Penilaian Model Fit Pengaruh kualitas layanan dan customer value terhadap kepuasan nasabah serta implikasinya terhadap loyalitas nasabah: studi pada nasabah BNI Syariah Cabang Fatmawati
Berdasarkan tabel tersebut dapat dilihat bahwa 4 observasi pertama, yakni observasi ke 22, 30, 23, dan 143 memiliki nilai p1 dibawah
atau sama dengan 0,001 taraf signifikan yang disarankan oleh Dachlan 2014 yaitu
α = 1. Selain memiliki nilai p1 dan p2 yang kecil, keenam observasi tersebut juga memiliki nilai statistik D
2
yang nilainya jauh berbeda dibandingkan D
2
untuk observasi lainnya. Dengan demikian dapat disimpulkan bahwa keeempat observasi tersebut terindikasi sebagai outlier
sehingga data tersebut perlu dihapus satu persatu hingga asumsi normalitas multivariat telah terpenuhi.
Setelah dilakukan penghapusan terhadap empat observasi yang terindikasi awal sebagai outlier, ternyata nilai koefisien kurtosis yang
dihasilkan menjadi lebih baik. Hal tersebut dapat dilihat dari tabel berikut : Tabel 4.10 Statistik Skewness dan Kurtosis Setelah Penghapusan Outlier
Variable Min
max Skew
c.r. kurtosis
c.r. Y1
8.000 15.000
-.188 -1.019
-.369 -1.000
Y2 9.000
15.000 .105
.566 .770
2.086 Y3
8.000 15.000
.003 .015
.713 1.931
X21 2.000
5.000 -.568
-3.075 1.363
3.690 X22
3.000 5.000
.287 1.552
.373 1.010
X23 3.000
5.000 .047
.254 -.060
-.163 X24
3.000 5.000
.352 1.905
.781 2.115
X25 6.000
10.000 -.004
-.024 1.289
3.491 Z5
5.000 10.000
-.140 -.760
.790 2.138
Z4 3.000
5.000 .300
1.627 1.398
3.786 Z3
3.000 5.000
.243 1.317
.174 .472
Z2 3.000
5.000 .141
.765 .301
.814 Z1
3.000 5.000
.272 1.471
.864 2.341
X15 12.000
20.000 .190
1.029 1.519
4.113 X14
8.000 15.000
.066 .359
.879 2.379
Variable Min
max Skew
c.r. kurtosis
c.r. X13
14.000 25.000
-.049 -.264
.513 1.390
X12 10.000
15.000 .390
2.115 -.545
-1.475 X11
14.000 25.000
.209 1.134
.518 1.403
Multivariate 72.669
17.964 Sumber : Output AMOS
Berdasarkan tabel diatas dapat dilihat bahwa tidak ada koefisien kurtosis yang harga absolutnya lebih besar dari 8. Namun nilai c.r yang dihasilkan untuk
koefisien multivariat sebesar 17,964. Nilai ini lebih besar dari 2,58 untuk α=1, sehingga normalitas multivariat tidak terpenuhi. Akan tetapi dengan
mempertimbangkan bahwa semua variabel memenuhi asumsi normalitas univariat, dan juga koefisien kurtosis yang telah memenuhi harga absolut yang
disarankan oleh Curran, dkk 1997, maka masih dapat disimpulkan bahwa asumsi normalitas data telah terpenuhi.
Langkah selanjutnya yang perlu dilakukan dalam pemeriksaan data adalah membebaskan data dari outlier. Untuk melihat observasi yang terindikasi sebagai
outlier, kita dapat memperhatikan tabel berikut : Tabel 4.11 Statistik D
2
untuk Memeriksa Outlier Observation number
Mahalanobis d-squared p1
p2 126
45.126 .000
.068 29
43.514 .001
.007 43
39.123 .003
.013 109
38.860 .003
.002 Sumber : Output AMOS
Berdasarkan tabel diatas dapat dilihat bahwa terdapat 2 observasi yang masih terindikasi sebagai outlier, yaitu observasi 126 dan 29. Hal ini dikarenakan
kedua observasi memiliki nilai p1 yang terkecil diantara observasi lainnya. Sehingga hal ini mengharuskan peneliti untuk menghapus observasi tersebut dan
melakukan pengujian ulang. Setelah dilakukan penghapusan terhadap observasi yang terindikasi sebagai outlier dan dilakukan pengujian ulang, maka didapat
hasil sebagai berikut : Tabel 4.12 Statistik D
2
untuk Memeriksa Outlier Setelah Pengujian Kembali Observation number
Mahalanobis d-squared p1
p2 42
39.272 .003
.366 24
38.908 .003
.093 108
38.741 .003
.017 133
38.660 .003
.002 137
38.128 .004
.001 Sumber : Output AMOS
Berdasarkan tabel diatas dapat dilihat bahwa tidak ada observasi yang memiliki nilai p1 yang lebih kecil dari 0,001 α=1 dan juga nilai Statistik D
2
yang dihasilkan nilainya tidak jauh beda dibandingkan nilai-nilai D
2
untuk observasi lainnya, maka dapat dikatakan bahwa data telah terbebas dari outlier.
2. Penilaian Fit Model Awal
Tahapan selanjutnya dalam menganalisis SEM adalah menilai fit model awal. Dalam hal ini penilaian model fit awal dapat dilihat
berdasarkan gambar berikut :
Gambar 4.7 Hasil Pengujian Fit Model Awal
Sumber : Output AMOS Dari gambar tersebut dapat dilihat bahwa P-value yang dihasilkan untuk
Chi-kuadrat sebesar 0,000. Karena nilai ini lebih kecil dari α=0,05 5, maka
model dinyatakan tidak fit berdasarkan ukuran ini. Selain itu jika dilihat dari indeks CFI yang lebih kecil dari 0,90 dan nilai RMSEA yang lebih besar dari
0,10, maka model tersebut juga dinyatakan tidak fit. Dikarenakan tidak fitnya model pengukuran maka perlu diadakan pengujian terhadap validitas konstruk
indikator, perbaikan model, dan penilaian model fit yang akan dilakukan secara iteratif sampai diperoleh model pengukuran yang dapat diterima.
Tahap pertama yaitu pengujian validitas konstruk indikator yang terdiri beberapa pengujian, yaitu :
a. Validitas Konvergen
Tahapan pengujian ini dapat dilihat berdasarkan signifikansi parameter dan nilai loading faktor yang dihasilkan. Berikut tabel yang memperlihatkan
signifikansi parameter : Tabel 4.13 Regression Weights; Hasil Estimasi Tidak Terstandarisir
Estimate S.E.
C.R. P
Label X11 --- SERVQUAL
1.000 X12 --- SERVQUAL
.624 .071
8.856 X13 --- SERVQUAL
.968 .113
8.550 X14 --- SERVQUAL
.699 .074
9.487 X15 --- SERVQUAL
.859 .091
9.430 Z1 --- SATISFACTION
1.000 Z2 --- SATISFACTION
1.026 .166
6.177 Z3 --- SATISFACTION
.964 .158
6.103 Z4 --- SATISFACTION
.936 .147
6.374 Z5 --- SATISFACTION
2.274 .309
7.355 X25 --- CUSTVAL
1.000 X24 --- CUSTVAL
.500 .049
10.170 X23 --- CUSTVAL
.546 .057
9.632 X22 --- CUSTVAL
.520 .051
10.135 X21 --- CUSTVAL
.325 .057
5.713 Y2 --- LOYALTY
.996 .106
9.363 Y3 --- LOYALTY
1.000 Y1 --- LOYALTY
1.100 .132
8.300
Sumber : Output AMOS Berdasarkan tabel tersebut dapat dilihat bahwa p-value yang dihasilkan
sangat kecil yaitu dibawah 0,001, yang ditandai dengan tiga buah asterik .
Dengan demikian semua indikator dinyatakan signifikan sebagai pengukur masing-masing konstruk latennya. Langkah selanjutnya yaitu melihat nilai
loading faktor setiap indikator untuk memenuhi validitas konvergen. Nilai tersebut dapat dilihat berdasarkan tabel berikut :
Tabel 4.14 Nilai Loading Faktor Estimate
X11 --- SERVQUAL .694
X12 --- SERVQUAL .749
X13 --- SERVQUAL .720
X14 --- SERVQUAL .811
X15 --- SERVQUAL .805
Z1 --- SATISFACTION .617
Z2 --- SATISFACTION .572
Z3 --- SATISFACTION .564
Z4 --- SATISFACTION .596
Z5 --- SATISFACTION .725
X25 --- CUSTVAL .848
X24 --- CUSTVAL .725
X23 --- CUSTVAL .694
X22 --- CUSTVAL .723
X21 --- CUSTVAL .443
Y2 --- LOYALTY .760
Y3 --- LOYALTY .782
Y1 --- LOYALTY .669
Sumber : Output AMOS Berdasarkan tabel tersebut dapat dilihat bahwa terdapat 8 indikator yang
memiliki nilai loading yang lebih kecil dari 0,7, sehingga indikator-indikator tersebut tidak memenuhi validitas konvergen sebagai pengukur masing-masing
konstruk latennya. Mengikuti saran dari Raughnathan, dkk 1999, indikator yang
mempunyai nilai loading yang lebih kecil dari 0,45 dikeluarkan dari analisis. Sehingga X21 harus dikeluarkan dari analisis karena memiliki nilai loading
sebesar 0,443 yang lebih kecil dari 0,45. Setelah dilakukan analisis kembali terhadap model didapat hasil nilai p-
value sebesar 0,000 dengan Chi-Kuadrat sebesar 333,716, serta nilai CFI yang masih dibawah 0,90 dan nilai RMSEA yang masih diatas 0,10. Hal ini
membuktikan bahwa model masih tidak fit. Hal yang selanjutnya dilakukan adalah memeriksa saran perbaikan dari AMOS. AMOS memberikan saran untuk
membebaskan error berkorelasi satu sama lain. Setelah membebaskan error berkorelasi satu sama lain, didapat hasi p-value sebesar 0,809 dengan Chi-Kuadrat
sebesar 78,139 dan df sebesar 90, serta indeks CFI sebesar 1,000 atau lebih besar dari 0,90 dan nilai RMSEA sebesar 0,00 atau lebih kecil dari 0,10. Dengan
demikian model dapat dinyatakan telah fit. Selain itu, hal yang perlu dilakukan adalah memeriksa kembali data
sehingga validitas konvergen telah terpenuhi. Berdasarkan output AMOS telah dipastikan bahwa data telah memenuhi asumsi normalitas, terhindar dari outlier,
dan tidak ada nilai loading yang berada dibawah 0,45. Dengan demikian model dinyatakan telah memenuhi validitas konvergen.
b. Reliabilitas Indikator
Tahapan ini merupakan tahapan pengujian untuk melihat reliable atau tidaknya sebuah indikator. Hal tersebut dapat diketahui berdasarkan hasil output
akhir AMOS Squared Multiple Correlation yang dapat dilihat pada tabel berikut :
4.15 Squared Multiple Correlations
Estimate Y1
.532 Y2
.625 Y3
.661 X22
.514 X23
.480 X24
.541 X25
.717 Z5
.667 Z4
.449 Z3
.348 Z2
.324 Z1
.406 X15
.596 X14
.584 X13
.543 X12
.603 X11
.518 Sumber : Output AMOS
Berdasarkan tabel diatas dapat diketahui terdapat 5 indikator yang mempunyi nilai R
2
lebih kecil dari 0,50, sehingga dinyatakan sebagai indikator yang tidak reliabel. Namun, mengacu pada saran yang dikemukakan oleh Dachlan
2014 bahwa untuk menjaga kekomprehensifan pengujian, maka indikator ini tidak di drop.
3. Evaluasi Model Akhir
Evaluasi model akhir yang perlu dilakukan setelah model dinyatakan telah bebas dari asumsi normalitas, terbebas dari outlier, dan telah melalu uji validitas
konstruk terhadap indikator yaitu menilai fit tidaknya suatu model dengan menggunakan ukuran Goodness of Fit dengan metode estimasi Maximum
Likelihood ML. Berikut adalah hasil pengujian model fit dan hasil dari pengukuran berdasarkan indeks GoF terhadap model akhir yang telah diuji :
4.8 Hasil Pengujian Fit Model Akhir
Sumber : Output AMOS 4.16 Hasil Evaluasi Goodness of Fit Model Akhir
Ukuran Goodness of Fit Hasil Statistik
Cut-off Keterangan
Absolute Fit
Statistik �
2
78,139 Rendah
-
P-value 0,809
0,05 Sangat Fit
GFI 0,951
0,90 Fit
AGFI 0,917
0,90 Fit
RMSEA 0,000
≤ 0,05 Fit Sempurna
Incremental Fit
RFI 0,931
0,90 Fit
TLI 1
0,90 Fit Sempurna
CFI 1
0,90 Fit Sempurna
IFI 1
0,90 Fit Sempurna
Parsimonious Fit
PCFI 0,662
Lebih besar lebih baik Cukup Fit
PNFI 0,632
Lebih besar lebih baik Cukup Fit
Sumber : Data diolah berdasarkan output AMOS Berdasarkan tabel tersebut dapat dilihat bahwa model akhir yang
didapatkan telah memenuhi semua ukuran fit baik diukur dengan ukuran fit absolut, fit incremental, dan fit parsimoni. Dengan demikian maka pengujian
tahap akhir yaitu pengujian terhadap pengaruh antar variabel dan pengujian terhadap hipotesis sudah dapat dilakukan.