memberikan kesan yang kurang sehingga kurang menimbulkan daya tarik konsumen.
b. Keyakinan Konsumen Confidence X
2
Tabel 4.5 Jawaban Responden Mengenai Indikator pada Keyakinan Konsumen
Indikator Frekuensi Mean
Skor
STS TS N
S SS
Mendapatk an X
2.1
0 0 44
55 11 3,62
Menyimpan X
2.2
0 6 49
50 5 3,55
Mengkonsu msi
X
2.3
4 7 57
42 0 3,61
Sumber : Data Kuesioner diolah Berdasarkan tabel 4.5 Nilai mean tertinggi terdapat pada indikator
kemudahan mendapatkannya X
2.1
, bahwa konsumen merasa yakin pada Obat Flu Mixagrip mudah didapatkan saat konsumen membeli
membutuhkan. Nilai terendah pada indikator kemudahan penyimpanan, bahwa obat flu mixagrip harus dihindarkan dari sinar matahari, sehingga
konsumen kurang praktis dalam menyimpannya.
c. Sikap Konsumen Attitude X
3
Tabel 4.6 Jawaban Responden Mengenai Indikator pada Sikap Konsumen
Indikator Frekuensi Mean
Skor
STS TS
N S
SS
Harga X
3.1
2 7 37
49 15 3,70
Manfaat
X
3.2
4 1 45
50 10 3,49
Komposisi X
3.3
0 6 42
51 11 3,25
Sumber : Data Kuesioner diolah Keterangan :
Berdasarkan table 4.6 Nilai mean tertinggi terdapat pada indikator Harga X
3.1
, bahwa Produk Obat Flu Mixagrip memiliki harga yang terjangkau sesuai ekonomi konsumen, sehingga konsumen tidak perlu
mengeluarkan uang terlalu banyak. Nilai terendah pada indikator Komposisi, bahwa konsumen kurang memperhatikan komposisi dari obat
flu mixagrip.
d. Niat Beli Purchase Intention Y
Tabel 4.7Jawaban Responden Mengenai Indikator Niat Beli
Indikator Frekuensi Mean
Skor
STS TS N
S SS
Informasi Y
1
5 8 61
36 0 3,16
Segera membeli
Y
2
4 8 58
37 3 3,25
Preferensial Y
3
6 7 53
39 5 3,27
Sumber : Data Kuesioner diolah Berdasarkan tabel 4.7 Nilai mean tertinggi pada indikator
Keinginan Preferensial Y
3
, bahwa konsumen memilih produk mixagrip menjadi pilihan utama dan tidak ingin menggunakan produk lainnya. Nilai
terendah pada indikator Informasi, bahwa konsumen kurang mencari informasi karena konsumen sudah cocok terhadap obat flu mixagrip
tersebut.
4.2 Analisis Data
4.2.1 Evaluasi Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi yang
muncul dalam bentuk nilai eksterim, baik untuk sebuah variable tunggal atau variable kombinasi Hair dkk, 1995. Evaluasi terhadap outlier
multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi
observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan
menunjukkan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair.dkk, 1998 ; Tabachnick Fidel, 1996. Uji
terhadap outlier multivariate dilakukan dengan menggunakan jarak mahalanobis pada tingkat p 1. Jarak mahalanobis itu dievaluasi dengan
menggunakan χ² chi kuadrat pada derajat bebas sebesar jumlah variabel
yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Tabel 4.8 Outlier Data
Sumber : Lampiran Minimum Maximum
Mean Std.
Deviation N
Predicted Value -4.264
88.321 56.000
19.359 110
Std. Predicted Value -3.113
1.670 0.000
1.000 110
Standard Error of Predicted Value
4.365 14.707
8.925 2.136 110
Adjusted Predicted Value -9.648
94.012 56.059
20.043 110
Residual -63.139
54.795 0.000
25.177 110
Std. Residual -2.366
2.053 0.000
0.943 110
Stud. Residual -2.618
2.239 -0.001
1.007 110
Deleted Residual -77.301
65.164 -0.059
28.793 110
Stud. Deleted Residual -2.701
2.287 -0.001
1.016 110
Mahalanobis Distance [MD]
1.924 32.106
11.891 6.299 110
Cooks Distance 0.000
0.133 0.011
0.021 110
Centered Leverage Value 0.018
0.295 0.109
0.058 110
a Dependent Variable : NO. RESP
Deteksi terhadap multivariate outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak
mahalanobis itu dievaluasi dengan menggunakan χ² pada derajat bebas
sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai jarak mahalanobis lebih besar dari nilai chi-square pada
tingkat signifikan 0,001 maka terjadi multivariate outliers. Nilai χ²
0,001
dengan jumlah indikator 12 adalah sebesar 32,909. Hasil analisis Mahalanobis diperoleh nilai 32,106 yang lebih kecil dari
χ² tabel yaitu
sebesar 32,909 tersebut. Dengan demikian, tidak terdapat outlier multivariat antar variabel.
4.2.2 Evaluasi Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabilitas setiap
skala variabel atau observasi indikator. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan
mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan Purwanto, 2003. Hasil selengkapnya
dapat dilihat pada tabel berikut : Tabel 4.9 Reliabilitas Data
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha
X11 0.705 X12 0.673
Advertising X13 0.661
0.416 X21 0.763
X22 0.760 Customer
Confidence X23 0.636
0.541 X31 0.598
X32 0.673 Customer
Attitude X33 0.692
0.336 Y1 0.658
Y2 0.678 Purchase
Intention Y3 0.773
0.494
: tereliminasi Sumber : Lampiran
Proses eliminasi dilakukan pada item to total correlation pada
indikator yang nilainnya , 0,5 [Purwanto, 2003]. Tidak terjadi eliminasi
karena nilai item to total correlation indikator seluruhnya ≥ 0,5. Indikator
yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha.
Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan
hasil cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh
belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7
[Hair et.al.,1998].
4.2.3 Evaluasi Validitas
Validitas menyangkut akurasi yang dicapai oleh sebuah indicator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Karena indikator multidimensi, maka uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor
dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini :
Tabel 4.10 Validitas Data
Sumber : Lampiran
Faktor Loading Konstrak Indikator
1 2 3 4 X11
0.284 X12
0.586 Advertising
X13 0.312
X21 0.579
X22 0.638
Customer Confidence
X23 0.384
X31 0.403
X32 0.281
Customer Attitude
X33 0.195
Y1 0.287
Y2 0.292
Purchase Intention
Y3 0.997
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap
construct belum seluruhnya
≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik.
4.2.4 Evaluasi Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsisten internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance
extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar
bahwa indikator-indikator individual mengukur suatu pengukuran yang sama [Purwanto, 2003]. Dan variance extracted direkomendasikan pada
tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 4.11
Tabel 4.11 Construct Reliability dan Variance Extracted
Sumber : Lampiran Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[ εj]
Construct Reliability
Variance Extrated
X11 0.284 0.081
0.919 X12 0.586
0.343 0.657
Advertising X13 0.312
0.097 0.903
0.360 0.174 X21 0.579
0.335 0.665
X22 0.638 0.407
0.593 Customer
Confidence X23 0.384
0.147 0.853
0.548 0.297 X31 0.403
0.162 0.838
X32 0.281 0.079
0.921 Customer
Attitude X33 0.195
0.038 0.962
0.221 0.093 Y1 0.287
0.082 0.918
Y2 0.292 0.085
0.915 Purchase
Intention Y3 0.997
0.994 0.006
0.575 0.387
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Hasil pengujian reliabilitas instrumen dengan construct
reliability dan variance extracted menunjukkan instrumen kurang reliabel,
yang ditunjukkan dengan nilai construct reliability belum seluruhnya ≥
0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati”
artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai alasan–alasan
empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.2.5 Evaluasi Normalitas
Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistic deskriptif.
Nilai statistic untuk menguji normalitas itu disebut z-value. Bila nilai z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah
tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikan 0.01 1 yaitu sebesar ±2,58. Hasilnya diperoleh nilai c.r. multivariate
diantara ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada
tabel berikut : Tabel 4.12 Normalitas Data
Variable min max kurtosis c.r.
X11 1 5
0.825 1.766
X12 1 5
0.646 1.383
X13 2 5
-0.620 -1.327
X21 1 5
0.326 0.697
X22 1 5
1.644 3.520
X23 2 5
-0.317 -0.679
X31 3 5
-0.706 -1.510
X32 2 5
-0.225 -0.483
X33 1 4
1.273 2.725
Y1 1 4
1.187 2.542
Y2 1 5
1.034 2.215
Y3 1 5
0.848 1.815
Multivariate
19.064 5.454
Batas Normal ± 2,58
Sumber : Lampiran
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti
asumsi normalitas tidak terpenuhi. Fenomena ini
tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan
maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak
untuk digunakan dalam estimasi selanjutnya.
4.2.6 Analisis Model One – Step Approach to SEM
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terjadi disebabkan oleh terjadinya interaksi antara measurement model dan
structural model yang diestimasi secara bersama-sama one-step approach to SEM. One-step approach model to SEM digunakan apabila model
diyakini bahwa dilandasi teori yang kuat serta validitas dan realibilitas data sangat baik. Hair.et.al, 1998. Hasil estimasi dan fit model one-step
approach to SEM dengan menggunakan program aplikaso AMOS 4.01 terlihat pada gambar dan tabel Goodness of fit di bawah ini.
Gambar 4.1
MODEL PENGUKURAN STRUKTURAL Advertising, Customer Confidence, Customer Attitude, Purchase Intention
Model Specification : One Step Approach - Base Model
Customer Confidence
1
Advertising
Sumber : Lampiran Tabel 4.13 Evaluasi Kriteria Goodness of Fit
Sumber : Lampiran
Dari hasil evaluasi terhadap model one step base model
ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model
belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF 1.257
≤ 2,00 baik
Probability 0.105 ≥ 0,05
baik RMSEA 0.049
≤ 0,08 baik
GFI 0.912 ≥ 0,90
baik AGFI 0.863
≥ 0,90 kurang baik
TLI 0.840 ≥ 0,95
kurang baik CFI 0.879
≥ 0,94 kurang baik
er_1 X21
X22 er_2
1 1
1
X11 er_4
1 X12
er_5 1
1 X23
er_3
Customer Attitude
X31 er_7
X32 er_8
1 1
1 d_cc
1
Purchase Intention
Y1 er_10
Y2 er_11
Y3 er_12
d_pi 1
1 1
1 1
d_ca 1
X33 er_9
1 X13
1 er_6
demikian model ini masih perlu dimodifikasi sebagaimana terdapat di bawah ini.
Gambar 4.2
MODEL PENGUKURAN STRUKTURAL Advertising, Customer Confidence, Customer Attitude, Purchase Intention
Model Specification : One Step Approach - Base Model
Sumber : Lampiran Tabel 4.14 Evaluasi Kriteria Goodness of Fit Indices – modifikasi
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF
0.952 ≤ 2,00
baik Probability
0.571 ≥ 0,05
baik RMSEA
0.017 ≤ 0,08
baik GFI
0.932 ≥ 0,90
baik AGFI
0.900 ≥ 0,90
baik TLI
1.030 ≥ 0,95
baik
CFI 1.000
≥ 0,94
baik
Sumber : Lampiran Dari hasil evaluasi terhadap model one step modifikasi ternyata
dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai
dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model
Customer Confidence
1
Advertising er_1
X21 X22
er_2 1
1 1
X11 er_4
1 X12
er_5 1
X23 1
0,005 er_3
d_cc 1
Customer Attitude
X31 er_7
X32 er_8
1 1
1 X33
er_9 1
X13 1
er_6 Purchase
Intention Y1
er_10 Y2
er_11 Y3
0,005 er_12
0,005 d_pi
1 1
1 1
1 0,005
d_ca 1
ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model.
4.2.7 Uji kausalitas
Dilihat dari angka determinant of sample covariance matrix : 500.986.528 0 mengindikasikan tidak terjadi multicolinierity atau
singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya
sebagaimana terlihat pada uji kausalitas di bawah ini Tabel 4.15 Hasil Uji Kausalitas
Regression Weights Ustd
Std Faktor
Faktor Estimate Estimate
Prob. Customer_Confidence
Advertising 0.497
0.990 0.000
Customer_Attitude Advertising
0.246 0.961
0.000 Purchase_Intention
Customer_Confidence -1.062 -2.491
0.037 Purchase_Intention
Customer_Attitude 2.439
2.922 0.008
Batas Signifikansi ≤ 0,10
Sumber : Lampiran Dilihat dari tingkat Prob. arah hubungan kausal, maka hipotesis
yang menyatakan bahwa : a. Faktor Advertising berpengaruh positif terhadap Faktor Customer
Confidence, dapat diterima [Prob. kausalnya 0,000 ≤ 0,10 [signifikan
[positif]. b. Faktor Advertising berpengaruh positif terhadap Faktor Customer
Attitude, dapat diterima [Prob. kausalnya 0,000 ≤ 0,10 [signifikan
[positif].
c. Faktor Customer Confidence berpengaruh positif terhadap Faktor Purchase Intention, tidak dapat diterima [Prob. kausalnya 0,037
≤ 0,10 [signifikan [negatif].
d. Faktor Customer Attitude berpengaruh positif terhadap Faktor
Purchase Intention, dapat diterima [Prob. kausalnya 0,008 ≤ 0,10
[signifikan [positif].
4.2.8 Analisis Unidimensi First Order
Tabel 4.16 Unidimensi First Order
Regr ession Weight s
Ust d St d Est im at e Est im at e Pr ob.
X11 -
- Adv ert ising
0.256 0.284 0.010
X12 -
- Adv ert ising
0.506 0.586 0.000
X13 -
- Adv ert ising
0.243 0.312 0.004
X21 -
- Cust om er _Confidence
1.000 0.579 0.000
X22 -
- Cust om er _Confidence
1.038 0.638 0.000
X23 -
- Cust om er _Confidence
0.567 0.384 0.002
X31 -
- Cust om er _At t it ude
1.000 0.403 0.000
X32 -
- Cust om er _At t it ude
0.735 0.281 0.025
X33 -
- Cust om er _At t it ude
0.554 0.195 0.098
Y1 -
- Pur chase_I nt ent ion
1.000 0.287 0.000
Y2 -
- Pur chase_I nt ent ion 1.058
0.292 0.023
Y3 -
- Pur chase_I nt ent ion 4.021
0.997 0.002
Sumber : Lampiran
4.3 Pembahasan