56 Selain melakukan pengujian konistensi internal Cronbach’s
Alpha, perlu juga dilakukan pengujian construct reliability dan variance
extracted . Kedua pengujian tersebut masih termasuk uji konsistensi
internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang
sama. Hasil pengujian reliabilitas instrument dengan construct
reliability dan variance extracted menunjukan cukup reliable, yang
ditunjukan dengan nilai construct reliability belum seluruhnya
≥ 0,70. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya
bila penelitian yang dilakukan bersifat explatory, maka nilai dibawah 0,70 pun masih dapat diterima sepanjang disertai alasan-alasan empirik yang
terlihat dalam proses eksplorasi, dan variance extracted direkomendasikan pada tingkat 0,50.
4.4.5 Uji Normalitas
Uji normalitas sebaran dilakukan dengan kurtosis value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif.
Nilai statistik untuk menguji normalitas itu disebut Z-value lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar ± 2,58. Hasil analisis tampak pada tabel berikut :
57
Tabel 4.13 : Uji Normalitas
Assessm ent of nor m alit y Var iable
m in m ax
k ur t osis c.r .
X11 4
7 - 0,415
- 0,889 X12
4 7
- 0,587 - 1,257
X21 4
7 - 0,416
- 0,892 X22
4 7
- 0,184 - 0,393
X31 4
7 - 1,150
- 2,463 X32
4 7
- 0,920 - 1,969
X41 4
7 0,011
0,023 X42
3 7
- 0,263 - 0,563
X51 4
7 - 0,444
- 0,950 X52
4 7
- 0,177 - 0,380
Y1 3
7 - 0,654
- 1,401 Y2
3 7
- 0,618 - 1,324
Y3 3
7 - 0,071
- 0,151 Z1
4 7
- 0,288 - 0,616
Z2 3
7 - 0,065
- 0,138 Z3
3 7
- 0,363 - 0,777
M u lt iv a ria t e
29,549 6 ,4 5 6
Ba t a s N orm a l ± 2 ,5 8
Sumber : Hasil Pengolahan Data
Hasil uji menunjukan bahwa nilai c.r. Multivariate di luar ± 2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak
menjadi masalah serius seperti dikatakan oleh “Bentler dan Chou [1987], bahwa jika teknik estimasi dalam model SEM menggunakan maximum
likelihood estimation MLE walau distribusi datanya tidak normal masih
dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya”.
4.4.6 Structural Equation Modeling SEM dan Pengujian Hipotesis
4.4.6.1 Evaluasi 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
58 terbesar oleh terjadinya interkasi antara measurement model dan structural
model yang diestimasi secara bersama-sama one step approach to SEM.
“One step approach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas dan reliabilitas
data sangat baik [Hair et.al.1998]”. Hasil estimasi dan fit model one step approach to SEM
dengan menggunakan program aplikasi AMOS 4.01 terlihat pada gambar dan tabel Goodness of Fit dibawah ini :
Gambar 4.1
Sumber : Hasil Pengolahan Data
MODEL PENGUKURAN STRUKTURAL Product Quality, Price, Purchase Intention
Model Specification : One Step Approach - Base Model
Characteritics Serviceability
Endurance
1
Product Quality
d_cr 1
d_er d_sr
1 X21
er_10 1
1 X22
er_11 1
X41 er_3
1 1
1 X31
er_1 1
1
Performance 0,005
d_pr X11
er_12 X12
er_13 1
1 1
1 X32
er_2 1
X42 0,005
er_4 1
Estetica 0,005
d_es X51
er_5 1
1 1
X52 er_6
1
Price Y1
er_7 Y2
er_8 Y3
er_9 1
1 1
1 Purchase
Intention d_ae
Z1 er_14
Z2 er_15
Z3 er_16
1 1
1 1
1
59
Tabel 4.14
Ev aluasi Kr it er ia Goodness of Fit I ndices Kr it er ia
Hasil Nilai Kr it is
Ev aluasi Model
Cm in DF 2,207
≤ 2,00
k ur ang baik Pr obabilit y
0,000 ≥
0,05 k ur ang baik
RMSEA 0,105
≤ 0,08
k ur ang baik GFI
0,811 ≥
0,90 k ur ang baik
AGFI 0,741
≥ 0,90
k ur ang baik TLI
0,613 ≥
0,95 k ur ang baik
CFI 0,681
≥ 0,94
k ur ang baik
Sumber : Hasil Pengolahan Data
Dari hasil evaluasi model one step base model ternyata dari
semua criteria goodness of Fit yang digunakan, belum seluruhnya menunjukan 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 demikian
model masih perlu dimodifikasi sebagaimana terdapat dibawah ini :
Gambar 4.2
Sumber : Hasil Pengolahan Data
MODEL PENGUKURAN STRUKTURAL Product Quality, Price, Purchase Intention
Model Specification : One Step Approach - Modification Model
Characteritics Serviceability
Endurance
1
Product Quality
d_cr 1
0,005 d_er
d_sr 1
X21 0,005
er_10 1
1 X22
er_11 1
X41 er_3
1 1
1 X31
er_1 1
1
Performance d_pr
X11 er_12
X12 er_13
1 1
1 1
X32 er_2
1
X42 er_4
1
Estetica d_es
X51 er_5
1 1
1 X52
0,005 er_6
1
Price Y1
er_7 Y2
er_8 Y3
er_9 1
1 1
1 Purchase
Intention d_ae
Z1 er_14
Z2 er_15
Z3 er_16
1 1
1 1
1
60
Tabel 4.15
Ev aluasi Kr it er ia Goodness of Fit I ndices Kr it er ia
Hasil Nilai Kr it is
Ev aluasi Model
Cm in DF 1,085
≤ 2,00
baik Pr obabilit y
0,271 ≥
0,05 baik
RMSEA 0,028
≤ 0,08
baik GFI
0,908 ≥
0,90 baik
AGFI 0,900
≥ 0,90
baik TLI
0,973 ≥
0,95 baik
CFI 0,979
≥ 0,94
baik
Sumber : Hasil Pengolahan Data
Dari hasil evaluasi terhadap model one step model modifikasi ternyata dari semua kriteria goodness of fit yang digunakan,
seluruhnya menunjukan 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 ini adalah model yang terbaik untuk menjelaskan
keterkaitan kasual antar variabel dalam model sebagaimana terdapat dibawah ini.
4.4.7 Uji Kausalitas
Dilihat dari angka determinant of sample covariance matrix : 75.027,78 0 mengindikasikan tidak terjadi multicolonierity atau
singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian
besaran koefisien regrei masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas di bawah ini :
61
Tabel 4.16 : Uji Kausalitas
Regr ession Weight s Ust d
St d Pr ob.
Fak t or
Fak t or Est im at e
Est im at e Pur chase_I nt ent ion
Pr ice
- 0,135 - 0,405
0,014 Pur chase_I nt ent ion
Pr oduct _Qualit y
0,142 0,361
0,020 Bat as Signifik ansi
≤
0,10
Sumber : Hasil Pengolahan Data Dilihat dari tingkat Probabilitas arah hubungan kausal, maka
hipotesis yang menyatakan bahwa :
a. Faktor Product Quality berpengaruh positif terhadap Faktor
Purchase Intention, dapat diterima [ Prob. Kausalnya 0,020 ≤
0,10 [ signifikan [ positif ]]]. b.
Faktor Price berpengaruh Negatif terhadap Faktor Purchase Intention, dapat diterima [ Prob. Kausalnya 0,014
≤ 0,10 [ signifikan [ negatif ]]].
4.4.8 Analisis Unidimensi First Order
