e. Loyalitas Konsumen
Std. Loading = 0,493 + 0,602 + 0,617 = 1,712
= 0,757 + 0,638 + 0,619 = 2,014 Construct Reliability
Data selengkapnya dapat dilihat pada tabel di bawah ini:
Tabel V.7 Hasil Uji Reliabilitas Non- Fit
Variabel Std.
Loading Measurement
Error Construct-
Reliability Keterangan
Lingkungan Fisik
1,759 1,893
0,620 Reliabel
Kualitas Produk
1,633 2,109
0,558 Tidak
reliabel Kualitas
Pelayanan 2,733
3,482 0,682
Reliabel Kepuasan
Konsumen 1,616
2,118 0,552
Tidak Reliabel
Loyalitas Konsumen
1,712 2,014
0,593 Tidak
Reliabel Sumber: Data primer yang diolah
Hasil perhitungan uji reliabilitas di atas menunjukkan bahwa kualitas produk, kepuasan konsumen dan loyalitas konsumen memiliki
construct reliability kurang dari 0,60 yang berarti variabel-variabel
tersebut tidak reliabel. Setelah mengeluarkan tiga responden yang memiliki nilai ekstrim, maka diperoleh konstruk reliabilitas yang baik.
Perhitungan konstruk reliabilitas Fit dapat dilihat dibawah ini:
f. Lingkungan Fisik
Std. Loading = 0,587 + 0,558 + 0,699 = 1,844
= 0,655 + 0,689 + 0,511 = 1,855 Construct Reliability
g. Kualitas Produk
Std. Loading = 0,590 + 0,586 + 0,588 = 1,764
= 0,652 + 0,657 + 0,654 = 1,963 Construct Reliability
h. Kualitas Pelayanan
Std. Loading = 0,702 + 0,617 + 0,688 = 2,007
= 0,507 + 0,619 + 0,527 = 1,653 Construct Reliability
i. Kepuasan Konsumen
Std. Loading = 0,513 + 0,558 + 0,662 = 1,733
= 0,737 + 0,689 + 0,562 = 1,988 Construct Reliability
j. Loyalitas Konsumen
Std. Loading = 0,607 + 0,559 + 0,707 = 1,873
= 0,631 + 0,687 + 0,500 = 1,818 Construct Reliability
Data selengkapnya dapat dilihat pada tabel di bawah ini:
Tabel V.8 Hasil Uji Reliabilitas Fit
Variabel Std.
Loading Measurement
Error Construct-
Reliability Keterangan
Lingkungan Fisik
1,844 1,855
0,647 Reliabel
Kualitas Produk
1,764 1,963
0,613 Reliabel
Kualitas Pelayanan
2,007 1,653
0,709 Reliabel
Kepuasan Konsumen
1,733 1,988
0,602 Reliabel
Loyalitas Konsumen
1,873 1,818
0,659 Reliabel
Sumber: Data primer yang diolah
Hasil uji reliabilitas di atas menunjukkan bahwa semua variabel memiliki construct reliability lebih dari 0,60 sehingga variabel-variabel
tersebut dinyatakan reliabel dan dapat digunakan dalam penelitian ini.
D. Pengujian Model
Dalam penelitian ini alat analisis yang digunakan adalah SEM atau Structural Equation Modeling
. SEM digunakan untuk menguji model dan hubungan yang telah dikembangkan berdasarkan teori-teori yang sudah
dikemukakan sebelumnya. Penelitian ini menguji hubungan kausalitas antara lingkungan fisik, kualitas produk dan kualitas pelayanan terhadap kepuasan
konsumen dan loyalitas konsumen. Pengembangan model berdasarkan teori dan penyusunan path diagram telah dilakukan. Selanjutnya dilakukan
langkah-langkah permodelan SEM untuk mendapatkan hasil perhitungan yang nantinya akan menguji empat hipotesis yang telah dikemukakan. Teknik
estimasi yang digunakan adalah Maximum Likelihood Estimation ML dengan sampel awal 150 responden dan menggunakan program Amos 18.0.
Asumsi-asumsi yang harus dipenuhi dalam permodelan SEM adalah sebagai berikut:
1. Uji Asumsi SEM
a. Ukuran Sampel
Ukuran sampel yang harus dipenuhi adalah 5 sampai 10 kali dari jumlah parameter yang diestimasi dan minimum berjumlah 100
sampel. Dalam penelitian ini terdapat 17 indikator, sehingga jumlah sampel yang bisa digunakan antara 85 – 170 sampel. Tetapi dengan
adanya jumlah sampel minimum yaitu 100, maka penulis mengambil 150 responden sebagai sampel.
b. Evaluasi atas Normalitas
Evaluasi normalitas dilakukan dengan mengamati nilai z atau C.R dari data yang digunakan. Jika skewness value lebih besar dari
critical ratio sebesar ± 1,96 pada tingkat signifikansi 5, maka data
tersebut tidak normal. Dalam penelitian ini tidak ada data yang memiliki skewness value lebih dari ± 1,96 sehingga dapat disimpulkan
bahwa distribusi data ini normal. Assessment of normality non-fit dengan Assessment of normality fit dapat dilihat perbandingannya pada
tabel di bawah ini:
Tabel V.9 Assesment of Normality Non-Fit
Variable min
max skew
c.r. kurtosis
c.r. Y1
1.000 5.000
-.439 -2.195
-.118 -.295
Y2 2.000
5.000 -.832
-4.159 1.363
3.407 Y3
3.000 5.000
-.250 -1.248
1.065 2.663
X4 2.000
5.000 -.339
-1.696 .619
1.548 X8
1.000 5.000
-.779 -3.893
1.398 3.495
X9 2.000
5.000 -.158
-.792 .013
.034 X11
2.000 5.000
-1.210 -6.051
1.730 4.325
X10 2.000
5.000 -.362
-1.810 -.337
-.843 X3
2.000 5.000
-.301 -1.505
1.105 2.763
X2 1.000
5.000 -.622
-3.108 .618
1.546 X1
1.000 5.000
-.825 -4.127
1.491 3.727
X7 1.000
5.000 -.886
-4.428 2.352
5.880 X6
2.000 5.000
-.338 -1.691
.780 1.951
X5 2.000
5.000 -.278
-1.391 .413
1.033 X12
2.000 5.000
-.411 -2.055
.661 1.652
X13 3.000
5.000 .003
.015 -.059
-.146 X14
2.000 5.000
-.490 -2.451
.217 .544
Multivariate 24.502
5.903 Sumber : Output AMOS versi 18.0
Tabel V.10 Assesment of Normality Fit
Variable min
max skew
c.r. kurtosis
c.r. Y1
1.000 5.000
-.285 -1.412
-.306 -.757
Y2 2.000
5.000 -.803
-3.975 1.458
3.608 Y3
3.000 5.000
-.236 -1.167
.986 2.441
X4 2.000
5.000 -.352
-1.744 .685
1.696 X8
1.000 5.000
-.781 -3.865
1.390 3.440
X11 2.000
5.000 -1.180
-5.840 1.630
4.035 X10
2.000 5.000
-.327 -1.621
-.358 -.885
X3 2.000
5.000 -.317
-1.571 1.119
2.770 X2
1.000 5.000
-.684 -3.386
.748 1.851
X1 1.000
5.000 -.825
-4.082 1.475
3.651 X6
2.000 5.000
-.314 -1.555
.629 1.558
X5 2.000
5.000 -.270
-1.338 .344
.851 X12
2.000 5.000
-.305 -1.511
.467 1.155
X13 3.000
5.000 .003
.013 -.060
-.148 X14
2.000 5.000
-.501 -2.479
.200 .495
Multivariate 20.050
5.382 Sumber : Output AMOS versi 18.0
c. Evaluasi atas Outliers
Evaluasi atas outliers menggunakan uji mahalanobis distance dengan menggunakan program Amos 18.0. Uji terhadap outliers
dilakukan dengan menggunakan kriteria jarak mahalanobis pada tingkat p 0,005. Dari hasil perhitungan observations farthest from the
centroid b erdasarkan chi-square pada derajat bebas sebesar 17 dan
pada tingkat signifikansi 0,005 atau χ
2
17, 0,005 = 35,72 menunjukkan bahwa terdapat 3 data yang memiliki nilai ekstrim atau
unik yang berarti terdapat outliers multivariat dalam penelitian ini, maka ketiga data tersebut harus dikeluarkan dari sampel. Hasil
evaluasi outliers non fit dan outliers fit ini dapat dilihat secara lengkap pada lampiran 3.3 dan lampiran 4.3.
d. Evaluasi atas Multicollinearity dan Singularity
Evaluasi atas Multicollinearity dan Singularity dilakukan dengan menggunakan program Amos 18.0 dengan melihat bagian
determinant of sample covariance matriks . Pada penelitian ini nilai
determinant of sample covariance matriks sebesar 0,000 sehingga
dapat diindikasikan adanya multikolinieritas dan singularitas. Namun, pada path diagram menunjukkan bahwa nilai kovarian antar variabel
eksogen kurang dari 0,90 maka dapat disimpulkan bahwa tidak terdapat multikolineritas pada penelitian ini. Hal tersebut juga
didukung dengan tiga asumsi lain yang sudah terpenuhi serta permodelan yang sudah memenuhi kriteria Goodness of Fit.
2. Uji Kesesuaian Model
a. Uji Goodness of Fit Indices
Dalam penelitian ini, Peneliti melakukan beberapa kali pengujian untuk mendapatkan hasil yang fit. Data hasil output non-fit
dapat dilihat pada gambar di bawah ini:
Gambar V.1 Hasil Output Non-Fit
