 = jumlah varians butir b

 2  = jumlah varians butir b

2  = varians soal. t Kemudian hasil dari r 11 dikonsultasikan sg tabel product moment, apabila

hasil yang diperoleh r hitung >r tabel dengan taraf signifikansi 5%, maka angket tersebut reliabel

Uji coba kuesioner ini dilakukan terhadap 30 orang responden yang diambil secara acak didalam populasi yang diteliti.

Sesuai dengan tujuan penelitian yang ingin dicapai yaitu untuk mengetahui pengaruh price fairness tehadap kepuasan pelanggan, maka rancangan penelitian disusun sebagai berikut :

Variabel dalam penelitian ini yaitu price fairness dan kepuasan pelanggan . Price fairness adalah persepsi konsumen dimana perbedaan antara harga yang diterima layak dibandingkan dengan yang lain, dapat dipertimbangkan atau harga yang bisa diterima. Pada penelitian ini komponen yang termasuk dalam keadilan harga (price fairness) meliputi price perceptions, kerentanan konsumen, keadilan harga yang ditawarkan, penetapan harga, kepuasan terhadap pelayanan distributor dan kepuasan pembeli terhadap kondisi LPG 3 Kg. Sedangkan variabel kepuasan pelanggan merupakan tingkat perasaan seseorang setelah membandingkan produk/jasa yang dirasakan setelah menggunakan suatu produk dengan harapan sebelum menggunakan produk/jasa tersebut. Sesuatu dikatakan puas, apabila hasil (produk/jasa) kenyataan yang diterima melebihi yang diharapkan, dan dikatakan tidak memuaskan bila hasil yang diterima tidak sesuai dengan yang diharapkan. Sesuai dengan penelitian yang relevan pada penelitian ini digunakan teknik analisis SEM (Struktural Equation Modelling)

E. Teknik Analisi Data

Pengujian Ho dalam penelitian ini menggunakan SEM (Struktural Equation Modelling ). SEM adalah teknik analisis multivariat untuk menguji hubungan antara variabel yang kompleks serta memperolah gambaran menyeluruh mengenai keseluruhan model. SEM dapat menguji model struktural sekaligus model pengukuran. Dalam menggunakan SEM, pertama-tama peneliti mempelajari teori, pengalaman sebelumnya, dan tujuan studi untuk membedakan variabel independen mana yang memprediksi variabel dependen tertentu. Hubungan yang diusulkan kemudian ditranslasikan menjadi suatu kumpulan persamaan struktural untuk masing- Pengujian Ho dalam penelitian ini menggunakan SEM (Struktural Equation Modelling ). SEM adalah teknik analisis multivariat untuk menguji hubungan antara variabel yang kompleks serta memperolah gambaran menyeluruh mengenai keseluruhan model. SEM dapat menguji model struktural sekaligus model pengukuran. Dalam menggunakan SEM, pertama-tama peneliti mempelajari teori, pengalaman sebelumnya, dan tujuan studi untuk membedakan variabel independen mana yang memprediksi variabel dependen tertentu. Hubungan yang diusulkan kemudian ditranslasikan menjadi suatu kumpulan persamaan struktural untuk masing-

Menurut Agusty Ferdinand (2002:34) prosedur dalam analisis dalam SEM adalah sebagai berikut:

1. Pengembangan model berbasis teori.

2. Pengembangan diagram alur untuk menunjukan hubungan kausalitas.

3. mengkoversi diagram alur kedalam serangkaian persamaan- persamaan struktural dan spesifikasi model pengukuran .

4. Pemilihan matriks input dan tehnik estimasi atas model yang dibangun.

5. menilai problem identifikasi.

6. evalusai model.

7. intrepetasi model dan modifikasi model.

Agusty Ferdinand (2002) menyatakan ada beberapa Asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data sebelum melakukan pengujian model strutural dengan model SEM, asumsi-asumsi tersebut yaitu:

1. Asumsi kecukupan Sampel Ukuran sampel memegang peranan penting dalam estimasi dan intreprestasi hasil hasil dalam SEM. Sampel yang harus dipenuhi dalam permodelan ini berjumlah 100 hingga 200 sampel atau 5 kali estimated parameter yang digunakan

2. Asumsi Normalitas Dalam SEM terutama bila diestimasi dengan teknik maximum likelihood mensyaratkan sebaiknya asumsi normalitas pada data terpenuhi. Untuk

menguji asumsi normalitas maka digunakan nilai z statistik untuk skewnees dan kurtosisnya. Curran et al, dalam Ghozali dan fuad (2005) membagi distribusi data menjadi 3 bagian, yaitu:

a. Normal jika nilai skewness kurang dari 2 dan nilai kurtosis kurang dari 7.

b. Moderately non-normal, yaitu besarnya data yang tidak normal adalah sedang. Nilai skewness diantara 2 sampai 3 dan nilai kurtosis antara 7-21.

c. Extremely non-normal, yaitu distribusi data yang tidak normal sangat

Outliers adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal atau variabel kombinasi. Dalam analisis multivatiate adanya outliers dapat diuji dengan statistik Chi Square (x2) terhadap nilai mahalanoobis distance square pada tingkat signifikansi 0,001 denga degree of freedom sejumlah variabel yang digunakan dalam studi (Ferdinand,2002) dalam hal ini variabel yang dimaksud adalah jumlah item pengukuran pada model, bila terdapat observasi yang mempunyai nilai mahalanobis distance square yang lebih besar dari Chi Square maka observasi tersebut dikeluarkan dari analisis. Umumnya perlakuan terhadap outliers adalah dengan mengeluarkannya dari data dan tidak diikutsertakan dalam perhitungan berikutnya. Bila tidak terdapat alasan khusus utuk mengeluarkan outliers, maka observasi dpat diikutsertakan dalam analisis selanjutnya. Evalusi outliers ini dapat dilakukan dengan bantuan program komputer.

4. Evaluasi Atas Kriteria Goodness Of Fit. Dalam analisis SEM, tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model (Hair et al 1998), tetapi berbagai fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang disajikan dan data yang disajikan. Fit index yang digunakan meliputi:

a. Chi Square Tujuan analisis adalah mengembangkan dan menguji apakah sebuah model yang sesuai dengan data. Chi Square sangat bersifat sensitif terhadap sempel yang terlalu kecil maupun yang terlalu besar. Oleh karenanya pengujian ini perlu dilengkapi dengan alat uji lainya. Nilai Chi Square merupakan ukuran mengenai buruknya fit suatu model (Ghozali dan Fuad 2005) a. Chi Square Tujuan analisis adalah mengembangkan dan menguji apakah sebuah model yang sesuai dengan data. Chi Square sangat bersifat sensitif terhadap sempel yang terlalu kecil maupun yang terlalu besar. Oleh karenanya pengujian ini perlu dilengkapi dengan alat uji lainya. Nilai Chi Square merupakan ukuran mengenai buruknya fit suatu model (Ghozali dan Fuad 2005)

model yang diuji memiliki kesesuaian yang baik.

c. Root Mea Square Error Of approximation (RMSEA) RSMEA merupakan ukuran yang mencoba memperbaiki kecenderungan statistic chi square menolak dengan jumlah sampel yang besar. Nilai RSMEA antara 0,05 dan 0,08 mengindikasikan indeks yang baik untuk menerima kesesuaian sebuah model (Ghozali 2005)

d. Adjusted Goodness Fit Of Index (AGFI) Indeks ini merupakan pengembangan dari Goodness Fit Of Index (GFI) yang telah disesuaikan dengan ratio dari degree of freedom model (Ghozali dan fuad 2005). Analog dengan R2 pada regresi berganda. Nilai yang direkomendasikan adalah AFGI ≥ 0,90 semakin besar nilai AFGI maka semakin baik kesesuaian yang dimiliki model.

e. Tucker Lewis Index (TLI) TLI merupakan indeks kesesuaian icremental yang membandingkan model yang diuji dengan baseline model. TLI digunakan untuk mengatasi permasalahan yang timbul akibat kompleksitas model (Ghozali dan Fuad

2005). Nilai penerimaan yang direkomendasikan adalah nilai TLI ≥ 0,90. TLI merupakan indeks yang kurang dipengaruhi oleh ukuran sampel.

f. Normed Fit Index (NFI) Indeks ini juga merupakan ukuran perbandingan antara proposed model dan null model (Ghozali 2005). Nilai yang direkomendasikan adalah NFI ≥ 0,90.

g. Comparative Fit Index (CFI) CFI juga merupakan indeks kesesuaian incremental. Besaran indeks ini adalah dalam rentang antara 0 sampai 1 dan nilai yang mendekati 1 g. Comparative Fit Index (CFI) CFI juga merupakan indeks kesesuaian incremental. Besaran indeks ini adalah dalam rentang antara 0 sampai 1 dan nilai yang mendekati 1

h. Normed Chi Square (CMIN/DF) CMIN/DF adalah ukuran yang diperbolehkan dari nilai chi square dibagi dengan degree of freedom. Indeks ini merupakan indeks kesesuaian parsimonius yang mengukur hubungan goodness of fit model dan jumlah- jumlah koefisien estimasi yang diharapkan untuk mencapai tingkat kesesuaian. Nilai yang direkomendasikan untuk menerima adalah CMIN/DF adalah <2,0 atau 3,0.

Tabel 2 Goodness of Fit Model Struktural

Goodness of fit index

Cut off value

Chi Square (X2)

Diharapkan kecil

Significance Probability (p)

CMIN/DF

Sumber: Agusty Ferdinand (2002:61)

5. Analisis Koefisien Jalur Analisis koefisien jalur bertujuan untuk melihat signifikansi besaran koefisien path (regression weights estimate) untuk membuktikan hipotesis yang ada.

Pada pengujian dua arah (two tailed), hipotesis diterima (H a diterima dan H 0 ditolak) jika dengan tingkat signifikansi 0,05 nilai critical ratio > 1,96 dan Pada pengujian dua arah (two tailed), hipotesis diterima (H a diterima dan H 0 ditolak) jika dengan tingkat signifikansi 0,05 nilai critical ratio > 1,96 dan