commit to user 86
E. Penilaian Model Fit
Menilai model fit adalah sesuatu yang kompleks dan memerlukan perhatian yang besar. Suatu indek yang menunjukkan bahwa model adalah fit
tidak memberikan jaminan bahwa model memang benar-benar fit. Sebaliknya, suatu indeks fit yang menyimpulkan bahwa model adalah sangat buruk, tidak
memberikan jaminan bahwa model tersebut benar-benar tidak fit. Dalam SEM, peneliti tidak boleh hanya tergantung pada satu indeks atau beberapa
indeks fit. Tetapi sebaiknya pertimbangan seluruh indeks fit. Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur
atau menguji hipotesis mengenai model Hair et al., 1995; joreskog Sorbom, 1989; Long, 1983; Tabachnick Fidell, 1996 dalam Ferdinand,
2002. Umumnya terhadap berbagai jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data
yang disajikan. Peneliti diharapkan untuk melakukan pengujian dengan menggunakan beberapa fit index untuk mengukur kebenaran model yang
diajukannya. Berikut ini adalah hasil pengujian indeks kesesuaian dan cut-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat
diterima atau ditolak. Hasil pengujian Goodness of Fit dapat di lihat pada gambar model struktural sebagai berikut:
commit to user 87
.28
Reliability
R1
.25
e1
1.00 1
R2
.26
e2
1.04 1
R3
.23
e3
1.06 1
.18
Responsv
RS1
.33
e4
1.00 1
RS2
.29
e5
1.19 1
RS3
.26
e6
1.33 1
.18
Assurance
A1
.39
e7
1.00 1
A2
.25
e8
1.39 1
A3
.28
e9
1.14 1
.28
Empathy
EM1
.22
e10
1.00 1
EM2
.22
e11
.99 1
EM3
.30
e12
.83 1
EM5
.22
e13
.94 1
.27
Tangible
T1
.20
e14
T3
.23
e15
T4
.27
e16
1.00 1
.95 1
.86 1
Satisfaction
K1
.24
e17
1.00 1
K2
.26
e18
.94 1
Repurchase Intention
RI2
.21
e19
1.00 1
RI3
.25
e20
.86 1
RI4
.29
e21
.82 1
RI5
.28
e22
1.00 1
.23 .16
-.05 .04
.23 .58
.28
z1
1 .07
z2
1
GOODNESS OF FIT: Chi-Square = 213.720
Probability = .146 CMINDF = 1.107
AGFI = .884 CFI = .983
TLI = .980 RMSEA = .024
Model Struktural
.13
.11
.11
.21 .12
.08 .09
.09 .08
.06
Berdasarkan hasil pengujian dengan menggunakan program AMOS 16 diperoleh hasil goodness of fit sebagai berikut:
Tabel 4.24 Evaluasi Goodness-of-Fit Indices
Indeks Model goodness of fit
Cut-off Value
Hasil Model
Kesimpulan
Chi Square Diharapkan
kecil 213,720
Fit Probabilitas Chi Square p
0,05 0,146
CMINDF 2,00-3,00
1,107 Fit
Adjusted goodness of fit index AGFI 0,90
0,884 Marginal
Comparative fit index CFI 0,95
0,983 Fit
Tucker-Lewis Index TLI 0,95
0,980 Fit
Root mean square error approximation RMSEA
0,08 0,024
Fit
Sumber: data primer diolah, 2010
Gambar 4.6 Model Struktural SEM
commit to user 88
Tabel 4.24 menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fit-nya model. Seperti yang
ditunjukkan dalam tabel di atas, sebagai syarat utama model MLE maximum likelihood estimate adalah nilai chi-square harus fit nilai probabilitas 0,05
terpenuhi dengan nilai probabilitas sebesar 0,146 0,05, dan diiringi pengukuran fit model lainnya yang telah dinyatakan fit. Jadi, hanya dua
kriteria yang marginal yaitu adjusted goodnees-of-fit index AGFI sedikit lebih kecil dari nilai yang direkomendasikan. Namun, mengikut Salisbury, dkk
2001, Cheng, 2001; Hu, dkk 1999, dan Segars Grover 1993 dalam
Ma’ruf
et. al, 2002 merekomendasikan AGFI minimum ³0,80. Dengan demikian, secara overall model yang dikembangkan adalah fit dengan data.
F. Uji Hipotesis Analisis Kausalitas
Analisis kausalitas dilakukan guna mengetahui hubungan antar variabel.
Pada penelitian ini diharapan dengan adanya pengujian kausalitas dapat mengetahui pengaruh yang terjadi antara service quality kualitas jasa
layanan, satisfaction, dan repurchase intention.
Tabel 4.25 Hasil Pengujian Kausalitas
Hubungan Variabel
Estimate S.E.
C.R. P
Satisfaction --- Reliability
.235 .141 1.662 .097
Satisfaction --- Responsv
.162 .222
.733 .464 Satisfaction
--- Assurance -.053
.218 -.242 .809
Satisfaction --- Empathy
.045 .191
.234 .815 Satisfaction
--- Tangible .227
.204 1.110 .267 Repurchase_
Intention ---
Satisfaction .581
.092 6.309
Sumber: data primer diolah, 2010
commit to user 89
Tabel 4.25 diperoleh hasil bahwa hubungan reliability tidak berpengaruh signifikan positif terhadap kepuasan konsumen dengan perolehan
nilai C.R sebesar 1,662, nilai estimate sebesar 0,235, dan nilai probabilitas sebesar 0,097 0,05 5, akan tetapi pada level signifikansi 10
berpengaruh signifikan pada kepuasan konsumen dengan nilai efek langsung yang telah distandarisasi sebesar 0,216.
Hubungan responsiveness tidak berpengaruh signifikan positif pada kepuasan konsumen dengan perolehan nilai C.R sebesar 0,733, nilai estimate
sebesar 0,162, dan nilai probabilitas sebesar 0,464 0,05 5 dengan nilai efek langsung sebesar 0,121.
Hubungan assurance tidak berpengaruh signifikan negatif pada kepuasan konsumen dengan perolehan nilai C.R sebesar -0,242, nilai estimate
sebesar -0,053, dan nilai probabilitas sebesar 0,809 0,05 5 dengan nilai efek langsung sebesar -0,039.
Hubungan empathy tidak berpengaruh signifikan positif pada kepuasan konsumen dengan perolehan nilai C.R sebesar 0,234, nilai estimate sebesar
0,045, dan nilai probabilitas sebesar 0,815 0,05 5 dengan nilai efek langsung sebesar 0,041.
Hubungan tangible tidak berpengaruh signifikan positif pada kepuasan konsumen dengan perolehan nilai C.R sebesar 1,110, nilai estimate sebesar
0,227, dan nilai probabilitas sebesar 0,267 0,05 5 dengan nilai efek langsung sebesar 0,205.
commit to user 90
Hubungan satisfaction kepuasan konsumen pada repurchase intention berpengaruh signifikan positif dengan perolehan nilai C.R sebesar
6,309, nilai estimate sebesar 0,581, dan nilai probabilitas atau signifikansi sebesar 0,000 0,001 dengan efek langsung sebesar 0,783.
G. Pembahasan