Tabel.3.4 . Uji Validitas Instrumen Variabel Harga, Kualitas Pelayanan, Kepuasan
Pelanggan dan Loyalitas Pelanggan No
Item Instrumen Pernyataan
Nilai Uji Validitas
Keterangan Nilai Uji
Reliabilitas Keterangan
1 2
3 X
1.1
X
1.2
X 0,598
1.3
0,378 0,424
Valid Valid
Valid
0,893 Reliabel
4 5
6 7
8 X
X
2.1
X
2.2
X
2.3
X
2.4
0,384
2.5
0,397 0,638
0,586 0,740
Valid Valid
Valid Valid
Valid 9
10 11
12 Y
Y
1.1
Y
1.2
Y
1.3
0,509
1.4
0,682 0,677
0,593 Valid
Valid Valid
Valid 13
14 15
Y Y
2.1
Y
2.2
0,537
2.3
0,695 0,711
Valid Valid
Valid
3.9 Teknik Analisis
Teknik analisis digunakan untuk menginterpretasikan dan menganalisis data. Sesuai dengan model multidimensi dan berjenjang yang sedang
dikembangkan pada penelitian ini maka alat analisis data yang digunakan pada penelitian ini adalah Structural Equation Modelling SEM pada paket statistik
Universitas Sumatera Utara
AMOS. Menganalisis model penelitian dengan SEM dapat mengidentifikasi dimensi-dimensi sebuah konstruk, dan pada saat yang sama dapat mengukur
pengaruh atau derajat hubungan antar faktor yang telah diidentifikasi dimensi- dimensinya.
Menurut Hair et al., 1998 dalam Ghozali 2008 tahapan pemodelan dan analisis persamaan struktural meliputi 7 tujuh langkah, yaitu:
Langkah 1: Pengembangan Model Berdasarkan Teori
Model penelitian yang dikembangkan didasarkan pada hasil telah teori yang telah diterangkan pada Bab II. Model ini digunakan untuk menjawab
permasalahan penelitian dan sebagai cara untuk mencapai tujuan penelitian. Sebagaimana telah dijelaskan pada bab sebelumnya bahwa terdapat 4 variabel
pembentuk model yaitu konstruk harga X
1
yang terdiri dari 3 indikator, variabel kualitas pelayanan X
2
yang terdiri dari 5 indikator, variabel kepuasan pelanggan Y
1
yang terdiri dari 4 indikator dan variabel loyalitas pelanggan Y
2
Langkah 2: Menyusun Diagram Alur Path Diagram
yang terdiri dari 3 indikator. Model penelitian yang dibangun juga telah dirancang
berdasarkan teknik analisis SEM.
Universitas Sumatera Utara
Gambar 3.1. Diagram Alur Penelitian
Dalam langkah kedua ini, model teoritis yang telah dibangun pada tahap pertama digambarkan dalam diagram alur path diagram untuk mempermudah
melihat hubungan-hubungan kausalitas yang ingin diuji. Path diagram dari model teoritis pada langkah pertama dapat dilihat pada Gambar 3.1
Konstruk-konstruk yang dibangun pada diagram alur pada Gambar 3.1. di atas dapat dibedakan dalam dua kelompok konstruk yaitu konstruk eksogen dan
konstruk endogen. a.
Konstruk eksogen Exogenous construct, yang dikenal juga sebagai “source variables” atau “independent variables” yang tidak diprediksi oleh variabel
yang lain dalam model. Secara diagram konstruk eksogen model pengukuran measurement model
dalam penelitian ini dapat dilihat pada Gambar 3.2.
Universitas Sumatera Utara
Gambar 3.2. Konstruk Eksogen Model Pengukuran
b. Konstruk endogen Endogenous construct, yang merupakan faktor-faktor
yang diprediksi oleh satu atau beberapa konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk eksogen hanya
dapat berhubungan kausal dengan konstruk endogen. Konstruk endogen model pengukuran measurement model dalam penelitian
ini dapat dilihat pada Gambar 3.3.
Gambar 3.3. Konstruk Endogen Model Pengukuran
Universitas Sumatera Utara
Langkah 3: Konversi Diagram alur Kedalam Persamaan
Setelah model penelitian dikembangkan dan digambar pada sebuah diagram alur maka langkah berikutnya adalah mengkonversi spesifikasi model
kedalam rangkaian persamaan yang dibangun. Model Struktural dengan variabel laten terdiri dari dua bagian yaitu bagian model pengukuran measurement model
yaitu hubungan dari indikator ke variabel laten dan model struktural yaitu hubungan antara variabel laten Ghozali, 2008.
Model pada Gambar 3.1 terdiri dari dua variabel eksogen laten yaitu harga dan kualitas pelayanandimana masing-masing variabel ini diukur dengan indikator
atau manifest dan variabel dua endogen laten yaitu kepuasan pelanggan dan loyalitas pelanggan dimana masing-masing variabel ini juga diukur dengan
indikator atau manifest. Persamaan matematika untuk model pengukuran adalah sebagai berikut:
Variabel Laten Harga X
1
X
1.1
= λ
1.1
X
1
+ δ X
1 1.2
= λ
2.1
X
1
+ δ X
2 1.3
= λ
3.1
X
1
+ δ
3
Variabel Laten Kualitas Pelayanan X
2
X
2.1
= λ
1.2
X
2
+ δ X
4 2.2
= λ
2.2
X
2
+ δ X
5 2.3
= λ
3.2
X
2
+ δ X
6 2.4
= λ
4.2
X
2
+ δ X
7 2.5
= λ
5.2
X
2
+ δ
8
Variabel Laten Kepuasan Pelanggan Y
1
Y
1.1
= λ
1.1
Y
1
+ ε Y
1 1.2
= λ
2.1
Y
1
+ ε Y
2 1.3
= λ
3.1
Y
1
+ ε Y
3 1.4
= λ
4.1
Y
1
+ ε
4
Universitas Sumatera Utara
Variabel Laten Loyalitas Pelanggan Y
2
Y
2.1
= λ
1.2
Y
2
+ ε Y
5 2.2
= λ
2.2
Y
2
+ ε Y
6 2.3
= λ
3.2
Y
2
+ ε
7
Persamaan matematika untuk model struktural adalah sebagai berikut: Y
1
= γ
1.1
X
1
+ γ
1.2
X
2
+ ς Y
1 2
= β
2.1
Y
1
+ ς
2
Langkah 4: Memilih Matriks Input dan Teknik Estimasi
Setelah model dispesifikasi secara lengkap, langkah berikutnya adalah memilih jenis input dan estimasi model yang sesuai. SEM hanya menggunakan
matriks varianskovarians atau matrik kolerasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. Matriks kovarians digunakan karena dapat
menunjukkan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda, dimana hal tersebut tidak dapat dilakukan oleh matriks kolerasi.
Hair et al., dalam Ferdinand 2006 menganjurkan bahwa jumlah sampel yang sesuai adalah berkisar antara 100 sampai dengan 200 responden. Dalam
penelitian ini matriks inputnya adalah matriks kovarians dengan jumlah sampel yang digunakan adalah 190 responden. Teknik estimasi yang digunakan adalah
maximum likelihood estimation method dari program AMOS. Estimasi dilakukan secara bertahap yakni:
1. Estimasi measurement model dengan teknik confirmatory factor analysis yang digunakan untuk menguji unidimensionalitas dari konstruk-konstruk
eksogen dan endogen. 2. Estimasi structural equation model melalui analisis Full Model untuk melihat
kesesuaian model dan hubungan kausalitas yang dibangun dalam model.
Universitas Sumatera Utara
Langkah 5: Kemungkinan Munculnya Masalah Identifikasi
Problem identifikasi pada prinsipnya adalah kondisi dimana model yang sedang dikembangkan tidak mampu menghasilkan suatu estimasi yang unik. Bila
setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk.
Problem identifikasi dapat muncul karena : a Standard error untuk satu atau beberapa koefisien adalah sangat besar.
b Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan.
c Muncul angka-angka yang aneh seperti adanya varian error yang negatif d Munculnya kolerasi yang sangat tinggi antar koefisien estimasi yang didapat
misalnya lebih dari 0,9.
Langkah 6: Evaluasi Kriteria Goodness of Fit
Pada langkah ini kesesuaian model dievaluasi melalui telaah terhadap berbagai kriteria goodness-of-fit. Untuk itu tindakan pertama yang dilakukan
adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM yaitu ukuran sampel, normalitas dan linearitas, outliers dan multicollinearity
dan singularity.
a.
Ukuran sampel
Hair et al., dalam Ferdinand 2006 menganjurkan bahwa jumlah sampel yang sesuai adalah berkisar antara 100 sampai dengan 200 sampel.
b.
Normalitas dan linearitas
Sebaran data yang ada harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut. Normalitas dapat diuji
Universitas Sumatera Utara
dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. Uji normalitas ini perlu dilakukan baik untuk normalitas terhadap
data tunggal maupun normalitas multivariat dimana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan
mengamati scaterplotts dari data, yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas.
c. Outliers
