46 Tabel 41. Reputasi Perusahaan
Tanggapan Responden Jumlah Persentase
Sangat Tidak Puas Tidak Puas
2 2
Cukup Puas 15
12 Puas 77
59 Sangat Puas
36 28
Total 130 100
Tabel 41 menunjukkan bahwa sebagian besar responden menyatakan “puas” terhadap reputasi perusahaan dari produk ini. Jumlah responden yang
menyatakan “puas” dengan reputasi perusahaan dari susu Bear Brand sebesar 59 atau sebanyak 77 responden.
Penelitian ini menunjukkan bahwa sebagian besar responden menyatakan “cukup puas” terhadap dua atribut mutu produk yaitu service ability dan harga
produk serta menyatakan “puas” terhadap atribut-atribut mutu produk yang lain. Namun, secara keseluruhan sebagian besar responden “cukup puas” terhadap
atribut-atribut mutu produk sehingga kinerja atribut-atribut mutu produk secara keseluruhan sudah cukup baik.
4.4 ANALISIS HUBUNGAN DISKONFIRMASI, AFEKSI DAN MUTU
PRODUK DENGAN KEPUASAN PELANGGAN MENGGUNAKAN 2
ND
ORDER CONFIRMATORY FACTOR ANALYSIS CFA
2
nd
order CFA digunakan untuk menganalisis hubungan diskonfirmasi, afeksi dan mutu produk dengan kepuasan pelanggan. Selain itu, 2
nd
order CFA juga dapat digunakan untuk menganalisis hubungan antara indikator-indikator variabel laten diskonfirmasi, afeksi dan mutu
produk dengan dimensi diskonfirmasi, afeksi dan mutu produk. Input LISREL yang diperlukan untuk menjalankan model ini diperlihatkan pada Lampiran 2.
P1 P2 P3 P4 P5 P6 = Diskonfirmasi menunjukkan bahwa P1, P2, P3, P4, P5 dan P6 merupakan indikator-indikator variabel laten diskonfirmasi, P7 P8 P9 P10 P11 P12 P13 P14 =
Afeksi menunjukkan bahwa P7, P8, P9, P10, P11, P12, P13 dan P14 merupakan indikator- indikator variabel laten afeksi serta P15 P16 P17 P18 P19 P20 P21 P22 P23 P24 P25 P26 P27
P28 P29 = Mutu menunjukkan bahwa P15, P16, P17, P18, P19, P20, P21, P22, P23, P24, P25, P26, P27, P28 dan P29 merupakan indikator-indikator variabel laten mutu produk. Sedangkan
Diskonfirmasi Afeksi Mutu = KEPUASAN menunjukkan bahwa dimensi diskonfirmasi, afeksi dan mutu produk merupakan indikator dari suatu konstruk kepuasan. Nilai estimasi diperlihatkan
pada Lampiran 3, nilai-t diperlihatkan pada Lampiran 4 dan Output yang diperoleh setelah program ini dijalankan diperlihatkan pada Lampiran 5. Output tersebut terdiri dari measurement
equations, structural equations dan goodness of fit statistics. Measurement equations menunjukkan hasil analisis pengukuran first order sedangkan
structural equations menunjukkan hasil analisis pengukuran second order. Nilai estimasi atau loading digunakan sebagai koefisien validitas. Misalnya dari keenam indikator variabel laten
diskonfirmasi, P6 merupakan indikator yang paling valid karena P6 mempunyai loading yang
47 paling besar yaitu 0,82 dan P9 merupakan indikator yang paling valid karena P9 mempunyai
loading yang paling besar yaitu 0,85. Nilai-t digunakan untuk menentukan signifikansi hubungan antar variabel. Nilai-t yang
berwarna merah menunjukkan hubungan yang tidak signifikan t-hitung t-tabel dan nilai t yang berwarna hitam menunjukkan hubungan yang signifikan t-hitung t-tabel. Ada 16
indikator yang tidak signifikan pada taraf 5 t-tabel = 1,96 yaitu P2 harga produk dibanding harapan yang merupakan indikator dari variabel laten diskonfirmasi serta P15, P16, P17, P18,
P19, P20, P21, P22, P23, P24, P25, P26, P27, P28 dan P29 yang merupakan indikator dari variabel laten mutu produk. Karena seluruh indikator dari dimensi mutu produk tidak valid maka
dimensi mutu produk t = 0,90 atau t-hitung 1,96 bukan merupakan dimensi yang valid dari suatu konstruk kepuasan atau dengan kata lain indikator-indikator variabel laten mutu produk
dengan dimensi mutu produk serta dimensi mutu produk dengan konstruk kepuasan tidak mempunyai hubungan yang signifikan. Mutu produk tidak mempunyai hubungan yang signifikan
dengan kepuasan pelanggan dimungkinkan karena susu Bear Brand merupakan produk susu siap minum yang sudah lama beredar di pasar. Selain itu, susu Bear Brand diproduksi oleh Nestle
yang merupakan perusahaan dengan standar kualitas tinggi. Oleh karena itu, pelanggan tidak menganggap mutu produk sebagai standar kepuasan. Sedangkan mutu produk yang diterima oleh
pelanggan dibandingkan dengan harapan pelanggan mempunyai hubungan yang signifikan dengan kepuasan pelanggan. Ini menunjukkan bahwa tingkat kepuasan pelanggan tidak hanya
ditentukan oleh kinerja aktual produk tetapi kinerja aktual produk dibandingkan dengan harapan pelanggan. Sedangkan dua dimensi lainnya yaitu diskonfirmasi t = 3,20 atau t-hitung 1,96
dan afeksi t = 3,13 atau t-hitung 1,96 menunjukkan hasil yang baik. Ini menunjukkan dimensi diskonfirmasi dan afeksi mempunyai hubungan yang signifikan dengan konstruk kepuasan atau
dengan kata lain dimensi diskonfirmasi dan afeksi merupakan dimensi yang valid dari suatu konstruk kepuasan.
Nilai R
2
yang dihasilkan pada setiap persamaan pengukuran diinterpretasikan sebagai reliabilitas indikator. Misalnya dari keenam indikator variabel laten diskonfirmasi, P6 R
2
= 0,33 atau kinerja produk secara keseluruhan dibanding harapan merupakan indikator yang
paling reliabel. Sedangkan dari kedelapan indikator variabel laten afeksi, P9 R
2
= 0,36 atau mutu produk terpenuhi selama pengkonsumsian merupakan indikator yang paling reliabel.
Ada beberapa indikator yang dapat digunakan untuk menilai cocok atau tidaknya suatu model. Salah satunya adalah chi-suare. Chi-square merupakan salah satu ukuran cocok atau
tidaknya suatu model fit atau tidaknya suatu model. Nilai chi-square menunjukkan adanya deviasi antara sampel covariance matrix dan model covariance matrix. Nilai chi-square valid
jika asumsi normalitas data terpenuhi dan ukuran sampel besar. Jika nilai chi-square 0, maka model mempunyai kecocokan yang sempurna dan probabilitas chi-square tidak signifikan. P
adalah probabilitas untuk memperoleh nilai deviasi yang besar yang ditunjukkan dengan nilai chi-square. Nilai chi-square yang signifikan p 0,05 menunjukkan bahwa data yang diperoleh
berbeda dengan teori atau model yang dibangun. Jika nilai chi-square tidak signifikan p 0,05 maka data yang diperoleh sesuai dengan teori atau model yang dibangun. Kesimpulannya adalah
jika hipotesis awal ingin diterima maka p 0,05. Nilai probabilitas yang dihasilkan dari model ini sebesar 0,42229 p 0,05. Ini menunjukkan bahwa data yang diperoleh sesuai dengan teori atau
model yang dibangun. Model yang diestimasi berdasarkan asumsi normalitas yang memenuhi akan
menghasilkan dua jenis chi-square yaitu C1 dan C2. C1 merupakan minimum fit function chi- square dan C2 merupakan normal theory weighted least squares chi-square.
48 Minimum Fit Function Chi-Square = 335.31 P = 0.91
Normal Theory Weighted Least Squares Chi-Square = 375.69 P = 0.42 Root Mean Square Error Of Approximation RMSEA merupakan indikator cocok atau
tidaknya suatu model yang paling informatif. RMSEA digunakan untuk mengukur nilai deviasi parameter dengan population covariance matrix pada suatu model. Jika nilai RMSEA
≤ 0,05, maka suatu model dinyatakan cocok. Jika nilai RMSEA antara 0,08, maka model mempunyai
perkiraan kesalahan yang reasonable. Jika nilai RMSEA antara 0,08 dan 0,1, maka suatu model dinyatakan cukup cocok dan jika nilai RMSEA 0,1, maka kecocokan suatu model dinyatakan
sangat buruk. Confidence intervals digunakan untuk menilai ketepatan estimasi RMSEA. Nilai confidence interval harus kecil untuk mengindikasikan bahwa RMSEA mempunyai ketepatan
yang baik. Sedangkan nilai p-value for test of close fit RMSEA 0,05 harus lebih besar daripada 0,5
≥ 0,5. Root Mean Square Error of Approximation RMSEA = 0.0099
90 Percent Confidence Interval for RMSEA = 0.0 ; 0.034 P-Value for Test of Close Fit RMSEA 0.05 = 1.00
Model ini mempunyai nilai RMSEA yang kecil yaitu 0,0099 nilai RMSEA ≤ 0,05
sehingga model ini dapat dikatakan cocok. Interval keyakinan model ini kecil yaitu antara 0,0 sampai 0,034 sehingga RMSEA dalam model ini mempunyai ketepatan yang baik. Sementara
itu, nilai probabilitas uji kedekatan terhadap cocok atau tidaknya suatu model tidak signifikan karena jauh diatas 0,5
≥ 0,5 yaitu 1,00 sehingga kecocokan model ini secara keseluruhan sangat baik.
Ecpected Cross Validation Index ECVI digunakan untuk menilai kecenderungan model pada sampel tunggal. Cross validitity menunjukkan bahwa model dapat divalidasi silang pada
ukuran sampel dan populasi yang sama. Selain itu, ECVI dapat digunakan untuk mengukur nilai deviasi antara model covariance matrix pada sampel yang dianalisis dan model covariance
matrix yang akan diperoleh pada sampel lain yang mempunyai ukuran sampel yang sama besar. Jika nilai ECVI rendah maka suatu model berpotensi untuk direplikasi. Jika nilai ECVI yang
diperoleh pada suatu model lebih rendah daripada nilai ECVI yang diperoleh pada saturated model dan independence model, maka suatu model dinyatakan cocok.
Expected Cross-Validation Index ECVI = 3.90 90 Percent Confidence Interval for ECVI = 3.87 ; 4.29
ECVI for Saturated Model = 6.74 ECVI for Independence Model = 6.88
Nilai ECVI yang diperoleh sebesar 3,90. Nilai ECVI pada saturated model sebesar 6,74 dan nilai ECVI pada independence model sebesar 6,88. Karena nilai ECVI yang diperoleh lebih
kecil daripada nilai ECVI pada saturated model dan independence model maka model ini mempunyai kecocokan yang sangat baik.
Akaike Information Criterion AIC dan CAIC digunakan untuk menilai masalah parsimony dalam menilai cocok tidaknya suatu model. AIC lebih sensitif dan dipengaruhi oleh
banyaknya jumlah sampel yang digunakan. Sementara CAIC tidak sensitif terhadap jumlah
49 sampel. Nilai AIC dan CAIC pada model harus lebih kecil daripada AIC dan CAIC saturated
dan independence yang mengindikasikan model mempunyai kecocokan yang sangat baik. Chi-Square for Independence Model with 406 Degrees of Freedom = 829.32
Independence AIC = 887.32 Model AIC = 503.69
Saturated AIC = 870.00 Independence CAIC = 999.47
Model CAIC = 751.22 Saturated CAIC = 2552.38
Nilai AIC 503,69 yang diperoleh pada model lebih kecil daripada independence AIC 887,32 dan saturated AIC 870,00. Selain itu, nilai CAIC 751,22 yang diperoleh pada model
lebih kecil daripada independence CAIC 999,47 dan saturated CAIC 2552,38. Ini menunjukkan bahwa model mempunyai kecocokan yang sangat baik.
Goodness of Fit Index GFI merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovarians. Nilai GFI harus berkisar antara 0 dan 1. Model yang
mempunyai nilai GFI negatif adalah model yang paling buruk dari seluruh model yang ada. Nilai GFI yang lebih besar daripada 0,9 menunjukkan kecocokan model yang baik. Model ini
mempunyai nilai GFI sebesar 0,83. Ini menunjukkan bahwa kecocokan suatu model cukup baik. Goodness of Fit Index GFI = 0.83
Adjusted Goodness of Fit Index AGFI, seperti halnya GFI tetapi AGFI menyesuaikan pengaruh degrees of freedom pada suatu model. Model yang mempunyai kecocokan yang baik
adalah model yang mempunyai nilai AGFI sebesar 0,9. Selain itu, model yang mempunyai kecocokan yang baik mempunyai nilai PGFI jauh lebih besar daripada 0,6 PGFI
≥ 0,6. Model ini mempunyai nilai AGFI sebesar 0,80 dan nilai PGFI sebesar 0,71 PGFI
≥ 0,6. Ini menunjukkan bahwa model ini mempunyai kecocokan yang cukup baik.
Adjusted Goodness of Fit Index AGFI = 0.80 Parsimony Goodness of Fit Index PGFI = 0.71
Indikator lain yang dapat digunakan untuk menilai cocok atau tidaknya suatu model adalah Root Mean Square Residual RMR. Nilai RMR yang memenuhi adalah 0,05 atau
0,1. Nilai RMR yang dihasilkan dari model ini sebesar 0,072. Nilai ini kurang dari sama dengan 0,1 0,1, sehingga model ini mempunyai kecocokan yang sangat baik.
Root Mean Square Residual RMR = 0.15 Standardized RMR = 0.072
Indikator-indikator yang digunakan untuk menilai cocok atau tidaknya model ini menunjukkan hasil yang baik dan cukup baik, bahkan beberapa indikator menunjukkan hasil
yang sangat baik. Ini menunjukkan bahwa secara keseluruhan model ini mempunyai kecocokan yang baik.
50
V. KESIMPULAN DAN SARAN
