Analisis Structural Equation Modelling SEM

4.4.2 Analisis Structural Equation Modelling SEM

Menurut Joreskog dan Sorbom 1996 dalam Ramdhani 2005. model persamaan struktural adalah teknik variabel ganda yang dapat digunakan untuk mendiskripsikan keterkaitan hubungan linier secara simultan variabel-variabel pengamatan, sekaligus melibatkan variabel laten yang tidak dapat diukur secara langsung. Dengan kata lain, SEM dapat digunakan untuk menganalisis hubungan kausal rumit, yang di dalamnya terdapat variabel bebas, terikat dan laten. SEM terdiri dari measurment model dan path model. Measurment model menspesifikasikan hubungan antara variabel laten dan variabel manifest yang digunakan untuk mengkonstruksinya, sedangkan path model menspesifikasikan hubungan sebab akibat dan mengindentifikasi variasi yang dapat dijelaskan dan tidak dapat dijelaskan. Abbas 2001 dalam Ramdhani 2005, menyatakan bahwa variabel di dalam SEM terdiri dari variabel manifest dan variabel laten. Variabel manifest adalah variabel yang dapat diamati dan diukur langsung. Sedangkan variabel laten adalah variabel yang tidak dapat diamati dan diukur langsung, tetapi dapat dibangun atau dibentuk oleh variabel lain yang dapat diukur. Varibel laten diberi simbol ξ ksi atau ι eta. Variabel yang digunakan untuk membangun variabel laten disebut variabel indikator dan diberi simbol x atau y. Pengaruh dari variabel laten terhadap variabel indikator disebut factor loading yang diberi simbol λ lambda. Langkah-langkah dalam SEM adalah sebagaimana digambarkan pada Gambar 3. Gambar 3. Langkah-langkah dalam Structural Equation Modelling. Sumber : Solimun 2002 dalam Ramdhani 2005 Analisis data dengan menggunakan metode SEM menggunakan program LISREL 8.30. Sebelum evaluasi terhadap analisis SEM dilakukan, terlebih dahulu perlu diperiksa adanya offending estimate atau dugaan yang tidak wajar. Adapun ukuran yang umum digunakan adalah sebagai berikut : 1. RMSEA Root Means Square Error of Approximation adalah indeks untuk mengkompensasikan chi-square dalam contoh besar, menunjukan kesesuaian yang dapat diharapkan bila model diestimasi. RMSEA ≤0,10 adalah syarat agar model menunjukan close fit dari model tersebut. Pengembangan Model Berbasis Konsep dan Teori Mengkonstruksi Diagram path Evaluasi Goodness of fit Konversi Diagram Path ke Model Struktural Menilai Masalah Indentifikasi Interpretasi dan Modifikasi Model Memilih Matriks Input 2. GFI Goodness of Fit = R 2 dalam regresi dan AGFI adjusted R 2 adalah rentang ukuran antar 0 poor fit sampai dengan 1 Perfect Fit yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matriks kovarian contoh. Hubungan antara variabel laten bebas dan variabel laten terikat serta variabel indikatornya dalam sebuah model persamaan struktural kepuasan, loyalitas dan retensi konsumen Asinan Sedap Gedung Dalam Bogor dijelaskan pada Gambar 4. ξ 11 ξ 12 λ x 11 λ x 12 ξ 13 λ x 13 λ y 31 ξ 31 ξ 21 ξ 22 ξ 23 ξ 24 ξ 14 λ x 14 ξ 15 λ x 15 λ y 21 λ y 22 λ y 23 λ y 24 ξ 21 λ x 21 ξ 22 λ x 22 λ y 11 ξ 11 ξ 23 λ x 23 ξ 24 λ x 24 ξ 32 λ x 32 ξ 33 λ x 33 ξ 34 λ x 34 ξ 41 ξ 42 Gambar 4. Model Persamaan Struktural. X11 X12 X23 X15 X13 X22 X21 X24 X31 X14 X33 X32 Citra Pelayanan Produk Loyalitas Kepuasan Retensi Kekuatan hubungan Pelanggan X42 X41 Y11 Y31 Y24 Y23 Y22 Y21 Keterangan : X11 : Lokasi Toko X12 : Keragaman Asinan X13 : Ragam sayur dan buah X14 : Atmosfer toko X15 : Iklan X21 : Cita rasa asinan X22 : Harga X23 : Warna X24 : Ketahanan Produk X31 : Kecepatan pelayanan X32 : Keramahan pelayanan X33 : Kecepatan menanggapi keluhan konsumen X41 : Pesaing X42 : Hadiah Y11 : Pembelian ulang Y21 : Kepuasan akan cita rasa Y22 : Kepuasan akan lokasi Y23 : Kepuasan akan pelayanan Y24 : Kondisi toko Y31 : Ingatan terhadap asinan Bogor

V. GAMBARAN UMUM PERUSAHAAN