40
3.4. Teknik Analisis Dan Uji Hipotesis
3.4.1. Teknik Analisis SEM
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Model SEM. SEM adalah sekumpulan
teknik-teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan. Hubungan yang rumit itu
dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Masing-masing variabel dependen dan
independen dapat berbentuk faktor konstruk yang dibangun dari beberapa variabel indikator. Tentu saja variabel-variabel itu dapat
berbentuk variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian. Model pengukuran variable animosity,
consumer ethnocentrisme, reputation COO, trust, dan purchase intention yang menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh
masing-masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran
dengan contoh faktor animosity dilakukan sebagai berikut : Persamaan Dimensi Faktor animosity
X11 = λ11 Faktor animosity + er_11
X12 = λ12 Faktor animosity + er_12
X13 = λ13 Faktor animosity + er_13
X14 = λ14 Faktor animosity + er_14
41
Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis,
maka model pengukuran dengan contoh faktor animosity akan nampak sebagai berikut :
Faktor animosity
Gambar 3.1 : Model pengukuran Faktor Animosity
Keterangan : X11 = pertanyaan tentang ...
X12 = pertanyaan tentang ... X13 = pertanyaan tentang ...
X14 = pertanyaan tentang ... X15 = pertanyaan tentang ...
er_i = eror term X1j Demikian juga faktor lain seperti consumer ethnocentrism, reputation,
trust dan purchase intention. Animosity
X
1
X1.1 X1.2
X1.3 er_1.1
er_1.2 er_1.3
X1.4 er_1.4
X1.5 er_1.5
42
3.4.2. Asumsi Model Structural Equation Model
a. Uji Normalitas Sebaran dan Linieritas
1. Normalitas dapat diuji dengan melihat gambar histogram data atau
dapat diuji dengan metode-metode statistik. 2.
Menggunakan Critical Ratio yang diperoleh dengan membagi koefisien sampel dengan standard errornya dan Skewness value
yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada
tingkat signifikasi 1, jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal.
3. Normal Probability Plot SPSS 10.1.
4. Linieritas dengan mengamati scatterplots dari data yaitu dengan
memilih pasangandata dan dilihat pola penyebarannya untuk menduga ada tidaknya linieritas.
b. Evaluasi atas Outlier
1. Mengamati nilai Z-score : ketentuannya diantara ± 3.0 non outlier.
2. Multivariate Outlier diuji dengan kriteria jarak Mahalonobis pada
tingkat p 0.001. Jarak diuji dengan Chi-Square χ pada df sebesar
jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai χ adalah multivariate outlier.
Outlier adalah obsevasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari obsevasi-observasi lainnya
43
dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Hair, 1998.
c. Deteksi Multicollinierity dan Singularity
Deteksi dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0
kecil, maka terjadi multikolinieritas dari singularitas Tabachnick dan Fidell, 1998
d. Uji Validitas dan Reliabilitas Dimensi yang diukur melalui indikator-indikator dalam daftar
pertanyaan perlu dilihat reliabilitasnya dan validitas, dalam hal ini dijelaskan sebagi berikut:
a. Uji Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa
yang seharusnya diukur. Karena indikator multidimensi, maka uji validitas dari setiap latent variabel construct akan diuji dengan melihat
loading faktor dari hubungan antara setiap observed variabel dan latent variabel.
b. Uji Reliabilitas
Adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-
44
masing indikator itu mengidikasikan sebuah konstruk yang umum. Sedangkan reliabilitas diuji dengan construct reliability dan variance
extraced. Construct reliability dan Variance extraced dihitung dengan menggunakan rumus sebagai berikut:
Construct reliability = [ Σ Standardize Loading]²
[ Σ Standardize Loading]² + Σ εј]
Variance Extracted = Σ Standardize Loading²
Σ Standardize Loading² + Σ εј Sementara
εј dapat dihitung dengan formula εј = 1 - Standardize Loading secara umum, nilai construct reliability yang dapat diterima
adalah ≥ 0,7 dan variance extracted ≥ 0,5 Hair et.al., 1998.
Standardize Loading dapat diperoleh dari out put AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize regression weigths
terhadap setiap butir sebagai indikatornya
3.4.3. Pengujian Hipotesis dan Hubungan Kausal
Kategori