Pada bab ini, menjelaskan tentang langkah-langkah yang digunakan untuk membahas permasalahan yang diambil dalam penelitian. Selain itu, dibagian ini juga dijelaskan mengenai alat dan metode yang digunakan untuk melakukan kegiatan penelitian ini.
A. Waktu dan Tempat Penelitian 1. Waktu Penelitian
Proses penelitian ini diawali dengan kegiatan mengidentifikasi permasalahan di tempat penelitian, perumusan masalah yang teridentifikasi, pengumpulan dasar teori yang memperkuat landasan dalam variabel, penyusunan metode dalam pengumpulan data, penyusunan instrumen, hingga penentuan teknik pengujian statistik yang dipergunakan. Pada proses ini waktu penelitian sudah dimulai sejak September 2015 sampai dengan April 2016.
2. Tempat Penelitian
Penelitian ini menganalisis pengaruh Kepuasan Pelanggan dan Kepercayaan Merek terhadap Loyalitas Pelanggan. Untuk memperoleh data guna penyusunan penelitian ini, peneliti memilih lokasi atau tempat penelitian pada PT. Toyota Astra Motor yang terletak di Kota Jakarta dan Tangerang.
B. Desain Penelitian
Dalam penyusunan penelitian ini penulis menggunakan metode analisis kausal. Analisis kausal berguna untuk menganalisis hubungan yang bersifat sebab akibat antara satu atau lebih variabel yang mempengaruhi (independent variables) terhadap variabel dipengaruhi (dependent variabel).
Pengumpulan data penelitian dilakukan dengan menyebar kuesioner untuk mengetahui seberapa besar pengaruh Kepuasan Pelanggan dan Kepercayaan Merek terhadap Loyalitas Pelanggan di PT. Toyota Astra Motor.
C. Variabel dan Definisi Operasionalisasi Variabel 1. Variabel
Menurut Sugiyono (2011) variabel adalah suatu atribut atau sifat suatu nilai dari orang, objek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk mempelajari dan kemudian ditarik kesimpulannya.
Berdasarkan pokok masalah dan hipotesis yang diajukan, variabel-variabel dalam penelitian ini dapat diindentifikasi sebagai berikut :
a. Variabel bebas (Variabel Eksogen) merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel terikat. Dalam SEM (Structural Equation Modeling) variabel independen disebut sebagai variabel eksogen. Variabel eksogen pada penelitian ini yaitu kepuasan pelanggan dan kepercayaan merek.
b. Variabel terikat (Variabel Endogen) merupakan variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas. Dalam SEM variabel dependen disebut sebagai variabel endogen. Variabel endogen pada penelitian ini yaitu loyalitas pelanggan.
2. Definisi Operasionalisasi Variabel
Definisi operasional variabel dimaksudkan untuk menjelaskan makna variabel yang sedang diteliti. Masri.S dalam Riduan (2014) memberikan pengertian tentang definisi operasional adalah unsur penelitian yang memberitahukan cara mengukur suatu variabel. Dengan kata lain definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun operasionalisasi dari masing-masing variabel terdapat pada tabel-tabel berikut:
Tabel 3.1 Operasionalisasi Variabel Kepuasan Pelanggan
Variabel Dimensi Indikator Skala
Pengukuran
Kepuasan
Pelanggan Kualitas Produk (Product Quality)
1. Kinerja produk (perfoemance) 2. Keistimewaan tambahan (feature) 3. Kehandalan produk (reliability) 4. Kesesuaian dengan spesifikasi
(conformance to spesifications) 5. Daya tahan produk (durability) 6. Kemudahan dalam perawatan
(serviceability) 7. Estetika desain produk
(Customer Satisfaction)
8. Persepsi terhadap produk (perceived quality
Skala Ordinal Harga
(Price)
9. Kesesuaian dengan kualitas 10. Terjangkau
Kualitas Jasa (Service Quality)
11. Layanan delivery 12. Service after sales Faktor Emosional
(Emotional Factor)
13. Percaya diri 14. Berijiwa muda Biaya dan Kemudahan
Mendapatkan Produk atau Jasa
(Easy)
15. Efisiensi produk 16. Distribusi yang luas
Sumber : Irawan (2007)
Tabel 3.2 Operasionalisasi Variabel Kepercayaan Merek
Variabel Dimensi Indikator Skala
Pengukuran Kepercayaan Merek (Trust in Brand) Karakteristik Merek (Brand Characteristics)
1. Opini terhadap sebuah merek 2. Keyakinan konsumen terhadap
merek
3. Kemampuan memenuhi keinginan konsumen Skala Ordinal Karakteristik Perusahaan (Company Characteristics)
4. Kepercayaan pelanggan terhadap perusahaan.
5. Opini pelanggan terhadap permasalahan produk 6. Persepsi pelanggan terhadap
perusahaan
7. Konsistensi perusahaan terhadap konsumen
Karakteristik Pelanggan – Merek (Consumer – Brand
Characteristics)
8. Kesamaan produk dengan karakter pelanggan
9. Kesukaan konsumen terhadap merek
10. Pengalaman dalam menggunakan produk 11. Ekspektasi yang dirasakan
konsumen
12. Kepercayaan merek yang terbentuk dari kepercayaan individu lain
Tabel 3.3 Operasionalisasi Variabel Loyalitas Pelanggan
Variabel Dimensi Indikator Skala
Pengukuran
Loyalitas Pelanggan (Customer Loyalty)
1. Melakukan pembelian ulang
Skala Ordinal 2. Membeli produk pada lini produk
lainnya
3. Merekomendasikan kepada orang lain
4. Menunjukkan kekebalan terhadap merek
Sumber: Hurriyati (2010)
D. Populasi dan Sampel
1. Populasi
Sugiyono (2008) Populasi merupakan wilayah generalisasi yang terdiri atas subyek atau objek yang memiliki karakter & kualitas tertentu yang ditetapkan oleh seorang peneliti untuk dipelajari yang kemudian ditarik sebuah kesimpulan. Sandjaja dan Heriyanto (2006) menambahkan populasi adalah keseluruhan objek yang menjadi pusat perhatian penelitian dan tempat untuk menggeneralisasikan temuan penelitian. Populasi bukan hanya jumlah yang ada pada objek atau subjek yang dipelajari, tetapi meliputi seluruh karakteristik sifat yang dimiliki oleh subjek atau objek itu sendiri. Jumlah populasi pengguna mobil Toyota ini tidak diketahui secara terperinci oleh peneliti, jadi populasi dalam penelitian ini yaitu seluruh pengguna yang menggunakan kendaraan Toyota di wilayah Kota Jakarta dan Tangerang.
2. Sampel
Menurut Sugiyono (2008) sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Sampel yang diambil dari populasi tersebut harus betul-betul representatif (mewakili).
Penentuan jumlah sampel ditentukan dengan persyaratan yang ditentukan oleh Hair et al (1998) dalam Harianto (2006) menyatakan bahwa jumlah sampel yang diambil minimal 5 kali dari jumlah parameter (indikator) yang dipergunakan dalam penelitian. Penelitian ini menggunakan 33 parameter yang berupa item-item pernyataan dalam kuesioner, sehingga jumlah minimal yang diambil adalah sebesar 33 x 5 = 165. Akan tetapi dalam penelitian ini jumlah kuesioner yang dibagikan kepada responden adalah sebanyak 180 kuesioner guna untuk menambah tingkat validasi terhadap masing-masing variabel.
Peneliti menggunakan teknik Convenience sampling. Convenience sampling adalah sampel dengan pertimbangan kemudahan merupakan teknik penentuan sampel berdasarkan kemudahan atau kebetulan saja. Seseorang diambil sebagai sampel karena kebetulan, atau siapa saja yang kebetulan bertemu dengan peneliti yang dianggap cocok dengan karakteristik sampel yang ditentukan akan dijadikan sampel (Noor , 2011) dalam Apriliani (2015).
E. Jenis Data Penelitian
Data yang akan digunakan dalam penelitian ini adalah data primer. Data sumber primer adalah data sumber yang didapat langsung dari yang memberikan
data kepada pengumpulan data. Seperti data yang diperoleh, diamati, dan dicatat langsung oleh peneliti dari responden yang menjadi objek penelitian.
F. Teknik Pengumpulan Data
Teknik pengumpulan data pada penelitian ini adalah dengan menggunakan teknik survei, yaitu untuk mendapatkan data opini dari individu. Instrumen yang digunakan untuk pengumpulan data adalah kuesioner yang ditujukan kepada responden.
Kuesioner atau angket menurut Arikunto (2006) adalah pernyataan tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan tentang pribadi atau hal-hal yang ia ketahui. Sedangkan menurut Sugiyono (2008) Angket atau kuesioner merupakan tehnik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawab.
G. Skala Pengukuran
Skala pengukuran yang penulis gunakan pada penelitian ini adalah menggunakan skala ordinal, yang digunakan untuk mengukur data dari tingkat yang paling rendah ke tingkat yang paling tinggi atau sebaliknya, dimana angka selain sebagai lambang, juga menunjukkan urutan. Pengukuran masing-masing variabel dalam penelitian ini menggunakan skala likert.
Skala likert ini digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau kelompok orang tentang fenomena atau gejala sosial yang terjadi (Iskandar, 2009).
Tabel 3.4 Instrument Skala Likert
Pernyataan Kode Skor
Sangat Setuju (SS) 5
Setuju (S) 4
Netral (N) 3
Tidak Setuju (TS) 2
Sangat Tidak Setuju (STS) 1
Sumber: Supranto (2006) H. Metode Analisis
1. Uji Validitas
Uji keabsahan data dalam penelitian, sering hanya ditekankan pada uji validitas dan reliabilitas. Validitas adalah tingkat dimana satu instrumen ukur digunakan untuk mengukur apa yang diharapkan (Everitt dan Skondral, 2010). Oleh karena itu ada kesamaan antara data yang dihasilkan dengan data yang seharusnya pada objek yang diteliti. Sebelum dilakukan pengolahan data, perlu dilakukan pengujian data terhadap variabel tersebut. Uji validitas akan menunjukkan sejauh mana alat ukur dapat mengukur variabel yang akan diukur. Uji validitas mengacu kepada kepatutan (appropriateness), keberartian (meaningfulness), kebenaran (correctness), dan kegunaan (usefulness) kesimpulan yang diambil oleh peneliti (Sandjojo, 2014).
Pengujian validitas dilakukan menggunakan analisis konfirmatori. Dalam analisis konfirmatori, variabel laten dianggap sebagai variabel penyebab yang mendasari indikator-indikatornya (Ghozali, 2008) dalam Apriliani (2015). Dasar pengambilan keputusan uji validitas ini adalah jika Loading factor ≥ 0,50 maka item tersebut dikatakan valid.
2. Uji Reliabilitas
Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator sebuah variabel yang menunjukan derajat masing-masing indikator itu mengindikasikan sebuah konstruk atau faktor laten yang umum. Everitt dan Skondral (2010) memaparkan reliabilitas adalah tingkat dimana pengukuran berkali-kali terhadap suatu unit akan menghasilkan output yang sama. Pengujian reliabilitas instrumen bertujuan untuk mengetahui konsistensi suatu instrumen. Langkah selanjutnya adalah menghitung loadings dan menilai signifikansi statistik setiap indikator. Jika terbukti tidak signifikan, maka indikator harus dibuang atau mentransformasikannya agar menjadi fit untuk variabel laten (Noor, 2011)
Menurut Sanusi (2011), nilai reliabilitas dapat dicari dengan rumus berikut ini :
Construct Realibility = Dimana :
a. Std. Loading diperoleh langsung dari Standardized Loading untuk tiap-tiap indikator.
b. ej adalah measurement error dari tiap-tiap indikator. Nilai batas yang digunakan untuk menilai atau menguji apakah setiap variabel dapat dipercaya, handal dan akurat dipergunakan koefisien Alpha Cronbach.
Cronbach’s alpha merupakan teknik pengujian keandalan kuesioner yang paling sering digunakan (Bryman dan Bell, 2007), dengan melakukan uji cronbach’s alpha maka akan terdeteksi indikator-indikator yang tidak konsisten.
Cronbach’s Alpha merupakan sebuah ukuran keandalan yang memiliki nilai berkisar dari nol sampai satu (Hair et al., 2006). Variabel dapat dikatakan reliabel apabila koefisien Alpha Cronbach lebih besar dari 0,60.
Tabel 3.5 Tingkat Keandalan Cronbach’s Alpha Nilai Cronbach’s Alpha Tingkat Keandalan
0.0 - 0.20 Kurang Andal
>0.20 – 0.40 Agak Andal
>0.40 – 0.60 Cukup Andal
>0.60 – 0.80 Andal
>0.80 – 1.00 Sangat Andal
Sumber: Hair et al. (2006)
Tingkat reliabilitas yang kedua adalah Variance Extract, yang menunjukan jumlah varians yang indikator-indikator yang
diekstraksi oleh konstruk laten yang dikembangkan. Nilai Variance Extract yang tinggi menunjukan bahwa indikator-indikator itu telah mewakili secara baik konstruk laten yang dikembangkan, Sanusi (2011).
Nilai Variance Extract ini direkomendasikan pada tingkat paling sedikit 0,50. Variance Extract diperoleh dari rumus berikut ini :
Variance Extract= 3. Metode Statistik
Metode Statistik yang diterapkan dalam penelitian ini adalah Model Persamaan Struktural (Structural Equation Modelling – SEM). Menurut (Pirouz 2006) dalam Latan 2013, SEM merupakan suatu teknik analisis multivariate generasi kedua yang menggabungkan antara analisis faktor dan analisis jalur sehingga memungkinkan peneliti untuk menguji dan mengestimasi secara simultan hubungan antara multiple exogenous dan endogenous variabel dengan banyak indikator. Sedangkan menurut (MacCallum dan Austin 2000) dalam Latan 2013 SEM sebagai suatu teknik analisis yang digunakan untuk spesifikasi model dan estimasi model dalam hubungan linear antar variabel.
Menurut Latan (2013) Analisis SEM terdiri dari dua sub model, yaitu:
1. Model pengukuran ( measurement model ) atau disebut juga outer model, menunjukkan bagaimana variabel manifest atau observerved variabel merepresentasi variabel laten untuk diukur.
2. Model struktural ( structural model ) atau innear model, menunjukkan kekuatan estimasi antar variabel laten atau konstruk.
Variabel laten yang dibentuk dalam model persamaan struktural, indikatornya dapat berbentuk reflective maupun formative. Indikator reflective ialah indikator yang bersifat manifestasi terhadap konstruk dan sesuai dengan classical test theory yang mengasumsikan bahwa variance di dalam pengukuran score variabel laten merupakan fungsi dari true score ditambah dengan error. Sedangkan indikator formative meruopakan indikator yang bersifat mendefinisikan karakteristik atau menjelaskan konstruk (Latan, 2013).
Linear Structural RELationship (LISREL) merupakan salah satu program SEM yang paling banyak digunakan saat ini karena lisrel merupakan satu-satunya program SEM yang tercanggih dan dapat mengestimasi persoalan SEM yang hampir tidak mungkin dilakukan oleh program SEM lainnya.
Tabel 3.6 SIMBOL DALAM NOTASI LISREL
Simbol Baca Penggunaan
Xi Vaiabel laten (konstruk) eksogenus Eta Variabel laten (konstruk) endogenus
X Variabel indikator eksogenus
Zeta Faktor unik atau kesalahan (error) struktural. Error ini hanya ada pada konstruk endogenus Delta Faktor unik atau kesalahan (error) pengukuran
dari indikator eksogenus
Epsilon Faktor unik atau kesalahan (error) pengukuran dari indikator endogenus
Gamma Loading struktural dari konstruk eksogenus ke konstruk endogenus
Beta Loading struktural dari konstruk endogenus ke konstruk endogenus lainnya
Lambda Loading indikator terhadap konstruknya (loading faktor). (x) adalah loading indikator terhadap konstruk eksogenusnya. (y) adalah loading indikator terhadap konstruk endogenusnya.
Phi Korelasi antar konstruk eksogenus
Tetha Korelasi antar error pengukuran. adalah korelasi antar error pengukuran pada indikator eksogenus. adalah korelasi antar error
pengukuran pada indikator eksogenus. Psi Korelasi antar error struktural
4. Tahapan Analisis SEM
Bollen dan Long (1993) dalam Latan (2013), terdapat lima proses yang dilakukan dalam analisis SEM, dimana pada setiap tahapan akan berpengaruh pada tahapan-tahapan berikutnya:
1. Spesifikasi model
Spesifikasi model memrupakan langkah awal dalam analisis SEM. Tahap ini harus mendefinisikan secara konseptual konstruk yang diteliti dan menentukan dimensionalitasnya. Selanjutnya arah kausalitas antar konstruk yang menuunjukkan hubungan yang dihipotesiskan harus ditentukan dengan jelas, dan mempunyai landasan teori yang kuat.
2. Identifikasi model
Dalam SEM identifikasi model untuk mengetahui apakah model yang dibangun dengan data empiris yang dikumpulkan memiliki nilai yang unik ataukah tidak sehingga model tersebut dapat diestimasi. Dan jika model tidak memiliki nilai yang unik maka model tidak dapat diidentifikasi. Penyebabnya ialah ialah informasi yang terdapat pada data empiris tidak cukup menghasilkan solusi yang unik dalam menghitung parameter estimasi model.
3. Estimasi model
Model penelitian yang sudah memenuhi spesifikasi dan identifikasi model selanjutnya dapat dilakukan estimasi model.
Dalam hal ini penting sebelumnya mempertimbangkan berapa besar jumlah sampel yang dibutuhkan, karena akan berpengaruh terhadap interpretasi hasil analisis.
Terdapat tiga metode estimasi yang sering digunakan: a. Maximum Likelihood (ML)
Merupakan metode estimasi yang paling populer dan banyak digunakan dibidang SEM. Maximum likelihood akan menghasilkan estimasi parameter yang terbaik (unbiased) apabila data yang digunakan memenuhi asumsi multivariate normality dan akan bias jika dilanggarnya asumsi multivariate normality. Ukuran sampel yang disarankan ialah sebesar 100-200 (Bryne, 2001) dalam Latan (2013). Maximum likelihood akan menjadi sangat sensitif dan menghasilkan goodness of fit model yang buruk apabila data yang digunakan melebihi 400.
b. Generalized Least Square (GLS)
Metode estimasi yang jarang digunakan di SEM. Dikarenakan hasil estimasi dari GLS hampir sama dengan hasil Maximum Likelihood apabila asumsi multivariate normality data terpenuhi. Sampel yang dianjurkan metode GLS ini adalah antara 200 – 300.
Metode ini disebut juga Weighted Least Square (WLS) merupakan suatu metode estimasi yang diciptakan karena sensitivitas metode ML maupun GLS apabila dilanggarnya asumsi multivariate normality data. Metode ini tidak menyaratkan data harus normal secara multivariate. Kelemahan metode ini ialah harus memakai sampel 2000 – 2500 dan juga jumlah variabel yang dapat diestimasi dalam model sangat terbatas. Hanya 10 sampai 15 variabel saja.
Tabel 3.7 Pedoman Jumlah Sampel Jumlah
Variabel Laten
Jumlah Indikator
Communalities Jumlah Sampel
> 6 < 3 Low > 500
≤ 5 > 3 High 100-150
≤ 5 < 3 Modest > 200
≤ 5 < 3 Low > 300
Sumber : Hair et al (2010) dalam Latan (2013)
4. Evaluasi Model
Evaluasi model bertujuan untuk mengevaluasi model secara keseluruhan, apakah model fit yang baik ataukah tidak. Evaluasi model dalam SEM dapat dilakukan dengan menilai hasil
pengukuran model (measurement model) melalui analisis faktor konfirmatori atau confirmatory factor analysis (CFA) dengan menguji validitas dan reliabilitas konstruk laten kemudian dilanjutkan dengan evaluasi model struktural. Secara keseluruhan dengan menilai kelayakan model melalui kriteria goodness of fit.
Tabel 3.8 Ringkasan Rule of Thumb Uji Validitas dan Reliabilitas Validitas dan
Reliabilitas
Parameter Rule Of Thumb
Validitas Convergent Loading Factor > 0,7 untuk Confirmatory Research
> 0,6 untuk Explanatory Research
Average Variance Extracted (AVE)
> 0,5 untuk Confirmatory maupun Explanatory Research
Validitas Discriminant Cross Loading Indikator loading > Seluruh Cross Loading
Akar kuadrat AVE dan Korelasi antar Konstruk
Laten
Reliabilitas Cronbach’s Alpha > 0,7 untuk Confirmatory Research
> 0,6 masih dapat diterima untuk Explanatory
Research
Composite Reliability > 0,7 untuk Confirmatory Research
0,6 – 0,7 masih dapat diterima untuk Explanatory Research
Sumber: Latan (2013)
TABEL 3.9 RINGKASAN GOODNESS OF FIT INDEX
No Goodness of Fit Cut-Off Value
1 Goodness of Fit Index (GFI) > 0.90
2 Akaike Informative Index (AIC) < AIC Saturated dan Independence Model
3 Chi Squares Diharapkan kecil
4 Comparative Fit Index (CFI) > 0.90; > 0.95
5 Consistent Akaike Information Index (CAIC) < CAIC Saturated dan Independence Model
6 Degree of Freedom Diharapkan besar
7 Expected Cross Validation Index (ECVI) < EVCI Saturated dan Independence Model 8 Adjusted Goodness of Fit Index (AGFI) ≥ 0.90
9 Incremental Fit Index (IFI) > 0.90; > 0.95
10 Non Centrality Parameter (NCP) < Independence Model 11 Normed Fit Index (NFI) > 0.90; > 0.95
12 Parsimonious Normed Fit Index (PNFI) 0.06 – 0.09 13 Parsiminious Goodness of Fit Index (PGFI) > 0.60
15 P Value for RMSEA > 0.05
16 Relative Fit Index (RFI) > 0.90; > 0.95 17 Root Mean Square Error Approximation
(RMSEA)
0.05 – 0.08
18 Root Mean Square Residual (RMSR) < 0.08 Sumber : Latan (2013)
Uraian dari beberapa goodness of fit index adalah sebagai berikut:
a. Goodness of Fit Index (GFI), merupakan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang diprediksi dibandingkan dengan data observasi yang sebenarnya. Nilai yang dianjurkan sebagai ukuran fit model ialah > 0.90.
b. Akaike Informative Index (AIC) dan Consistent Akaike Informative Index (CAIC), digunakan dalam perbandingan model dimana nilai AIC dan CAIC default model harus dibandingkan dengan nilai AIC dan CAIC saturated dan independence model. Jika nilai AIC dan CAIC default model < nilai AIC dan CAIC saturated dan independence maka model tersebut fit.
c. Chi Square, nilai chi-square menunjukkan adanya penyimpangan antara sample covarience matrix dan model (fitted) covarience matrix. Namun nilainya hanya akan fit
apabila asumsi normalitas data terpenuhi dan ukuran sampel adalah besar atau asymptotic (Hair et al 2010) dalam Latan (2013). Model dinyatakan fit jika nilai chi-square sama dengan 0 yang berarti tidak ada perbedaan antara input matriks kovarian yang diobservasi dengan model yang diprediksi. Tingkat signifikansi yang direkomendasikan dengan nilai probabilitas > 0,05. Jadi nilai chi-square diharapkan tidak signifikan agar model yang diusulkan sesuai atau fit dengan data observasi.
d. Comparative Fit Index (CFI), merupakan ukuran perbandingan antara model yang dihipotesiskan dengan null model. CFI merupakan perbaikan dari NFI sehingga tidak dipengaruhi oleh ukuran sampel dan merupakan ukuran fit yang sangat baik untuk mengukur kesesuaian sebuah model. Nilai CFI yang diharuskan ialah > 0,90 namun ada beberapa peneliti yang menyarankan > 0,95.
e. Adjusted Goodness of Fit Index (AGFI), merupakan pengembangan dari GFI yang disesuaikna dengan ratio degree fo freedom untuk proposed model dengan degree of freedom untuk null model. Nilai AGFI yang direkomendasikan untuk indikasi model fit adalah ≥ 0.90.
5. Respesifikasi Model atau Modifikasi Model
Setelah melakukan penilaian goodness of fit dan didapatkan model yang diuji tidak fit, maka perlu dilakukan respesifikasi model. Respesifikasi model tidak dianjurkan hanya untuk
mendapatkan model yang fit, jika model telah direspesifikasi maka model yang baru harus dicross-validated (validasi silang) dengan data yang baru.
6. Validasi Silang Model
Pengujian atas fit tidaknya model terhadap suatu data baru. Validasi silang ini penting apabila terdapat modifikasi subtansial yang dilakukan terhadap model asli yang dilakukan pada langkah keenam.
5. Pengujian Hipotesis
Dalam LISREL tidak terdapat nilai signifikansi yang langsung dapat memberi tahu apakah hubungan antara suatu variabel dengan variabel lainnya adalah signifikan. Pada setiap estimasi dalam lisrel, terdapat tiga informasi yang sangat berguna, yaitu koefisien regresi, standar error dan nilai t. standar error digunakan untuk mengukur ketepatan dari setiap estimasi parameter. Di bawah standar error adalah nilai t yang diperoleh melalui perbandingan antara nilai estimasi dengan standar error.
Untuk mengetahui signifikan tidaknya hubungan antar variabel, maka nilai t harus lebih besar dari t-tabel pada level tertentu yang tergantung dari ukuran sampel dan level signifikansi, tetapi umumnya level signifikansi adalah 1%, 5% dan 10%. Pada jumlah sampel besar (lebih besar 150), jika nilai t yang dihasilkan oleh LISREL lebih besar daripada nilai t tabel pada level 5%, yaitu 1,960, maka hubungan antara variabel adalah signifikan.
