3.4. Teknik Analisis dan Uji Hipotesis 3.4.1.
Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling [SEM]. Merupakan teknik statistik yang
memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit. Langkah-langkah dalam analisis SEM model pengukuran dengan contoh
sebagai berikut : Persamaan Brand awareness X1 :
X.1. =
1 Brand awareness + er_1 X.2 =
2 Brand awareness + er_2 X.3 =
3 Brand awareness + er_3
Bila persamaaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor
analysis, maka model pengukuran dengan contoh variable harga akan nampak sebagai berikut :
Gambar 3.1
: Contoh Model Pengukuran Brand awareness
Brand awareness
X1.1
er_1
X1.2
er_2
X1.3
er 3
Keterangan : X.1
= pertanyaan tentang Pengenalan merek X.2
= pertanyaan tentang Media iklan X.3
= pertanyaan tentang Kegiatan Promosi
3.4.2. Outliers
Outlier adalah obsevasi yang muncul dengan nilai-nilai eksterim baik secara univariat maupun multivariate yang muncul karena kombinasi karakteristik
unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainya. Dapat diadakan treatment khusus pada outliers ini asal diketahui
munculnya outlier itu. Outliers pada dasarnya dapat muncul dalam empat kategori.
Pertama, Outlier muncul karena kesalahan prosedur seperti kesalahan dalam
memasukkan data atau kesalahan dalam mengkoding data. Misalnya 8 diketik 80 sehingga jauh berbeda dengan nilai-nilai lainnya dalam rentang jawaban
responden antara 1-10 jika hal semacam ini lolos maka akan menjadi sebuah nilai ekstrim.
Kedua, outlier dapat muncul karena keadaan yang benar-benar khusus yang
memungkinkan profil datanya lain daripada yang lain daripada tetapi peneliti mempunyai penjelasan mengenai penyebab munculnya nilai ekstrim itu.
Ketiga, outlier dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak
dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai nilai ekstrim itu.
Keempat, outlier dapat muncul dalam range nilai yang ada, tetapi bila
dikombinasi dengan varibel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut multivariate outlier.
3.4.3. Evaluasi atas outliers
Menagamati atas z-score variabel: ketentuan diantara +_ 3,0 non outlier Multivariate outlier diukur dengan kriteria jarak mahalanobis pada tingkat p
0,001.Jarak diuji dengan Chi-Square X
2
pada df degrees of Freedom sebesar jumlah variabel bebasnya. Ketentuan : Mahalanobis dari nilai X
2
adalah multivariate outlier.
3.4.4. Uji Validitas
Uji validitas adalah suatu derajat ketepatan alat ukur penelitian tentang isi sebenarnya yang diukur. Analisis validitas item bertujuan untuk menguji apakah
tiap butir pertanyaan benar-benar sudah sahih, paling tidak kita dapat menetapkan derajat yang tinggi dari kedekatan data yang diperoleh dengan apa yang diyakini
dalam pengukuran. Sebagai alat ukur yang digunakan, analisis ini dilakukan dengan cara mengkorelasiakn antar skor item denga skor total item. Dalam hal ini
koefisien korelasi yang nilai signifikasinya lebih kecil dari 5 level of
significance menunjukkan bahwa item-item tersebut sudah sahih sebagai pembentukan indikator.
3.4.5. Uji Reliabilitas
Yang dimaksud dengan reabilitas ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukan derajat sampai dimana
masing-masing indicator itu menghasilakan sebuah konstrukfaktor laten yang umum. Secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,70 dan variance extracted
≥ 0,5 Hair et. al., 1998.
3.4.6. Uji Normalitas
Untuk menguji normalitas distribusi data-data yang digunakan dalam analisis, peneliti dapat menggunakan uji-uji statistik. Uji yang paling mudah
adalah dengan mengamati skewness value dari data yang digunakan, yang biasanya disajikan dalam statistik diskriptif dari hampir semua program statistik.
3.4.7. Multicollinearity dan Singularity
Untuk melihat apakah pada data penelitian terdapat multikolinieritas dan singularitas dalam kombinasi-komninasi variabel, maka perlu mengamati
determinan dari variable kovarian sampelnya. Determinan yang benar-benar kecil mengindikasikan adanya multikolinieritas dan singularitas, sehingga data tidak
dapat digunakan untuk analisis yang sedang dilakukan. Augusty 2002 : 108. 3.4.8. 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 table berarti pengujian hipotesis kausal berarti signifikan.
3.4.9. 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 teotitis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” 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.
Tabel 3.1. Goodness of Fit Indices
GOODNESS OF FIT INDEX
KETERANGAN CUT-OFF VALUE
X
2
- Chi-square Menguji apakah covariance populasi yang destimasi sama
dengan cova-riance sample [apakah model sesuai dengan data]. Diharapkan Kecil, 1 s.d 5.
atau paling baik diantara 1 dan 2.
Probability Uji signifikansi terhadap perbedaan matriks covariace data dan
matriks covariance yang diestimasi. Minimum 0,1 atau 0,2,
atau 0,05
RMSEA Mengkompensasi kelemahan Chi-Square pada sample besar.
0,08 GFI
Menghitung proporsi tertimbang varians dalam matrtiks sample 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 sample dan kerumitan model.
0,95 Sumber : Hair et.al., [1998]
39
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian 4.1.1. Sejarah singkat Perusahaan