Sedangkan reliabilitas diuji dengan construct reliability dan variance- extracted. Construct reliability dan variance-extracted dihitung
dengan rumus berikut : [
Standardize Loading]
2
Construct Reliability = [
Standardize Loading
2
+ j]
[Standardize Loading
2
] Variance-Extracted =
[ Standardize Loading
2
+ j]
Sementara j dapat di hitung dengan formula j = 1 – [Standardize
Loading]. Secara umum, nilai Construct Reliability yang dapat diterima adalah 0,7 dan Variance-Extracted 0,5 Ferdinand,
2002:63. Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap Construct Reliability
regression weigths terhadap setiap butir sebagai indikatornya.
3.5.3 Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung koefisien jalur diamati dari bobot regresi terstandar 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.
3.5.4 Pengujian Model Dengan One Step Approach
Dalam metode SEM, model pengukuran dan model struktur parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi fit model. One Step Approach to SEM digunakan apabila model diyakini dan dilandasi teori yang kuat serta
validitas dan reliabilitas data sangat baik
3.5.5. Pengujian Model dengan One Step Approach-Modification
Apabila dengan One Step Approach-Base Model tidak dapat dihasilkan evaluasi model yang baik terhadap keseluruhan criteria
goodness fit of index maka akan dilanjutkan dengan One Step Approach- modification.
3.5.6 Evaluasi Model
Hair et al., 1998 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka
model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor jit” dengan data
Amos dapat menguji apakah model “good fit” atau “poor fit”. Jadi “good fit” model yang diuji sangat penting dalam penggunaan Structural
Equation Modelling.
Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit, yakni Chi-square, Probability, RMSEA, GFI,
TLI, CFI, AGFI, CMINDF. Apabila model awal tidak good fit dengan
data maka model dikembangkan dengan pendekatan Two Step Approach to Structural Equation Modelling SEM.
Berikut ini disajikan beberapa indeks kesesuaian dan cut off valuenya untuk digunakan dalam menguji apakah model dapat diterima
atau ditolak.
1. X
2
– Chi Square Statistic Alat uji yang paling fundamental untuk mengukur overall fit adalah
likehood ratio chi-square statistic. Chi-square ini bersifat sangat sensitive terhadap besarnya sampel yang digunakan karena itu bila
jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel maka statistic chi-square ini harus didampingi oleh alat uji lainnya. Model
yang diuji akan dipandang baik atau memuaskan bila nilai chi- squarenya rendah. Semakin kecil nilai X
2
semakin baik model itu. Dalam pengujiannya ini nilai X
2
yang rendah yang menghasilkan sebuah tingkat signifikansi yang lebih besar dari 0,05 akan
mengindikasikan tak adanya perbedaan yang signifikan antara matriks kovarians yang diestimasi.
2. RMSEA-The Rood Mean Square Error of Appoximation
Adalah sebuah indeks yang dapat digunakan untuk mengkompensasikan chi-square statistic dalam sampel yang besar
nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila
model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model
yang menunjukkan sebuah close-fit dari model ini berdasarkan degree of freedom.
3. GFI-Goodness of Fit Index
Indeks kesesuaian fit index ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh
matriks kovarians populasi yang terestimasikan. GFI adalah sebuah ukuran non-statistical yang mempunyai rentang nilai antara 0 poor fit
sampai dengan 1,0 perfect fit nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
4. AGFI-Adjusted Goodness of fit indeks
Adalah analog dari R
2
dalam regresi berganda. Fit index ini dapat didjust terhadap degree of freedom yang tersedia untuk menguji
diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari
0,09 perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang diperhitungkan proporsi tertimbang dari varians dalam sebuah
matriks kovarians sampel.
5. CMIN DF
The minimum sample discrepancy function CMN dibagi dengan
degree of freedom-nya akan menghasilkan indeks CMIN DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator
untuk mengukur tingkat fit-nya sebuah model.
6. TLI-Tucker Lewis Index
TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline
model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan 0,95 dan nilai yang sangat
mendekati 1 menunjukkan a very good fit.
7. CFI-Comparative Fit Index
Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1 mengindikasikan tingkat fit yang paling tinggi a
very good fit. Nilai yang direkomendasikan adalah CFI 0,95.
Tabel 3.1:
Goodness Fit Index
Goodness of fit index
Keterangan Cut-off-value
X
2
– Chi Square Menguji apakah
covariance yang diestimasi sama dengan covariance
sample apakah model sesuai dengan data
Diharapkan kecil 1 sd 5 atau paling baik
diantara 1 dan 2.
Probability Uji signifikansi terhadap
perbedaan matriks
covariance data dan matriks covariance yang
diestimasi. Minimum 0,1 atau
0,2 atau 0,05
RMSEA Mengkompensasi kelemahan
Chi-Square pada sampel besar
0,08 GFI Menghitung
proporsi tertimbang varians dalam
matriks sampel yang dijelaskan oleh matriks
covariance populasi yang diestimasi analog dengan
R
2
dalam regresi berganda.
0,90
AGFI GFI yang
disesuaikan terhadap DF
0,90 CMINDDF
Kesesuaian antara data dan model
2,00 TLI Pembandingan
antara model yang diuji terhadap
baseline model 0,95
CFI Uji kelayakan model yang
tidak sensitive terhadap besarnya sampel dan
kerumitan model. 0,94
Sumber : Hair et al., 1998
No. Responden :
KUISIONER
Dengan hormat, Penulis memohon kesediaan anda meluangkan sedikit waktu untuk
menjawab beberapa pertanyaan guna melengkapi penulisan tugas akhir Skripsi
yang berjudul “Analisis pengaruh celebrity endorser dan iklan humor Yamaha Jupiter MX versi “Jembatan Ambruk” terhadap minat beli
konsumen di Surabaya”. Identitas Responden :
1. Umur : a. 17-20 Tahun
c. 26-30 Tahun b. 21-25 Tahun
d. 31 Tahun Keatas 2. Jenis Kelamin
: a. Pria b. Wanita
3. Pekerjaan : a. PelajarMahasiswa
c. Wiraswasta b.
Pegawai d.
Lainya.... 4. Pendapatan
: a. Kurang dari Rp. 1.000.000 b. Rp 1.000.000 – Rp. 2.000.000
c. Rp. 2.000.001 – Rp 3.000.000 d. Lebih dari Rp. 3.000.000
e. Lainya....
Petunjuk Pengisian :
Berilah nilai pada kotak yang tersedia, untuk tiap pertanyaan yang menurut Anda paling sesuai, yang terdiri dari rentang pilihan 1 sampai dengan 7.
Contoh : 1. Iklan Yamaha Jupiter MX di televisi sangat bagus
5
1 7
Sangat Tidak Setuju Sangat Setuju
1
1. Celebrity Endorser X1. a. Kredibilitas X1.1
1. Menurut saya Celebrity Endorser “Komeng” mampu menarik perhatian konsumen.
1 7
Sangat Tidak Setuju Sangat Setuju
2. Menurut saya Celebrity Endorser ”Komeng” kreatif membintangi iklan tersebut.
1 7
Sangat Tidak Setuju Sangat Setuju
b. Kecocokan dengan khalayak X1.2