Anderson dan Gerbing, 1998. Cara yang dilakukan dalam menganalisis SEM dengan One-Step Approach adalah sebagai berikut:
1. Menjumlahkan skala butir-butir setiap konstruk menjadi indikator summed-scale bagi setiap kontrak. Jika terdapat skala berbeda setiap
indikator tersebut distandardisasi [Z-scores] dengan mean = 0, deviasi standar = 1, yang bertujuan adalah untuk mengeliminasi pengaruh-
pengaruh skala yang berbeda-beda tersebut Hair et at, 1998. 2.
Menetapkan error [ε] dan lamda [λ] terms, error terms dapat dihitung dengan rumus 0,1 kali σ² dan lamda terms dengan rumus 0,95 kali σ
Anderson dan Gerbing, 1998. Perhitungan construct reliability [α] telah dijelaskan pada bagian sebelumnya dan dviasi st
andar [σ] dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error
[ε] dan lamda [λ] terms diketahui skor-skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.
3.4.5 Evaluasi Model
Hair et al, 1998 menjelaskan bahwa pola “confirmatiry” menunjukan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teoritis menggambarkan “good fit” dengan kata, maka model dianggap sebagai
yang diperkuat. Sebaliknya suatu model toeritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji
apakah model “good fit” atau “poor fit”. Jadi “good fit” model yang diuji sangat penting dalam penggunaan structural equation modeling.
Pengujian terhadap model yang dikembangkan dengan berbagai criteria Goodness of Fit, yakni Chi-square, probability, RMSEA, GFI,
TLI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan Two-Step Approach to
SEM. Tabel 3.1 Goodness of Fit Indices
Godness of Fit Index Keterangan
Cut-Off Value
X²- Chi-square Menguji apakah covariance
populasi yang di estimas sama dengan covariance sample
apakah model sesuai dengan data
Diharapkan kecil 1 s.d 5 atau paling baik diantara
1dan 2
Probality Uji signifikan terhadap
perbedaan matriks covariance dta dan matriks covariance
yang diestimasi Minimum 0,1 atau 0,2
atau ≥ 0,05
RMSEA Mengkompensasi kelemahan
Chi-Square pada sampel besar ≤ 0,08
GFI Menghitung proporsi
tertimbang varians dalam matriks sampel yang
dijelaskan oleh matriks covarians populasi yang
diestimasi analog dengan R² dalam regresi berganda
≥ 0,90
AGFI GFI yang disesuaikan
terhadap DF ≥ 0.90
CMIN DF Kesesuaian antara data dan
model ≤ 2,00
TLI Pembandingan antara model
yang diuji terhadap baseline model
≥ 0,95 CFI
Uji kelayakan model yang tidak ensitive terhadap
besarnya sampel dan kerumitan model
≥ 0,94
Sumber: Hair et al 1998 Keterangan:
1. X² CHI SQUARE STATISTIK Alat uji paling fundamental untuk mengukur overall fit adalah likehood
ratio chi-square ini bersifat sangat sensitive terhadap besarnya sampel
yang digunakan. Karenanya bila jumlah sampel cukup besar lebih dari 200. Statistik chi-square ini harus didampingi oleh alat uji lain. Model
yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil X² semakin baik model itu. Karena tujuan analisis
adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai
X² yang kecil dan signifikan. X² bersifat sangat sensitive terhadap besarnya sampel yaitu terhadap
sampel yang teralalu kecil maupun yang terlalu besar. Penggunaan chi- square hanya sesuai bila ukuran sampel antara 100-200, bila ukuran luar
tentang itu, uji signifikan akan menjadi kurang reliable oleh karena itu pengujian ini perlu dilengkapi dengan uji yang lain.
2. RMSEA-THE ROOT MEAN SQUARE ERROR OF APPROXIMATION RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi
chi-square statistik dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila mode diestimasi alam populasi.
Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya degress of freedom.
3. GFI = GOODNESS of FIT INDEKS GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini
akan menghitung proporsi terimbang dari varians dalam matriks covariance sampel yang dijelaskan oleh covariance matriks populasi yang
terestimasi. GFI adalah sebuah ukuran non-statistika yang mempunyai
rentang nilai antara 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
4. AGFI = ADJUST GOODNESS of FIT INDEX AGFI = GFIdf tingkat penerimaan yang direkomendasikan adalah bila
AGFI mempunyai nilai yang sama dengan atau lebih besar dari 0,09. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang
dari varians dalam sebuah matriks covariance sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik good overall model
fit sedangkan besarnya nilai antara 0,09-0,95 menunjukkan tingkatan cukup adequate fit.
5. CMIN DF Sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model.
Dalam hal ini CMINDF tidak lain adalah statistik chi-square, X² dibagi Df-nya sehingga disebut X² relative. Nilai X² relative
≤ 2,0 atau bahkan ≤ 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X²
relative yang tinggi menandakan adanya perbedaan yang signifikan antara matriks covariance yang diobservasikan dan diestimasi.
6. TLI = TUCKER LEWIS INDEX TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai
yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan
≥ 0,95 dan nilai yang sangat mendekati 1 menunjukkan A Very Good Fit.
7. CFI = COMPERATIF FIT INDEX Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin
mendekati 1, mengidentifikasikan tingkat fit yang paling tinggi A Very Good Fit. Nilai yang direkomendasikan adalah CFI 0,95. Keunggulan
dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Indeks CFI
adalah identik dengan Relatif Non Indeks RNI.
48
BAB IV HASIL DAN PEMBAHASAN
4.1 Deskripsi Obyek Penelitian
4.1.1 Sejarah Singkat Perusahaan
Bisnis pasar modern sudah cukup lama memasuki industri retail Indonesia dan dengan cepat memperluas wilayahnya sampai ke pelosok
daerah. Keberadaan mereka banyak menimbulkan pendapat pro dan kontra. Bagi sebagian konsumen pasar modern, keberadaan hypermarket,
supermarket, dan mini market, memang memberikan alternatif belanja
yang menarik. Selain menawarkan kenyamanan dan kualitas produk, harga yang mereka pasang juga cukup bersaing bahkan lebih murah dibanding
pasar tradisional. Sebaliknya, keadaan semacam ini jelas membuat risau para retailer kecil.
PT Unilever Indonesia Tbk perusahaan didirikan pada 5 Desember 1933 sebagai Zeepkabrieken N.V. Lever dengan akta no. 33
yang dibuat oleh Tn A.H. Van Ophuijsen, notaris di Batavia. Akta ini disetujui oleh Gubernur Jenderal Van Negerlandsch-Indie dengan surat
No. 14 pada tanggal 16 Desember 1933, terdaftar si Raad van Justitie di Batavia dengan No.302 pada tanggal 22 Desember 1933 dan diumukan
dalam Javasche Courant pada tanggal 9 Januari 1934. Dengan akta No. 171 yang dibuat oleh Notaris Ny. Kartini Mulyadi
tertanggal 22 Juli 1980, nama perusahaan diubah menjadi PT Unilever