TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan ≥0,95 nilai yang sangat mendekati 1 menunjukkan a verry good fit. 7. CFI – COMPERATIF FIT INDEX
Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mendidentifikasikan tingkat fit yang paling tinggi (a very good fit).
Nilai yang direkomendasikan adalah CFI > 0.95. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Indeks CFI adalah identik dengan
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskr ipsi Obyek Penelitian 4.1.1. Sejer ah singkat Per usahaan
Smile Island Digital Printing adalah salah satu pusat digital printing yang termurah dan terlengkap di Surabaya, mulai dari cetak pin, id card, kartunama, poster, jumbo photo, x banner, roll banner, brosur & flyer, hingga ke cetak baliho, neonbox dan lain sebagainya dalam satu tempat Smile Island digital printing service hingga kami menyebutnya One stop digital printing service.
Smile Island Digital Printing merupakan perusahaan yang bergerak di bidang digital printing sejak tahun 1999 dengan memberikan solusi dan konsultasi mengenai beragam hal yang berhubungan dengan dunia digital printing baik supplies, services, machine maupun output printing.
Kami memberikan pengetahuan keahlian dan pengalaman serta sudah menjadi komitmen kami untuk melayani dan menjalin hubungan yang baik dengan pelanggan. Dengan komitmen tersebut dan efisiensi kerja, Smile Island Digital Printing siap memenuhi permintaan pelanggan yang menginginkan suatu produk yang murah, cepat, dengan hasil yang prima.
Untuk mendukung aktivitas perusahaan, kami menyediakan fasilitas seperti pelatihan dan tim dengan kualifikasi yang tinggi serta
perlengkapan kerja lainnya. Perusahaan akan terus mengusahakan yang terbaik untuk melayani semua pelanggan kami. Memasuki dunia usaha yang kompetitif, kita perlu memiliki visi yang prospektif dan baik, maka visi kami adalah untuk menyediakan suatu pemikiran bahwa dengan biaya yang murah dapat menghasilkan output yang berdaya saing.
Visi, misi dan latar belakang historis kami mendorong kami untuk tidak pernah berhenti terfokus pada kepuasan pelanggan dan standar kualitas yang tinggi. Kami memberikan komitmen penuh untuk menyediakan solusi yang terbaik untuk pelanggan kami dan tidak pernah berhenti dalam melakukan penyempurnaan unsur-unsur pendukungnya. Disamping perangkat keras dan perangkat lunak berteknologi tinggi, kami juga memiliki peranan sangat penting di dalam memberikan solusi yang tepat.
Dari masukan dan tawaran melalui relasi-relasi yang ada menginspirasikan kami untuk menangani beberapa proyek menantang serta menjalin kerja sama dengan beberapa perusahaan sejenis yang sudah mempunyai komitmen yang jelas dan berhasil dibidangnya, maka didasari dengan itu semua serta semangat dan dorongan keluarga akhirnya kami merencanakan untuk melaksanakan komitmen kami di Smile Island Digital Printing.
Dalam prosesnya untuk menjadikan sebuah perusahaan yang flexible dan tetap terarah Smile Island Digital Printing melakukan beberapa kerjasama dengan perusahaan-perusahaan terkemuka dan perusahaan lain yang mendukung kinerja kami
Ser vice
Kami berada di dalam industry printing, terfokus pada Solution dan Kecepatan. Kami menggabungkan semua aspek dalam modul-modul dan bekerja berdasarkan kebutuhan pelanggan di dalam menyampaikan layanan solusi yang terbaik dan tak terbatas
Produk-produk yang kami hasilkan antara lain: 1. OUTDOOR
a. X Banner f. Giant Poster b. Roll Banner g. Umbul - umbul c. Baliho h. Branding Mobile d. Neon Box
e. Spanduk 2. INDOOR
a. X Banner e. Back Wall b. Roll Banner f. Pin
c. Revolving Banner g. Cutting Sticker d. Promotion Desk
4.2. Hasil Penelitian dan Pembahasan 4.2.1. Analisis Statistik Deskr iptif
Gambaran statistik deskriptif digunakan untuk mengetahui gambaran jawaban responden berdasarkan hasil penyebaran kuesioner terhadap unsur-unsur yang ada pada setiap variabel.
a. Deskr ipsi r esponden ber dasarkan jenis kelamin
Identitas Responden Menurut Jenis Kelamin dapat dilihat pada Tabel 4.1. Dalam Tabel 4.1 terlihat bahwa dari 100 responden 90 responden (90%) adalah laki-laki, 10 responden (10%) perempuan.
Tabel 4.1
Identitas Responden Menur ut J enis Kelamin
J enis Kelamin J umlah Per senta se
Laki-Laki 90 90
Perempuan 10 10
Total 100 100
Sumber : Lampiran.
b. Deskr ipsi r esponden ber dasarkan kelompok umur
Pada tabel 4.2 menunjukkan bahwa responden yang berusia 36–45 tahun sejumlah 44 orang (44%) selanjutnya, yang berumur sekitar 25–35 tahun sejumlah 40 orang (40%), selanjutnya responden yang berusia lebih dari 46-55 tahun sejumlah 11 orang (11%) dan yang terakhir adalah responden yang berusia 55 tahun sebanyak 5 orang (5%).
Tabel 4.2
Identitas Responden Menur ut Umur
No Umur Jumlah (orang) Persentase (%)
1. 25 – 35 tahun 40 40
2. 36 – 45 tahun 44 44
3. 46 – 55 tahun 11 11
4. > 55 tahun 5 5
Total 100 100
c. Deskr ipsi r esponden ber dasarkan kelompok pendidikan
Pada tabel 4.3 menunjukkan bahwa responden terbesar adalah berpendidikan D3 sebanyak 52 orang (52%), selanjutnya responden yang berpendidikan S1 sebanyak 32 orang (32%), dan D1 masing-masing sebanyak sejumlah 32orang (32%), SMU sejumlah 4 orang (4%).
Tabel 4.3
Identitas Responden Menur ut Pendidikan No Jabatan Jumlah (orang) Persentase (%)
1. SMU 4 4
2. D1 32 32
3. D3 52 52
4. S1 32 32
Total 100 100
Sumber : data diolah
4.2.2. Uji Outlier Multivar iate
Outlier adalah observasi atau data yang memiliki karakteristik unik
yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi atau mutivariat (Hair, 1998). Evaluasi terhadap outlier
dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional (Hair.dkk, 1998; Tabachnick & Fidel, 1996). Uji terhadap outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p < 1%. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² (chi kuadrat) pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Tabel 4.4. Hasil Uji Outlier Multivar iate
Mi ni m um Maxim um Mean St d. Deviat i on N Pr edi ct ed Val ue 13 .386 88.37 6 50.50 0 13 .936 100 St d. Pr edi ct ed Val ue - 2.663 2.71 8 .000 1.00 0 100 St an dar d Er r or of Pr edict ed Val ue 5.145 14.12 2 8.78 1 1.46 0 100 Adj u st ed Pr edict ed Value 12 .970 91.98 6 50.57 6 14 .214 100 Resi dual - 48.452 65.29 9 .000 25 .445 100 St d. Resi dual - 1.805 2.43 3 .000 .948 100 St ud. Residual - 1.906 2.56 5 - .001 1.00 6 100 Delet ed Residual - 53.975 72.57 7 - .076 28 .662 100 St ud. Delet ed Residual - 1.935 2.65 1 .000 1.01 4 100 Mah al anobis Dist ance [ MD] 2.648 2 6 . 4 2 5 9.90 0 3.66 4 100 Cook' s Dist ance .000 .067 .012 .014 100 Cent er ed Lever age Val ue .027 .267 .100 .037 100 Sumber : Lampiran
Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan bahwa tidak terdapat outlier multivariat [antar variabel], karena MD Maksimum 26,425 < 29,588
4.2.3. Uji Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s
Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala (variabel
atau observasi indikator). Sementara itu item to total correlation digunakan untuk memperbaiki ukuran – ukuran dan mengeliminasi butir – butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan (Purwanto, 2002). Hasil selengkapnya dapat dilihat pada tabel berikut :
Tabel 4.5. Pengujian Reliability Consistency Inter nal Konst r ak I ndikat or I t em t o Tot al
Cor r elat i on Koef isien Cr on bach's Alpha Advert isin g X11 0.751 0.74 5 X12 0.845 X13 0.843 St or e At m osph er e X21 0.483 0.59 7 X22 0.722 X23 0.771 X24 0.729 Pu r chase I nt ent ion
Y1 0.705
0.50 9
Y2 0.749
Y3 0.681
Sumber : Lampiran
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala [variabel atau indikator observasian]. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan.
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya < 0,5 [Purwanto,2003]. Terjadi eliminasi karena nilai item to total correlation indikator belum seluruhnya ≥ 0,5. Indikator
yang tereliminasi tidak disertakan dalam perhitungan cronbach's alpha. Perhitungan cronbach's dilakukan setelah proses eliminasi.
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998].
4.2.4. Uji Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable / construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.6. Hasil Uji Validitas Konst r ak I ndikat or Fakt or Loa din g
1 2 3 4 Adver t isi ng X11 0. 520 X12 0. 655 X13 0. 883 St or e At m osph er e X21 0.084 X22 0.741 X23 0.813 X24 0.513 Pu r chase I nt ent i on Y1 0.67 4 Y2 0.47 3 Y3 0.33 2 Sumber : Lampiran
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct belum seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya kurang baik.
4.2.5. Uji Construct Reliability Dan Variance Eztracted
Selain melakukan pengujian konsistensi internal Cronbach’s
Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi
internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator – indikator individual mengukur suatu pengukuran yang sama (Purwanto, 2002). Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel di bawah ini
Tabel 4.7. Constr uct Reliability & Var iance Extr ated
Kon st rak I ndikat or
St an dar di ze Fact or Loadin g SFL Kuadrat Er r or [ εj ] Con st ru ct Reliabilit y Var iance Ext r at ed Adv ert i sin g
X11 0.52 0 0.270 0.730 0.736 0. 493 X12 0.65 5 0.429 0.571 X13 0.88 3 0.780 0.220 St or e At m ospher e X21 0.08 4 0.007 0.993 0.647 0. 370 X22 0.74 1 0.549 0.451 X23 0.81 3 0.661 0.339 X24 0.51 3 0.263 0.737 Purchase I nt ent ion Y1 0.67 4 0.454 0.546 0.497 0. 263 Y2 0.47 3 0.224 0.776 Y3 0.33 2 0.110 0.890 Sumber : Lampiran
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih termasuk uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama.
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen kurang reliabel, yang ditunjukkan dengan nilai construct reliability belumseluruhnya ≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.2.6. Uji Nor malitas
Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 (1%) yaitu sebesar ± 2,58. Hasilnya diperoleh nilai c.r. multivariat diantara ±
digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.8. Assessment of Nor mality
Var iable m i n m ax kur t osis c.r.
X11 4 7 - 0.17 - 0. 347 X12 4 7 - 0. 422 - 0. 861 X13 4 7 - 0. 372 - 0. 758 X21 4 6 - 0. 596 - 1. 216 X22 4 7 - 0. 578 - 1.18 X23 4 7 - 0. 543 - 1. 108 X24 4 7 - 0. 423 - 0. 863 Y1 4 7 - 0. 168 - 0. 343 Y2 4 7 - 0. 293 - 0. 599 Y3 4 7 - 0. 285 - 0. 581 M u l t i v a r i a t e - 4. 065 - 1 .3 1 2 B a t as N o r m a l ± 2 ,5 8 Sumber : Lampiran
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1%] yaitu sebesar ± 2,58.
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antaraq ± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler & Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.2.7. Evaluasi Model One-Steep Approach to SEM
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama (one – steep approach to SEM). One – steep approach to SEM digunakan bila model dilandasi teori yang kuat serta validitas dan reliabilitas data sangat baik (Hair, et,al, 1998).
Tabel 4.9. Evaluasi Kr iter ia Goodness of Fit Indeces Krit er i a Hasi l Nil ai Kri t is Evalu asi Model Cm in/ DF 3. 594 ≤ 2,00 kur an g bai k Pr obabil it y 0. 000 ≥ 0,05 kur an g bai k RMSEA 0. 162 ≤ 0,08 kur an g bai k GFI 0. 829 ≥ 0,90 kur an g bai k AGFI 0. 706 ≥ 0,90 kur an g bai k TLI 0. 546 ≥ 0,95 kur an g bai k CFI 0. 677 ≥ 0,94 kur an g bai k Sumber : Lampiran
Dari hasil evaluasi terhadap model one step approach modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang kurang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta.
Tabel 4.10. Evaluasi Kr iter ia Goodness of Fit Indeces Krit er i a Hasi l Nil ai Kri t is Evalu asi
Model Cm in/ DF 1. 228 ≤ 2,00 bai k Pr obabil it y 1. 185 ≥ 0,05 bai k RMSEA 0. 048 ≤ 0,08 bai k GFI 0. 933 ≥ 0,90 bai k AGFI 0. 900 ≥ 0,90 bai k TLI 0. 960 ≥ 0,95 bai k CFI 0. 974 ≥ 0,94 bai k
Dari hasil evaluasi terhadap model one step Elimination model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini masing perlu dimodifikasi sebagaimana terdapat di bawah ini.
4.2.8. Uji Kausalitas
Dilihat dari angka determinant of sample covariance matrix : 906,36 > 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas di bawah ini.
Tabel 4.11. Data Uji Kausalitas
Ust d St d
Pr ob. Fakt or Fakt or Est im at e Est i m at e
Pur chase_I nt ent ion St or e_At m ospher e - 0. 054 - 0.124 0. 309 Pur chase_I nt ent ion Adv ert i sin g 0.30 9 0.702 0. 000
Bat as Signifi kansi ≤ 0,10
4.3. Hasil Uji Pengujian Hipotesis Penelitian
≤
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan analisis data dengan menggunakan SEM (Stuctural Equation Modeling) dan pembahasan hasil penelitian yang telah dikemukakan, dapat disimpulkan hal-hal untuk menjawab permasalahan sebagai berikut :
1. Iklan mampu meningkatkan minat beli di Smile Digital Printing Surabaya.
2. Store atsmosphere tidak mampu meningkatkan minat beli di Smile Digital Printing Surabaya.
5.2. Sar an
Sehubungan dengan permasalahan dari hasil analisa data yang telah disajikan dihasil penelitian,maka dapat dikemukakan beberapa saran yang bermanfaat, antara lain :
a. Pihak Smile Digital Printing sebaiknya lebih sering memberikan diskon dan promo setidaknya mampu mempertahankan harga yang telah ditetapkan, namun tetap memperhatikan kualitas produk.
b. Sebagai pertimbangan untuk penelitian berikutnya, disarankan agar menggunakan variabel lain diluar penelitian ini yang diduga mempunyai hubungan dengan minat beli.
___________, 1991, Managing Brand Equity; Capitalizing on the Value of Brand
Name, Free Press, New York.
Assael, 1993, Consumer Behavior and Marketing Action. 6th ed., Cincinnati OH: South Western College Publishing
Ferdinand, Agusty, 2002, Structural Equation Modeling dalam penelitian
Manajemen, Edisi kedua, BP Undip Semarang.
Hair, J.F. et. al. 1998, Multivariate Data Analysis, Fifth Edition, Prentice-Hall International, Inc., New Jersey.
Hartline, Michael D. and O.C. Ferrell, 1996, “The Management of Customer-Contact Service Employees : An Empirical Investigation”, Journal of
Marketing. 60 (4) : 52-70.
Junaedi, 2009, Pengaruh Store Athmosphere Terhadap Minat Beli Konsumen Pada Toserba Griya Kuningan, Jurnal Ekonomi, Agustus 2009
Keegan, 1995. Access and Aligment of Data in an Array Processor. IEEE Trans. Comput. vol c-24
Keller, K. L. 2008. Strategic Brand Management: Building, Measuring, and
Managing Brand Equity. Third Edition. USA: Pearson International
Edition
Kotler, P., ,1997, Manajemen Pemasaran, Edisi Milenium, Jakarta, Prehallindo. ___________,2000, Manajemen Pemasaran, Edisi Revisi, Jakarta, Prehallindo. ___________, & Amstrong, G. 2001. Marketing An Introduction (3rd). Amerika:
Prentice – Hall, inc.
Kurniawati, 2009, Pengaruh Harga dan Iklan terhadap Keputusan Pembelian Sepeda Motor Honda (Studi Kasus pada Konsumen di Kelurahan Tegalsari Semarang), Jurnal Ekonomi dan Bisnis, Vol. 6 No. 2 Agustus 2009
Parasuraman A.; Leonard L. Berry; Valerie Zeithaml, 1991, Delivery Quality
Service: Balancing Customer Perseptions and Expectation, The Free
Press, Division of Mc. Millan, New York.
Surachman, Arif 2008, Layanan Perpustakaan Berbasis Teknologi Informasi. Perpustakaan Universitas Gadjah Mada,
Swastha, Basu. 2003. Manajemen Pemasaran Modern. Yogyakarta: Liberty ___________ dan Handoko, 2006, Manajemen Perusahaan Analisa Perilaku
Konsumen, Yogyakarta : Liberty Edisi Pertama.
Tjiptono, Fandi. 2000, Manajemen Jasa, Edisi Pertama, Andi Offset, Yogyakarta. ____________ 1997, Prinsip – Prinsip total Quality service, Edisi pertama,
Penerbit Andi, Jogjakarta.
Wicaksono. 2007. Perilaku Konsumen dan Komunikasi Pemasaran. Penerbit PT Remaja Rosdakarya. Bandung