BAB III
METODE PENELITIAN A. Waktu dan Tempat Penelitian
Pada proses penelitian ini tentunya peneliti telah menentukan lokasi dimana penelitian ini dilakukan. Waktu penelitian akan dilakukan mulai bulan Juni 2017. Penelitian akan dilakukan di store BreadLife di Jakarta Selatan dalam waktu yang fleksibel. Objek penelitian dalam penelitian ini adalah konsumen roti
BreadLife yang pernah mengkonsumsi maupun belum pernah mengkonsumsi roti BreadLife.
B. Desain Penelitian
Jenis penilitian yang digunakan oleh peneliti adalah penelitian kausalitas, yaitu penelitian dengan maksud mengukur kekuatan hubungan antara dua variabel atau lebih dan menunjukkan arah hubung antara variabel bebas dan variabel terikat, Kuncoro dalam Suharsono (2007).
Adapun teknik dalam pengumpulan data yang akan digunakan dalam penelitian ini didukung oleh data primer dan data sekunder. Menurut Istijanto (2009) data primer adalah data asli yang dikumpulkan secara langsung dari sumbernya dari peneliti untuk menyatakan masalah risetnya secara khusus.
Pengumpulan data dilakukan dengan membagikan kuesioner atau angket kepada customerBreadLife di Jakarta Selatan. Penelitian dilakukan dengan pendekatan deskriptif kuantitatif dan jenis penelitiannya studi kasus didukung
dengan survei. Sifat penelitian ini adalah penelitian penjelasan (Explanatoring
Research) yaitu penelitian yang bertujuan untuk memaparkan dan menjelaskan
sifat suatu keadaan yang sedang berlangsung pada saat penelitian dilakukan dan memeriksa sebab-sebab dari gejala tersebut.
C. Definisi dan Operasional Variabel
Menurut Sugiyono (2012) variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Pada penelitian ini teridentifikasi variabel-variabel antara lain yaitu :
a) Variabel Terikat (Dependent Variable)
adalah sejumlah gejala dengan berbagai faktor didalamnya yang ada ditentukan atau dipengaruhi oleh adanya variabel lain (Sugiyono, 2012). Variabel dependen dalam penelitian ini adalah brand equity(Y).
b) Variabel Bebas (Independent Variable)
adalah sejumlah gejala dengan berbagai faktor yang didalamnya menentukan atau mempengaruhi adanya variabel-variabel yang lain (Sugiyono,2012). Dalam penelitian ini variabel independen yang digunakan adalah brand awareness(X1), perceived quality(X2), brand
association(X3), dan brand loyalty(X4).
Definisi operasionalisasi variabel menurut Sugiyono (2012) adalah segala sesuatu yang berbentukapa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik
kesimpulannya. Agar data yang dibutuhkan dalam penelitian ini dapat diukur, maka dikemukakan pengertian terhadap variabel yang akan diukur sebagai berikut:
Tabel 3.1
Operasional Variabel Brand Awareness Variabel Definisi Variabel Dimensi Indikator Brand Awareness (Sumarwan, 20011) kesanggupan seorang calon pembeli untuk mengenali atau mengingat kembali bahwa suatu merek merupakanbagia n dari kategori merek tertentu. Suatu mekanisme untuk memperluas pasar merek dengan meningkatkan kesadaran. Kemudian kesadaran tersebut dapat mempengaruhi persepsi konsumen dan berprilaku Unaware of Brand (Tidak menyadari merek) 1. Dapat mengenali merek Breadlife dengan mudah 2. Kesadaran akan suatu merek Breadlife Brand Recognition (Pengenalan Merek) 1. Merek Breadlifeyang tidak asing di konsumen 2. Mampu mengenali satu merek dengan merek yang lain
Brand Recall
(pengingatan kembali merek)
1. Simbol atau Logo
Breadlife yang
mudah diingat 2. Mengetahui
gambaran umum tentang suatu merek
Top of Mind (Puncak
Pikiran) 1. Mampu mengenali merek BreadLife
Tabel 3.2
Operasional Variabel Perceived Quality Variabel Definisi
Variabel Dimensi Indikator
Perceived Quality (Aaker, 2009) persepsi pelanggan terhadap keseluruhan kualitas atau keunggulan suatu produk atau jasa layanan sehubungan dengan tujuan yang diinginkannya, disbanding dengan alternatif-alternatif lain
Kinerja (Performance) 1. Produk roti Breadlife enak dan lezat
2. Kualitas roti BreadLife yang bermutu tinggi Pelayanan (Serviceability) 1. Karyawan mampu memberikan pelayanan secara tepat waktu 2. Karyawan memakai seragam, serta berpenampilan rapi Ketahanan (Durability) 1. Produk roti
BreadLife yang tidak
cepat basi
2. Tidak menggunakan pengawet
Kehandalan(Reliability) 1. Rasa roti yang tidak berubah 2. Kualitas roti BreadLife menggunakan bahan alami Karakteristik produk
(Features) 1. Varian roti yang ditawarkan
BreadLife berbeda
dengan roti lainnya 2. Tekstur roti yang
ditawarkan
BreadLife lembut
dan tidak keras Kesesuaian dengan spesifikasi (Conformance with Specifications) 1. Ukuran roti BreadLife sesuai dengan harapan 2. Tidak ada roti yang
Hasil (Fit and Finish) 1. Kepercayaan terhadap kualitas 2. Merek BreadLife
akan terus memiliki kualitas yang konsisten
Tabel 3.3
Operasional VariabelBrand Association Variabel Definisi
Variabel Dimensi Indikator
Brand Association (Aaker, 2009) asosiasi merek merupakan segala sesuatu yang secara langsung atau tidak langsung terkait dalam ingatan pelanggan terhadap merek. Asosiasi yang melekat dalam perusahaan dan pada mereknya dapat menjadi asset bisnis utama yng tahan lama karena mencerminkan posisi strategis merek
Atribut produk (Product
Atributes) 1. Keunikan merek disbanding merek lain
Atribut tak berwujud
(Intangibles) 1. Karakteristik merek yang unik 2. Merek sangat
familiar dengan konsumen Manfaat bagi pelanggan
(Customer Benefits) 1. Produk BreadLife sehat dan roti
bersih
2. Produk roti
BreadLife mudah
didapat Harga relatif (Relatives
Price) 1. Merek terasosiasi dengan BreadLife harga yang terjangkau
Pengguna/Pelanggan
(Use/Customer) 1. Merek terasosiasi dengan BreadLife keluarga
2. Konsumen
BreadLife yang
beragam Orang Terkenal/Biasa
(Celebrity/Person) 1. Kesukaan kepercayaan dan terhadap merek
Gaya Hidup atau Kepribadian (Life style
or personality)
1. Merek roti
BreadLife praktis
untuk dikonsumsi
Kelas Produk (Product
class) 1. Merek BreadLife ekonomis roti
Pesaing (Competitors) 1. Kemiripan varian roti dengan pesaing Negara/Wilayah Geografis(Country/Geo graphic area) 1. Merek roti BreadLife terasosiasi dengan budaya Jepang Penggunaan/Aplikasi
(Use/Application) 1. Merek Breadlife roti
menggunakan teknologi handal
Tabel 3.4
Operasional VariabelBrand Loyalty
Variabel Definisi Variabel Dimensi Indikator Brand Loyalty (Rangkuty, 2008) loyalitas merek adalah ukuran dari kesetiaan konsumen terhadap suatu merek. Loyalitas merek merupakan inti dari brand equity yang menjadi gagasan sentral dalam
pemasaran, karena hal ini merupakan satu ukuran keterkaitan seorang Berpindah-pindah (Switcher/Price Buyer)
1. Mencoba roti merek lain selain roti
BreadLife
Pembeli yang bersifat kebiasaan (Habitual
Buyer)
1. Sering membeli roti merek Breadlife
Pembeli yang merasa
puas (Satisfied Buyer) 1. Puas membeli roti Breadlife
Menyukai merek
(Liking the Brand) 1. Akan merekomendasikan roti merek Breadlife kepada orang lain 2. Akan membeli
pelanggan pada
sebuah merek. Breadlife
Pembeli yang berkomitmen
(Committed Buyer)
1. Memiliki rasa loyal 2. Tidak akan
berpindah ke roti merek lain
Tabel 3.5
Operasional VariabelBrand Equity
Variabel Definisi Variabel Dimensi Indikator Brand Equity (Sumarwan, 2011) seperangkat asosiasi dan perilaku yang dimiliki oleh pelanggan merek, anggota saluran distribusi, dan perusahaan yang memungkinkan suatu merek mendapatkan kekuatan, daya tahan, dan keunggulan yang dapat membedakan dengan merek pesaing. Kesadaran merek
(brand awareness) 1. Tetap memilih produk BreadLife walaupun ada merek roti lain Mutu yang dirasakan
(perceived quality) 1. Tetap memilih roti BreadLife meskipun
ada varian dan kualitas produk yang sama Asosiasi merek (brand
association) 1. Masuk akal membeli roti merek
Breadlife
Kesetiaan merek
(brand loyality) 1. Jika merek lain lebih bagus daripada BreadLife, tetap memilih dan membeli BreadLife
D. Pengukuran Variabel
Pengukuran variabel dalam kuesioner menggunakan skala likert, yaitu dengan menjabarkan variabel yang akan diukur menjadi indikator variabel.
Jawaban tersebut memiliki instumen dari yang sangat positif sampai sangat negatif.
Dengan skala likert, maka variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pernyataan atau pertanyaan (Sugiyono, 2012).Jawaban dari setiap instrumen pernyataan atau pertanyaan yang menggunakan skala likert ini akan menghasilkan skor seperti yang terlihat dalam instrumen dibawah ini:
a. Sangat Setuju = Skor 5 b. Setuju = Skor 4 c. Cukup Setuju = Skor 3 d. Tidak Setuju = Skor 2
e. Sanagat Tidak Setuju = Skor 1
E. Populasi dan Sampel Penelitian
1. Populasi Penelitian
Populasi adalah gabungan dari seluruh elemen yang berbentuk peristiwa, hal atau orang yang memiliki karakteristik yang serupa yang menjadi pusatperhatian seorang peneliti karena itu dipandang sebagai sebuah semesta penelitian(Ferdinand, 2014). Sehingga dapat dikatakan juga bahwa populasi merupakan keseluruhan subjek penelitian.Populasi dalam penelitian ini yaitu konsumen di gerai BreadLife Jakarta Selatan.
2. Sampel Penelitian
Metode pengambilan sampel dalam penelitian ini dilakukan dengan cara
Accidental sampling yang merupakan bagian dari teknik nonprobability sampling.
Bentuk pengambilan sampel ini berdasarkan kebetulan, yaitu siapa saja yang kebetulan bertemu dengan peneliti ini dan dianggap cocok menjadi sumber data akan menjadi sampel penelitian ini (Sugiyono, 2012).
Penentuan jumlah sampel minimum menurut Hair et al (Ferdinand, 2014) adalah tergantung pada jumlah indikator dikalikan lima hingga dengan sepuluh. Ukuran sampel yang sesuai adalah antara 100-200 sampel. Penentuan jumlah sample yang representatif tergantung pada jumlah indikator dikali 5 hingga 10 (Ferdinand, 2014) sehingga jumlah sampel yang representatif pada penelitian ini adalah:
Tabel 3.6
Cara Perhitungan Sample
Minimal Maksimal
Jumlah Total Indikator x 5 Jumlah Total Indikator x 10
F. Teknik Pengumpulan Data
1. Teknik Angket/Kuesioner
Angket/kuesioner adalah teknik pengumpulan data yang dilakukan oleh peneliti dengan cara memberikan seperangkat pertanyaan atau pernyataan kepada konsumen yang menjadi responden adalah konsumen BreadLife.
2. Teknik Penentuan Skor
Untuk membantu dalam menganalisa data yang diperoleh dalam penelitian, maka penelitian ini menggunakan teknik penentuan skor. Pengukuran variabel dalam penelitian ini menggunakan skala ordinal, yang tidak hanya menyatakan kategori, namun juga menyatakan peringkat kategori tersebut.
G. Metode Analisis
Analisis data merupalan suatu proses penyerdehanaan data ke dalam bentuk yang lebih mudah dibaca dan diinterprestasikan. Dengan menggunakan analisis metode deskriptif kuantitatif, diharapkan hasil pengukuran yang lebih akurat tentang respon yang diberikan oleh responden, sehingga data yang berbentuk angka tersebut dapat diolah dengan metode statistik.
1. Analisis Deskriptif
a) Karakteristik Responden
Mendeskripsikan karakteristik demografi responden yang terdiri dari usia, jenis kelamin, pendidikan terakhir, dan lama bekerja.
b) Karakteristik Variabel
Mendeskripsikan jawaban responden untuk masing-masing kuisioner yaitu dengan melihat berapa banyak jawaban responden untuk setiap kategori jawaban 1 (STS), 2 (TS), 3 (N), 4 (S), dan 5 (SS).
2. Partial Least Square (Smart-PLS Versi 3.0)
Metode analisis data yang digunakan dalam penelitian ini menggunakan metode Struktual Equation Modelling (SEM) yang merupakan salah satu metode yang saat ini digunakan untuk menutup kelemahan yang ada pada metode regresi. Pada penelitian ini dependent variable lebih dari satu yaitu kepuasan pelanggan dan loyalitas pelanggan. Untuk itu, suatu model yang berbentuk struktur banyak
dependent variable, dapat dianalisis dengan menggunkan teknik Strutual Equation Modeling (SEM). SEM adalah suatu teknik statistika untuk menguji dan
mengestimasi hubungan kausal dengan analisi factor dan analisi jalur (Abdillah dan Jogiyanto, 2015). SEM adalah pengembangan dari General Linier Model
(GLM) dengan regresi berganda sebagi bagian utamanya. Namun, SEM lebih
andal, ilustratif dan kokoh dibandingkan dengan teknik regresi ketika memodelkan interaksi, non-linearitas, error pengukuran, korelasi error terms dan korelasi antarvariabel laten yang diukur oleh indikator berganda. SEM juga tepat digunakan sebagai alternatif jalur dan analisis data runtun waktu (time series) yang berbasis kovarian. Dalam penelitian ini penulis memilih SEM pendekatan
Variance Based SEM yang lebih dikenal dengan Partial Least Square (PLS). Analisis Partial Least Square (PLS) adalah teknis statistika multivariat yang
melakukan perbandingan anatar variabel dependen berganda dan variabel independen berganda (Abdillah dan Jogiyanto, 2015). PLS adalah salah satu metode statistika SEM berbasis varian yang didesain untuk menyelesaikan regresi berganda ketika terjadi permasalah spesifik pada data, seperti ukuran sampel pnelitian kecil, adanya data yang hilang (missing values) dan multikolinearitas. Metode ini dimaksudkan untuk causal-predictiveanalysis dalam situasi kompleksitas yang tinggi dan dukungan teori yang rendah. PLS memiliki tujuan untuk mencari hubungan linear prediktif antar variabel (component based
predictive model) (Ghozali, 2014).
Partial Least Square(PLS) agvnalisis adalah sebuah alternatif untuk
regresi Ordinary Least Square (OLS), korelasi kanonik, atau berbasis kovarians model persamaan struktural (SEM) dari sistem variabel independen dan respon(Garson, 2016). Bahkan, PLS kadang-kadang disebut "komposit berbasis SEM", "komponen berbasis SEM", atau "varian berbasis SEM", berbeda dengan "berbasis kovarians SEM," yang merupakan jenis biasa (misalnya, dilaksanakan oleh Amos , SAS, Stata, Mplus, LISREL, EQS dan paket perangkat lunak utama lainnya).
Di bagian sisi respon, PLS dapat menghubungkan set variabel independen ke beberapa dependent (respon) variabel. Di sisi prediktor, PLS dapat menangani banyak variabel independen, bahkan ketika predictor menampilkan multikolinearitas. PLS dapat diimplementasikan sebagai model regresi, memprediksi satu atau lebih tanggungan dari satu set dari satu atau lebih independen atau dapat diimplementasikan sebagai model jalur, penanganan jalur
kausal berkaitan prediktor serta jalur yang berkaitan prediktor dengan respon variabel. PLS diimplementasikan sebagai model regresi dengan SPSS dan oleh SAS PROC PLS. SmartPLS adalah implementasi yang paling umum sebagai model jalan.
Untuk menguji hipotesis dan menghasilkan suatu model yang layak (fit), metode analisis dalam penelitian ini menggunakan Component atau Variance
Based Structural Equation Modeling dimana dalam pengolahan datanya
menggunakan program Partial Least Square (Smart-PLS) versi 3.0. PLS (Partial
Least Square) adalah model alternative dari covariance based SEM. PLS
dimaksudkan untuk causal-perdictive analysis dalam situasi kompleksitas yang tinggi dan dukungan teori yang rendah dengan responden kurang dari 100 (Ghozali, 2014). Tujuan PLS adalah mencari hubungan linear prediktif optimal yang ada pada data. Walaupun PLS dapat juga digunakan untuk mengkonfirmasi teori, tetapi dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antar variable laten. Seperti dinyatakan oleh Wold dalam Ghozali (2014) Partial
Least Square (PLS) merupakan metode analisis seperti powerfull oleh karena
tidak didasarkan banyak asumsi, data tidak harus terdistribusi normal
multivariate, dan sample tidak harus besar.
Langkah-langkah pengujian yang akan dilakukan sebagai berikut:
1. Evaluasi Measurement Model (Outer Model)
Outer model sering juga disebut (outer relation atau measurement model)mendefinisikan bagaimana setiap blok indikator berhubungan dengan
variabel latennya. Persamaan outer model untuk konstruk refletif dapat disusun sebgai berikut:
x = ^x ξ + ^x
y =^yη + ^y
Dimana x dan y adalah indikator atau manifest variabel untuk variabel laten eksogen dan endogen ξ dan η, sedangkan ^x dan ^y merupakan matrik loading yang menggambarkan koefisien regresi sederhana yang menghubungkan variabel laten dan indikatornya. Residual yang diukur dengan ^x dan ^x dapat diinterprestasikan sebagai kesalahan pengukuran (Ghozali, 2014).
a). Uji Validitas
Uji Validitas dilakukan untuk mengetahui kemampuan instrument penelitian mengukur apa yang seharusnya diukur (Cooper et al, 2006) (Dalam Abdillah dan Jogiyanto Hartono, 2015).
1) Convergent Validity
Pengujian Convergent Validity dari masing-masing indikator konstruk. Menurut Chin dalam (Ghozali, 2014), suatu indikator dikatakan mempunyai valid yang baik jika nilainya lebih besar dari 0,70, sedangkan
loading factor 0,50 sampai 0,60 dapat dianggap cukup. Berdasarkan
kriteria ini bila ada loading factor dibawah 0,60 maka akan di drop dari model.
2) Discriminant Validity
Pengujian Discriminant validity, indikator refleksif dapat dilihat pada
cross-loading antara indicator dengan konstruknya. Suatu indikator
dinyatakan valid jika mempunyai loading factor tertinggi kepada konstruk yang dituju dibandingkan loading factor kepada konstruk lain. Dengan demikian, kontrak laten memprediksi indikator pada blok mereka lebih baik dibandingkan dengan indikator di blok yang lain. Metode lain untuk melihat discriminant validity adalah dengan melihat nilai square root of
average variance extracted (AVE) setiap konstruk dengan korelasi antara
konstruk dengan konstruk lainnya dalam model, maka dikatakan memiliki nilai discriminant validity yang baik. Berikut ini rumus menghitung AVE.
Tabel 3.7
Parameter Uji Validitas dalam Model Pengukuran PLS
Uji Validitas Parameter Rule of Tumbs
Convergent Validity Faktor Loading Lebih dari 0,7
Average Variance
Extracted (AVE) Lebih dari 0,5 Communality Lebih dari 0,5 Discriminant Validity Akar AVE dan korelasi
variable laten Cross Loading
Akar AVE > Korelasi variable laten
Lebih dari 0,7 dalam suatu variabel
b) Uji Reliabilitas
Selain uji validitas, PLS juga melakukan uji reliabilitas untuk mengukur konsistensi internal alat ukur. Reabilitas menunjukan akurasi, konsistensi dan ketepatan suatu lata ukur dalam melakukan pengukuran (Hartono, 2008) (Dalam Abdillah dan Jogiyanto Hartono, 2015). Uji reliabilitas dalm PLS dapat menggunkan dua metode sebagai berikut:
1) Composite Reliability dan Cronbach’s Alpha
Pengujian composite reliability bertujuan untuk menguji reliabilitas instrumen dalam suatu model penelitian. Composite reliability mengukur nilai sesungguhnya reliabiltas suatu konstruk. Sedangkan cronbach’s
alpha mengukur batas bawha nilai reliabilitas suatu konstruk. Apabila
seluruh nilai variabel laten memiliki nilai composite reliability maupun
cronbach’s alpha ≥ 0,7 meskipun nilai 0,6 masih dapat diterima (Abdillah
dan Jogiyanto Hartono, 2015). Hal itu berarti bahwa konstruk memiliki reabilitas yang baik atau kuisioner yang digunakan sebagai alat dalam penelitian ini telah andal atau konsiaten.
Tabel 3.8
Parameter Uji Reliabilitas dalam Model Pengukuran PLS Uji Reliabiliats Rule of Tumbs
Cronbach’s Alpha Lebih dari 0,6
Composite Reliability Lebih dari 0,7
2) Evaluasi Structual Model (Inner Model)
PengujianSetelah model yang diestimasi memenuhi kriteria Outer Model, berikutnya dilakukan pengujian model structural (Inner model). Pengujian inner
model adalah pengembangan model berbasis konsep dan teori dalam rangka
menganalisis hubungan antara variabel eksogen dan endogen telah dijabarkan dalam rerangka konseptual. Tahapan pengujian terhadap model struktural (inner
model) dilakukan dengan langkah-langkah berikut ini: a) Nilai R-square
Melihat nilai R-Square (R2) yang merupakan uji Goodness of Fit (GoF) model. Dalam menilai model dengan PLS dimulai dengan melihat R-Square (R2) untuk setiap variabel laten dependen. Koefisien determinasi R-Square (R2) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R-Square (R2) adalah nol sampai dengan satu. Apabila nilai R-Square (R2) semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R-Square (R2), maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai R-Square (R2) memiliki kelemahan yaitu nilai R-Square (R2) akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
b) Nilai Predective Relevance (Q2)
Predictive Relevance (Q2) untuk model struktural mengukur seberapa baik
nilai observasi dihasilkan oleh model dan juga estimasi parameternya. Berlaku hanya untuk merenung model faktor endogen, Predictive
Relevance (Q2) lebih besar dari 0. Dengan cara yang sama, sebuah Predictive Relevance (Q2) dengan 0 atau negatif nilai menunjukkan model
tidak relevan dengan prediksi faktor endogen yang diberikan. Untuk menghitung Predictive Relevance (Q2) dapat digunakan rumus berikut:
Q2 = 1-(1-R2)2)
a) Goodness of Fit Model (Gof)
Goodness of Fit (GoF) menggambarkan tingkat kesesuaian model secara
keseluruhan yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan dengan data yang sebenarnya yang diperkenalkan oleh Tenenhaus et al. (2004). GoF index ini merupakan ukuran tunggal yang digunakan untuk memvalidasi performa gabungan antara model pengukuran (outer model) dan model struktural (inner model). Nilai Goodness of Fit (GoF) index diperoleh dari average communalities index dikalikan dengan nilai R² model. Nilai GoF terbentang antara 0-1 dengan interpretasi sebagai berikut:
Goodness of Fit (GoF) GoF Kecil = 0.1
Goodness of Fit (GoF) Moderat atau Sedang = 0.25
Rumus Goodness of Fit (GoF):
GoF = √
b) Evaluasi Pengujian Hipotesa
Signifikansi parameter yang diestimasi memberikan informasi yang sangat berguna mengenai hubungan antara variabel-variabel penelitian. Dasar yang digunakan dalam menguji hipotesis adalah nilai yang terdapat pada output result
forinner weight. Pengujian ini dilakukan dengan dasar hasil pengolahan data yang
telah dilakukan dengan menggunakan program PLS (Partial Least Square). Hasil pengujian ini akan menunjukan apakah semua jalur yang dianalisis menunjukan hasil yang signifikan terlihat dari hasil Original Sample dan t-statistic nya. Untuk menguji hipotesis yang diajukan, dapat dilihat besarnya nilai t-statistik. Batas untuk menolak dan menerima hipotesis yang diajukan adalah ±1.96, yang mana apabila nilai t berada pada rentang nilai -1.96 dan 1.96 maka hipotesis akan ditolak atau dengan kata lain menerima hipotesis nol (H0). Hasil estimasi t-statistik dapat dilihat pada path coefficient (t-statistics).
