59
4.3. Deskripsi Hasil Analisis dan Uji Hipotesis
4.3.1. Uji Normalitas dan Sebaran Linieritas
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. 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. Hasil pengujian normalitas pada penelitian ini akan ditampilkan pada tabel
berikut : Tabel 4.12.
Hasil Uji Normalitas Variable
min Max
kurtosis c.r.
X11 5
7 -1,028
-2,180 X12
5 7
-1,350 -2,863
X13 5
7 -1,498
-3,179 X21
4 7
-0,857 -1,817
X22 4
7 -0,654
-1,388 X23
4 7
-1,255 -2,662
X24 4
7 -0,842
-1,786 X31
4 7
-1,029 -2,183
X32 5
7 -1,358
-2,880 X33
5 7
-1,274 -2,702
Y1 4
7 -0,175
-0,371 Y2
4 7
0,483 1,025
Y3 5
7 -1,166
-2,474 Z11
5 7
-0,581 -1,232
Z12 5
7 -0,839
-1,779 Z13
4 7
-0,768 -1,628
Z21 4
7 -1,104
-2,343 Z22
4 7
-0,935 -1,983
Multivariate 8,287
1,605 Batas Normal
± 2,58 Sumber : Lampiran 3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
60
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di dalam ± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah
serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau
ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.3.2. Evaluasi atas 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 Hair,1998.
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
χ 2] pada df sebesar jumlah variabel
bebasnya df = 18. Ketentuan : bila Mahalanobis dari nilai χ
2 adalah multivariate outlier. Pada penelitian ini terdapat outlier apabila nilai Mahalanobis
distancenya 42,312. Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate
berikut ini akan disajikan tabel Uji Outlier Multivariate : Tabel 4.13.
Hasil Pengujian Outlier Multivariate
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 25,679
95,536 54,500
15,963 108
Std. Predicted Value -1,806
2,571 0,000
1,000 108
Standard Error of Predicted Value 7,247
17,310 12,242
1,943 108
Adjusted Predicted Value 16,676
99,385 55,149
17,430 108
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
61
Residual -62,763
55,467 0,000
26,948 108
Std. Residual -2,124
1,877 0,000
0,912 108
Stud. Residual -2,474
2,021 -0,010
1,001 108
Deleted Residual -86,762
64,282 -0,649
32,561 108
Stud. Deleted Residual -2,549
2,057 -0,012
1,011 108
Mahalanobis Distance [MD] 5,446
35,733 17,833
6,110 108
Cooks Distance 0,000
0,132 0,011
0,019 108
Centered Leverage Value 0,051
0,334 0,167
0,057 108
a Dependent Variable : NO. RESP
Sumber : Lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD
maksimum adalah 35,733 lebih kecil dari 42,312. Oleh karena itu diputuskan dalam penelitian tidak terdapat outlier multivariate antar variabel.
4.3.3. Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0
diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 812,43 mengindikasikan tidak terjadi multikolinieritas dan singularitas
dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya
diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
62
indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari setiap latent variabelconstruct akan diuji dengan melihat faktor loading faktor dari hubungan
antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted.
Dari hasil pengolahan data didapatkan hasil sebagai berikut : Tabel 4.14.
Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis Konstrak
Indikator Faktor Loading
1 2
3 4
Kualitas Inti X11
0,335 X12
0,836 X13
0,942 Kualitas
Hubungan X21
0,942 X22
0,574 X23
0,314 X24
0,742 Resiko Yang
Dipersepsikan X31
0,225 X32
0,912 X33
0,790 Kepuasan
Pelanggan Y1
0,844 Y2
0,751 Y4
0,554 Loyalitas
Pelanggan Z11
0,767 Z12
0,661 Z13
0,257 Komplain
Pelanggan Z21
0,797 Z22
0,572 Sumber : Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
63
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loading masing-masing butir pertanyaan yang membentuk setiap konstruk belum
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat
dikatakan validitasnya cukup baik. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian.
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. Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat
dilihat pada tabel berikut ini : Tabel 4.15.
Pengujian Reliability Consistency Internal Konstrak
Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha
Kualitas Inti X11
0,645 0,733
X12 0,875
X13 0,888
Kualitas Hubungan
X21 0,713
0,686 X22
0,465 X23
0,857 X24
0,796 Resiko Yang
Dipersepsikan X31
0,614 0,621
X32 0,835
X33 0,823
Kepuasan Pelanggan
Y1 0,863
0,754 Y2
0,827 Y4
0,766 Loyalitas
Pelanggan Z11
0,739 0,502
Z12 0,713
Z13 0,701
Komplain Pelanggan
Z21 0,865
0,620 Z22
0,838 Sumber : Lampiran 6
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
64
Hasil pengujian reliabilitas konsistensi internal untuk setiap konstruk di atas menunjukkan cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh
belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair
et.al.,1998]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya
≥ 0,5. 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. Construct reliability dan
Variance-extracted dihitung dengan rumus sebagai berikut:
[ ]
[ ]
]
j ading
dardize Lo S
Loading Stadardize
liability Construct
ε ∑
+ ∑
∑ =
2 2
tan Re
[ ]
[ ]
j ading
dardize Lo S
Loading Stadardize
xtracted Variance E
ε ∑
∑ ∑
=
2 2
tan Sementara
ε
j
dapat dihitung dengan formula ε
j
= 1 – [Strespondenrdize loading] secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,5
Hair at, 1998. Strespondenrdize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct strespondenrdize regression weight
terhadap setiap butir sebagai indikatornya.
[ ]
2
tan 1
ading dardize Lo
S j
− =
ε
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
65
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Tabel 4.16. Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat E
rror [εj] Construct
Reliability Variance
Extrated Core Quality
X11 0,335
0,112 0,888
0,774 0,566
X12 0,836
0,699 0,301
X13 0,942
0,887 0,113
Relationship Quality
X21 0,574
0,329 0,671
0,729 0,427
X22 0,314
0,099 0,901
X23 0,742
0,551 0,449
X24 0,853
0,728 0,272
Risk Perception
X31 0,225
0,051 0,949
0,713 0,502
X32 0,912
0,832 0,168
X33 0,790
0,624 0,376
Customer Satisfation
Y1 0,844
0,712 0,288
0,765 0,528
Y2 0,751
0,564 0,436
Y4 0,554
0,307 0,693
Customer Loyalty
Z11 0,767
0,588 0,412
0,598 0,364
Z12 0,661
0,437 0,563
Z13 0,257
0,066 0,934
Customer Complaint
Z21 0,797
0,635 0,365
0,644 0,481
Z22 0,572
0,327 0,673
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 7 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 0,7 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi.
Dan variance extracted direkomendasikan pada tingkat 0,5.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
66
4.3.5. Pengujian Model Dengan One-Step Approach
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 terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang
diestimasi secara bersama-sama One Step Approach to SEM. One step aprroach to SEM digunakan apabila model diyakini bahwa dilrespondensi teori yang kuat
serta validitas 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 dibawah ini:
MODEL PENGUKURAN STRUKTURAL Core Quality, Relationship Quality, Risk Perception,
Customer Satisfaction, Customer Loyalty, Customer Complaint Model Specification : One Step Approach - Base Model
Customer Complaint
Customer Loyalty
Z21 er_17
1 1
Z22 er_18
1 Z11
er_11 1
1 Z12
er_12 1
1
Core Quality
X11 er_1
1 X12
er_2 1
Z13 er_13
1 X13
er_3 1
1
Relationship Quality
X21 er_4
X22 er_5
X23 er_6
X24 er_7
1 1
1 1
1
Risk Perception
X31 er_8
X32 er_9
X33 er_10
1 1
1 Customer
Satisfaction Y1
er_14 Y2
er_15 Y3
er_16 1
1 1
1 d_cl
1
d_cs 1
d_cc 1
Gambar 4.2. Model Pengukuran Kausalitas One Step Apporach
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
67
Tabel 4.17.
Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil
Nilai Kritis Evaluasi
Model CminDF
1,215 ≤ 2,00
baik Probability
0,050 ≥ 0,05
baik RMSEA
0,045 ≤ 0,08
baik GFI
0,872 ≥ 0,90
kurang baik AGFI
0,828 ≥ 0,90
kurang baik TLI
0,929 ≥ 0,95
kurang baik CFI
0,941 ≥ 0,94
baik
Sumber : Hasil Pengolahan Data Dari hasil evaluasi terhadap model one step base model ternyata dari
semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan 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. Berdasarkan uji Reliability Consistency Internal terdapat
indikator tereliminasi sehingga model berubah sebagaimana terdapat di bawah ini :
MODEL PENGUKURAN STRUKTURAL Core Quality, Relationship Quality, Risk Perception,
Customer Satisfaction, Customer Loyalty, Customer Complaint Model Specification : One Step Approach - Modification Model
Customer Complaint
Customer Loyalty
Z21 er_17
1 1
Z22 er_18
1 Z11
er_11 1
1 Z12
er_12 1
1
Core Quality
X11 er_1
1 X12
er_2 1
Z13 er_13
1 X13
er_3 1
1
Relationship Quality
X21 er_4
X22 er_5
X23 er_6
X24 er_7
1 1
1 1
1
Risk Perception
X31 er_8
X32 er_9
X33 er_10
1 1
1 Customer
Satisfaction Y1
er_14 Y2
er_15 Y3
er_16 1
1 1
1 d_cl
1
d_cs 1
d_cc 1
Gambar 4.3. Model Pengukuran Kausalitas One Step Apporach- Modifikasi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
68
Tabel 4.18. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil
Nilai Kritis Evaluasi
Model CminDF
0,798 ≤ 2,00
baik Probability
0,951 ≥ 0,05
baik RMSEA
0,000 ≤ 0,08
baik GFI
0,911 ≥ 0,90
baik AGFI
0,900 ≥ 0,90
baik TLI
1,066 ≥ 0,95
baik CFI
1,000 ≥ 0,94
baik
Sumber : Hasil Pengolahan Data Dari hasil evaluasi terhadap model one step modifikasi ternyata dari semua
kriteria goodness of fit yang digunakan, seluruhnya menunjukkan 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 antar variabel dalam model sebagaimana terdapat di bawah ini :
Dilihat dari angka determinant of sample covariance matrix : 812,43 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini
sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing- masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas dibawah
ini.
4.3.6. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikasi pembanding nilai CR Critical Ratio atau p
probability yang sama dengan nilai t
hitung
.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
69
Tabel 4.19. Hasil Pengujian Kausalitas
Ustd Std
Prob. Faktor
ï Faktor
Estimate Estimate Customer_Satisfaction
ï Core_Quality
0,066 0,099
0,366 Customer_Satisfaction
ï Relationship_Quality
0,129 0,195
0,089 Customer_Satisfaction
ï Risk_Perception
-0,102 -0,154
0,178 Customer_Loyalty
ï Customer_Satisfaction
0,305 0,419
0,002 Customer_Complaint
ï Customer_Satisfaction
-0,251 -0,228
0,036 Batas Signifikansi
≤ 0,10 Sumber : Lampiran 8
Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang menyatakan bahwa :
1. Faktor kualitas inti berpengaruh positif terhadap faktor kepuasan pelanggan,
tidak dapat diterima [Prob. kausalnya 0,366 0,10 [tidak signifikan [positif]. 2.
Faktor kualitas hubungan berpengaruh positif terhadap faktor kepuasan pelanggan, dapat diterima [prob. kausalnya 0,089
≤ 0,10 [signifikan [positif]. 3.
Faktor resiko yang dipersepsikan berpengaruh negatif terhadap faktor kepuasan pelanggan, tidak dapat diterima [prob. kausalnya 0,178 0,10
[tidak signifikan [negatif]. 4.
Faktor kepuasan pelanggan berpengaruh positif terhadap faktor loyalitas pelanggan, dapat diterima [prob. kausalnya 0,002
≤ 0,10 [signifikan [positif]. 5.
Faktor kepuasan pelanggan berpengaruh negatif terhadap faktor komplain pelanggan, dapat diterima [prob. kausalnya 0,036
≤ 0,10 [signifikan [negatif].
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
70
4.4. Pembahasan