Analisis Structural Equation Modeling dengan Full Model

89 Tabel 6.13 Fit model Confirmatory Factor Analysis Standardized Estimates · Normalitas pada ± 2.58 · Signifikan pada 0.05 · Dimana : X11 = Product, X12 = Price, X13 = Promotion, X14 = Place, X15 = People, X16 = Process, X17 = Customer service, X21= Tangible, X22= Reliability, X23= Responsiveness, X24= Assurance, X25 = Empathy Sumber : Hasil Penelitian, 2012 Indikator sperti pada tabel 6.13 diatas, menunjukkan bahwa terdapat jawaban paling kecil 1 atau sangat tidak setuju min dan jawaban paling besar 7 atau sangat setuju max.

6.3.4.2. Analisis Structural Equation Modeling dengan Full Model

Analisis selanjutnya adalah analisis Structural Equation Model SEM secara Full Model yang dimaksudkan untuk menguji model dan hipotesis yang dikembangkan dalam penelitian ini. Pengujian model dalam Structural Equation Model dilakukan dengan dua pengujian, yaitu uji kesesuaian model dan uji signifikansi kausalitas melalui uji koefisien regresi. Hasil pengolahan data untuk analisis SEM terlihat pada Gambar 6.12. Variable min max Skew c.r. kurtosis c.r. X25 1.000 7.000 -.226 -.958 -.856 -1.817 X24 1.000 7.000 -.182 -.774 -1.014 -2.151 X23 1.000 7.000 -.281 -1.192 -.999 -2.120 X22 1.000 7.000 -.209 -.886 -.969 -2.055 X21 1.000 7.000 -.217 -.920 -.955 -2.025 X16 1.000 7.000 -.410 -1.739 -.774 -1.642 X15 1.000 7.000 -.373 -1.584 -.842 -1.787 X14 1.000 7.000 -.502 -2.128 -.647 -1.373 X13 1.000 7.000 -.303 -1.284 -.836 -1.773 X12 2.000 7.000 -.376 -1.597 -.973 -2.063 X11 1.000 7.000 -.188 -.800 -1.145 -2.430 Multivariate 11.939 3.668 Universitas Sumatera Utara 90 Gambar 6. 10 Hasil Structural Equation Model Full Model Kriteria Cut of value Hasil Evaluasi Chi-Square Kecil dibawah χ2 tabel dengan df : 71 p : 5 = 124.3421 119.761 Baik Probability ≥ 0,05 0.000 Tidak baik CMINDF ≤ 2,00 1.687 Baik GFI ≥ 0,90 0.865 Marginal AGFI ≥ 0,90 0.800 Marginal NFI ≥ 0,90 0.929 Baik TLI ≥ 0,90 0.961 Baik CFI ≥ 0,90 0.969 Baik RMSEA ≤ 0,08 0.08 Baik Sumber : Hasil Penelitian, 2012 data diolah Berdasarkan hasil pengamatan pada gambar pada grafik analisis full model diatas dapat ditunjukkan bahwa model tidak memenuhi kriteria fit, hal ini ditandai dengan nilai dari hasil perhitungan tidak memenuhi kriteria layak full model. Dimana nilai Probability sebesar 0.000, CMINDF sebesar 1.687, AGFI sebesar 0.800, NFI sebesar 0.929, TLI sebesar 0.961, CFI sebesar 0.969 dan RMSEA sebesar 0.08. Universitas Sumatera Utara 91 Chi-Square adalah alat uji statistik yang paling fundamental untuk mengukur overall fit, dimana semakin kecil Chi-Square maka semakin fit model SEM tersebut. Pada uji hipotesa diatas terdapat angka Chi-Square sebesar 119.761 lebih kecil dari Chi-Square tabel df 71 sebesar 124.3421. Batasan yang digunakan oleh RMSEA adalah ≤ 0.08, pada uji fit model diatas didapatkan angka sebesar 0.08, sehingga model tersebut fit atau sesuai untuk diolah menggunakan SEM. AGFI adalah modifikasi dari GFI dengan mengakomodasi derajat bebas model denngan model lain yang dibandingkan. AGFI yang diharapkan adalah ≥0.90, sedangkan AGFI pada uji hipotesa tersebut sebesar 0.800 sehingga AGFI tersebut tidak proporsional. CMINDF adalah statistik Chi-Square dibagi dengan Degreess of Freedom. CMINDF yang diharapkan adalah ≤2.00 dan dari uji hipotesa diatas terdapat CMINDF sebesar 1.687. Sementara itu, dari tingkat kemungkinan signifikannya Sighnificant Probability pada uji hipotesa adalah sebesar 0.000, sedangkan angka yang diharapkan adalah sebesar ≥0.05 sehingga uji ini masih dianggap tidak proporsional. Agar model ini dapat diterima maka dilakukanlah Model Development Strategy, yakni melakukan modifikasi pada model agar beberapa alat uji dapat baik hasilnya. Hal ini dapat dilakukan dengan menurunkan Chi-Square, peningkatan angka GFI, AGFI, NFI, TLI, CFI, RMSEA dan sebagainya. Dengan demikian data menjadi fit dengan data yang ada. Untuk memodifikasi model dilakukan dengan melihat rekomendasi dari otput Modification Indices. Tabel 6.15 Modification Indices pada Full Model M.I. Par Change e10 -- ZL 5.114 .124 e6 -- e8 4.110 .125 e5 -- ZL 16.347 .201 e5 -- e15 25.282 .330 Sumber : Hasil Penelitian, 2012 data diolah Universitas Sumatera Utara 92 Tabel diatas adalah hasil rekomendasi dari AMOS 18 tentang variabel-variabel atau eror yang harus diolah lebih jauh untuk modifikasi. Modifikasi dilakukan dengan menghubungkan variabel atau eror tersebut. Gambar 6. 11 Hasil Structural Equation Model setelah dilakukan Modifikasi Sumber : Hasil Penelitian, 2012 data diolah Dari gambar diatas terlihat beberapa modifikasi yang dilakukan yakni, e5 dengan e15 sebesar 0.28, e5 dengan ZL sebesar 0.14. Berdasarkan gambar tersebut juga dapat dilihat bahwa tingkat signifikansi sebesar 0.092 P0.05 menunjukkan bahwa hipotesis nol H0 yang menyatakan bahwa tidak ada perbedaan antara matriks kovarians sampel dengan matriks kovarians populasi yang diestimasi tidak dapat ditolak. Hasil tersebut menunjukkan diterimanya hipotesis nol H0 atau model ini dapat diterima, yaitu terdapat dua konstruk yang berbeda dengan indikator-indikatornya. Selain pengujian berdasarkan nilai probability perlu juga diperkuat dengan nilai-nilai yang lain, seperti pada Tabel 6.16 berikut ini. Universitas Sumatera Utara 93 Tabel 6. 15 Hasil Uji Structural Equation Model setelah dilakukan Modifikasi Kriteria Cut of value Hasil Evaluasi Chi-Square Kecil dibawah χ2 tabel dengan df : 69 p : 5 = 124.3421 85.033 Baik Probability ≥ 0,05 0.092 Baik CMINDF ≤ 2,00 1.232 Baik GFI ≥ 0,90 0.900 Baik AGFI ≥ 0,90 0.847 Marginal NFI ≥ 0,90 0.950 Baik TLI ≥ 0,90 0.987 Baik CFI ≥ 0,90 0.990 Baik RMSEA ≤ 0,08 0.047 Baik Sumber : Hasil Penelitian, 2012 data diolah Dalam full model Structural Equation Model setelah dilakukan modifikasi diatas, dapat dilihat pada uji hipotesanya dimana Chi-Square adalah sebesar 85.033, Probability sebesar 0.092, CMINDF sebesar 1.232, GFI sebesar 0.900, TLI sebesar 0.987, CFI sebesar 0.990, AGFI sebesar 0.847 dan RMSEA sebesar 0.047. Dari hasil uji hipotesa tersebut, data yang dihasilkan telah memenuhi uji fit full model dalam SEM. Semakin kecil Chi-Square maka semakin fit model SEM tersebut. Pada uji hipotesa diatas terdapat angka Chi-Square sebesar 85.033 lebih kecil dari nilai Chi-Square tabel untuk derajat kebebasan 69 pada tingkat signifikan 5 sebesar 124.3421. Batasan yang digunakan oleh RMSEA adalah ≤0.08, pada uji fit model diatas didapatkan angka sebesar 0.047, sehingga model tersebut dinyatakan fit. Kesesuaian menghitung proporsi tertimbang dari varians dalam matrik kovarians sampel yang terestimasikan, diuji menggunakan GFI. GFI yang diharapkan adalah sebesar ≥0.90, GFI pada uji hipotesa tersebut sebesar 0.900, sehingga GFI dinyatakan proporsional. Sedangkan kebalikan dari GFI adalah CFI. CFI adalah suatu indeks untuk mengukur suatu tingkat penerimaan sebuah model, tetapi tidak dipengaruhi oleh besarnya suatu sampel. Universitas Sumatera Utara 94 Tingkat CFI yang diharapkan adalah sebesar ≥0.90, pada uji hipotesa terdapat angka sebesar 0.990, artinya model tersebut diterima dalam model SEM yang diharapkan. Uji hipotesa yang berikutnya adalah pada CMINDF. CMINDF adalah statistic Chi- Square dibagi dengan Degreess of Freedom. CMINDF yang diharapkan adalah sebesar ≤2,00. Pada uji hipotesa diatas, terdapat angka sebesar 1.232, sehingga menghasilkan angka yang fit dalam permodelan SEM. Sedangkan untuk TLI adalah sebuah alternatif Incremental Fit Index yang membandingkan sebuah model yang diuji terhadap sebuah Baseline Model. Nilai yang diharapkan pada TLI adalah sebesar ≥0.90. Angka yang ada pada uji hipotesa untuk uji TLI adalah sebesar 0.987, sehingga angka tersebut fit untuk pengujian SEM. Sementara itu, dari tingkat kemungkinan signifikannya Sighnificant Probability pada uji hipotesa adalah sebesar 0.092, sedangkan angka yang diharapkan adalah sebesar ≥0.05, sehingga didapat tingkat kemungkinan signifikan yang tinggi, jadi hasil tersebut fit dalam model pengolahan SEM. Kuat lemahnya dimensi-dimensi untuk mempengaruhi faktor latennya dapat dianalisis dengan menggunakan uji t terhadap Regression Weights sebagaimana tersaji dalam Tabel 6.13 dan dengan melihat faktor loading masing-masing dimensi tersebut. Tabel 6.17 Hasil Regression Weights Full Model Estimate S.E. C.R. P Label VARIABEL Y --- VARIABEL Z .979 .106 9.219 par_18 X11 --- VARIABEL Z 1.000 X12 --- VARIABEL Z .957 .094 10.190 par_1 X13 --- VARIABEL Z 1.022 .099 10.320 par_2 X14 --- VARIABEL Z .981 .102 9.588 par_3 X15 --- VARIABEL Z .943 .101 9.352 par_4 X16 --- VARIABEL Z .955 .100 9.518 par_5 X21 --- VARIABEL Z 1.072 .110 9.786 par_6 X22 --- VARIABEL Z 1.043 .114 9.159 par_7 X23 --- VARIABEL Z .985 .109 9.065 par_8 X24 --- VARIABEL Z 1.040 .104 9.972 par_9 X25 --- VARIABEL Z 1.060 .105 10.062 par_10 Y3 --- VARIABEL Y 1.000 Universitas Sumatera Utara 95 Estimate S.E. C.R. P Label Y2 --- VARIABEL Y .934 .082 11.337 par_16 Y1 --- VARIABEL Y .998 .087 11.497 par_17 · Dimana : X11 = Product, X12 = Price, X13 = Promotion, X14 = Place, X15 = People, X16 = Process X21 = Tangible, X21 = Reliability, X31 = Responsiveness, X41 = Empathy, X51 = assurance Z = Kepuasan dan Y = Loyalitas · P mengindikasikan P 0.05 Sumber : Hasil Penelitian, 2012 data diolah Berdasarkan hasil pada Tabel 6.16 di atas terlihat bahwa setiap indikator atau dimensi pembentuk masing-masing variabel laten menunjukkan hasil yang memenuhi kriteria yaitu nilai Critical Ratio CR 1.96 dengan Probability P lebih kecil dari pada 0,05. Berdasarkan hasil tersebut menunjukkan bahwa indikator-indikator pembentuk variabel laten telah menunjukkan unidimensionalitas atau kumpulan dimensi konfirmatori faktor terjadi unidimensi antara indikator pembentuk suatu serangkaian yang tidak dapat dipisahkan. Apabila hasil olah data menunjukkan nilai yang memenuhi syarat tersebut, maka hipotesis penelitian yang diajukan dapat diterima. Secara rinci pengujian hipotesis penelitian akan dibahas secara bertahap sesuai dengan hipotesis yang telah diajukan. Dari tabel tersebut juga menunjukkan adanya hubungan yang signifikan positif pada masing masing variabel. Dapat dilihat pada standar estimasi t untuk variabel eksogen bauran pemasaran X1, terdapat angka yang signifikan sebesar 1.000 pada X11, 0.957pada X12, 1.022 pada X13, 0.981 pada X14, .943 pada X15 dan 0.955pada X16. Jadi faktor product, price, promotion, place, people dan process berpengaruh signifikan dan positif terhadap bauran pemasaran. Pada standar estimasi t untuk variabel eksogen kualitas pelayanan X2, terdapat angka yang signifikan sebesar 1.072 pada X21, 1.043 pada X22, 0.985 pada X23, 1.040 pada X24 dan 1.060 pada X25. Jadi faktor tangible, reliability, responsiveness, empathy dan assurance berpengaruh signifikan dan positif terhadap kualitas pelayanan. Untuk variabel Universitas Sumatera Utara 96 endogen yaitu kepuasan dan loyalitas konsumen terdapat angka sebesar 0.979. Jadi variabel kepuasan berpengaruh signifikan dan positif terhadap loyalitas konsumen.

6.3.5. Langkah 5: Menilai Problem Identifikasi

Problem identifikasi model pada prinsipnya adalah problem mengenai ketidakmampuan model yang dikembangkan untuk menghasilkan estimasi yang unik. Gejala- gejala problem identifikasi antara lain: Ø Standard error pada satu atau beberapa koefisien sangat besar. Ø Muncul angka-angka yang aneh seperti varians error yang negatif. Ø Muncul korelasi yang sangat tinggi antar koefisien estimasi 0,90. Berdasarkan hasil analisis yang telah dilakukan, diketahui bahwa dalam penelitian ini standard error, varians error, serta korelasi antar koefisien estimasi berada dalam rentang nilai yang tidak menunjukkan adanya problem identifikasi.

6.3.6. Langkah 6: Evaluasi Kriteria Goodness of Fit

Pengujian kesesuaian model dilakukan melalui telaah terhadap criteria goodness of fit. Berdasarkan hasil analisis yang telah dilakukan, diketahui bahwa model yang dibangun telah memenuhi kriteria indeks pengujian kelayakan seperti terlihat pada Tabel 6.15. Jadi pengujian ini menghasilkan konfirmasi yang baik atas dimensi-dimensi faktor serta hubungan-hubungan kausalitas antar faktor.

6.3.6.1. Evaluasi Univariate Outlier

Deteksi terhadap ada tidaknya univariate outlier dapat dilakukan dengan menentukan nilai ambang batas yang akan dikategorikan sebagai outliers dengan cara mengkonversi nilai data penelitian ke dalam standard score atau z-score yang mempunyai nilai rata-rata nol Universitas Sumatera Utara