Structural Equation Modeling SEM

40 kendaraan bermotor YAMAHA. Pengembalian kuesioner dilakukan secara langsung setelah kuesioner tersebut diisi oleh responden. 3.5 Metode Analisis Data 3.5.1 Pengukuran Variabel Data yang diperoleh ini diukur dengan Skala Linkert dalam bentuk checklist. Untuk memungkinkan para responden menjawab dalam berbagai tingkatan bagi setiap butir pertanyaan Supranto, 2006: 86. Dalam penelitian ini jawaban responden diberi skor sebagai berikut: Sangat Setuju SS Skornya 5 Setuju S Skornya 4 Kurang Setuju KS Skornya 3 Tidak Setuju TS Skornya 2 Sangat Tidak Setuju STS Skornya 1 Skor yang diperoleh dari setiap jawaban dijumlahkan untuk mendapatkan skor gabungan. Nilai total untuk setiap jawaban dihitung untuk setiap responden Supranto, 2006: 86.

3.5.2 Structural Equation Modeling SEM

Untuk menguji model dan hipotesis digunakan analisis SEM. Dalam pengujian model dengan menggunakan SEM terdapat tujuh langkah yang akan ditempuh yaitu Ferdinand, 2000: 30 1. Pengembangan Model Berdasarkan Teori 41 Pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat. Setelah itu model di validasi secara empiris melalui pemrograman SEM, tanpa dasar teoritis yang kuat, SEM tidak dapat digunakan, karena SEM tidak digunakan untuk mengkonfirmasi model teoritis melalui data empiris Ferdinand, 2000: 31. Model teoritis yang telah dibangun melalui telaah pustaka disertai dengan pengembangan model akan dianalisis sebagai model “researchable”Ferdinand, 2000: 121. 2. Pengembangan Path Diagram Model teoritis yang telah dibangun pada langkah pertama, akan digambarkan dalam sebuah Parth diagram untuk diestimasi dengan menggunakan analysis if moment structure AMOS 6.00 Ferdinand, 2000: 36. 3. Konversi Path Diagram ke dalam Persamaan Pada langkah ini, model yang dinyatakan dalam path diagram konversi ke dalam rangkaian persamaan. Persamaan yang dibangun akan terdiri dari Ferdinand, 2000: 41 a. Persamaan-persamaan structural structural equation Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar berbagai variabel, dengan rumus: Variabel endogen = variabel eksogen + variabel endogen + error 42 b. Persamaan spesifikasi menentukan variabel mana, konstruk mana, serta menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesiskan antar variabel. 4. Pemilihan Matriks Input dan Estimasi Model: a. Matriks Input Matriks input data yang digunakan adalah matriks kovarian covariance matrick karena yang diuji dalam penelitian ini adalah hubungan kausalitas Ferdinand, 2000: 127. b. Estimasi Model Teknik estimasi yang digunakan adalah maximum likelihood estimation metodh yang tersedia dalam program AMOS 6.00. Hal ini dikarenakan ukuran sampel yang berjumlah 100 orang. Estimasi ini dilakukan melalui dua tahapan yaitu Ferdinand, 2000: 128: 1 Estimasi mesurement model dengan teknik confirmantory factor analysis untuk menguji unidimesionalitas dari variabel dependen dan variabel independen. 2 Estimasi dengan sructural equation model melalui analisis full model untuk melihat kesesuaian model dan hubungan kausalitas yang dibangun dalam model yang diuji. 5. Menilai Problem Identifikasi Model identifikasi pada prinsipnya adalah problem mengenai ketidak mampuan model yang dikembangkan untuk menghasilkan estimasi yang unik. Bila setiap kali 43 estimasi dilakukan muncul problem identifikasi, maka sebaliknya model dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk Ferdinand, 2000: 47. 6. Evaluasi Criteria Goodness-of-Fit Kesesuaian model dievaluasi melalui telaah terhadap berbagai model goodness- of-fit dengan tiga macam evaluasi, yaituFerdinand, 2000: 47: a. Evaluasi Asumsi SEM, terdiri dari: 1 Normalitas Uji normalitas dilakukan dengan menggunakan kriteria nilai kritis critical ratio sebesar 2,58 pada tingkatan signifikasi 0,01 1 apabila Z-value lebih besar dari nilai kritis, maka dapat diduga bahwa ditribusi data adalah tidak normal Ferdinand, 2000: 91. 2 Outliers Outliers merupakan observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi – observasi, baik untuk sebuah variabel tunggal maupun variabel – variabel kombinasi Hair, et al, dalam Ferdinand, 2000: 94. Adapun Outliers dapat dievaluasi dengan dua cara, yaitu: a Univariate Outliers Deteksi terhadap adanya univariate outliers dapat dilakukan dengan menentukan nilai ambang batas yang akan dikategorikan sebagai outliers dengan cara 44 menkonversi nilai data penelitian ke dalam standar dalam d-core atau yang biasa disebut Z-score, yang mempunyai nilai rata-rata nol dengan standar deviasi satu Hair et al, dalam Ferdinand, 2000: 94. Observasi data yang memiliki nilai Z-score ≥ 3,0 akan dikategorikan outliers. b Multivariate Outliers Uji terhadap Multivariate Outliers digunakan dengan menggunakan kriteria jarak mahalanobis the mahalanobis distance pada tingkat p0,001, jarak mahalanobis itu dievaluasi dengan menggunakan x 2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini Ferdinand, 2000; 99. c Multicollinearity dan Singularity Yang perlu diamati dalam uji Multicollinearity dan Singularity adalah determinan dari matrik kovarian sampelnya. Determinan yang kecil atau mendekati mengidentifikasi adanya multicollinearity dan singularity, sehingga data itu dapat digunakan untuk penelitian Tabachnist dan Fidell, 1998, dalam Ferdinand, 2000: 103. b. Uji Kesesuaian dan Uji Statistik Beberapa index kesesuaian dan cut-off valuenya yang digunakan untuk menguji apakah sebuah model diterima atau ditolak adalah sebagai berikut Ferdinand, 2000: 51 : 6.b.1 X 2 Chi Square Statistic 45 Model yang diuji dipandang baik atau memuaskan apabila nilai chi squarenya rendah, semakin kecil X 2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cut off value sebesar p0,05, atau p0,10 Hulland et al, dalam Ferdinand. 2000: 51. 6.b.2 RMSEA The Root Mean Sauare Error of Approximation RMSEA merupakan sebuah index yang dapat digunakan untuk mengkompensasi chi square statistic dalam sampel yang besar Baumgarther dan Hamburg, dalam Ferdinand 2000; 52. Nilai RMSEA menunjukkan nilai goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi Hair et al, dalam Ferdinand, 2000: 53. Nilai RMSEA yang kecil atau sama dengan 0,08 merupakan index untuk dapat diterimanya model tersebut berdasarkan degree of freedom Browne dan Cutdeck, dalam Ferdinand, 2000: 53. 6.b.3 GFI Goodness of Fit Index GFI merupakan ukuran non statistical tentang nilai antara 0 Poor Fit sampai dengan 1,0 Pefect Fit. Nilai yang tinggi dalam index ini menunjukkan sebuah “Better Fit” Ferdinand, 2000; 54. 6.b.4 AGFI Adjusted Goodness of Fit Index AGFI merupakan kriteria yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matrik covarian sampel. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90 Hair et al, 1995; Hulland et al, 1996, dalam Ferdinand, 2000; 55. Nilai sebesar 0,95 dapat diinterprestasikan sebagai tingkatan yang baik Good Overal 46 Model Fit , sedangkan besaran nilai antara 0,90-0,95 menunjukkan tingkatan cukup adequate Hulland et al, 1996, dalam Ferdinand, 2000; 55. 6.b.5 CMINDF The Minimum Sampel Discrepancy Fomtion Divided With Degree of Freedom CMINDF merupakan statistic chi square, X 2 dibagi degree of fredomnya sehingga disebut X 2 relatif. Nilai X 2 relatif kurang dari 2,0 atau 3,0 adalah indikasi acceptable fit antar model dan data Arbucle, dalam Ferdinand, 2000; 55. 6.b.6 TLI Tucker Lewis Index TLI merupakan incremental index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model, dimana nilai yang direkomendasikan sebagai acuan diterimanya sebuah model adalah ≥ 0,95 dan nilai yang mendekati 1 menunjukkan a very good fit Arbucle, dalam Ferdinand, 2000; 57. 6.b.7 CFI Comparative Fit Index Rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi a very good fit Arbucle, dalam Ferdinand, 2000; 58. Secara ringkas index-index yang dapat digunakan untuk menguji kelayakan sebuah model disajikan dalam tabel berikut: Tabel 3.1. Index Pengujian Kelayakan Model Goodness-of-fit Indices Goodnes-of-fit index Cut-off value X 2 -Chi Square Diharapkan kecil Significancy probability ≥0.05 RMSEA ≤0.08 GFI ≥0.90 CMINDF ≤2.00 TLI ≥0.95 CFI ≤0.95 Sumber : Agusty Ferdinand, 2000, Structural Equation Modeling, hal 59 47 c. Uji Validitas dan Reliabilitas 1. Uji Validitas Uji reliabilitas dan uji validitas dilakukan dengan program SPSS versi 11.0. Validitas adalah suatu ukuran untuk menunjukkan tingkatan-tingkatan kevalidan atau kesahihan suatu instrument. Suatu instrument yang valid atau sahih mempunyai validitas tinggi. Sebaliknya instrument yang kurang valid berarti memiliki validitas rendah. Uji validitas dilakukan dengan membandingkan nilai r hitung dengan nilai r tabel. Pernyataan dikatakan valid apabila nilai r hitung nilai r tabel dengan menggunakan level signifikan 5. Untuk menguji validitas instrument menggunakan rumus korelsi rumus korekorelasi Product Moment Person . Keterangan: r xy = Besarnya korelasi N = Besarnya populasi X = Skor butir nilai skor tertentu Y = Skor total butir ∑X = Jumlah skor item ∑Y = Jumlah skor total ∑X 2 = Jumlah skor kuadrat nilai X ∑Y 2 = Jumlah skor kuadrat nilai Y Untuk N = 30 pada taraf kesalahan 5 diperoleh harga tabel sebesar 0,367, sedangkan r hitung tampak pada tabel 3.2 dan tabel 3.3 Tabel 3.2. Hasil Uji Validitas Variabel Indikator Kode item r hitung Kesimpulan a. Pesan iklan 1.Gaya hidup modern 2.Gaya hidup seorang bintang 3.Iklan mudah diingat 1 2 3 0,502 0,729 0,859 Valid Valid Valid 48 4.Durasi penayangan iklan tidak terlalu lama 4 0,667 Valid b.Pengenalan Merk 1.Gaya hidup modern 2.Gaya hidup seorang bintang 3.Iklan mudah diingat 4.Durasi penayangan iklan tidak terlalu lama 1 2 3 4 0,578 0,634 0,744 0,784 Valid Valid Valid Valid c.Kepercayaan Konsumen 1.Gaya hidup modern 2.Gaya hidup seorang bintang 3.Iklan mudah diingat 4.Durasi penayangan iklan tidak terlalu lama 1 2 3 4 0,637 0,866 0,905 0,857 Valid Valid Valid Valid d.Sikap Konsumen 1.Gaya hidup modern 2.Gaya hidup seorang bintang 3.Iklan mudah diingat 4.Durasi penayangan iklan tidak terlalu lama 1 2 3 4 0,92 0,867 0,939 0,58 Valid Valid Valid Valid e.Niat Beli 1.Gaya hidup modern 2.Gaya hidup seorang bintang 3.Iklan mudah diingat 4.Durasi penayangan iklan tidak terlalu lama 1 2 3 4 0,75 0,655 0,824 0,518 Valid Valid Valid Valid Sumber: Data primer diolah, 2011 2. Uji Reliabilitas Reliabilitas instrument menunjukkan pada satu pengertian bahwa suatu instrument cukup dapat dipercaya untuk digunakan sebagai alat pengukur dan arena instrument tersebut sudah baik. Semakin tinggi reliabilitas suatu alat pengukur, semakin dapat dipercaya pula alat pengukur tersebut. Apabila reliabilitas alat pengukur tersebut rendah maka alat pengukur tersebut tidak dapat dipercaya dalam mengukur gejala atau kejadian. 49 Rumus reliabilitas dalam penelitian ini menggunakan rumus Spearman-Brown Sugiyono, 2007: 121. Dengan keterangan : r 1i = reliabilitas instrument r 1212 = r xy yang disebutkan sebagai indeks korelasi antara dua belahan instrument. Tabel 3.3. Hasil Uji Reliabilitas Variabel r li r tabel Kesimpulan a.Pesan iklan b.Pengenalan Merk c.Kepercayaan Konsumen d.Sikap Konsumen e.Niat Beli 0,629 0,563 0,836 0,858 0,829 0,367 0,367 0,367 0,367 0,367 Reliabel Reliabel Reliabel Reliabel Reliabel Sumber: Data primer diolah, 2011 Berdasarkan tabel diatas maka angket tersebut dikatakan reliabel dan dapat digunakan untuk penelitian. 50

BAB IV HASIL DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian 4.1.1 Gambaran Umum Responden Pernyataan dalam angket terdiri dari dua bagian, yaitu terbuka dan tertutup. Pernyataan terbuka dalam angket digunakan untuk mengetahui data pribadi atau identifikasi responden yang meliputi jenis kelamin, usia, jumlah uang yang dibelanjakan untuk membeli produk, pernah melihat iklan produk, dan mengingat iklan produk. Pernyataan tertutup dalam angket digunakan untuk mendapatkan data tentang variabel dalam penelitian ini yang terdiri dari 20 pernyataan. Berikut adalah deskripsi responden secara umum berdasarkan jawaban yang diberikan oleh responden.

4.1.1.1 Distribusi Responden Berdasarkan Jenis Kelamin

Berdasarkan jawaban yang diberikan responden, diperoleh hasil bahwa terdapat 32 responden 32 berjenis kelamin laki-laki dan sisanya 68 responden berjenis kelamin perempuan 68. Meskipun penelitian ini tidak menggunakan isu gender, akan tetapi tampak bahwa jumlah responden kebanyakan adalah perempuan. Berikut adalah tabel deskripsi responden berdasarkan jenis kelamin. Tabel 4.1. Distribusi Responden Berdasarkan Jenis Kelamin Jenis kelamin Frekuensi Persen Laki-laki 32 32,0 Perempuan 68 68,0 Total 100 100,0 Sumber: Data primer diolah, 2011