77
4.3. Deskripsi Hasil Teknik Analisis Data
4.3.1. Asumsi Model
4.3.1.1. Uji Normalitas Sebaran dan 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 4.10. Hasil Pengujian Normalitas
Variable min
max skew
c.r. kurtosis
c.r.
x21 4,000 7,000
,037 ,157
-,507 -1,086
x22 3,000 7,000
,025 ,109
-,378 -,809
x23 3,000 7,000 -,334 -1,429
,383 ,819 y4 4,000
7,000 -,131
-,560 -,321
-,688 y3 4,000
7,000 ,399
1,711 -,144
-,308 y2 4,000
7,000 -,136
-,581 -,590
-1,264 y1 4,000
7,000 ,279
1,196 -,441
-,944 x131
3,000 7,000 -,239 -1,022 ,201 ,430
x132 4,000 7,000
,224 ,960
-,129 -,276
x133 4,000 7,000
,376 1,608
-,087 -,185
x121 3,000 7,000
-,198 -,847
-,549 -1,176
x122 3,000 7,000
-,154 -,661
-,306 -,655
x123 4,000 7,000
,077 ,328
-,382 -,818
x111 4,000 7,000
,152 ,652
-,299 -,641
x112 3,000 7,000
,253 1,085
,698 1,495
x113 4,000 7,000
,335 1,435
-,249 -,534
x114 4,000 7,000
,036 ,153
-,264 -,566
x115 4,000 7,000
,090 ,386
-,577 -1,235
Multivariate -7,508 -1,467
Sumber : Lampiran 3
78
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 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. 4.3.1.2. 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 [
2] pada df sebesar jumlah variabel bebasnya df = 2. Ketentuan : bila Mahalanobis dari nilai
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 :
79
Tabel 4.11. Hasil Pengujian
Outlier Multivariate
Residuals Statistics
a
21,57 89,81
55,50 16,567
110 -2,048
2,071 ,000
1,000 110
8,431 17,266
12,307 1,511
110 16,06
92,70 55,80
17,416 110
-71,119 71,821
,000 27,259
110 -2,384
2,407 ,000
,914 110
-2,662 2,540
-,005 1,002
110 -88,704
79,941 -,300
32,833 110
-2,757 2,620
-,006 1,013
110 7,715
35,521 17,836
4,670 110
,000 ,092
,011 ,015
110 ,071
,326 ,164
,043 110
Predicted Value Std. Predicted Value
Standard Error of Predicted Value
Adjusted Predicted Value Residual
Std. Residual Stud. Residual
Deleted Residual Stud. Deleted Residual
Mahal. Distance Cooks Distance
Centered Leverage Value Minimum
Maximum Mean
Std. Deviation N
Dependent Variable: no a.
Sumber : Lampiran 4 Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan nilai
MD maksimum adalah 35,521 lebih kecil dari 42,312. Oleh karena itu
diputuskan dalam penelitian tidak terdapat outlier multivariate antar variabel. 4.3.1.3. 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 18,856 mengindikasikan tidak terjadi multikolinieritas dan singularitas
dalam data ini sehingga asumsi terpenuhi.
80
4.3.1.4. 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 indikator-indikator sebuah konstruk yang menunjukkan derajad sampai dimana
masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent
variabel construct 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 4.12 Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Faktor Loading Konstrak
Indikator 1
2 3
4
x111 0,770
x112 0,798
x113 0,828
x114 0,758
Brand Characteristic
x115 0,743
x121 0,546
x122 0,634
Company Characteristic
x123 0,827
x131 0,665
x132 0,733
Consumer Brand Characteristic
x133 0,584
x21 0,558
x22 0,630
Switching Cost x23
0,767 y1
0,515 y2
0,581 y3
0,822 Brand Loyalty
y4 0,691
Sumber : Hasil Pengolahan Data Lampiran 5
81
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut
dapat dikatakan validitasnya baik. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas
setiap skala [variabel atau indikator observasian]. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi
item-item 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 4.13. Pengujian
Reliability Consistency Internal
Konstrak Indikator
Item to Total Correlation Koefisien
Cronbachs Alpha
x111 0,720
x112 0,736 x113 0,765
x114 0,701 Brand
Characteristic x115
0,693 0,884
x121 0,472 x122 0,523
Company Characteristic
x123 0,576 0,702
x131 0,535 x132 0,524
Consumer Brand Characteristic
x133 0,490 0,696
x21 0,488 x22 0,522
Switching Cost x23 0,525
0,695 y1 0,468
y2 0,524 y3 0,616
Brand Loyalty y4 0,600
0,754 : tereliminasi
Sumber : Lampiran 6
82
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena
nilai item to total correlation indikator seluruhnya ≥ 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 baik dimana koefisien Cronbach’s Alpha yang diperoleh
seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair
et.al.,1998]. 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 :
[ Standardize Loading]
Construct Reliability = [
Standardize Loading]
+
j
]
[Standardize Loading
2
] Variance Extracted =
[Standardize Loading
2
] +
j
Sementara
j
dapat dihitung dengan formula
j
= 1 – [ Strespondenrdize loading ] secara umum, nilai construct reliability yang dapat diterima adalah
83
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.c.
j
= 1 - [Strespondenrdize Loading]
2
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.14. Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [
εj] Construct
Reliability Variance
Extrated
x111 0,770
0,593 0,407 x112
0,798 0,637 0,363
x113 0,828
0,686 0,314 x114
0,758 0,575 0,425
Brand Characteristic
x115 0,743
0,552 0,448 1,355 0,779
x121 0,546 0,298
0,702 x122
0,634 0,402 0,598
Company Characteristic
x123 0,827 0,684
0,316 1,141 0,669
x131 0,665 0,442
0,558 x132
0,733 0,537 0,463
Consumer Brand Characteristic
x133 0,584 0,341
0,659 1,148 0,661
x21 0,558 0,311
0,689 x22
0,630 0,397 0,603
Switching Cost x23
0,767 0,588 0,412
1,129 0,652 y1
0,515 0,265 0,735
y2 0,581 0,338
0,662 y3
0,822 0,676 0,324
Brand Loyalty y4
0,691 0,477 0,523
1,278 0,652 Batas Dapat Diterima
≥ 0,7 ≥ 0,5
Sumber : Hasil Pengolahan Data 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 0,70 pun masih dapat diterima
84
sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.3.2. 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 dan Tabel Goodness of Fit di bawah ini.
x11 x115
,28
er_5
1,00 1
x114
,19
er_4
,86 1
x113
,20
er_3
1,11 1
x112
,19
er_2
,98 1
x111
,23
er_1
,98 1
x12 x123
,14
er_8
1,00 1
x122
,31
er_7
,82 1
x121
,47
er_6
,80 1
x13 x133
,36
er_11
1,00 1
x132
,16
er_10
1,01 1
x131
,26
er_9
1,05 1
y y1
,25
er_15
1,00 1
y2
,22
er_16
1,12 1
y3
,12
er_17
1,67 1
y4
,24
er_18
1,56 1
,32
x2 x23
,22
er_14
1,00 1
x22
,38
er_13
,88 1
x21
,36
er_12
,71 1
,09
x1
,53
,15 1,03
,58 1,00
,05
d_y
1 ,06
,26
er_x1
1
,28
er_x2
1 ,10
er_x3
1
Gambar 4.1. Model Pengukuran Kausalitas
One Step Approach-Base Model
85
Tabel 4.15. Hasil Pengujian Kriteria
Goodness of fit
Kriteria Hasil
Nilai Kritis Evaluasi Model
CminDF 0,610 ≤ 2,00
Baik Probability 1,000
≥ 0,05 Baik
RMSEA 0,000 ≤ 0,08
Baik GFI 0,926
≥ 0,90 Baik
AGFI 0,902 ≥ 0,90
Baik TLI 1,114
≥ 0,95 Baik
CFI 1,000 ≥ 0,94
Baik
Sumber : Hasil Pengolahan data
Dari hasil evaluasi terhadap model one step model 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 dilrespondensi 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 : 18,856 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 di bawah ini.
4.3.3. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstrespondenr, dengan pengujian signifikansi pembanding nilai CR [Critical
Ratio] atau p [probability] yang sama dengan nilai t
hitung
. Apabila t
hitung
lebih besar daripada t tabel berarti signifikan.
86
Tabel 4.16. Hasil Pengujian Kausalitas
Regression Weights Faktor
Faktor Ustd
Estimate Std
Estimate Prob.
Brand Loyalty
Trust In Brand 0,531 0,526
0,041 Brand Loyalty
Switching Cost
0,153 0,289 0,071
Batas Signifikansi
≤ 0,10
Sumber : Lampiran 8 Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang
menyatakan bahwa : e.
Faktor Trust In Brand berpengaruh positif terhadap Faktor Brand Loyalty, dapat diterima [Prob. kausalnya 0,041
≤ 0,10 [signifikan [positif]. f.
Faktor Switching Cost berpengaruh positif terhadap Faktor Brand Loyalty, dapat diterima [Prob. kausalnya 0,071 0,10 [signifikan [positif].
4.4. Pembahasan