Evaluasi atas Outliers Uji Standardized Residual

multikolinierity dan singularity, dengan demikian asumsi non multicollinierity dan non singularity terpenuhi.

e. Evaluasi Atas Kriteria Goodness of Fit

Berdasarkan komputasi AMOS 16.0 untuk model SEM ini, dihasilkan nilai indeks-indeks goodness of fit yang dihasilkan model struktural sebagai berikut: Tabel 4.13 Nilai Goodness of Fit dan Cut off Value Structural Model Kriteria Hasil Uji Model Nilai Kritis Keterangan X 2 Chi square 790,1 Besar X 2 dengan df = 434 dengan α = 0,05 adalah 483,5705 Tidak baik Probabilitas 0,000  0,05 Tidak Baik CminDF 1,82  2,00 Baik RMSEA 0,106  0,08 Tidak Baik GFI 0,667  0,90 Tidak Baik AGFI 0,62  0,90 Tidak Baik TLI 0,512  0,95 Tidak Baik CFI 0,545  0,95 Tidak Baik Sumber : Lampiran 6, diolah Tabel di atas menunjukkan terdapat kriteria yang mempunyai nilai tidak baik. Oleh karena itu model ini kurang dapat diterima dengan baik, sehingga diperlukan modifikasi lebih lanjut. f. Analisis Direct Efect, Indirect Efect dan Total Efect Efek langsung direct effect adalah koefisien dari garis dengan anak panah satu ujung. Tabel di bawah ini menunjukkan adanya efek langsung antar konstruk: Tabel 4.14 Standardized Direct Effects Structural Model X1 Y1 Y2 Y3 X X1.3 X1.8 X1.7 X1.6 X1.2 X1.4 Y4 X1.1 Y1 0.393 Y2 0.13 Y3 0.175 X 0.144 X1.3 0.492 X1.8 0.144 X1.7 0.308 X1.6 0.995 X1.5 0.399 X1.2 0.287 X1.4 0.48 Y4 0.363 X1.1 0.416 Y3.2 0.882 Y3.1 0.499 Y4.3 0.383 X1.2.2 0.131 X1.3.1 0.998 X1.3.2 0.613 Y2.5 0.839 Y2.4 0.606 Y2.3 0.667 Y2.2 0.659 Y1.4 0.509 Y1.3 0.789 Y1.2 0.783 Y1.1 0.835 X.1 0.997 X1.7.4 0.151 X1.7.3 0.108 X1.4.3 0.654 X1.8.1 0.998 X1.8.2 0.493 X1.7.1 0.998 X1.6.1 0.762 X1.6.2 0.496 X1.5.1 X1.2.1 0.997 X1.4.1 0.321 X1.4.2 0.757 Y4.1 0.996 Y4.2 0.682 X1.1.1 1.026 X1.1.2 0.539 Sumber : Lampiran 6, diolah Dari Tabel di atas dapat diketahui bahwa terdapat pengaruh langsung Kebijakan Perusahaan X terhadap Perilaku Konsumen Y1, Perilaku Konsumen Y1 terhadap Keputusan Pembelian Y2, Keputusan Pembelian Y2 terhadap Kepuasan Konsumen Y3, serta pengaruh langsung Kepuasan Konsumen Y3 terhadap Loyaitas Konsumen Y4. Efek tidak langsung indirect effect adalah efek yang muncul melalui sebuah variabel antara. Tabel di bawah ini menunjukkan adanya efek tidak langsung antar konstruk: Tabel 4.15 Standardized Indirect Effects Structural Model X1 Y1 Y2 Y3 X X1.3 X1.8 X1.7 X1.6 X1.2 X1.4 Y4 X1.1 Y1 Y2 0.051 Y3 0.009 0.023 X X1.3 0.071 X1.8 0.021 X1.7 0.044 X1.6 0.144 X1.5 0.058 X1.2 0.041 X1.4 0.069 Y4 0.003 0.008 0.064 X1.1 0.06 Y3.2 0.008 0.02 0.155 Y3.1 0.004 0.011 0.088 Y4.3 0.001 0.003 0.024 0.139 X1.2.2 0.005 0.037 X1.3.1 0.071 0.491 X1.3.2 0.044 0.302 Y2.5 0.043 0.109 Y2.4 0.031 0.079 Y2.3 0.034 0.087 Y2.2 0.034 0.086 Y1.4 0.2 Y1.3 0.31 Y1.2 0.308 Y1.1 0.328

X.1 X1.7.4

0.007 0.046 X1.7.3 0.005 0.033 X1.4.3 0.045 0.314 X1.8.1 0.021 0.144 X1.8.2 0.01 0.071 X1.7.1 0.044 0.307 X1.6.1 0.109 0.758 X1.6.2 0.071 0.494 X1.5.1 0.057 0.398 X1.2.1 0.041 0.286 X1.4.1 0.022 0.154 X1.4.2 0.052 0.363 Y4.1 0.003 0.008 0.063 0.361 Y4.2 0.002 0.006 0.043 0.247 X1.1.1 0.062 0.427 X1.1.2 0.032 0.224 Sumber : Lampiran 6, diolah Dari Tabel di atas dapat diketahui bahwa terdapat pengaruh tidak langsung Kebijakan Perusahaan X terhadap Keputusan Pembelian Y2, Kepuasan Konsumen Y3, dan Loyalitas Konsumen Y4. Efek total total effect adalah efek dari berbagai hubungan. Tabel di bawah ini menunjukkan adanya efek total antar konstruk dari model. Tabel 4.16 Standardized Total Effects Structural Model X1 Y1 Y2 Y3 X X1.3 X1.8 X1.7 X1.6 X1.2 X1.4 Y4 X1.1 Y1 0.393 Y2 0.051 0.13 Y3 0.009 0.023 0.175 X 0.144 X1.3 0.071 0.492 X1.8 0.021 0.144 X1.7 0.044 0.308 X1.6 0.144 0.995 X1.5 0.058 0.399 X1.2 0.041 0.287 X1.4 0.069 0.48 Y4 0.003 0.008 0.064 0.363 X1.1 0.06 0.416 Y3.2 0.008 0.02 0.155 0.882 Y3.1 0.004 0.011 0.088 0.499 Y4.3 0.001 0.003 0.024 0.139 0.383 X1.2.2 0.005 0.037 0.131 X1.3.1 0.071 0.491 0.998 X1.3.2 0.044 0.302 0.613 Y2.5 0.043 0.109 0.839 Y2.4 0.031 0.079 0.606 Y2.3 0.034 0.087 0.667 Y2.2 0.034 0.086 0.659 Y1.4 0.2 0.509 Y1.3 0.31 0.789 Y1.2 0.308 0.783 Y1.1 0.328 0.835 X.1 0.997 X1.7.4 0.007 0.046 0.151 X1.7.3 0.005 0.033 0.108 X1.4.3 0.045 0.314 0.654 X1.8.1 0.021 0.144 0.998 X1.8.2 0.01 0.071 0.493 X1.7.1 0.044 0.307 0.998 X1.6.1 0.109 0.758 0.762 X1.6.2 0.071 0.494 0.496 X1.5.1 0.057 0.398 X1.2.1 0.041 0.286 0.997 X1.4.1 0.022 0.154 0.321 X1.4.2 0.052 0.363 0.757 Y4.1 0.003 0.008 0.063 0.361 0.996 Y4.2 0.002 0.006 0.043 0.247 0.682 X1.1.1 0.062 0.427 1.026 X1.1.2 0.032 0.224 0.539 Sumber : Lampiran 6, diolah Efek total merupakan gabungan antara efek langsung dan efek tidak langsung.

4.5.2 Interpretasi dan Modifikasi Model

Setelah estimasi model dilakukan, peneliti masih dapat melakukan modifikasi terhadap model yang dikembangkan, bila hasil estimasi model mempunyai residual yang besar. Namun demikian, modifikasi hanya dapat dilakukan bila peneliti mempunyai justifikasi teoritis yang cukup kuat. Untuk itu standardized residual matrix pada Tabel 4.16 akan diamati untuk melihat apakah model perlu dilakukan modifikasi atau tidak. Bila nilai residual lebih besar dari 2,58 maka model perlu dilakukan modifikasi.

a. Uji Standardized Residual

Berdasarkan evaluasi pada model struktural, diketahui bahwa model belum dapat diterima dengan baik, karena hanya 1 kriteria goodness of fit yang baik. Untuk menguji apakah model perlu dimodifikasi dilakukan uji standardized residual. Apabila standardized residual covariances -2,58 S.R +2,58 maka model perlu dilakukan modifikasi. Berikut adalah nilai standardized residual covariances dari model struktural. Tabel 4.17 Standardized Residual Covariances Structural Model Y3.2 Y3.1 Y4.3 X1.2.2 X1.3.1 X1.3.2 Y2.5 Y2.4 Y2.3 Y2.2 Y1.4 Y1.3 Y1.2 Y1.1

X.1 X1.7.4

X1.7.3 X1.4.3

X1.8.1 X1.8.2

X1.7.1 X1.6.1

X1.6.2 X1.5.1

X1.2.1 X1.4.1

X1.4.2 Y4.1

Y4.2 X1.1.1 X1.1.2 Y3.2 Y3.1 ‐0.021 Y4.3 3.172 3.73 ‐3.134 X1.2.2 ‐0.065 0.135 1.428 X1.3.1 0.009 0.483 0.505 1.842 X1.3.2 1.596 0.784 0.581 1.074 0.007 ‐1.72 Y2.5 ‐0.769 ‐0.338 ‐0.003 1.231 ‐0.18 0.72 Y2.4 0.834 ‐0.242 1.077 0.332 ‐0.213 1.901 ‐0.408 Y2.3 0.894 0.527 1.989 1.057 0.43 0.966 0.132 0.759 Y2.2 0.854 0.643 1.043 ‐0.102 ‐0.883 0.798 0.283 0.174 ‐0.996 Y1.4 ‐1.537 ‐1.974 ‐1.121 ‐1.87 ‐0.48 ‐0.184 1.492 1.741 0.371 1.561 Y1.3 ‐1.058 ‐1.334 ‐1.345 ‐1.733 ‐1.525 ‐0.213 ‐0.275 ‐0.333 ‐0.942 0.391 ‐0.332 Y1.2 ‐1.278 ‐0.914 ‐0.91 ‐1.804 ‐1.838 ‐0.828 0.166 ‐1.099 ‐0.995 ‐0.126 0.5 ‐0.183 Y1.1 ‐1.898 ‐1.548 ‐1.358 ‐1.424 ‐1.296 ‐0.844 ‐0.016 ‐0.234 ‐0.674 1.042 ‐0.228 0.12 0.059 X.1 0.324 ‐1.245 ‐0.929 0.136 ‐1.43 0.725 1.454 2.285 ‐0.291 1.369 0.332 0.681 ‐0.13 ‐0.557 X1.7.4 ‐0.2 ‐1.538 ‐0.103 0.357 0.06 0.649 0.249 0.674 ‐0.417 ‐0.069 0.321 2.405 1.753 1.381 5.708 ‐0.027 X1.7.3 0.294 ‐0.892 ‐0.387 0.181 0.644 0.61 1.547 0.066 0.634 1.641 1.074 1.816 ‐0.252 1.146 2.781 3.113 ‐0.014 X1.4.3 ‐0.051 ‐1.11 0.108 0.886 ‐1.183 ‐0.092 1.471 1.535 1.93 1.995 ‐1.293 ‐0.981 ‐0.925 ‐0.251 ‐1.866 ‐1.034 ‐1.332 X1.8.1 1.577 ‐0.779 0.742 0.364 ‐1.298 0.092 1.174 0.332 0.636 1.642 3.752 2.546 2.229 5.341 5.529 3.488 ‐1.124 ‐1.023 X1.8.2 0.813 ‐0.643 0.232 0.285 ‐0.239 0.658 0.943 1.343 0.205 1.748 1.542 2.859 2.257 2.071 4.464 3.863 3.072 ‐0.943 ‐0.625 ‐3.693 X1.7.1 2.171 0.486 1.029 ‐0.296 ‐0.639 ‐0.179 0.19 ‐0.37 0.279 0.1 ‐0.118 0.122 ‐0.069 0.055 0.554 ‐0.251 ‐0.181 ‐0.679 1.438 0.701 ‐1.18 X1.6.1 1.577 0.805 1.427 1.932 0.476 0.808 0.7 1.945 3.147 0.686 ‐1.382 ‐0.511 ‐1.562 ‐0.931 0.332 1.423 ‐0.263 ‐0.281 0.162 0.385 0.154 0.002 X1.6.2 1.5 ‐0.051 0.825 1.977 ‐0.123 0.805 ‐0.361 0.179 0.095 1.045 ‐0.098 ‐0.456 0.29 ‐0.009 1.996 2.043 1.392 ‐1.359 1.13 1.674 2.811 0.12 X1.5.1 0.797 0.423 0.115 0.576 ‐0.934 0.299 ‐0.962 ‐0.224 ‐0.343 ‐0.507 ‐0.429 ‐1.447 ‐1.674 ‐1.652 ‐1.078 ‐1.068 ‐1.86 2.85 ‐1.493 ‐1.886 ‐0.37 ‐0.32 ‐0.686 X1.2.1 0.71 0.208 ‐0.197 ‐0.005 0.915 1.135 0.637 ‐0.188 1.65 ‐0.209 0.172 ‐0.786 0.563 ‐0.272 ‐0.261 ‐0.784 ‐0.753 1.094 ‐0.487 ‐0.211 0.161 ‐0.673 ‐0.672 1.03 X1.4.1 1.144 0.735 1.023 1.489 0.169 0.702 ‐0.05 0.441 0.305 0.732 ‐0.912 ‐0.779 ‐0.821 ‐0.458 0.244 ‐0.401 ‐0.124 ‐0.148 0.01 ‐0.956 ‐0.069 1.039 ‐1.272 2.071 1.283 X1.4.2 0.06 1.174 0.627 1.721 ‐1.311 ‐0.422 1.031 0.529 1.269 1.539 ‐1.522 ‐1.128 ‐1.259 ‐0.562 ‐0.545 ‐0.607 ‐1.702 0.068 ‐0.744 ‐0.973 ‐1.431 ‐0.252 ‐1.555 4.383 0.494 ‐0.14 Y4.1 ‐0.014 0.194 ‐0.006 0.218 0.86 1.188 ‐1.777 0.7 1.446 ‐1.652 ‐1.154 0.071 ‐0.794 ‐0.034 ‐0.237 1.388 ‐0.804 ‐0.304 1.057 0.519 2.148 2.442 0.958 ‐0.578 ‐0.46 0.594 0.028 Y4.2 0.428 1.487 1.157 0.596 ‐0.496 0.544 0.051 0.516 1.986 0.651 0.29 0.534 0.393 1.315 ‐1.008 0.161 ‐0.931 0.183 0.789 0.762 0.575 0.292 ‐0.767 ‐0.564 ‐0.274 1.734 1.16 ‐0.005 X1.1.1 0.124 ‐0.859 1.609 6.15 1.137 1.062 1.524 1.011 1.926 0.591 ‐1.383 ‐0.653 ‐1.055 ‐0.823 ‐1.465 0.338 0.484 1.212 0.158 0.239 ‐1.34 ‐0.199 ‐0.3 ‐0.504 0.306 0.315 1.069 1.56 2.026 X1.1.2 0.107 ‐0.583 0.863 5.227 0.76 0.736 1.388 1.139 1.406 ‐0.428 ‐0.339 0.135 ‐0.045 0.242 0.37 0.509 0.39 0.457 0.274 0.916 ‐1.109 ‐0.814 0.887 0.081 0.402 0.859 1.149 1.699 1.417 Sumber : Output AMOS Structural Model Non Outlier Dari Tabel di atas dapat dilihat bahwa terdapat beberapa nilai residual yang lebih besar dari ±2,58, sehingga dapat disimpulkan bahwa model struktural masih kurang dapat diterima, oleh karena itu perlu dilakukan modifikasi terhadap model.

b. Modifikasi Model

Modifikasi model dapat dilakukan dengan menggunakan bantuan indeks modifikasi. Indeks modifikasi adalah suatu alat untuk menilai ketepatan sebuah model yang telah dispesifikasi. Sebuah indeks modifikasi sebesar 4,0 atau lebih, memberikan indikasi bahwa bila koefisien itu diestimasi maka akan terjadi pengecilan nilai chi-square yang signifikan. Oleh karena itu, modifikasi dilakukan pada estimasi yang mempunyai indeks modifikasi ≥ 4,0. Setelah dilakukan percobaan modifikasi model, ternyata dengan menambah jalur path berdasarkan indeks modifikasi, model menghasilkan nilai probabilitas chi-square yang lebih besar. Berikut adalah nilai indeks goodness of fit yang dihasilkan dari persamaan struktural yang telah dimodifikasi: Tabel 4.18 Nilai Goodness of Fit dan Cut off Value Structural Model Modifikasi Kriteria Hasil Uji Model Nilai Kritis Keterangan X 2 Chi square 694,110 Kecil X 2 dengan df = 635 dengan α = 0,05 adalah 694,735 Baik Probabilitas 0,775  0,05 Baik CminDF 1,74  2,00 Baik RMSEA 0,076  0,08 Baik GFI 0,932  0,90 Baik AGFI 0,919  0,90 Baik TLI 1,024  0,95 Baik CFI 0,976  0,95 Baik Sumber : Lampiran 7, diolah Nilai standardized residual covariances dari model struktural yang dimodifikasi dapat dilihat pada Tabel di bawah ini: Tabel 4.19 Standardized Residual Covariances Structural Model Modifikasi