1 Indeks Goodnes-of-Fit Model

Tabel III.1 Indeks Goodnes-of-Fit Model

Kriteria

Control of Value

Keterangan

X 2 Chi Square

Diharapkan kecil

Baik

X 2 Significance Probability

Baik

CMIN/DF

Sumber: Ferdinand (2005)

BAB IV ANALISIS DATA DAN PEMBAHASAN

Bab ini bertujuan untuk mengungkap hasil analisis data penelitian dan pembahasannya. Pembahasan diawali dengan hasil statistik deskriptif yang bertujuan untuk memahami profil responden yang digunakan dalam penelitian ini. Selanjutnya diikuti dengan pembahasan mengenai pengujian instrumen penelitian yang meliputi pengujian validitas dan reliabilitas. Hal ini dilakukan untuk menjamin data penelitian yang diperoleh, sehingga kualitasnya dapat dipertanggungjawabkan secara ilmiah. Kemudian pembahasan mengenai evaluasi asumsi SEM, yang meliputi uji kecukupan sampel, uji normalitas, dan uji outlier. Kemudian dilanjutkan dengan analisis kriteria goodness of fit model penelitian beserta pembahasannya. Terakhir adalah pembahasan mengenai hasil pengujian Structural Equation Modelling (SEM) yang bertujuan untuk menjelaskan hubungan antar variabel yang dihipotesiskan.

Dengan demikian, pembahasan dalam bab ini difokuskan pada: analisis statistik deskriptif, analisis instrumen penelitian, evaluasi asumsi SEM, analisis kriteria goodness of fit model penelitian, dan pembahasan mengenai analisis Structural Equation Modelling (SEM).

A. Analisis Statistik Deskriptif

Ada empat variabel demografi yang digunakan untuk menjelaskan profil

Lampiran 3). Pemilihan variabel ini dimaksudkan untuk menjelaskan perilaku niat pembelian konsumen, sehingga diharapkan dapat mempermudah dalam penganalisisan profil konsumen. Hasil analisis statistik deskriptif dijelaskan pada Tabel IV.1

Tabel IV.1 Statistik Deskriptif

Mean

Std. Deviation

Jenis Kelamin

1 = Laki-laki 2 = Perempuan

Alamat Rumah

1 = Solo 2 = Luar Solo

Tingkat Pendidikan

1 = lulus SMA 2 = lulus Sarjana 3 = lulus Pasca Sarjana

Penghasilan

1 = < 500.000 2 = 500.000 - 1.000.000 3 = 1.000.001 - 1.500.000 4 = > 1.500.000

Sumber: data primer diolah, 2012

Berdasarkan perhitungan statistik deskriptif pada Tabel IV.1, dapat dijelaskan bahwa jumlah responden perempuan berada pada proporsi yang lebih besar (mean = 1,60). Hal ini dikarenakan perempuan lebih sering berbelanja daripada pria, sehingga lebih berniat untuk membeli ayam organik.

Berdasarkan hasil analisis statistik deskripstif yang diperoleh, dapat diketahui bahwa alamat rumah responden yang mendominasi dalam penelitian ini adalah dari luar Solo (mean = 1,54). Hal ini dikarenakan pada saat pengambilan Berdasarkan hasil analisis statistik deskripstif yang diperoleh, dapat diketahui bahwa alamat rumah responden yang mendominasi dalam penelitian ini adalah dari luar Solo (mean = 1,54). Hal ini dikarenakan pada saat pengambilan

Tabel IV.1. juga menunjukkan bahwa responden dengan tingkat pendidikan lulus SMA adalah yang mendominasi penelitian ini (mean = 1,09). Hal ini dikarenakan pada saat pengambilan data, lebih banyak dijumpai mahasiswa yang sedang menempuh jenjang pendidikan S1 yang merupakan lulusan SMA.

Berdasarkan hasil analisis deksriptif yang diperoleh, dapat diindikasi bahwa responden yang mempunyai tingkat pendapatan/penghasilan antara Rp 500.000,- Rp 1.000.000,- mendominasi penelitian ini (mean = 2,28). Hal ini dikarenakan sebagian besar responden merupakan mahasiswa yang belum memiliki penghasilan sendiri dan tingkat pendapatan tersebut merupakan rata-rata jumlah uang saku dari orang tua.

B. Analisis Konfirmatori Faktor (Confirmatory Factor Analysis = CFA)

Analisis konfirmatori faktor merupakan salah satu teknik analisis multivariat yang digunakan untuk menguji sebuah konsep yang dibangun dengan menggunakan beberapa indikator terukur. Analisis faktor konfirmatori adalah salah satu jenis analisis faktor yang ditujukan untuk menguji sebuah teori atau konsep mengenai sebuah proses atau sebuah fenomena.

Untuk menilai kemantapan model, kita harus melakukan analisis faktor Untuk menilai kemantapan model, kita harus melakukan analisis faktor

Gambar IV.1 Model Analisis Faktor Konfirmatori (CFA)

P. Value

P. Availability

av1

e5

av2

e6

av3

e7

av4

e8

Purchase

Intention

pi1

e12

pi2

e13

pi3

e14

Berikut ini adalah hasil pengujian validitas konvergen dan reliabilitas konstruk untuk masing-masing variabel penelitian.

1. Uji Validitas Konvergen

Pengujian validitas dalam penelitian ini menggunakan convergent validity atau validitas konvergen. Validitas konvergen dapat dinilai dari measurement model yang dikembangkan dalam penelitian dengan menentukan apakah setiap indikator yang diestimasikan secara valid mengukur dimensi dari konsep yang diujinya. Sebuah indikator dimensi menunjukkan validitas konvergen yang signifikan apabila koefisien variabel indikator itu lebih besar dari dua kali standar errornya (Ferdinand, 2005: 187). Bila setiap indikator memiliki critical ratio (C.R) yang lebih besar dari dua kali standar errornya (S.E), hal ini menunjukkan bahwa indikator itu secara valid mengukur apa yang seharusnya diukur dalam model yang disajikan (lihat Lampiran 4).

a. Perceived Value

Berdasarkan hasil pengujian validitas konvergen untuk variabel perceived value dengan menggunakan bantuan program komputer Amos

16, maka diperoleh hasil sebagai berikut :

Tabel IV.2 Validitas Konvergen Variabel Perceived Value

P Status

v1

<--- P. Value

Valid v2

<--- P. Value

.247 4.573 *** Valid v3

<--- P. Value

.335 5.315 *** Valid v4

<--- P. Value

.265 5.139 *** Valid

Sumber: data primer diolah, 2012

Pada tabel di atas menunjukkan bahwa semua indikator tentang perceived value menghasilkan nilai estimasi dengan critical ratio (C.R) yang lebih besar dari dua kali standar errornya (S.E) dengan nilai p < 0,05. Maka dapat disimpulkan bahwa indikator variabel perceived value yang digunakan adalah valid.

b. Perceived Availability

Berdasarkan hasil pengujian validitas konvergen untuk variabel perceived availability dengan menggunakan bantuan program komputer Amos 16, maka diperoleh hasil sebagai berikut:

Tabel IV.3 Validitas Konvergen Variabel Perceived Availability

P Status

av1 <--- P. Availability

Valid av2 <--- P. Availability

.266 4.690 *** Valid av3 <--- P. Availability

.227 4.150 *** Valid av4 <--- P. Availability

.168 3.299 *** Valid Sumber: data primer diolah, 2012

Pada tabel di atas menunjukkan bahwa semua indikator tentang perceived availability menghasilkan nilai estimasi dengan critical ratio (C.R) yang lebih besar dari dua kali standar errornya (S.E) dengan nilai p < 0,05. Maka dapat disimpulkan bahwa indikator variabel perceived availability yang digunakan adalah valid.

c. Attitude

Berdasarkan hasil pengujian validitas konvergen untuk variabel attitude dengan menggunakan bantuan program komputer Amos 16, maka diperoleh hasil sebagai berikut:

Tabel IV.4 Validitas Konvergen Variabel Attitude

Konstruk

Estimate S.E.

C.R.

Status

at1 <--- Attitude

Valid at2 <--- Attitude

Valid at3 <--- Attitude

Sumber: data primer diolah, 2012

Pada tabel di atas menunjukkan bahwa semua indikator tentang attitude menghasilkan nilai estimasi dengan critical ratio (C.R) yang lebih

besar dari dua kali standar errornya (S.E) dengan nilai p < 0,05. Maka dapat disimpulkan bahwa indikator variabel attitude yang digunakan adalah valid.

d. Purchase Intention

Berdasarkan hasil pengujian validitas konvergen untuk variabel purchase intention dengan menggunakan bantuan program komputer Amos 16, maka diperoleh hasil sebagai berikut:

Tabel IV.5 Validitas Konvergen Variabel Purchase Intention Konstruk

Estimate S.E. C.R. P Status

pi1 <--- Purchase_Intention

Valid

pi2 <--- Purchase_Intention

.297 3.057 .002 Valid

pi3 <--- Purchase_Intention

.275 3.061 .002 Valid

Sumber: data primer diolah, 2012

Pada tabel di atas menunjukkan bahwa semua indikator tentang purchase intention menghasilkan nilai estimasi lebih besar dari dua kali standar errornya (S.E), dengan nilai p < 0,05. Maka dapat disimpulkan bahwa semua indikator variabel purchase intention yang digunakan adalah valid.

2. Reliabilitas Konstruk

Reliabilitas konstruk dinilai dengan menghitung indeks reliabilitas instrumen yang digunakan (composite reliability) dari model SEM yang dianalisis (lihat Lampiran 5). Nilai batas yang digunakan untuk menilai sebuah tingkat reliabilitas yang dapat diterima adalah 0,70, walaupun angka itu bukanlah sebuah ukuran yang “mati”. Artinya, bila penelitian yang Reliabilitas konstruk dinilai dengan menghitung indeks reliabilitas instrumen yang digunakan (composite reliability) dari model SEM yang dianalisis (lihat Lampiran 5). Nilai batas yang digunakan untuk menilai sebuah tingkat reliabilitas yang dapat diterima adalah 0,70, walaupun angka itu bukanlah sebuah ukuran yang “mati”. Artinya, bila penelitian yang

Reliabilitas =

Loading Std Loading

Std Loading

a. Perceived Value

Hasil pengujian reliabilitas konstruk untuk variabel perceived value, diperoleh standarized loading dan measurement error masing-masing item pertanyaan sebagai berikut:

Tabel IV.6 Hasil Pengujian Reliabilitas Konstruk Variabel Perceived Value

No Item

Std. Loading

Measur. Error

Sumber: data primer diolah, 2012

Perhitungan menggunakan rumus adalah sebagai berikut:

= 0,81 Hasil perhitungan menunjukkan bahwa besar perceived value adalah

0,81. Nilai ini lebih besar dari batas yang digunakan untuk menilai sebuah tingkat reliabilitas yaitu 0,70 sehingga item-item pertanyaan yang ada dianggap reliabel atau handal untuk mengukur variabel perceived value.

b. Perceived Availability

Hasil pengujian reliabilitas konstruk untuk variabel perceived availability , diperoleh standarized loading dan measurement error masing-masing item pertanyaan sebagai berikut:

Tabel IV.7

Hasil Pengujian Reliabilitas Konstruk

Variabel Perceived Availability

No Item

Std. Loading

Measur. Error

Sumber: data primer diolah, 2012

Perhitungan menggunakan rumus adalah sebagai berikut:

= 0,70 Hasil perhitungan menunjukkan bahwa besar perceived availability

adalah 0,70. Nilai ini sama dengan nilai batas yang digunakan untuk menilai sebuah tingkat reliabilitas yaitu 0,70 sehingga item-item pertanyaan yang ada dianggap reliabel atau handal untuk mengukur variabel perceived availability.

c. Attitude

Hasil pengujian reliabilitas konstruk untuk variabel attitude, diperoleh standarized loading dan measurement error masing-masing item pertanyaan sebagai berikut:

Tabel IV.8 Hasil Pengujian Reliabilitas Konstruk Variabel Attitude

No Item

Std. Loading

Measur. Error

Sumber: data primer diolah, 2012

Perhitungan menggunakan rumus adalah sebagai berikut:

= 0,75 Hasil perhitungan menunjukkan bahwa besar attitude adalah 0,75.

Nilai ini lebih besar dari batas yang digunakan untuk menilai sebuah tingkat reliabilitas yaitu 0,70 sehingga item-item pertanyaan yang ada dianggap reliabel atau handal untuk mengukur variabel attitude.

d. Purchase Intention

Hasil pengujian reliabilitas konstruk untuk variabel purchase intention , diperoleh standarized loading dan measurement error masing- masing item pertanyaan sebagai berikut:

Tabel IV.9

Hasil Pengujian Reliabilitas Konstruk Variabel Purchase Intention

No Item

Std. Loading

Measur. Error

Sumber: data primer diolah, 2012

Perhitungan menggunakan rumus adalah sebagai berikut:

= 0,60 Hasil perhitungan menunjukkan bahwa besar purchase intention

adalah 0,60. Dalam pengujian menggunakan SEM, nilai ini sudah cukup untuk menjustifikasi sebuah hasil penelitian, sehingga item-item pertanyaan yang ada dianggap reliabel atau handal untuk mengukur variabel purchase intention.

C. Evaluasi Asumsi SEM

1. Asumsi kecukupan sampel

Jumlah responden dalam penelitian ini adalah sebanyak 200 responden. Jumlah sampel tersebut merupakan responden yang memenuhi syarat dalam menjawab kuesioner yang diberikan. Jumlah tersebut juga dinilai memenuhi, karena jumlah sampel minimal bagi penelitian yang menggunakan alat statistik Structural Equation Modelling (SEM) sebesar 5-10 observasi untuk setiap parameter yang diestimasi. Jumlah parameter yang digunakan dalam penelitian ini adalah 18, sehingga jumlah minimal sampel yang direkomendasikan adalah 18 x 5 - (18 x 10) = 90 - (180) sampel paling minimum yang direkomendasikan, jadi sampel minimum yang

200 responden dalam penelitian ini telah memenuhi syarat minimum tersebut. Oleh karena itu, metode analisis SEM yang digunakan adalah prosedur Maximum Likelihood (ML) yaitu antara 100-200 sampel.

2. Uji Normalitas

Syarat yang harus dipenuhi selain kecukupan sampel dalam mengunakan analisis SEM yaitu normalitas data. Nilai statistik untuk menguji normalitas menggunakan z-value (Critical Ratio atau C.R pada output Amos

16.0) dari nilai skewness dan kurtosis sebaran data (lihat Lampiran 6). Bila nilai C.R lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data tidak normal. Hasil selengkapnya adalah berikut ini:

Tabel IV.10 Hasil Uji Normalitas

kurtosis c.r.

Sumber: data primer diolah, 2012

Berdasarkan hasil pengujian normalitas pada tabel di atas diperoleh hasil bahwa secara univariate seluruh ítem tidak ada yang memiliki nilai C.R skewness > 2, begitu pula dengan nilai C.R. kurtosis yang > 7, sehingga dapat dikatakan secara univariate data terdistribusi normal. Pengujian normalitas secara multivariate menunjukkan nilai C.R kurtosis sebesar 1,536 < 7 yang menandakan bahwa data dalam penelitian ini secara multivariate terdistribusi normal.

3. Uji Outlier

Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim yang memiliki karakteristik unik yang sangat berbeda dari observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk variabel tunggal maupun variabel kombinasi. Dalam analisis multivariate adanya outlier dapat diuji

dengan statistik chi square (χ 2 ) terhadap nilai mahalanobis distance squared pada tingkat signifikansi 0,01 dengan degree of freedom sejumlah variabel yang digunakan dalam penelitian. Sedangkan secara univariate dapat dilihat dengan melihat nilai p1 dan p2, dengan ketentuan apabila nilai probabilitas > 0,05 maka data observasi dikatakan tidak mengalami masalah outlier (lihat Lampiran 7).

Tabel IV.11 Hasil Pengujian Outlier

Observation number

Mahalanobis d-squared

Sumber: data primer diolah, 2012

Berdasarkan tabel di atas dapat diketahui terdapat 4 indikasi nilai observasi yang mengalami outlier karena memiliki nilai probabilitas < 0,05. Adapun syarat ketentuan dinyatakan nomor observasi mengalami outlier adalah apabila nomor observasi tersebut memiliki nilai probabilitas baik p1 dan p2 < 0,05, sedangkan apabila nomor observasi hanya memiliki salah satu saja dari probabilitasnya < 0,05 (probabilitas satunya > 0,05) maka indikasi outlier masih dapat diterima.

Berdasarkan hasil pengujian pada tabel di atas diketahui semua nomor observasi tidak ada yang mengalami masalah outlier (tidak memiliki nilai probabilitas p1 dan p2 dibawah 0,05). Sehingga dapat dikatakan dalam penelitian ini tidak ada observasi yang mengalami masalah outlier.

D. Penilaian Model Fit

Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model (Ferdinand, 2005). Peneliti diharapkan Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model (Ferdinand, 2005). Peneliti diharapkan

Untuk mengukur pengaruh variabel pemoderasi dalam analisis SEM (Structural Equation Modelling) dilakukan dua pengujian struktural yaitu pengujian model dengan parameter yang tidak diberi kendala (unconstrained model ) dan model yang diberi kendala (constrained model). Hasil pengujian indeks kesesuaian dan cut-off value digunakan untuk menguji sebuah model dapat diterima atau ditolak (lihat Lampiran 8). Berdasarkan hasil pengujian dengan menggunakan program AMOS 16 diperoleh hasil goodness of fit sebagai berikut:

Tabel IV.12

Goodness-of-Fit Model Sebelum Diberi Efek Moderasi

Indeks Model goodness of fit

Cut-off

Value

Hasil Model

Kesimpulan

Chi Square

Diharapkan kecil

69,319 Fit Probabilitas Chi Square (p)

0,217 CMIN/DF

< 2,00-3,00

1,136 Marginal Adjusted goodness of fit index (AGFI)

0,855 Marginal Comparative fit index (CFI)

0,977 Fit Tucker-Lewis Index (TLI)

0,965 Fit Root mean square error approximation (RMSEA)

0,037 Fit

Sumber: data primer diolah, 2012

Tabel IV.13 Goodness of Fit Unconstrained Model Indeks Model goodness of fit

Cut-off

Value

Hasil Model

Kesimpulan

Chi Square

Diharapkan kecil

144,154 Fit Probabilitas Chi Square (p)

0,156 CMIN/DF

< 2,00-3,00

1,126 Marginal Adjusted goodness of fit index (AGFI)

0,856 Marginal Comparative fit index (CFI)

0,976 Fit Tucker-Lewis Index (TLI)

0,966 Fit Root mean square error approximation (RMSEA)

0,025 Fit

Sumber: data primer diolah, 2012

Tabel IV.13. menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fit-nya model unconstrained. Dalam tabel di atas dapat dilihat bahwa nilai chi square (χ 2 ) yang rendah dan menghasilkan tingkat signifikansi yang lebih besar dari 0,05 mengindikasikan bahwa tidak ada perbedaan yang signifikan antara matriks kovarians data dan matriks kovarian yang diestimasi. Jadi, tujuh persyaratan minimum model fit sudah memenuhi cut-off value yang direkomendasikan. Berdasarkan keseluruhan pengukuran goodness-of-fit mengindikasikan bahwa model unconstrained yang diajukan dalam penelitian ini dapat diterima.

Tabel IV.14 Goodness of Fit Constrained Model

Indeks Model goodness of fit

Cut-off

Value

Hasil Model

Kesimpulan

Chi Square

Diharapkan kecil

163,981 Fit Probabilitas Chi Square (p)

0,051 CMIN/DF

< 2,00-3,00

1,206 Marginal Adjusted goodness of fit index (AGFI)

0,848 Marginal Comparative fit index (CFI)

0,959 Fit Tucker-Lewis Index (TLI)

0,945 Fit Root mean square error approximation (RMSEA)

0,032 Fit

Sumber: data primer diolah, 2012

Tabel IV.14. menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fit-nya model constrained. Dalam tabel di atas dapat dilihat bahwa nilai chi square (χ 2 ) yang rendah dan menghasilkan tingkat signifikansi yang lebih besar dari 0,05 mengindikasikan bahwa tidak ada perbedaan yang signifikan antara matriks kovarians data dan matriks kovarian yang diestimasi. Jadi, tujuh persyaratan minimum model fit sudah memenuhi cut-off value yang direkomendasikan. Berdasarkan keseluruhan pengukuran goodness-of-fit mengindikasikan bahwa model constrained yang diajukan dalam penelitian ini dapat diterima.

Tabel IV.15 Perbandingan Goodness of fit Unconstrained Model dan Constrained Model Indeks

Model goodness of fit

Cut-off

Value

Unconstrained Model

Constrained Model

Chi Square

Diharapkan kecil

144,154 163,981 Probabilitas Chi Square (p)

CMIN/DF

< 2,00-3,00

1,206 Adjusted goodness of fit index

0,848 Comparative fit index (CFI)

0,959 Tucker-Lewis Index (TLI)

0,945 Root mean square error approximation (RMSEA)

Sumber: data primer diolah, 2012

Tabel IV.15 menyajikan perbandingan nilai goodness of fit yang dihasilkan kedua model. Nilai Δχ² yang dihasilkan kedua model sebesar 19,827

dan Δdf sebesar 8. Hal ini menunjukkan bahwa unconstrained model berbeda dengan constrained model. Dengan demikian, dapat disimpulkan bahwa variabel

tingkat kesadaran terhadap kesehatan memoderasi purchase intention konsumen ayam organik.

E. Uji Hipotesis Model Struktural

Analisis kausalitas dilakukan guna mengetahui hubungan antar variabel. Pada penelitian ini diharapkan dengan adanya pengujian kausalitas dapat mengetahui pengaruh yang terjadi antara variabel eksogen dengan variabel endogen (lihat Lampiran 9). Adapun hasil selengkapnya dari tiap hubungan akan diuraikan pada tabel sebagai berikut:

Tabel IV.16

Hasil Pengujian Hipotesis (Regression Weight) Sebelum Moderasi

Hubungan Variabel

Estimate S.E.

C.R. P

Attitude

<--- P. Value

2.160 .031 Attitude

<--- P. Availability

2.487 .013 Purchase_Intention

<--- Attitude

2.678 .007 Purchase_Intention

<--- P. Value

-.306 .760 Purchase_Intention

<--- P. Availability

1.890 .059 Sumber: data primer diolah, 2012

Tabel IV.17

Hasil Pengujian Hipotesis (Regression Weight) Setelah Diberi Efek

Moderasi Tingkat Kesadaran

Hubungan Variabel

Tkt. Kesadaran Rendah

Tkt. Kesadaran Tinggi

Estimate C.R.

Estimate C.R. P

Attitude

<---

P. Value

P. Availability

P. Value

-.147 -.372 .710 Purchase

Intention

<---

P. Availability

.395 2.018 .044 Sumber: data primer diolah, 2012

F. Pembahasan

Berdasarkan hasil pengujian kausalitas menggunakan AMOS 16 untuk menguji model hubungan struktural, diperoleh hasil:

H1a : Semakin tinggi persepsi nilai (perceived value), semakin tinggi sikap (attitude) konsumen terhadap ayam organik

Hasil pengujian mengindikasi terdapat hubungan yang signifikan antara persepsi nilai dan sikap konsumen terhadap ayam organik (β = 1.118; C.R. = 2.160; p = 0,031). Fenomena yang dijelaskan adalah semakin tinggi perceived value, semakin tinggi pula sikap konsumen (attitude) terhadap ayam organik. Hal ini berarti bahwa perceived value merupakan variabel yang dipertimbangkan penting oleh konsumen untuk membentuk sikap terhadap ayam organik.

Hasil pengujian yang signifikan ini memberikan dukungan terhadap regularitas fenomena hubungan positif yang terdapat pada studi terdahulu mengungkapkan bahwa persepsi nilai berpengaruh pada sikap terhadap makanan organik (Ankomah dan Yiridoe, 2006; Aertsens, 2011). Hasil temuan pada studi ini mengindikasi bahwa persepsi nilai yang dipikirkan di benak konsumen diperkirakan mampu menumbuhkan sikap terhadap ayam organik. Informasi- informasi yang jelas tentang kebaikan dan manfaat ayam organik dapat menjadi stimulus untuk membuat para konsumen lebih percaya terhadap ayam organik.

H1b : Semakin tinggi persepsi nilai (perceived value), semakin tinggi niat pembelian (purchase intention) ayam organik

Hasil pengujian mengindikasi tidak terdapat hubungan yang signifikan antara persepsi nilai dan niat pembelian terhadap ayam organik ( β = -0.124; C.R. = -0.306; p = 0,760). Hal ini berarti bahwa perceived value bukan merupakan variabel yang dipertimbangkan penting oleh konsumen untuk membentuk purchase intention terhadap ayam organik.

Hasil pengujian ini tidak memberikan dukungan terhadap studi terdahulu yang mengungkapkan bahwa niat pembelian makanan organik dipengaruhi oleh persepsi nilai (perceived value) (O’Donavan dan McCarty, 2002; Rajagopal, 2007; Shaharudin et.al., 2010). Hasil temuan ini mensyaratkan perlunya pengujian lanjutan pada konteks yang berbeda untuk dapat menjelaskan regularitas fenomena yang dijelaskan.

Hubungan yang tidak signifikan ini dimungkinkan terjadi karena konsumen yang memiliki persepsi nilai terhadap ayam organik tidak dapat secara langsung berniat untuk membeli ayam organik, tetapi lebih dahulu melalui tahapan sikap suka, senang dan berasumsi positif tentang ayam organik.

H2a : Semakin tinggi persepsi ketersediaan (perceived availability), semakin

tinggi sikap (attitude) konsumen terhadap ayam organik. Hasil pengujian mengindikasi terdapat hubungan yang signifikan antara

persepsi ketersediaan dan sikap konsumen terhadap ayam organik (β = 0.479; C.R. = 2.487; p = 0,013). Fenomena yang dijelaskan adalah semakin tinggi perceived availability, semakin tinggi pula sikap konsumen (attitude) terhadap ayam organik. Hal ini berarti bahwa perceived availability merupakan variabel yang dipertimbangkan penting oleh konsumen untuk membentuk sikap terhadap ayam organik.

Hasil pengujian yang signifikan ini memberikan dukungan terhadap regularitas fenomena hubungan positif pada studi terdahulu yang mengungkapkan bahwa persepsi ketersediaan berpengaruh pada sikap terhadap makanan organik dan niat pembelian makanan organik (Fotopoulos dan Krystallis, 2002; Hill dan Lynchehaun, 2002). Hasil temuan pada studi ini mengindikasi bahwa persepsi ketersediaan yang dipikirkan di benak konsumen diperkirakan mampu menumbuhkan sikap terhadap ayam organik. Oleh karena itu, selain informasi yang jelas tentang kebaikan dan manfaat ayam organik, ketersediaan ayam organik di tempat-tempat penjualan seperti supermarket dan pasar-pasar tradisional dapat membuat konsumen berasumsi positif tentang ayam organik.

H2b : Semakin tinggi persepsi ketersediaan (perceived availability), semakin

tinggi niat pembelian (purchase intention) ayam organik

Hasil pengujian mengindikasi tidak terdapat hubungan yang signifikan antara persepsi ketersediaan dan niat pembelian terhadap ayam organik (β = 0. ,378; C.R. = 1,890; p = 0,059). Hal ini berarti bahwa perceived availability bukan merupakan variabel yang dipertimbangkan penting oleh konsumen untuk membentuk purchase intention terhadap ayam organik.

Hasil pengujian ini tidak memberikan dukungan terhadap studi terdahulu yang mengungkapkan bahwa persepsi ketersediaan berpengaruh pada niat pembelian makanan organik (Boccaletti and Nardella, 2000; Magnusson et.al., 2001; O’Donavan dan McCarty, 2002; Lea dan Worsley, 2005). Walaupun demikian, studi ini tetap memberikan dukungan terhadap studi terdahulu yang mengungkapkan bahwa persepsi ketersediaan tidak berpengaruh pada niat pembelian makanan organik (Tarkiainen dan Sundqvist, 2005).

Hubungan yang tidak signifikan ini dimungkinkan terjadi karena konsumen yang memiliki persepsi ketersediaan terhadap ayam organik tidak dapat secara langsung berniat untuk membeli ayam organik, tetapi lebih dahulu melalui tahapan sikap suka, senang dan berasumsi positif tentang ayam organik.

H3 : Semakin tinggi sikap (attitude) konsumen terhadap ayam organik, semakin tinggi niat pembelian (purchase intention) ayam organik

Hasil pengujian mengindikasi terdapat hubungan yang signifikan antara sikap dan niat pembe lian terhadap ayam organik (β = 0.439; C.R. = 2.678; p = 0,007). Fenomena yang dijelaskan adalah semakin tinggi attitude, semakin tinggi pula purchase intention ayam organik. Hal ini berarti bahwa sikap merupakan variabel yang dipertimbangkan penting oleh konsumen untuk membentuk niat beli konsumen terhadap ayam organik.

Hasil pengujian yang signifikan ini memberikan dukungan terhadap regularitas fenomena hubungan positif pada studi terdahulu yang mengungkapkan bahwa semakin positif sikap konsumen terhadap makanan organik maka mereka

akan semakin tertarik untuk membeli makanan organik (Choo et.al ., 2004; Tarkiainen et.al., 2005; Michaelidou dan Hassan, 2008). Hasil temuan pada studi ini mengindikasi bahwa sikap konsumen diperkirakan mampu menumbuhkan niat pembelian ayam organik. Sikap konsumen yang positif terhadap ayam organik dan merasa produk ini adalah produk yang bermanfaat dan menyehatkan dapat menjadi stimulus untuk melakukan niat beli di kemudian hari.

H4 : Kesadaran konsumen terhadap kesehatan (health consciousness)

memoderasi hubungan persepsi nilai, persepsi ketersediaan, dan sikap konsumen terhadap ayam organik pada niat pembelian ayam organik

Berdasarkan hasil perbandingan pada model unconstrained dan constrained, mengindikasi bahwa kesadaran konsumen terhadap kesehatan (kesadaran rendah dan kesadaran tinggi) memoderasi pembentukan purchase intention ( Δχ² = 19,827; Δdf = 8; α = 0,05). Berikut akan dijelaskan hasil

pengujian kausalitas pada tingkat kesadaran rendah dan kesadaran tinggi.

Hasil pengujian pada kesadaran rendah, mengindikasi lima hubungan antar variabel yang tidak berpengaruh signifikan. Indikasi tersebut terdapat pada hubungan antara perceived value dan attitude ( β = -0,010; C.R = -0,067; P = 0,947), perceived availability dan attitude ( β = 0, 122; C.R. = 0,969; P = 0,332), attitude dan purchase intention ( β = 0,336; C.R. = 1,704; P = 0,088), perceived value dan purchase intention ( β = -0,223; C.R. = -1,005; P = 0,315), perceived availability dan purchase intention ( β = 0,303; C.R. = 1,618; P = 0,106). Hasil pengujian tersebut mengindikasi bahwa pesepsi nilai dan sikap, persepsi ketersediaan dan sikap, sikap dan niat beli, pesepsi nilai dan niat beli, persepsi ketersediaan dan niat beli konsumen tidak dapat terbentuk apabila konsumen mempunyai kesadaran rendah terhadap kesehatan.

Hasil pengujian pada kesadaran tinggi, mengindikasi terdapat empat Hasil pengujian pada kesadaran tinggi, mengindikasi terdapat empat

Hasil pengujian pada kesadaran tinggi juga mengindikasi satu hubungan yang tidak signifikan antara perceived value dan purchase intention ( β = -0,147; C.R. = -0,372; P = 0,710). Hasil pengujian tersebut mengindikasikan persepsi nilai dan niat beli konsumen terhadap ayam organik tidak terbentuk meskipun kesadaran konsumen tinggi. Hal tersebut disebabkan karena tidak semua konsumen yang sadar terhadap kesehatan mempunyai informasi yang cukup tentang keunggulan-keunggulan nilai dari produk ayam organik sehingga kurang dalam mempersepsikan nilai dari produk ayam organik.

BAB V SIMPULAN DAN IMPLIKASI

Bab ini bertujuan untuk memaparkan simpulan yang diikuti dengan keterbatasan dan saran penelitian. Hal ini bertujuan untuk memberikan pemahaman mengenai hasil analisis data yang telah dilakukan sesuai dengan permasalahan yang dirumuskan dan peluang untuk melakukan penelitian selanjutnya.