Analisis Dan Pengujian Hipotesis 1. Uji Outlier

Untuk pernyataan pertama yaitu “konsumen mempunyai pengalaman yang baik atas penggunaan merek produk kecap ABC yang dihasilkan perusahaan”, dari 108 responden terdapat 3 orang menjawab kurang dan 24 orang menjawab cukup setuju, kemudian sebanyak 36, 28 dan 17 orang yang menjawab pada jawaban setuju. Untuk pernyataan kedua yaitu “pengalaman dan kontak dengan pengguna merek kecap ABC memberikan manfaat bagi konsumen terdapat 4 orang menjawab kurang dan 20 orang menjawab cukup setuju, kemudian sebanyak 37, 30 dan 17 orang yang menjawab setuju. Untuk pernyataan ketiga yaitu “Produk kecap ABC di pasaran sangat baik”, dari 108 responden terdapat 19 menjawab cukup setuju dan sebanyak 47, 30 dan 12 orang yang menjawab setuju. 4.3. Analisis Dan Pengujian Hipotesis 4.3.1. Uji Outlier Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi atau mutivariat Hair, 1998. Evaluasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Uji terhadap outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p 1. Jarak Mahalanobis itu dievaluasi den gan menggunakan χ² chi kuadrat pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut: Tabel 4.3. Hasil Uji Outlier Residuals St at ist ics a Minim um Max im um Mean St d. Dev iat ion N Pr edict ed Value - 8.806 108.919 54.500 25.820 108 St d. Predict ed Value - 2.452 2.108 0.000 1.000 108 St andar d Err or of Pr edict ed Value 6.007 11.822 8.085 1.064 108 Adj ust ed Predict ed Value - 12.005 118.413 54.423 26.133 108 Residual - 44.919 45.279 0.000 17.729 108 St d. Residual - 2.311 2.329 0.000 0.912 108 St ud. Residual - 2.543 2.475 0.002 1.000 108 Delet ed Residual - 54.413 51.107 0.077 21.333 108 St ud. Delet ed Residual - 2.626 2.550 0.002 1.012 108 Mahal. Dist ance 9.227 38.582 17.833 5.101 108 Cook s Dist ance 0.000 0.072 0.011 0.016 108 Cent er ed Lev er age Value 0.086 0.361 0.167 0.048 108 a Dependent Var iable: RESP Sumber : Data Diolah Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ 2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers . Nilai χ 2 0.001 dengan jumlah variabel sebanyak 18 adalah sebesar 42,312 Hasil analisis Mahalanobis diperoleh nilai 38,582 yang kurang dari χ 2 tabel 38,582 tersebut. Dengan demikian, tidak terjadi multivariate outliers.

4.3.2. Uji Reliabilitas

Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi indikator. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan Purwanto, 2003. Tabel 4.4. Uji Reliabilitas Penguj ian Reliabilit y Consist ency I nt er nal Konst r ak I ndik at or I t em t o Tot al Cor r elat ion Koefisien Cronbachs Alpha Cr edibilit y X11 0.783 0.819 X12 0.757 X13 0.805 X14 0.762 X15 0.440 Lik eabilit y X21 0.936 0.825 X22 0.737 X23 0.903 At t r act iv eness X31 0.877 0.870 X32 0.894 X33 0.903 Meaningfulness X41 0.922 0.935 X42 0.906 X43 0.921 X44 0.911 Br and I m age Y1 0.910 0.777 Y2 0.891 Y3 0.676 : t er elim inasi Sumber: Data Diolah Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Terjadi eliminasi karena nilai item to total correlation indikator seluruhnya ada yang tidak ≥ 0,5. Indikator yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil cukup baik.

4.3.3. Uji Validitas

Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable atau construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini. Tabel 4.5. Uji Validitas St andar dize Fak t or Loading dan Const r uct dengan Confir m at or y Fact or Analy sis Konst r ak I ndik at or Fak t or Loading 1 2 3 4 Cr edibilit y X11 0.776 X12 0.711 X13 0.768 X14 0.676 Lik eabilit y X21 0.996 X22 0.508 X23 0.897 At t r act iv eness X31 0.796 X32 0.821 X33 0.869 Meaningfulness X41 0.893 X42 0.859 X43 0.902 X44 0.885 Br and I m age Y1 0.965 Y2 0.842 Y3 0.416 Sumber: Data Diolah Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct sebagian besar ≥ 0,5, sehingga butir -butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik.

4.3.4. Uji Construct Reliability dan Variance Extracted

Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama Purwanto, 2003. Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 4.7. Tabel 4.6. Construct Reliability dan Variance Extracted Const r uct Reliabilit y Var iance Ex t r at ed Konst r ak I ndik at or St andar dize Fact or Loading SFL Kuadr at Er r or [εj] Const r uct Reliabilit y Var iance Ex t r at ed Cr edibilit y X11 0.776 0.602 0.398 0.823 0.539 X12 0.711 0.506 0.494 X13 0.768 0.590 0.410 X14 0.676 0.457 0.543 Lik eabilit y X21 0.996 0.992 0.008 0.859 0.685 X22 0.508 0.258 0.742 X23 0.897 0.805 0.195 At t r act iv eness X31 0.796 0.634 0.366 0.868 0.688 X32 0.821 0.674 0.326 X33 0.869 0.755 0.245 Meaningfulness X41 0.893 0.797 0.203 0.935 0.783 X42 0.859 0.738 0.262 X43 0.902 0.814 0.186 X44 0.885 0.783 0.217 Br and I m age Y1 0.965 0.931 0.069 0.806 0.604 Y2 0.842 0.709 0.291 Y3 0.416 0.173 0.827 Ba t a s D a pa t D it e r im a ≥ 0,7 ≥ 0,5 Sumber: Data Diolah Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen cukup reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya ≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.

4.3.5. Uji Normalitas

Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z 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. Hasilnya diperoleh nilai c.r. multivariat diantara ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut: Tabel 4.7. Uji Normalitas Assessm ent of nor m alit y Var iable m in m ax k ur t osis c.r . X11 3 7 0.004 0.008 X12 4 7 - 0.750 - 1.591 X13 3 7 0.279 0.593 X14 3 7 0.192 0.407 X21 4 7 - 0.806 - 1.711 X22 4 7 - 0.372 - 0.789 X23 4 7 - 0.817 - 1.732 X31 4 7 - 0.559 - 1.186 X32 4 7 - 0.614 - 1.302 X33 4 7 - 0.696 - 1.476 X41 2 7 - 0.598 - 1.268 X42 2 7 - 0.531 - 1.126 X43 2 7 - 0.526 - 1.115 X44 2 7 - 0.493 - 1.045 Y1 3 7 - 0.830 - 1.762 Y2 3 7 - 0.683 - 1.449 Y3 4 7 - 0.647 - 1.373 M u lt iv a ria t e - 3.662 - 0 .7 4 9 Ba t a s N orm a l ± 2 ,5 8 Sumber: Data Diolah

4.4. Structural Equation Modelling