pada kolom CR dengan ketentuan jika signifikan, hasil dari nilai CR-nya 2.064.
Dimana nilai 2.064 diperoleh dari tabel-t lampiran 8 pada level 0.025 12 alpha dengan df = 24 jumlah seluruh indikator didapatkan nilai t sebesar 2.064.
Berdasarkan Tabel 4.7 di atas dapat diketahui bahwa Kesadaran Merek X
1
memiliki pengaruh positif dan tidak signifikan terhadap Ekuitas Merek Y
1
, Kesan Kualitas X
2
berpengaruh positif dan signifikan terhadap Ekuitas Merek Y
1
, Asosiasi Merek X
3
berpengaruh negatif dan tidak signifikan terhadap Ekuitas Merek Y
1
, Loyalitas Merek X
4
berpengaruh negatif dan tidak signifikan terhadap Ekuitas Merek Y
1
, Ekuitas Merek Y
1
berpengaruh positif dan signifikan terhadap Gain Index Y
2
. lihat lampiran 5 pada standardized regression weight.
4.4 Menilai Kemungkinan Munculnya Identification Problem
Dalam operasi program AMOS 6.01, problem identifikasi akan diatasi langsung oleh program. Bila estimasi tidak dapat dilakukan, program akan
memberikan pesan pada monitor computer mengenai kemungkinan sebab-sebab mengapa program tidak dapat melakukan estimasi. Selama peneliti melakukan
pengolahan data dengan program AMOS 6.01, peneliti tidak menemukan pesan pada monitor komputer yang menunjukkan adanya problem identifikasi.
4.5 Evaluasi Model
Evaluasi model pada dasarnya sudah dilakukan di atas pada waktu model diestimasi oleh program AMOS 6.01. Secara lebih lengkap evaluasi terhadap
model ini dapat dilakukan sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1 Ukuran Sampel
Ukuran sampel minimal. Menurut Hair, et al. yang dikutip Ferdinand 2002:43 ukuran sampel data observasi yang sesuai adalah antara 100-200
atau minimal untuk selanjutnya menggunakan perbandingan 5 observasi untuk setiap observasi parameter. Responden yang menjadi sampel dalam penelitian
ini berjumlah 120, yang berarti asumsi untuk sampel telah terpenuhi. 2
Asumsi Normalitas dan Linieritas Untuk asumsi normalitas data dapat dilakukan dengan mengamati nilai kritis
hasil pengujian assessment of normality dari program AMOS 6.01. Jika nilai di luar ring –2,58
c.r ≤ 2,58, maka dapat dikategorikan distribusi data tidak normal, oleh karenanya untuk kasus yang tidak memenuhi asumsi tersebut
tidak diikutsertakan dalam analisis selanjutnya, menurut arbucle nilai multivariat pada uji normalitas adalah koefisien kurtosis multivariae mardia.
Dimana hasil yang diperoleh sebesar 1.002, masih berada diantara nilai –2,58 c.r ≤ 2,58, ini berarti bahwa data yang digunakan berdistribusi normal.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.8 Nilai Normalitas dan Multivariat
Variable min max
skew kurtosis c.r.
x3.1 2.000 5.000
-.648 .232 .520
x3.2 3.000 5.000
-.113 .068 .151
x3.3 3.000 5.000 -.082
-.494 -1.105 x4.1
1.000 4.000 .448 -.455 -1.018
x4.2 2.000 5.000 .011
-.604 -1.350 x4.3
2.000 4.000 -.154 -.577 -1.291
x4.4 3.000 5.000
-.014 -.332 -.743
x4.5 2.000 4.000
.014 .870 1.946
x2.5 3.000 5.000 .075
-.581 -1.299 x2.4
2.000 4.000 -.492 -.711 -1.589
x1.4 3.000 5.000 -.223
-.718 -1.606 y2.3 2.000
5.000 -.581 .120
.268 y2.2 2.000
5.000 -.153 -.012
-.027 y2.1 2.000
5.000 .231 -.331
-.741 y1.4 3.000
5.000 .037 -.379
-.848 y1.3 3.000
5.000 .105 .177
.395 y1.2
3.000 5.000 .098 -.514 -1.149
y1.1 3.000 5.000
.019 -.206 -.460
x2.1 1.000 4.000
-.147 -.079 -.178
x2.2 2.000 4.000 -.160
-.561 -1.254 x2.3
2.000 4.000 -.196 -.709 -1.585
x1.1 2.000 5.000
-.121 -.268 -.599
x1.2 2.000 5.000 -.264
-.609 -1.361 x1.3 2.000
5.000 -.391 .669
1.496 Multivariate
6.463 1.002 Sumber informasi hasil pengolahan data, lampiran 5.
Dari tabel diatas, dengan menggunakan kriteria critical ratio sebesar ±2.58, pada tingkat signifikansi 0.01 1 dapat disimpulkan bahwa
tidak ada bukti jika data yang digunakan mempunyai sebaran yang tidak normal.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3 Evaluasi atas Outliers
Tabel 4.8 Evaluasi Outliers
Observation number Mahalanobis d-squared
p1 p2
119 46.521 .004 .369
72 38.831 .028 .859
52 38.271 .033 .752
32 36.956 .044 .782
19 36.556 .048 .695
23 36.551 .048 .528
50 35.704 .059 .560
68 35.176 .066 .537
55 34.823 .071 .484
56 34.794 .072 .356
74 34.746 .072 .250
97 34.563 .075 .191
71 32.821 .108 .537
33 31.743 .133 .745
86 31.385 .143 .751
53 31.075 .152 .749
54 30.893 .157 .714
76 30.602 .166 .713
88 30.533 .168 .646
12 30.505 .169 .560
95 30.449 .170 .483
112 30.302 .175 .441
81 30.033 .184 .447
22 29.964 .186 .382
93 29.826 .191 .345
61 29.586 .199 .347
14 29.318 .208 .362
100 28.970 .221 .410
18 28.705 .231 .430
13 28.660 .233 .365
34 28.602 .235 .309
31 28.418 .243 .303
2 28.070 .257 .360
28 27.926 .263 .340
77 27.737 .271 .340
114 27.649 .275 .302
35 27.498 .282 .289
20 26.992 .305 .423
41 26.790 .314 .434
99 26.176 .344 .633
37 26.172 .344 .560
59 25.982 .354 .571
90 25.635 .372 .654
115 25.200 .395 .765
45 25.190 .396 .708
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Observation number Mahalanobis d-squared
p1 p2
21 25.146 .398 .660
94 25.063 .402 .628
89 24.928 .410 .619
62 24.895 .411 .562
83 24.734 .420 .567
9 24.647 .425 .536
36 24.554 .430 .509
11 24.482 .434 .471
108 24.379 .440 .448
105 24.373 .440 .380
106 24.254 .447 .366
80 23.875 .469 .481
84 23.157 .511 .754
104 23.055 .517 .738
44 22.898 .526 .745
73 22.539 .547 .828
58 22.517 .548 .786
46 22.505 .549 .734
5 22.323 .560 .753
91 22.103 .573 .785
70 21.980 .580 .780
96 21.928 .584 .744
47 21.916 .584 .687
38 21.881 .586 .637
25 21.709 .597 .654
118 21.693 .598 .591
113 21.494 .609 .622
109 21.404 .615 .597
16 21.393 .615 .529
63 21.283 .622 .514
60 21.201 .627 .482
92 21.133 .631 .443
29 21.125 .631 .374
27 21.004 .639 .364
42 20.964 .641 .313
40 20.952 .642 .253
107 20.951 .642 .196
79 20.930 .643 .154
49 20.912 .644 .117
4 20.667 .658 .144
8 20.562 .664 .132
17 20.283 .681 .172
111 20.135 .689 .171
26 20.123 .690 .128
51 20.096 .691 .096
65 20.057 .694 .073
66 19.441 .728 .200
43 19.197 .741 .233
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Observation number Mahalanobis d-squared
p1 p2
7 18.916 .756 .285
87 18.679 .769 .320
102 18.637 .771 .263
48 18.569 .775 .221
78 18.516 .777 .177
103 18.279 .789 .200
30 17.381 .832 .544
Sumber informasi hasil pengolahan data, lampiran 5.
Hasil perhitungan dengan AMOS menghasilkan gambaran multivariate outliers seperti yang terdapat pada Tabel 4.8. Di mana dengan derajat bebas
sebesar 24 jumlah indicator yang digunakan pada tingkat signifikansi 0.001 atau X
2
24, 0.001 = 51.179. Berdasarkan pedoman itu, tidak ada kasus-kasus yang mempunyai Mahalanobis distance lebih besar dari 51.179, oleh karena
itu tidak dideteksi adanya kasus outlier multivariate. 4
Asumsi atas Multikolinieritas dan Singularitas Asumsi atas multikolinieritas dan singularitas dapat dideteksi dari nilai
determinan matriks kovarians yang sangat kecil extremely small. Namun
pada program AMOS 6.01 telah menyediakan Budaya “Peringatan” jika
terdapat indikasi multikolinieritas dan singularitas, dari hasil out put tidak ada
“Peringatan” jadi asumsi multikolinieritas dan singularitas terpenuhi.
5 Evaluasi atas Kriteria Uji Kesesuaian Model
Berdasarkan komputasi AMOS 6.01 untuk model SEM ini, dihasilkan indeks- indeks uji kesesuaian model sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.10 Uji Kesesuaian Model Kriteria
Cut-off value Hasil Model
Evaluasi Model
Chi-Square 278.213 482.298 Kurang Baik
Probability ≥ 0.05
0.000 Kurang Baik
CMINDF 2.00
2.001 Marginal
GFI ≥ 0.90
0.756 Kurang Baik
AGFI ≥ 0.90
0.696 Kurang Baik
TLI ≥ 0.95
0.705 Kurang Baik
CFI ≥ 0.95
0.742 Kurang Baik
RMSEA 0.08
0.092 Kurang Baik
Sumber informasi hasil pengolahan data, lampiran 5.
Dari tabel diatas terdapat kriteria yang dihasilkan berdasar evaluasi model mempunyai nilai yang tidak baik. karena itu model ini kurang dapat diterima,
sehingga diperlukan modifikasi lebih lanjut.
4.6 Interpretasi dan Modifikasi Model
