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. Pada Tabel 4.60 terdapat dua buah variabel teramati dengan nilai muatan faktor standar yang sama, yaitu FEEL2 dan THINK2, di mana keduanya sama-sama memiliki nilai muatan faktor standar terkecil, yaitu sebesar 0.65. FEEL2 dan THINK2 selain memiliki nilai muatan faktor standar yang terkecil, juga memiliki reliabilitas indikator yang terendah di antara indikator-indikator dari variabel laten experiential marketing, yaitu hanya sebesar 42%. Dalam respesifikasi model (I), peneliti lebih memilih untuk mengeluarkan THINK2, karena variabel teramati tersebut memiliki nilai t yang lebih kecil jika dibandingkan dengan FEEL2 yang dapat dilihat pada Tabel 4.59. Berdasarkan alasan-alasan yang telah dijelaskan sebelumnya, untuk itu, guna meningkatkan reliabilitas variabel laten experiential marketing, maka THINK2 akan dikeluarkan dari model penelitian. Pada Gambar 4.23 ditampilkan model penelitian yang baru setelah indikator THINK2 dikeluarkan dari penelitian.
Gambar 4.23 Respesifikasi Model (I) Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.23, maka nilai uji kecocokan keseluruhan juga memiliki kemungkinan untuk berubah, baik pada sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.65 ditampilkan hasil uji kecocokan keseluruhan untuk model penelitian pada Gambar 4.23. Pada tabel tersebut dapat diamati bahwa terdapat sedikit perbedaan antara hasil keputusan mengenai uji kecocokan keseluruhan hasil respesifikasi model (I) dengan hasil keputusan uji kecocokan keseluruhan pada respesifikasi model (H). Terdapat 2 keputusan yang berubah, yaitu Expected Cross Validation Index (ECVI) pada salah satu keputusannya yang membandingkan antara ECVI dengan ECVI for Saturated Model, yang pada model sebelumnya memiliki keputusan fit, pada model ini menjadi tidak fit, begitu pula dengan ukuran Akaike Information Criterion (AIC) pada salah satu keputusannya yang membandingkan antara Model AIC dengan Saturated AIC, yang pada model sebelumnya memiliki keputusan fit, pada model ini menjadi tidak fit. Selain perubahan pada kedua keputusan untuk ukuran-ukuran tersebut, tidak terdapat perubahan keputusan lainnya, hanya saja terdapat perubahan nilai hasil untuk beberapa jenis ukuran yang mana masih terdapat di daerah keputusan yang sama sehingga hasil keputusan yang timbul pun sama dengan respesifikasi pada model (H). Ukuran-ukuran tersebut adalah Root Mean Square Error of Approximation (RMSEA), Expected Cross Validation Index (ECVI) yang membandingkan antara ECVI dengan ECVI for Independence Model, Adjusted Goodness of Fit Index (AGFI), Tucker-Lewis Index atau Non-Normed Fit Index (TLI atau NNFI), Normed Chi-Square, yang membandingkan antara AIC dengan Independence AIC, Consistent Akaike Information Criterion (CAIC), dan Critical N (CN). Dari segi keputusan memang terdapat hasil yang sedikit berbeda, namun sebagian besar keputusan pada uji kecocokan keseluruhan pada respesifikasi model (I) masih tetap menunjukkan hasil yang fit, yaitu terdapat 12 ukuran GOF menunjukkan kecocokan yang fit dan untuk 6 ukuran GOF lainnya menunjukkan kecocokan yang tidak fit.
Tabel 4.65 Uji Kecocokan Keseluruhan 10 (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
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) = 0.073 Expected Cross
Validation Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model Æ model fit
Tidak Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.17 ECVI for Saturated Model = 2.11
Ukuran Derajat Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu Model
Keputusan
Expected Cross Validation Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model Æ model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.17 ECVI for Independence Model = 28.88
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) = 0.78 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) = 0.94 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
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 339.45/164 = 2.070 Akaike Information Criterion (AIC)
Dasar Pengambilan Keputusan AIC < Saturated AIC Æ model fit
Tidak Fit
Hasil Pengolahan Model AIC = 431.45 Saturated AIC = 420.00 Dasar Pengambilan Keputusan AIC < Independence AIC Æ model fit
Fit
Hasil Pengolahan Model AIC = 431.45
Independence AIC = 5746.39 (Lanjutan Tabel 4.65)
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 = 629.17 Saturated CAIC = 1322.65 Dasar Pengambilan Keputusan
CAIC < Independence CAIC Æ model fit
Fit
Hasil Pengolahan Model CAIC = 629.17
Independence CAIC = 5832.35 Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 Æ model fit
Tidak Fit
Hasil Pengolahan Critical N (CN) = 123.56 Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.65 belum selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah perbandingan antarmodel, di mana pada Tabel 4.65 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 4.66.
Tabel 4.66 Uji Kecocokan Keseluruhan 10 (B) Ukuran Derajat Kecocokan Dasar Pengambilan Keputusan Respesifikasi Model (H) Respesifikasi Model (I) Keputusan Statistic Chi-square
⎟
⎠
⎞
⎜
⎝
⎛χ
2 Nilaiχ
2 semakin kecil semakin baik358.96 339.45 Lebih baik Non-Centrality Parameter (NCP) Semakin kecil semakin baik 175.96 175.45 Lebih baik
Scaled NCP (SNCP) Semakin kecil semakin baik
0.880 0.877 Lebih baik
Goodness of Fit Index (GFI)
Nilai lebih tinggi adalah lebih baik
0.83 0.83 Tidak mengalami perubahan Expected Cross Validation Index (ECVI) Semakin kecil semakin baik 2.29 2.17 Lebih baik Adjusted Goodness of Fit Index (AGFI)
Nilai lebih tinggi adalah lebih baik
0.79 0.78 Lebih buruk
Tucker-Lewis Index atau Non-Normed Fit Index (TLI atau NNFI)
Nilai lebih tinggi adalah lebih baik
0.97 0.96 Lebih buruk
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
Ukuran Derajat Kecocokan Dasar Pengambilan Keputusan Respesifikasi Model (H) Respesifikasi Model (I) Keputusan Parsimonious Goodness of Fit (PGFI)
Nilai PGFI yang lebih tinggi adalah lebih baik (Nilai PGFI berkisar antara 0 dengan 1) 0.66 0.65 Lebih Buruk Akaike Information Criterion (AIC)
Nilai AIC positif lebih kecil adalah lebih baik
454.96 431.45 Lebih baik
Consistent Akaike Information Criterion (CAIC)
Nilai positif yang lebih kecil adalah lebih baik
661.28 629.17 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 (I) = 175.45/200 = 0.877
Dengan membandingkan antara hasil respesifikasi model (H) dengan hasil respesifikasi model (I) pada Tabel 4.66, maka terdapat 6 ukuran derajat kecocokan yang memberikan keputusan bahwa hasil respesifikasi model (I) dari segi ukuran derajat kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya dan 4 ukuran derajat kecocokan yang memberikan keputusan bahwa hasil respesifikasi model (I) dari segi ukuran derajat kecocokan menunjukkan hasil yang lebih buruk dibandingkan model sebelumnya, sedangkan untuk ukuran-ukuran lainnya tidak mengalami perubahan hasil (Lanjutan Tabel 4.66)
dibandingkan dengan respesifikasi model (H). Karena sebagian besar hasil uji kecocokan keseluruhan dari hasil respesifikasi model (I) adalah baik (fit) dan hasil respesifikasi model (I) ini juga secara garis besar lebih baik dibandingkan hasil respesifikasi model (H), 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 4.67 ditampilkan hasil uji validitas untuk model penelitian hasil respesifikasi model (I). 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 4.67 Uji Validitas (10) 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 10.29 - - - - - - Baik FEEL2 0.67 10.65 - - - - - - Baik THINK1 0.82 13.97 - - - - - - Baik ACT2 0.65 9.94 - - - - - - Baik CREDI1 - - 0.74 12.98 - - - - Baik CREDI2 - - 0.65 9.01 - - - - Baik ATTRAC1 - - 0.69 12.22 - - - - Baik ATTRAC2 - - 0.83 14.10 - - - - Baik ATTRAC3 - - 0.71 9.29 - - - - Baik RELI1 - - - - 0.80 * - - Baik RELI2 - - - - 0.79 13.83 - - 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
RELI3 - - - - 0.84 14.02 - - Baik RELI4 - - - - 0.86 16.71 - - Baik INTENS1 - - - - 0.68 11.00 - - Baik INTENS2 - - - - 0.66 9.93 - - Baik INTENS3 - - - - 0.65 10.13 - - Baik INTENS4 - - - - 0.67 9.22 - - Baik BEHAV1 - - - - - - 0.81 * Baik ATTITU1 - - - - - - 0.77 11.12 Baik ATTITU2 - - - - - - 0.58 7.70 Baik
Pada Tabel 4.67 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.
Sumber: Peneliti (2010) (Lanjutan Tabel 4.67)
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 4.68, Tabel 4.69, Tabel 4.70, dan Tabel 4.71.
Tabel 4.68 CR dan VE Experiential Marketing (7) Keterangan Var. Teramati SFL (std.loading) THETA-DELTA SFL2 (std.loading2)
Construct Reliability (CR) dan Variance extracted (VE)
SENSE3 0.67 0.56 0.4489 CR = (2.812)/[(2.812)+2.02] CR = 0.80 VE = 1.9927/(1.9927+2.02) VE = 0.50 FEEL2 0.67 0.56 0.4489 THINK1 0.82 0.33 0.6724 ACT2 0.65 0.57 0.4225 ∑ 2.81 2.02 1.9927 Sumber: Peneliti (2010)
Tabel 4.69 CR dan VE Celebrity Endorsement (7) 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 = (3.622)/[(3.622)+2.37] CR = 0.85 VE = 2.6392/(2.6392+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 0.71 0.50 0.5041 ∑ 3.62 2.37 2.6392 Sumber: Peneliti (2010)
Tabel 4.70 CR dan VE Brand Trust (7) 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 4.71 CR dan VE Brand Loyalty (7) 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)+1.42] CR = 0.77 VE = 1.5854/(1.5854+1.42) VE = 0.53 ATTITU1 0.77 0.40 0.5929 ATTITU2 0.58 0.67 0.3364 ∑ 2.16 1.42 1.5854 Sumber: Peneliti (2010)
Pada Tabel 4.72 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 4.72 Uji Reliabilitas (7) Variabel Laten Construct Reliability
(CR)
Variance extracted (VE)
Keputusan
Experiential Marketing 0.80 0.50 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 4.72 uji reliabilitas menghasilkan keputusan yang baik untuk seluruh variabel laten yang ada, di mana seluruh variabel laten telah memenuhi syarat, baik dari segi construct reliability maupun variance extracted, sehingga dapat dikatakan bahwa seluruh variabel telah reliabel. Karena seluruh variabel yang ada telah lolos uji reliabilitas, maka peneliti telah menghasilkan model penelitian yang digambarkan pada Gambar 4.23, yaitu gambar “Respesifikasi Model (I)” dan dengan model penelitian tersebut, peneliti dapat melanjutkan ke tahap uji kecocokan model struktural.