.29 - - - - Baik RELI1 - - - - 0.80 * - - Baik RELI2 - - - - 0.79 13.82 - - Baik RELI3 - - - - 0.84 14.05 - - 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
RELI4 - - - - 0.86 16.70 - - Baik INTENS1 - - - - 0.68 11.01 - - Baik INTENS2 - - - - 0.66 9.94 - - Baik INTENS3 - - - - 0.65 10.12 - - Baik INTENS4 - - - - 0.67 9.21 - - Baik BEHAV1 - - - - - - 0.81 * Baik ATTITU1 - - - - - - 0.77 11.07 Baik ATTITU2 - - - - - - 0.58 7.73 Baik
Pada Tabel 4.59 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. Sama halnya dengan uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh variabel teramati juga memiliki nilai SFL lebih besar dari 0.5. Dapat diamati bahwa tidak ada satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu variabel teramati memiliki validitas yang baik. Sehingga di dalam model penelitian ini, seluruh variabel teramati telah memiliki validitas yang baik. Karena seluruh variabel teramati telah memiliki validitas yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji kecocokan model pengukuran adalah uji reliabilitas.
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted. Nilai construct reliability dan variance extracted dari masing-masing variabel laten telah dihitung pada Tabel 4.60, Tabel 4.61, Tabel 4.62, dan Tabel 4.63.
Sumber: Peneliti (2010) (Lanjutan Tabel 4.59)
Tabel 4.60 CR dan VE Experiential Marketing (6) Keterangan Var. Teramati SFL (std.loading) THETA-DELTA SFL2 (std.loading2)
Construct Reliability (CR) dan Variance extracted (VE)
SENSE3 0.67 0.55 0.4489 CR = (3.462)/[(3.462)+2.58] CR = 0.82 VE = 2.4184/(2.4184+2.58) VE = 0.48 FEEL2 0.65 0.58 0.4225 THINK1 0.83 0.31 0.6889 THINK2 0.65 0.58 0.4225 ACT2 0.66 0.56 0.4356 ∑ 3.46 2.58 2.4184 Sumber: Peneliti (2010)
Tabel 4.61 CR dan VE Celebrity Endorsement (6) Keterangan Var. Teramati SFL (std.loading) THETA-DELTA SFL2 (std.loading2)
Construct Reliability (CR) dan Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.612)/[(3.612)+2.37] CR = 0.85 VE = 2.6251/(2.6251+2.37) VE = 0.53 CREDI2 0.65 0.58 0.4225 ATTRAC1 0.69 0.52 0.4761 ATTRAC2 0.83 0.31 0.6889 ATTRAC3 0.70 0.50 0.4900 ∑ 3.61 2.37 2.6251 Sumber: Peneliti (2010)
Tabel 4.62 CR dan VE Brand Trust (6) Keterangan Var. Teramati SFL (std.loading) THETA-EPS SFL2 (std.loading2)
Construct Reliability (CR) dan Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.952)/[(5.952)+3.52] CR = 0.91 VE = 4.4787/(4.4787+3.52) VE = 0.56 RELI2 0.79 0.37 0.6241 RELI3 0.84 0.30 0.7056 RELI4 0.86 0.25 0.7396 INTENS1 0.68 0.54 0.4624 INTENS2 0.66 0.56 0.4356 INTENS3 0.65 0.58 0.4225 INTENS4 0.67 0.56 0.4489 ∑ 5.95 3.52 4.4787 Sumber: Peneliti (2010)
Tabel 4.63 CR dan VE Brand Loyalty (6) Keterangan Var. Teramati SFL (std.loading) THETA-EPS SFL2 (std.loading2)
Construct Reliability (CR) dan Variance extracted (VE)
BEHAV1 0.81 0.35 0.6561 CR = (2.162)/[(2.162)+1.41] CR = 0.77 VE = 1.5854/(1.5854+1.41) VE = 0.53 ATTITU1 0.77 0.40 0.5929 ATTITU2 0.58 0.66 0.3364 ∑ 2.16 1.41 1.5854 Sumber: Peneliti (2010)
Pada Tabel 4.64 ditampilkan hasil rangkuman besarnya nilai construct reliability dan variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu jika:
(1) Construct Reliability (CR)-nya > 0.70 (2) Variance extracted (VE)-nya > 0.50
Tabel 4.64 Uji Reliabilitas (6) Variabel Laten Construct Reliability
(CR)
Variance extracted (VE)
Keputusan
Experiential Marketing 0.82 0.48 Kurang Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.64 uji reliabilitas menghasilkan keputusan yang sama dengan uji reliabilitas yang telah dilakukan pada respesifikasi model sebelumnya, yaitu tampak bahwa 3 variabel laten memiliki nilai reliabilitas yang baik, karena telah memenuhi kedua syarat untuk dinyatakan memiliki reliabilitas yang baik. Ketiga variabel tersebut adalah celebrity endorsement, brand trust, dan brand loyalty. Sedangkan untuk variabel laten experiential marketing dalam hal uji reliabilitas menghasilkan keputusan yang masih kurang baik, karena variabel tersebut tidak memenuhi salah satu syarat agar suatu variabel dikatakan memiliki reliabilitas yang baik. Variabel laten experiential marketing memang telah memenuhi syarat dari segi construct reliability (0.82 > 0.70), namun variabel tersebut tidak memenuhi syarat dari segi variance extracted (0.48 < 0.50). Namun dalam hal ini, nilai variance extracted meningkat sehingga lebih mendekati batas minimal yang diperbolehkan, yaitu 0.50. Karena belum seluruh variabel yang ada lolos uji reliabilitas, maka peneliti belum dapat melanjutkan ke tahap uji kecocokan model struktural dan akan kembali melakukan respesifikasi model yang dijelaskan pada bagian berikutnya.