Deteksi Multicollinierity dan Singularity Structural Equation Modeling SEM dan Pengujian Hipotesis

60

4.4.6. Deteksi Multicollinierity dan Singularity

Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 [kecil], maka terjadi multikolinieritas dan singularitas [Tabachnick Fidell,1998]. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.01 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 9.706,95 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi.

4.4.7. Structural Equation Modeling SEM dan Pengujian Hipotesis

4.4.7.1. Evaluasi Model One-Step Approach to SEM

Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama [One Step Approach to SEM]. One step aprroach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik [Hair et.al.,1998] Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 sebagai berikut : 61 Gambar 4.2. Model Pengukuran Kausalitas One Step Approach Base Model MODEL PENGUKURAN STRUKTURAL Store Image, Customer Loyalty Model Specification : One Step Approach - Base Model Service Physical Fascilities X31 er_4 1 1 X32 er_5 1 Convenience X41 er_6 1 1 Promotion X51 er_13 1 1 1 Store Image d_pf d_cn d_pr d_se 1 1 1 1 Merchandise d_me 1 X11 er_10 1 1 X42 er_7 1 X22 er_2 1 1 X12 er_11 1 X13 er_12 1 X43 er_8 1 X52 er_14 1 X23 er_3 1 X21 er_1 1 1 Customer Loyalty Y1 er_15 Y2 er_16 d_cl Y3 er_17 1 1 1 1 1 X44 er_9 1 Sumber : Hasil Pengolahan Data Tabel 4.17. Evaluasi Kriteria Goodness of Fit Indices Base Model Kriteria Hasil Nilai Kritis Evaluasi Model Cm in DF 1,222 ≤ 2,00 baik Pr obabilit y 0,054 ≥ 0,05 baik RMSEA 0,047 ≤ 0,08 k ur ang baik GFI 0,865 ≥ 0,90 k ur ang baik AGFI 0,818 ≥ 0,90 k ur ang baik TLI 0,950 ≥ 0,95 baik CFI 0,958 ≥ 0,94 baik Sumber Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini masih perlu dimodifikasi sebagaimana terdapat di bawah ini. : Hasil Pengolahan data 62 Gambar 4.3. Model Pengukuran Kausalitas One Step Approach Modifikasi MODEL PENGUKURAN STRUKTURAL Store Image, Customer Loyalty Unstandardized estimates : One Step Approach - Modifikasi Service Physical Fascilities X31 er_4 1 1 X32 er_5 1 Convenience X41 er_6 1 1 Promotion X51 er_13 1 1 1 Store Image d_pf d_cn d_pr d_se 1 1 1 1 Merchandise d_me 1 X11 er_10 1 1 X42 er_7 1 X22 er_2 1 1 X12 er_11 1 X13 er_12 1 X43 er_8 1 X52 er_14 1 X23 er_3 1 X21 er_1 1 1 Customer Loyalty Y1 er_15 Y2 er_16 d_cl Y3 er_17 1 1 1 1 1 X44 er_9 1 Sumber : Hasil Pengolahan Data Tabel 4.18. Evaluasi Kriteria Goodness of Fit Indices Modifikasi Kriteria Hasil Nilai Kritis Evaluasi Model Cm in DF 0,870 ≤ 2,00 baik Pr obabilit y 0,835 ≥ 0,05 baik RMSEA 0,000 ≤ 0,08 baik GFI 0,904 ≥ 0,90 baik AGFI 0,900 ≥ 0,90 baik TLI 1,029 ≥ 0,95 baik CFI 1,000 ≥ 0,94 baik Sumber Dari hasil evaluasi terhadap model one step model modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model : Hasil Pengolahan data 63 ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini.

4.4.7.2. Analisis Unidimensi First Order

Tabel 4.19. Unidimensi First Order Regression Weights Ustd Estimate Std Estimate Prob. X11  Mer chandise 1,000 0,795 0,000 X12  Mer chandise 0,900 0,818 0,000 X13  Mer chandise 0,828 0,669 0,000 X21  Serv ice 1,000 0,795 0,000 X22  Serv ice 1,000 0,803 0,000 X23  Serv ice 0,448 0,356 0,000 X31  Phy sical_Fascilit ies 1,000 0,237 0,000 X32  Phy sical_Fascilit ies 2,719 0,784 0,034 X41  Convenience 1,000 0,909 0,000 X42  Convenience 0,766 0,764 0,000 X43  Convenience 0,553 0,603 0,000 X44  Convenience 0,535 0,099 0,000 X51  Promotion 1,000 0,922 0,000 X52  Promotion 0,787 0,801 0,003 Y1  Cust om er _Loy alt y 1,000 0,575 0,000 Y2  Cust om er _Loy alt y 1,315 0,810 0,000 Y3  Cust om er _Loy alt y 1,613 0,930 0,000 Sumber : Hasil Pengolahan Data

4.4.7.3. Analisis Unidimensi Second Order

Tabel 4.20. Unidimensi Second Order Regression Weights Ustd Estimate Std Estimate Prob. Phy sical_Fascilit ies  Store_I m age 0,221 0,956 0,033 Convenience  Store_I m age 0,633 0,844 0,000 Mer chandise  St ore_I m age 0,404 0,436 0,000 Serv ice  St ore_I m age 0,447 0,593 0,000 Pr om ot ion  St ore_I m age 0,255 0,283 0,019 Sumber : Hasil Pengolahan Data 64

4.4.7.4. Uji Hipotesis Kausalitas

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 signifikan. Tabel 4.21. Uji Hipotesis Kausalitas Antar Faktor Regression Weights Ustd Estimate Std Estimate Prob. Faktor  Faktor Cust om er _Loy alt y  Store_I m age 0,204 0,440 0,001 Batas Signifikansi ≤ 0,10 Sumber : Hasil Pengolahan Data Pada Lampiran 3 Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang menyatakan bahwa : Citra toko berpengaruh positif terhadap loyalitas pelanggan di Hypermart Supermall Pakuwon Indah Surabaya, dapat diterima. Hal tersebut dapat diketahui dari nilai probabilitas kausalnya 0,001 ≤ 0,10 yang menunjukkan nilai [signifikan [positif].

4.5. Pembahasan