BAB IV HASIL DAN PEMBAHASAN. konsumen yang sedang belanja di Outline store. Sedangkan metode pengambilan

(1)

BAB IV

HASIL DAN PEMBAHASAN

4.1

Hasil Penelitian

4.1.1 Deskripsi Objek Penelitian

Data diambil menggunakan kuesioner yang dibagikan kepada konsumen Outline store di kota Semarang. Populasi dalam penelitian ini adalah semua konsumen yang sedang belanja di Outline store. Sedangkan metode pengambilan sampel yang digunakan adalah non-probability sampling dan menggunakan teknik purposive sampling. Berikut data mengenai karakteristik tanggapan responden yang

ditunjukkan dalam tabel di bawah ini:

Tabel 4.1.1: Tanggapan karakteristik responden

Strata Anggota Populasi

Kuesioner yang disebar 200

Kuesioner yang diterima 200

Kuesioner yang tidak memenuhi syarat 40 Sumber : Data Primer yang Diolah, 2016

Berdasarkan tabel diatas sebanyak 40 kuesioner dinyatakan hilang dan tidak memenuhi syarat sehingga jumlah keseluruhan kuesioner yang mewakili sebanyak 160 responden.

4.1.2 Responden Berdasarkan Jenis Kelamin

Berikut data mengenai karakteristik responden berdasarkan jenis kelamin yang ditunjukkan pada tabel 4.1.2 :

Tabel 4.1.2. Responden menurut Jenis Kelamin 67

(2)

No. Jenis Kelamin Frekuensi Persentase

1 Laki-laki 149 93,125%

2 Perempuan 11 6,875%

Jumlah 160 100%

Sumber : Data Primer yang Diolah, 2016

Tabel 4.1.2 menunjukkan bahwa dari 160 responden, responden terbanyak berdasarkan jenis kelamin adalah responden yang berjenis kelamin laki-laki yaitu 149 orang atau 93,125 persen, sedangkan responden yang berjenis kelamin perempuan berjumlah 11 orang atau 6,875 persen. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa responden yang merupakan konsumen cat semprot di Outline store kota Semarang didominasi oleh responden berjenis kelamin laki-laki sebanyak 149 orang atau 93,125 persen dari keseluruhan sampel.

4.1.3 Responden Berdasarkan Usia

Berikut data mengenai karakteristik responden berdasarkan usia yang ditunjukkan pada tabel 4.1.3 berikut:

Tabel 4.1.3. Responden menurut Usia

Usia (Tahun) Frekuensi (Orang) Presentase 15-20 46 28,75% 21-30 114 71,25% Jumlah 160 100%

Berdasarkan tabel 4.1.3 dapat ditunjukkan bahwa dari 160 responden yang terbanyak adalah responden berusia kisaran dari tahun 21-30 tahun yaitu sebesar 114 orang atau 71,25% dan terendah adalah usia 12 – 20 tahun yaitu 28,75

(3)

%. Jadi, secara umum responden yang paling dominan dari konsumen cat semprot di Outline store Semarang adalah kalangan usia yang matang dan berusia sekitar 21 – 30 tahun sebanyak 114 orang dari keseluruhan sampel.

4.1.4 Karakteristik Tanggapan Responden

Berdasarkan jumlah sampel yang disyaratkan yaitu sebanyak 100-300 sampel, kemudian peneliti memberikan kuesioner kepada 200 responden diperoleh sampel sebanyak 160 responden dimana terdapat 40 kuesioner dinyatakan hilang dan tidak memenuhi syarat. Jumlah sampel sebanyak 160 responden ini layak untuk diproses karena memenuhi syarat kisaran sampel yang dibutuhkan untuk penelitian dengan teknik Structural Equation Modeling (SEM) yakni sebanyak 100-300 sampel (Kusnendi, 2008). Setelah melakukan pengamatan pada hasil kuesioner dapat dilihat jawaban deskriptif responden. Deskriptif jawaban responden disini dimaksudkan untuk menganalisis data berdasarkan atas hasil yang diperoleh dari jawaban responden terhadap masing-masing indikator pengukuran variabel. Dengan penilaian menggunakan skala Likert dimana akan diberikan skor 1 untuk jawaban Sangat Tidak Setuju s/d skor 5 untuk jawaban Sangat Setuju. Oleh sebab itu penilaian menggunakan rentang nilai sebagai berikut :

Skor tertinggi 5 − skor terendah(1)

jumlah jenjang (5) = 0,8

Kategori :

1. 1,00 – 1,80 = Sangat rendah/ sangat buruk 2. 1,81 – 2,60 = Rendah/ buruk

(4)

3. 2,61 – 3,40 = Sedang/ cukup 4. 3.41 – 4,20 = Baik/ tinggi

5. 4,21 – 5,00 = Sangat baik/ sangat tinggi Berikut adalah hasil jawaban responden diperoleh:

4.1.5 Deskriptif Variabel Penelitian

Berikut deskripsi statistik variabel penelitian yang terdiri dari Word of mouth, Harga, Kualitas Produk, Lokasi, Citra Merek, Promosi, dan Keputusan Pembelian dapat dilihat pada tabel di bawah ini :

I. Variabel Word of Mouth

Persepsi responden mengenai word of mouth di Outline store kota Semarang dapat dilihat pada tabel 4.1.5.1 dibawah ini.

Tabel 4.1.5.1: Tanggapan Responden Tentang Variabel Word of Mouth Word of Mouth Indeks Item STS TS N S SS N Jumlah F Fxs F Fxs F Fxs f Fxs F Fxs Bicara Hal Positif 0 0 0 0 19 57 85 340 56 280 160 677 4,23 Rekomendasi dari orang lain 0 0 1 2 29 87 95 380 35 175 160 644 4,02 Dorongan 0 0 0 0 55 165 89 356 14 70 160 591 3,67 Maksimum 4,23 Minimum 3,67 Rata-rata 3,97

Berdasarkan tabel 4.1.5.1 persepsi responden terhadap variabel word of mouth memiliki kategori nilai rata-rata yang baik/tinggi sebesar 3,97. Indeks

maksimum sangat baik/ sangat tinggi sebesar 4,23 dan indeks minimum sebesar 3,67 masih dikatakan baik/tinggi. Indikator “ berbicara hal positif “ menjadi indikator

(5)

yang paling tinggi terhadap variabel word of mouth. Sedangkan indikator “ dorongan “ menjadi indikator yang paling rendah terhadap variabel word of mouth.

II. Variabel Harga

Persepsi responden mengenai harga pada Outline store di kota Semarang dapat dilihat pada tabel 4.1.5.2 dibawah ini.

Tabel 4.1.5.2.: Tanggapan Responden Tentang Variabel Harga

Harga Indeks Item STS TS N S SS N Jumlah F fxs F Fxs F Fxs F Fxs F Fxs Terjangkau atau tidaknya harga 0 0 0 0 18 54 86 344 56 280 160 678 4,23 Kesesuaian antara harga dengan kualitas 0 0 0 0 21 63 99 396 40 200 160 659 4,11 Daya saing Harga 0 0 0 0 30 90 98 392 32 160 160 642 4,01 Angsuran 0 0 4 8 38 114 89 356 29 145 160 623 3,9 Potongan Harga 0 0 9 18 46 138 94 376 11 55 160 587 3,67 Maksimum 4,23 Minimum 3,67 Rata-rata 3,99

Berdasarkan tabel 4.1.5.2 persepsi responden terhadap variabel harga memiliki kategori nilai rata-rata yang baik/tinggi sebesar 3,99. Indeks maksimum sangat baik/ sangat tinggi sebesar 4,23 dan indeks minimum sebesar 3,67 masih dikatakan baik/tinggi. Indikator “ terjangkau atau tidaknya harga “ menjadi indikator yang paling tinggi terhadap variabel harga. Sedangkan indikator “ potongan harga “

(6)

III. Variabel Kualitas Produk

Persepsi responden mengenai variabel kualitas produk pada Outline store di kota Semarang dapat dilihat pada tabel 4.1.5.3. di bawah ini.

Tabel 4.1.5.3 : Tanggapan Responden Tentang Variabel Kualitas Produk

Kualitas Produk Indeks Item STS TS N S SS N Jumlah F Fxs f fxs F Fxs F Fxs F Fxs Kualitas bahan baku 0 0 1 2 25 75 88 352 46 230 160 659 4,12 Kemudahan penggunaan 0 0 1 2 36 108 95 380 28 140 160 630 3,93 Daya tahan produk 0 0 3 6 44 132 91 364 22 110 160 612 3,83 Maksimum 4,12 Minimum 3,83 Rata-rata 3,96

Berdasarkan tabel 4.1.5.3 persepsi responden terhadap kualitas produk memiliki kategori nilai rata-rata yang baik/tinggi sebesar 3,96. Indeks maksimum baik/tinggi sebesar 4,12 dan indeks minimum sebesar 3,83 masih dikatakan baik/tinggi. Indikator “ kualitas bahan baku “ menjadi indikator yang paling tinggi terhadap variabel kualitas produk. Sedangkan indikator “ daya tahan produk “

menjadi indikator yang paling rendah terhadap variabel kualitas produk.

IV. Variabel Lokasi

Persepsi responden mengenai variabel lokasi pada Outline store di kota Semarang dapat dilihat pada tabel 4.1.5.4. dibawah ini.

(7)

Tabel 4.1.5.4. : Tanggapan Responden Tentang Variabel Lokasi Lokasi Indeks Item STS ST N S SS N Jumlah F fxs f Fxs F Fxs f fxs F Fxs Ketersediaan lahan parkir 0 0 0 0 11 33 86 344 63 315 160 692 4,33 Kedekatan lokasi dengan pusat keramaian 0 0 0 0 24 72 95 380 41 205 160 657 4,11 Kenyamanan lingkungan 0 0 0 0 30 90 103 412 27 135 160 637 3,99 Maksimum 4,33 Minimum 3,99 Rata-rata 4,14

Berdasarkan tabel 4.1.5.4. persepsi responden terhadap variabel lokasi memiliki kategori nilai rata-rata yang tinggi sebesar 4,14. Indeks maksimum sangat baik/ sangat tinggi sebesar 4,33 dan indeks minimum sebesar 3,99 masih dikatakan baik/tinggi. Indikator “ ketersediaan lahan parkir “ menjadi indikator yang paling tinggi terhadap variabel lokasi. Sedangkan indikator “ kenyamanan lingkungan “

menjadi indikator yang paling rendah terhadap variabel lokasi.

V. Variabel Citra Merek

Persepsi responden mengenai variabel citra merek pada Outline store di kota Semarang dapat dilihat pada tabel 4.1.5.5. dibawah ini.

Tabel 4.1.5.5. : Tanggapan Responden Tentang Variabel Citra Merek

Citra Merek

Indeks

(8)

F fxs F Fxs F Fxs F fxs f Fxs Merek Cat semprot

merupakan merek

terkenal 0 0 0 0 9 27 74 296 77 385 160 708 4,43

Merek cat semprot mudah diingat dalam benak konsumen 0 0 1 2 28 84 89 356 42 210 160 652 4,11 Modern / outdated 0 0 3 6 47 141 90 360 20 100 160 607 3,79 Maksimum 4,43 Minimum 3,79 Rata-rata 4,11

Berdasarkan tabel 4.1.5.5. persepsi responden terhadap variabel citra merek memiliki kategori nilai rata-rata yang tinggi sebesar 4,11. Indeks maksimum sangat baik/ sangat tinggi sebesar 4,43 dan indeks minimum sebesar 3,79 masih dikatakan baik/tinggi. Indikator “ merek cat semprot merupakan merek terkenal “ menjadi indikator yang paling tinggi terhadap variabel citra merek. Sedangkan indikator “ modern / outdated “ menjadi indikator yang paling rendah terhadap variabel citra merek.

VI. Variabel Promosi

Persepsi responden mengenai variabel promosi pada Outline store di kota Semarang dapat dilihat pada tabel 4.1.5.6. dibawah ini.

(9)

Tabel 4.1.5.6. : Tanggapan Responden Tentang Variabel Promosi Promosi Indeks Item STS ST N S SS N Jumlah F fxs F Fxs F Fxs F fxs f Fxs Periklanan 0 0 0 0 18 54 81 324 61 305 160 683 4,27 Jangkauan promosi 0 0 3 6 28 84 92 368 37 185 160 643 4,02 Penawaran khusus

dalam jangka waktu tertentu

0 0 3 6 31 93 89 356 37 185 160 641 4,01

Maksimum 4,27

Minimum 4,01

Rata-rata 4,1

Berdasarkan tabel 4.1.5.6. persepsi responden terhadap variabel promosi memiliki kategori nilai rata-rata yang tinggi sebesar 4,1. Indeks maksimum sangat baik/ sangat tinggi sebesar 4,27 dan indeks minimum sebesar 4,01 masih dikatakan baik/tinggi. Indikator “ periklanan “ menjadi indikator yang paling tinggi terhadap variabel promosi. Sedangkan indikator “ penawaran khusus dalam jangka waktu tertentu “ menjadi indikator yang paling rendah terhadap variabel promosi.

VII. Variabel Keputusan Pembelian

Persepsi responden mengenai variabel keputusan pembelian pada Outline store di kota Semarang dapat dilihat pada tabel 4.1.5.7. dibawah ini.

(10)

Tabel 4.1.5.7. : Tanggapan Responden Tentang Variabel Keputusan Pembelian Keputusan Pembelian Indeks Item STS ST N S SS N Jumlah F fxs F Fxs F Fxs F fxs f Fxs Kesesuaian dengan kemampuan finansial 0 0 0 0 15 45 85 340 60 300 160 685 4,29 Keinginan untuk membeli produk 0 0 1 2 22 66 94 376 43 215 160 687 4,23 Melakukan pembelian ulang 0 0 1 2 34 102 91 364 34 170 160 638 3,99 Maksimum 4,29 Minimum 3,99 Rata-rata 4,17

Berdasarkan tabel 4.1.5.7. persepsi responden terhadap variabel keputusan pembelian konsumen memiliki kategori nilai rata-rata yang tinggi sebesar 4,17. Indeks maksimum sangat baik/ sangat tinggi sebesar 4,29 dan indeks minimum sebesar 3,99 masih dikatakan baik/tinggi. Indikator “ kesesuaian dengan kemampuan finansial “ menjadi indikator yang paling tinggi terhadap variabel keputusan pembelian. Sedangkan indikator “ pembelian ulang “ menjadi indikator

yang paling rendah terhadap variabel keputusan pembelian.

4.2 Analisis Data

Analisis data yang digunakan dalam penelitian ini adalah Structural Equation Modeling (SEM) dengan AMOS 22. Namun demikian beberapa tahapan analisis

akan dilakukan untuk membentuk satu model yang baik. Input data yang digunakan dalam penelitian ini adalah matriks varians/ kovarians. Matriks kovarians dinilai

(11)

memeliki keuntungan dalam memberikan pertandingan yang valid antar populasi atau sampel yang berbeda, yang kadang tidak memungkinkan jika menggunakan model matriks korelasi.

Di dalam pengujian Structural Equation Modeling (SEM) mensyaratkan 4 langkah penting dalam SEM (Santoso, 2015) yaitu:

1. Membuat sebuah model SEM ( model specification ) berbasis teori.

2. Menyiapkan desain penelitian dan menyiapkan pengumpulan data ( pengujian asumsi-asumsi yang harus dipenuhi dalam SEM ).

3. Model Identification, pada model ini dilakukan uji identifikasi apakah model

dapat dianalisis lebih lanjut. Perhitungan besar degree of freedom menjadi bagian penting dalam tahap ini.

4. Menguji model ( Model testing dan Model Estimation ), setelah model dibuat dan dapat diidentifikasi tahapan selanjutnya dengan menguji measurenment model dan kemudian menguji structural model.

Proses langkah-langkah tersebut dapat dijelaskan pada bab III. Untuk proses selanjutnya akan dijelaskan pada bab ini. Adapun total sampel yang akan diestimasi sebanyak 160 sampel. Jumlah sampel tersebut memenuhi kriteria karena jumlah yang disyaratkan minimal 100 sampel hingga 300 sampel.

4.2.1 Analisis Konfirmatori

Analisis konfirmatori digunakan untuk menguji sebuah konsep yang dibangun dengan menggunakan beberapa indikator terukur. Uji kesesuaian model konfirmatori diuji menggunakan Goodnes-of-Fit Index yang meliputi Chi-Square, probability, RMSEA, GFI, CFI, TLI dan CMIN/DF. Hasil analisis konfirmatori dari

(12)

kelima variabel penelitian yang terdiri dari Word of mouth, Harga, Kualitas Produk, Lokasi, Citra Merek, Promosi, dan Keputusan Pembelian dijelaskan sebagai berikut.

4.2.1.1. Analisis Konfirmatori Variabel Eksogen

Hasil analisis konfirmatori variabel eksogen (word of mouth, harga, kualitas produk, lokasi, citra merek dan promosi) yang dibangun dengan total dua puluh ( 20 ) indikator, dimana word of mouth memiliki 3 ( tiga ) indikator, Harga memiliki 5 ( lima ) indikator, kualitas produk memiliki 3 (tiga) indikator, lokasi memiliki 3 (tiga) indikator, citra merek memiliki 3 (tiga) indikator dan promosi memiliki 3 (tiga) indikator dapat dilihat pada grafik, output analisis menggunakan program AMOS 22 dibawah ini:

(13)

Gambar 4.2.1.1: Hasil Analisis Konfirmatori Variabel Eksogen

Hasil analisis konfirmatori tersebut dapat dijelaskan dengan persamaan berikut:

a. Variabel word of mouth

X11 = 0,74 word of mouth + 0,54 X12 = 0,83 word of mouth + 0,69 X13 = 0,63 word of mouth + 0,40

(14)

Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel word of mouth, setiap terjadi kenaikan word of mouth sebesar 1 satuan akan diikuti kenaikan X11 sebesar 0,74, X12 sebesar 0,83, dan X13 sebesar 0,63. Dengan tingkat loading factor sebesar 0,83 menunjukkan bahwa indikator X12 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel word of mouth (X1)

b. Variabel harga X21 = 0,60 harga + 0,36 X22 = 0,57 harga + 0,32 X23 = 0,66 harga + 0,44 X24 = 0,67 harga + 0,45 X25 = 0,72 harga + 0,51

Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel harga, setiap terjadi kenaikan harga sebesar 1 satuan akan diikuti kenaikan X21 sebesar 0,60, X22 sebesar 0,57, X23 sebesar 0,66, X24 sebesar 0,67, X25 sebesar 0,72. Dengan tingkat loading factor sebesar 0,72 menunjukkan bahwa indikator X25 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel harga (X2).

c. Variabel kualitas produk

X31 = 0,73 kualitas produk + 0,53 X32 = 0,70 kualitas produk + 0,49 X33 = 0,66 kualitas produk + 0,44

Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel kualitas produk, setiap terjadi kenaikan kualitas produk sebesar 1 satuan

(15)

akan diikuti kenaikan X31 sebesar 0,73, X32 sebesar 0,70 dan X33 sebesar 0,66. Dengan tingkat loading factor sebesar 0,73 menunjukkan bahwa indikator X31 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel kualitas produk (X3)

d. Variabel lokasi

X41 = 0,71 lokasi + 0,51 X42 = 0,72 lokasi + 0,51 X43 = 0,65 lokasi + 0,43

Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel lokasi, setiap terjadi kenaikan lokasi sebesar 1 satuan akan diikuti kenaikan X41 sebesar 0,71, X42 sebesar 0,72 dan X43 sebesar 0,65. Dengan tingkat loading factor sebesar 0,72 menunjukkan bahwa indikator X42 adalah indikator yang

berperan lebih dominan dibandingkan indikator lain yang membentuk variabel

kualitas produk (X4

).

e. Variabel Citra merek

X51 = 0,76 Citra merek + 0,58 X52 = 0,79 Citra merek + 0,62 X53 = 0,71 Citra merek + 0,50

Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel kualitas produk, setiap terjadi kenaikan citra merek sebesar 1 satuan akan diikuti kenaikan X51 sebesar 0,76, X52 sebesar 0,79 dan X53 sebesar 0,71. Dengan tingkat loading factor sebesar 0,79 menunjukkan bahwa indikator X52 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel citra merek (X5).

(16)

f. Variabel Promosi

X61 = 0,58 Promosi + 0,34 X62 = 0,65 Promosi + 0,42 X63 = 0,68 Promosi + 0,46

Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel promosi, setiap terjadi kenaikan promosi sebesar 1 satuan akan diikuti kenaikan X61 sebesar 0,58, X62 sebesar 0,65 dan X63 sebesar 0,68. Dengan tingkat loading factor sebesar 0,68 menunjukkan bahwa indikator X63 adalah indikator yang

berperan lebih dominan dibandingkan indikator lain yang membentuk variabel

Promosi (X6

).

Hasil uji goodness of fit analisis konfirmatori variabel eksogen dapat dilihat pada tabel 4.2.1.1 di bawah ini:

Tabel 4.2.1.1 : Uji Model-Goodness-of-fit Variabel Eksogen Goodness of index Cut-off Value Hasil model Keterangan

Chi square Diharapkan

kecil 150,249 Baik Probability ≥ 0,05 0,593 Baik RMSEA ≤ 0,08 0,000 Baik GFI ≥ 0,90 0,919 Baik AGFI ≥ 0,90 0,890 Marginal CMIN/DF ≤ 2 0,969 Baik TLI ≥ 0,95 1,007 Baik CFI ≥ 0,95 1,000 Baik

(17)

Berdasarkan Tabel 4.2.1.1 di atas diperoleh nilai chi square 150,249 dengan probabilitas 0,593 ≥ 0,05, nilai RMSEA sebesar 0,000 ≤ 0,08, nilai GFI sebesar 0,919 ≥ 0,90, nilai CFI sebesar 1,000 ≥ 0,95 dan nilai CMIN/DF sebesar 0,969 ≤ 2 menunjukkan bahwa uji kesesuaian model ini menghasilkan sebuah penerimaan yang baik. Oleh karena itu, dapat disimpulkan bahwa indikator-indikator itu merupakan dimensi acuan yang sama bagi konstruk yang disebut word of mouth, harga, kualitas produk, lokasi, citra merek dan promosi dapat diterima. Dengan kata lain, keduapuluh indikator tersebut secara nyata membentuk variabel eksogen.

4.2.1.2. Analisis Faktor Konfirmatori Konstruk Eksogen

Analisis faktor konfirmatori konstruk eksogen digunakan untuk mengetahui apakah indikator-indikator pembentuk variabel laten menunjukkan unideminsionalitas atau belum, hasil konfirmatori konstruk eksogen dapat dilihat

sebagai betikut :

(18)

Sumber : Hasil Perhitungan AMOS, 2016

Berdasarkan hasil pengolahan data tersebut, dapat dilihat bahwa setiap indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan hasil baik, yaitu nilai CR diatas 1,96 dengan P lebih kecil daripada 0,05. Dengan hasil ini, maka dapat dikatakan bahwa indikator-indikator pembentuk variabel laten telah menunjukkan unideminsionalitas. Selanjutnya berdasarkan analisis faktor konfirmatori ini, maka model penelitian dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-penyesuaian.

4.2.1.3. Analisis Konfirmatori Faktor Endogen

Hasil analisis konfirmatori variabel endogen keputusan pembelian yang dibangun dengan total 3 indikator dimana dapat dilihat pada grafik output analisis menggunakan program AMOS 22 dibawah ini:

(19)

Gambar 4.2.1.3. Analisis Konfirmatori Faktor Endogen

Sumber : Hasil Perhitungan AMOS, 2016

a. Variabel Keputusan Pembelian

Y11 = 0,67 Keputusan Pembelian + 0,45 Y12 = 0,76 Keputusan Pembelian + 0,57 Y13 = 0,61 Keputusan Pembelian + 0,38

Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel keputusan pembelian, setiap terjadi kenaikan keputusan pembelian sebesar 1 satuan akan diikuti kenaikan Y11 sebesar 0,67, Y12 sebesar 0,76 dan Y13 sebesar 0,61. Dengan tingkat loading factor sebesar 0,76 menunjukkan bahwa indikator Y12 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang

(20)

Oleh karena itu dapat disimpulkan bahwa indikator-indikator dalam variabel endogen merupakan dimensi acuan yang sama bagi sebuah konstruk. Dengan kata lain ketiga indikator tersebut secara nyata membentuk variabel endogen.

4.2.1.4. Analisis Faktor Konfirmatori Konstruk Endogen

Analisis faktor konfirmatori konstruk endogen digunakan untuk mengetahui apakah indikator-indikator pembentuk variabel laten menunjukkan unideminsionalitas atau belum, hasil konfirmatori konstruk endogen dapat dilihat

sebagai betikut :

Gambar 4.2.1.4. Analisis Konfirmatori Faktor Endogen

Berdasarkan hasil pengolahan data tersebut, dapat dilihat bahwa setiap indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan hasil baik, yaitu nilai CR diatas 1,96 dengan P lebih kecil daripada 0,05. Dengan hasil ini, maka dapat dikatakan bahwa indikator-indikator pembentuk variabel laten telah menunjukkan unideminsionalitas. Selanjutnya berdasarkan analisis faktor konfirmatori ini, maka model penelitian dapat digunakan untuk analisis selanjutnya tanpa modifikasi atau penyesuaian-penyesuaian.

(21)

4.2.1.5. Analisis Structural Equation Modelling ( SEM )

Analisis structural equation modeling digunakan untuk mengetahui hubungan struktural antara variabel yang diteliti. Hubungan struktural antar variabel diuji kesesuaiannya dengan goodness-of-fit index. Hasil analisis struktural equation modeling dalam penelitian ini dapat dilihat pada gambar 4.2.1.5 dibawah ini:

Structural Equation Modeling (SEM) Gambar 4.2.1.5 : Hasil Pengujian Full Model

(22)

Dari gambar di atas nilai Goodness of Fit dari model full SEM dapat dilihat pada tabel 4.2.1.5 dibawah ini:

Tabel 4.2.1.5: Uji Model-Goodness-of-fit

Goodness of index Cut-off Value Hasil model Keterangan

Chi square Diharapkan

kecil 221,971 Baik Probability ≥ 0,05 0,256 Baik RMSEA ≤ 0,08 0,020 Baik GFI ≥ 0,90 0,896 Marginal AGFI ≥ 0,90 0,863 Marginal CMIN/DF ≤ 2 1,062 Baik TLI ≥ 0,95 0,984 Baik CFI ≥ 0,95 0,987 Baik

Berdasarkan tabel di atas diperoleh nilai chi square 221,971 dengan 0,256 probabilitas ≥ 0,05, nilai RMSEA sebesar 0,020 ≤ 0,08, nilai GFI sebesar 0,896 ≥

0,90, nilai CFI sebesar 0,987 ≥ 0,95, dan nilai CMIN/DF sebesar 1,062 ≤ 2 menunjukkan bahwa uji kesesuaian model ini menghasilkan sebuah penerimaan yang baik. Oleh karena itu, dapat disimpulkan bahwa struktur analisis modeling dalam penelitian ini dapat dilakukan. Dari analisis jalur Gambar 4.2.1.5 maka diperoleh model struktural sebagai berikut:

Y1 = α1 + 0,47 word of mouth + 0,33 harga + 0,32 kualitas produk + 0,22 promosi +

0,10 citra merek + 0,59 lokasi +Z1

Dengan loading factor 0,59 maka variabel lokasi merupakan variabel yang berperan dominan dalam membentuk variabel keputusan pembelian.

(23)

4.2.2. Evaluasi Atas Asumsi – Asumsi SEM

Asumsi-asumsi yang disyaratkan SEM adalah terdistribusi normal dan tidak terjadi univariat outliers.

a. Uji normalitas data

Normalitas univariate dalam multivariate di evaluasi menggunakan program AMOS 22, apabila diperoleh nilai kurtosis dan skewnes pada interval -2,58 sampai 2,58 maka dapat disimpulkan bahwa data terdistribusi normal. Uji normalitas data dapat dilihat pada tabel 4.2.2. berikut:

Tabel. 4.2.2 Uji Normalitas Data

(24)

Pada tabel diatas diperoleh nilai cr dan kurtosis pada kisaran -2,58 – 2,58. Dan nilai cr pada multivariate sebesar -1,789 yang berada pada -2,58 – 2,58 yang berarti bahwa data terdistribusi normal, jadi data penelitian dapat dianalisis menggunakan Struktural Equation Modelling (SEM).

b. Evaluasi atas Outlier

Outlier merupakan observasi atau data yang memiliki karakteristik unik yang

terlihat sangat berbeda jauh dari observasi-observasi yang lain dan muncul dalam bentuk ekstrim, baik untuk sebuah variabel tunggal maupun variabel – variabel kombinasi (Hair et al, 1998). Adapun outliers dapat dievaluasi yaitu analisis terhadap univariate outliers. Evaluasi atas outlier univariate disajikan pada bagian berikut:

1. Univariate Outliers

Pengujian ada tidaknya outliers univariate dilakukan dengan menganalisis nilai Z score dari data penelitian yang digunakan. Apabila terdapat nilai Z score berada pada rentang -3 sampai dengan 3, maka akan dikategorikan sebagai outlier. Pengujian univariate outliers menggunakan program SPSS dengan dilakukan pada tiap konstruk variabel. Hasil pengolahan data untuk pengujian dapat dilihat pada tabel 4.2.3 berikut:

(25)

Tabel 4.2.3: Evaluasi nilai Z-score

Sumber: Data Primer yang Diolah, 2016

Berdasarkan hasil komputerisasi diatas, terdapat -3.27019 pada Y12 yang melebihi

batas minimum yaitu -3. Selain itu nilai rata-rata menunjukkan 0 dan standar devasi sebesar 1. Namun, untuk menghilangkan data univariate outliers harus melihat multivariate outlier terlebih dahulu.

4.2.1.1. Multivariate Outliers

Evaluasi terhadap multivariate outliers perlu dilakukan karena walaupun data outlier pada tingkat multivariate dapat diketahui dari Jarak Mahalanobis (Mahalanobis Distance) melalui program AMOS. Uji Mahalanobis Distance dihitung dengan menggunakan nilai chi-square pada derajat bebas sebesar 20

(26)

indikator pada tingkat p < 0,01 dengan menggunakan rumus X2 (23;0,01) = 41,6364. Hasil analisis ada tidaknya multivariate outliers adalah sebagai berikut :

Tabel 4.2.1.6 Mahalanobis d-squared

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number Mahalanobis d-squared p1 p2

141 43,188 ,007 ,652 87 39,669 ,017 ,750 132 38,843 ,021 ,644 91 34,532 ,058 ,985 69 33,422 ,074 ,993 138 33,038 ,080 ,991 62 32,682 ,087 ,988 109 31,382 ,114 ,998 8 30,917 ,125 ,999 133 30,865 ,126 ,997 58 30,758 ,129 ,995 119 30,600 ,133 ,992 5 30,476 ,136 ,988 124 30,234 ,143 ,987 129 30,142 ,145 ,980 38 29,887 ,153 ,980 68 29,774 ,156 ,972 72 29,755 ,157 ,955 39 29,665 ,159 ,939 37 29,385 ,168 ,945 43 29,290 ,171 ,929 131 29,133 ,176 ,920 148 29,111 ,177 ,886 75 28,945 ,182 ,878 44 28,690 ,191 ,890 27 28,667 ,192 ,850 56 28,362 ,202 ,878 143 28,329 ,204 ,841 99 28,303 ,205 ,794 135 28,128 ,211 ,793 4 28,126 ,211 ,733 105 27,987 ,216 ,720 146 27,944 ,218 ,670 154 27,917 ,219 ,609 35 27,902 ,219 ,540 116 27,519 ,235 ,642 40 27,333 ,242 ,655

(27)

19 27,313 ,243 ,593 59 27,289 ,244 ,532 156 27,117 ,251 ,542 157 26,961 ,258 ,546 89 26,705 ,269 ,600 52 26,604 ,273 ,580 103 26,365 ,284 ,628 84 26,345 ,285 ,570 6 26,260 ,289 ,544 10 25,946 ,303 ,634 42 25,754 ,313 ,663 102 25,366 ,332 ,777 147 25,044 ,348 ,848 125 24,935 ,354 ,843 54 24,632 ,370 ,895 130 24,539 ,374 ,888 70 24,395 ,382 ,894 79 24,337 ,385 ,878 153 24,316 ,386 ,848 82 24,254 ,390 ,829 55 23,958 ,406 ,886 158 23,806 ,415 ,896 113 23,726 ,419 ,887 85 23,692 ,421 ,864 101 23,673 ,422 ,833 140 23,542 ,429 ,840 145 23,464 ,434 ,828 152 23,402 ,438 ,809 134 23,142 ,452 ,863 41 23,098 ,455 ,842 26 23,026 ,459 ,828 16 22,841 ,470 ,856 106 22,825 ,471 ,823 25 22,628 ,483 ,857 13 22,606 ,484 ,826 65 22,602 ,484 ,784 122 22,529 ,489 ,769 46 22,524 ,489 ,721 118 22,521 ,489 ,667 98 22,470 ,492 ,637 97 22,465 ,492 ,580 92 22,430 ,494 ,538 150 22,397 ,496 ,495 11 22,241 ,506 ,527 160 22,126 ,513 ,534 15 22,046 ,517 ,519 149 21,991 ,521 ,489

(28)

48 21,941 ,524 ,457 107 21,900 ,526 ,419 34 21,811 ,532 ,411 76 21,733 ,536 ,396 45 21,697 ,539 ,357 23 21,473 ,552 ,429 51 21,467 ,553 ,371 136 21,453 ,553 ,321 67 21,436 ,554 ,274 21 21,414 ,556 ,234 112 21,408 ,556 ,191 81 21,242 ,566 ,218 95 21,155 ,572 ,211 139 21,091 ,576 ,193 114 21,028 ,579 ,177 123 20,949 ,584 ,16

Tabel diatas menunjukkan Jarak Mahalanobis maksimal adalah 43,188. Hal ini menunjukkan tidak terdapatnya multivariate outliers sehingga eksklusi atau penghapusan data tidak perlu dilakukan.

4.2.1.2. Interpretasi dan Modifikasi Model

Selanjutnya tahap terakhir ini dilakukan interpretasi model dan memodifikasi model yang tidak memenuhi syarat pengujian. Setelah model diestimasi, residualnya harus kecil dan mendekati nol dan distribusi frekuensi dari kovarian residual harus bersifat simetrik. Untuk batas keamanan terhadap jumlah residual adalah 5 %. Bila jumlah residual lebih besar dari 5 % dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan dengan catatan ada landasan teoritis. Cut off value dengan rentang -2,58 sampai dengan 2,58 dapat digunakan untuk menilai signifikan tidaknya residual yang dihasilakan oleh model. Data standardized residual covariances yang diolah dengan program AMOS dapat dilihat pada tabel berikut ini :

(29)

Dari tabel tersebut tidak satupun nilai standardized residual covariances yang berada diatas rentang -2,58 sampai 2,58. Sehingga model ini tidak memerlukan adanya modifikasi yang berarti.

4.2.1.3. Uji Validitas

Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Untuk mengukur validitas konstruk dapat dilihat dari nilai factor loading nya.

Tabel 4.2.1.8 Uji Validitas

Estimate S.E. C.R. P Label Keputusan_pembelian <--- WOM ,476 ,103 4,614 *** par_17 Keputusan_pembelian <--- HARGA -,317 ,176 -1,799 ,072 par_18 Keputusan_pembelian <--- KUALITAS_PRODUK ,343 ,192 1,786 ,074 par_19

(30)

Estimate S.E. C.R. P Label Keputusan_pembelian <--- LOKASI ,257 ,150 1,715 ,086 par_20 Keputusan_pembelian <--- CITRA_MEREK -,098 ,108 -,903 ,366 par_21 Keputusan_pembelian <--- PROMOSI ,509 ,105 4,841 *** par_22

X11 <--- WOM 1,000 X12 <--- WOM 1,216 ,163 7,481 *** par_1 X13 <--- WOM ,849 ,123 6,916 *** par_2 X25 <--- HARGA 1,000 X24 <--- HARGA ,989 ,132 7,488 *** par_3 X23 <--- HARGA ,834 ,119 6,997 *** par_4 X22 <--- HARGA ,701 ,113 6,178 *** par_5 X21 <--- HARGA ,773 ,122 6,317 *** par_6 X33 <--- KUALITAS_PRODUK 1,000 X32 <--- KUALITAS_PRODUK 1,051 ,154 6,828 *** par_7 X31 <--- KUALITAS_PRODUK 1,108 ,165 6,717 *** par_8 X43 <--- LOKASI 1,000 X42 <--- LOKASI 1,162 ,178 6,524 *** par_9 X41 <--- LOKASI 1,083 ,169 6,423 *** par_10 X53 <--- CITRA_MEREK 1,000 X52 <--- CITRA_MEREK 1,112 ,139 8,030 *** par_11 X51 <--- CITRA_MEREK ,953 ,124 7,705 *** par_12 X63 <--- PROMOSI 1,000 X62 <--- PROMOSI ,731 ,140 5,227 *** par_13 X61 <--- PROMOSI ,656 ,135 4,873 *** par_14 Y11 <--- Keputusan_pembelian 1,000

(31)

Estimate S.E. C.R. P Label Y13 <--- Keputusan_pembelian ,884 ,139 6,341 *** par_16

Validitas konvergen dapat digunakan untuk menentukan apakah setiap indikator yang diestimasi secara valid mengukur dimensi dari konsep yang diujinya, dengan melihat bahwa setiap indikator memiliki critical rasio yang lebih besar dua kali standar errornya (Ghozali, 2008). Tabel di atas menunjukkan bahwa semua indikator menghasilkan nilai estimasi dengan critical error (CR) yang lebih besar dua kali standar errornya (S.E), maka dapat disimpulkan bahwa indikator variabel yang digunakan adalah valid.

Uji validitas dalam penelitian ini juga menggunakan uji validitas yang dilakukan menggunakan SPSS dengan outputnya bernama corrected item correlation. Hasil nilai r hitung ini kemudian dibandingkan dengan nilai r-tabel

product moment, dimana dengan df = n = 160 – 2 = 158 dan didapat r- tabel dua sisi

sebesar 0,1552. Hasil pengujian validitas untuk variabel Word of mouth, Harga, Kualitas Produk, Lokasi, Citra Merek, Promosi, dan Keputusan Pembelian Outline store di kota Semarang adalah sebagai berikut ini :

Tabel 4.2.1.8.

Uji Validitas Dengan SPSS

Variabel Indikator r-hitung r-tabel Kriteria

(32)

mount X1.2 X1.3 0,668 0,550 0,1552 0,1552 Valid Valid Harga X2.1 X2.2 X2.3 X2.4 X2.5 0,544 0,497 0,582 0,569 0,583 0,1552 0,1552 0,1552 0,1552 0,1552 Valid Valid Valid Valid Valid Kualitas Produk X3.1 X3.2 X3.3 0,564 0,589 0,542 0,1552 0,1552 0,1552 Valid Valid Valid Lokasi X4.1 X4.2 X4.3 0,559 0,571 0,557 0,1552 0,1552 0,1552 Valid Valid Valid Citra Merek X5.1 X5.2 X5.3 0,639 0,669 0,616 0,1552 0,1552 0,1552 Valid Valid Valid Promosi X3.1 X3.2 X3.3 0,564 0,589 0,542 0,1552 0,1552 0,1552 Valid Valid Valid Keputusan Pembelian X4.1 X4.2 X4.3 0,559 0,571 0,557 0,1552 0,1552 0,1552 Valid Valid Valid Sumber: Data Primer Diolah, 2016

Hasil pengujian validatas dengan menggunakan SPSS menunjukkan bahwa semua indikator yang digunakan untuk mengukur variabel-variabel yang digunakan dalam penelitian ini mempunyai koefisien korelasi yang lebih besar dari r-tabel = 0,1552 yaitu nilai r-tabel untuk df = n - 2 = 160 – 2 = 158. Dengan demikian dapat diambil kesimpulan bahwa semua butir pertanyaan yang digunakan untuk mengukur variabel Word of mouth, Harga, Kualitas Produk, Lokasi, Citra Merek, Promosi, dan Keputusan Pembelian Outline store di kota Semarang dinyatakan valid.

4.2.1.4. Uji Reliabilitas

Reliabilitas adalah ukuran konsistensi internal dari indikator-indikator sebuah variabel bentukan yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah bentuk yang umum (Ghozali, 2008).

(33)

Construct Reability akan dikatakan reliabel jika memiliki nilai minimal sebesar 0,60

– 0,70 untuk semua indikator atau variabel yang ada.

Rumus yang digunakan untuk menghitung construct reliability adalah:

Construct Reliability = ( 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑒𝑑 𝑙𝑜𝑎𝑑𝑖𝑛𝑔 )2

( 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑒𝑑 𝑙𝑜𝑎𝑑𝑖𝑛𝑔 )2+ 𝑒𝑗

Keterangan :

- Standardized loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator.

- Σej adalah measurement error =1 – (standardized loading)2

Tabel 4.2.1.9. Perhitungan Construct reliability

Variabel Indikator Standar Loading Standar Loading² 1- Standar Loading² Construct Reliability X1 X11 0,715 0,511 0,489 0,779 X12 0,860 0,739 0,261 X13 0,622 0,387 0,613 X2 X21 0,624 0,361 0,611 0,779 X22 0,514 0,264 0,736 X23 _0,667 _0,445 _0,555 X24 _0,667 _0,445 _0,654 X25 _0,712 _0,507 _0,555 X3 X31 0,657 0,432 0,568 0.740 X32 0,868 0,753 0,274 X33 0,595 0,354 0,646 X4 X41 0,674 0,454 0,546 0,778 X42 0,662 0,438 0,562 X43 0,706 0,498 0,502 X5 X51 0,765 0,585 0,415 0,798 X52 0,589 0,347 0,653 X53 0,544 0,296 0,704 X6 Y11 0,695 0,483 0,646 0.666

(34)

Y12 0,837 0,701 0,299 Y13 0,756 0,571 0,429 Y1 Y21 0,738 0,545 0,455 0,706 Y22 0,656 0,430 0,570 Y23 0,606 -0,367 0,633

Dari tabel diatas dapat diketahui bahwa nilai reliabilitas 1 konstruk berada di batas minimal 0,60 – 0,70 dan 6 konstruk berada di atas batas minimal sehingga telah memenuhi syarat yang berarti bahwa indikator-indikator yang digunakan reliabel dan relatif mampu menjelaskan variabel laten yang dibentuknya.

Sedangkan uji reliabilitas yang dilakukan dengan menggunakan SPSS melalui cronbach alpha (α), yaitu apabila cronbach alpha (α) variabel > 0,60 maka kuesioner dari variabel tersebut terbukti dapat dipercaya untuk digunakan sebagai alat ukur variabel. Hasil uji reliabilitas dapat dilihat pada tabel 4.2.2.4.1 adalah sebagai berikut:

Tabel 4.2.1.9

Uji Realibilitas Variabel Dengan SPSS

Variabel Cronbach’s Alpha Keterangan

Word of mouth 0,776 Reliabel

Harga 0,786 Reliabel

Kualitas Produk 0,740 Reliabel

Lokasi 0,738 Reliabel

Citra Merek 0,796 Reliabel

Promosi 0,668 Reliabel

Keputusan Pelanggan 0,719 Reliabel

Sumber: Data Primer Diolah, 2016

Dari hasil pengujian tersebut dapat dinyatakan bahwa kuesioner yang digunakan untuk penelitian reliabel karena setiap variabel memiliki Cronbach’sAlpha yang lebih besar dari 0,60.

(35)

4.2.1.5. Uji Hipotesis

Uji hipotesis dilakukan untuk mengetahui berpengaruh atau tidakanya variabel independent terhadap variabel dependen. Hipotesis dinyatakan diterima jika nilai prob (P) < 0,05. Hasil uji hipotesis dapat dilihat pada tabel dibawah ini.

Tabel 4.2.1.10. Uji Model-Goodness-of-fit

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label Keputusan_pembelian <--- WOM ,476 ,103 4,614 *** par_17 Keputusan_pembelian <--- HARGA -,317 ,176 -1,799 ,072 par_18 Keputusan_pembelian <--- KUALITAS_PRODUK ,343 ,192 1,786 ,074 par_19 Keputusan_pembelian <--- LOKASI ,257 ,150 1,715 ,086 par_20

Keputusan_pembelia n <--- CITRA_MEREK -,098 ,10 8 -,903 ,366 par_2 1 Keputusan_pembelia n <--- PROMOSI ,509 ,10 5 4,841 *** par_2 2

Berdasarkan tabel di atas diperoleh keterangan hasil pengujian hipotesis sebagai berikut:

H1 : Word of Mouth berpengaruh positif dan signifikan terhadap Keputusan

Pembelian

Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,000 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu kurang dari 0,05 untuk P sehingga dapat disimpulkan H1 pada penelitian ini dapat

diterima.

H2 : Harga berpengaruh Positif dan Signifikan terhadap Keputusan

(36)

Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,072 > 0,05. Nilai ini menunjukkan hasil yang tidak memenuhi syarat yaitu lebih dari 0,05 untuk P sehingga dapat disimpulkan H2 pada penelitian ini dapat

ditolak.

H3: Kualitas Produk berpengaruh positif dan signifikan terhadap Keputusan

Pembelian.

ditolak.

H4: Lokasi berpengaruh positif dan signifikan terhadap Keputusan Pembelian.

ditolak.

H5: Citra Merek berpengaruh Positif dan Signifikan terhadap Keputusan

Pembelian.

ditolak.

H6: Promosi berpengaruh positif dan signifikan terhadap Keputusan

(37)

Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,000 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu kurang dari 0,05 untuk P sehingga dapat disimpulkan H6 pada penelitian ini dapat

diterima.

4.2.1.6. Pembahasan

1.

Pengaruh Word Of Mouth terhadap Keputusan Pembelian

.

Word Of Mouth memiliki pengaruh positif dan signifikan terhadap

Keputusan Pembelian. Artinya, semakin tinggi persepsi Word Of Mouth oleh konsumen terhadap Cat semprot maka akan semakin tinggi keputusan pembelian yang diperoleh. Menurut hasil analisis deskriptif indikator “Bicara Hal Positif “

menjadi indikator yang dianggap responden paling tinggi sebagai penilaian mereka terhadap cat semprot di Outline store Semarang. Sedangkan analisis data menggunakan SEM word of mouth dengan indikator “Rekomendasi dari orang lain” juga menjadi indikator yang dianggap responden paling tinggi sebagai penilaian

mereka terhadap pembelian cat semprot di Outline store. Sehingga persepsi konsumen tentang word of mouth adalah mampu mengubah presepsi bahwa word of mouth bukan hanyalah pembicaraan yang menarik saja, word of mouth bisa lebih dari

itu. Disini suatu produk tidak sekedar hanya dibicarakan dan dipromosikan , tetapi lebih dari itu. Word of mouth mampu mengubah perilaku konsumen, dari yang tidak ingin membeli jadi membeli.

Penelitian ini di dukung dengan penelitian yang dilakukan oleh Ester Lina Wajayanti dan Herru Suprihhadi (2015) yang membuktikan persepsi word of mouth memiliki pengaruh terhadap keputusan pembelian.

(38)

2. Pengaruh Harga terhadap Keputusan Pembelian

Berdasarkan hasil penelitian statistik di atas, harga memiliki hasil yang tidak signifikan terhadap keputusan pembelian. Maka dapat dikatakan harga tidak memiliki pengaruh terhadap keputusan pembelian cat semprot di Outline store Semarang. Menurut hasil analisis deskriptif indikator “Terjangkau atau tidaknya

harga” menjadi indikator yang dianggap responden paling tinggi sebagai penilaian mereka terhadap cat semprot yang ada di Outline store. Sedangkan analisis data menggunakan SEM pada indikator “Potongan Harga” juga menjadi indikator yang dipertimbangkan responden sebagai penilaian mereka terhadap pembelian cat semprot di outline store. Sehingga persepsi konsumen tentang harga adalah tidak menjadi pertimbangan konsumen dalam memilih cat semprot karena mereka lebih mempertimbangkan dari segi rekomendasi dari orang terdekat.

Hasil penelitian ini berbeda dengan penelitian yang dilakukan oleh Fifyanita Ghanimata dan Mustafa Kamal (2012) kemudian penelitian dari Reimond Yohanes Monintja, Silvya Mandey dan Agus Supandi Soegoto ( 2015 )mengemukakan bahwa presepsi harga memiliki pengaruh terhadap keputusan pembelian.

3. Pengaruh Kualitas Produk terhadap Keputusan Pembelian

Kualitas Produk memiliki pengaruh yang tidak signifikan terhadap keputusan pembelian. Oleh sebab itu, kualitas produk tidak berpengaruh terhadap keputusan pembelian. Menurut hasil analisis deskriptif indikator “Kualitas bahan

baku” menjadi indikator yang dianggap responden paling tinggi sebagai penilaian mereka terhadap cat semprot di Outline store. Sedangkan analisis data menggunakan SEM indikator “Kualitas bahan baku” juga menjadi indikator yang dianggap

(39)

store. Sehingga keputusan pembelian tentang kualitas produk adalah tidak menjadi

pertimbangan konsumen dalam memilih cat semprot, karena mereka lebih mempertimbangkan dari segi rekomendasi orang terdekat dan Penawaran khusus dalam jangka waktu tertentu yang dilihat dari waktu konsumsi, energi konsumsi, manfaat, ekonomi, dll.

Hasil penelitian ini berbeda dengan penelitian yang dilakukan oleh Prana Sabrina Tamimi, Hari Susanta Nugrahadan dan Widiartanto (2015) yang mengemukakan bahwa kualitas produk memiliki pengaruh terhadap keputusan pembelian.

4. Pengaruh Lokasi terhadap Keputusan Pembelian

Lokasi memiliki pengaruh yang tidak signifikan terhadap keputusan pembelian. Oleh sebab itu, lokasi tidak berpengaruh terhadap keputusan pembelian. Menurut hasil analisis deskriptif indikator “ Ketersediaan lahan parkir “ menjadi

indikator yang dianggap responden paling tinggi sebagai penilaian mereka terhadap cat semprot Outline store. Sedangkan analisis data menggunakan SEM indikator “Ketersediaan lahan parkir” bukan menjadi indikator yang paling tinggi melaikan indikator “Kedekatan lokasi dengan pusat keramaian“ yang menjadi indikator yang

dianggap responden paling tinggi sebagai penilaian mereka terhadap pembelian cat semprot di Outline store. Sehingga persepsi konsumen tentang keputusan pembelian adalah lokasi tidak menjadi pertimbangan konsumen dalam memilih cat semprot karena mereka lebih mempertimbangkan dari segi rekomendasi orang terdekat dan Penawaran khusus dalam jangka waktu tertentu yang dilihat dari waktu konsumsi, energi konsumsi, manfaat, ekonomi, dll.

(40)

Hasil penelitian ini berbeda dengan penelitian menurut Haja Avetoe dan Lamidi (2015) , Hal serupa juga diperoleh Fifyanita Ghanimata dan Mustafa Kamal (2012) menyatakan bahwa adanya pengaruh antara lokasi terhadap keputusan pembelian.

5. Pengaruh Citra Merek terhadap Keputusan Pembelian

Citra merek memiliki pengaruh yang tidak signifikan terhadap keputusan pembelian. Oleh sebab itu,citra merek tidak berpengaruh terhadap keputusan pembelian. Menurut hasil analisis deskriptif indikator “Merek Cat semprot merupakan merek terkenal“ menjadi indikator yang dianggap responden paling tinggi sebagai penilaian mereka terhadap cat semprot outline store. Sedangkan analisis data menggunakan SEM keputusan indikator “Merek Cat semprot merupakan merek terkenal“ bukan menjadi indikator yang paling tinggi melaikan

indikator “Merek cat semprot mudah diingat dalam benak konsumen“ yang menjadi indikator yang dianggap responden paling tinggi sebagai penilaian mereka terhadap cat semprot di Outline store. Sehingga persepsi konsumen tentang keputusan pembelian adalah citra merek tidak menjadi pertimbangan konsumen dalam memilih cat semprot karena mereka lebih mempertimbangkan dari segi rekomendasi dari orang terdekat dan Penawaran khusus dalam jangka waktu tertentu yang dilihat dari waktu konsumsi, energi konsumsi, manfaat, ekonomi, dll.

Penelitian ini di dukung dengan penelitian yang dilakukan oleh Reimond Yohanes Monintja, Silvya Mandey dan Agus Supandi Soegoto, (2015). Merek berpengaruh positif namun tidak signifikan terhadap keputusan pembelian, Namun hasil penelitian ini berbeda dengan penelitian menurut Ujang Setiawan, Ptricia

(41)

Dhiana P dan Andi Tri Haryono (2015) mengemukakan bahwa citra merek memiliki pengaruh terhadap keputusan pembelian.

6. Pengaruh Promosi terhadap Keputusan Pembelian

Promosi memiliki memiliki pengaruh positif dan signifikan terhadap Keputusan Pembelian. Artinya, semakin tinggi persepsi Promosi yang dilakukan maka semakin tinggi pula keputusan pembelian yang diperoleh. Menurut hasil analisis deskriptif indikator “Periklanan “ menjadi indikator yang dianggap

responden paling tinggi sebagai penilaian mereka terhadap keputusan pembelian cat semprot. Sedangkan analisis data menggunakan SEM promosi indikator “Periklanan “ bukan menjadi indikator yang paling tinggi melaikan indikator “Penawaran khusus

dalam jangka waktu tertentu “ yang menjadi indikator yang dianggap responden paling tinggi sebagai penilaian mereka terhadap cat semprot di Outline store. Sehingga persepsi konsumen tentang promosi adalah konsumen merasa puas terhadap persepsi nilai yang mereka berikan terhadap cat semprot di Outline store Semarang.

Penelitian ini di dukung dengan penelitian yang dilakukan oleh Reimond Yohanes Monintja, Silvia Mandey dan Agus Supandi Soegoto (2015) mengemukakan bahwa adanya hubungan yang positif dan signifikan antara promosi terhadap keputusan pembelian. Kemudian penelitian yang dilakukan oleh Doni Hariadi dan Soebari Martoatmodjo (2012) yang menyatakan bahwa adanya pengaruh positif dan signifikan antara promosi terhadap keputusan pembelian.