mengukur dan menjelaskan variabel loyalitas pelanggan dalam penelitian ini dan layak untuk dipergunakan.
Tabel 3.6 Pengujian Reliabilitas
Variabel Nilai Uji
Reliabilitas Keterangan
AtributProduk 0,799
Reliabel Kualitas Jasa
0,736 Reliabel
Kepuasan Pelanggan 0,821
Reliabel Loyalitas Pelanggan
0,854 Reliabel
Sumber :Hasil Penelitian, 2013
Berdasarkan Tabel 3.6 hasil pengujian reliabilitas masing-masing variabel atribut produk, kualitas jasa, kepuasan pelanggan dan loyalitas pelanggan
memiliki nilai uji reliabilitas r
hitung
nilai r
tabel
0,60 berarti instrumen variabel konsisten dan layak untuk dipergunakan.
3.9 Teknis Analisis Data
Teknik Structural Equation Modelling SEM memungkinkan seorang peneliti menguji beberapa variabel dependen sekaligus, dengan beberapa variabel
independen. Adapun langkah-langkah untuk melakukan pemodelan Structural Equation Modelling dengan program Analysis Moment of Structural
AMOS adalah:
1 Pengembangan Model Berbasis Konsep dan Teori
Pada tahap ini, dibuat sebuah model himpunan dari hubungan kausal dari variabel-variabel berdasarkan teori yang ingin diuji dalam penelitian. Tanpa
penggunaan teori, teknik SEM tidak dapat dilakukan karena SEM digunakan untuk menguji sebuah teori. Teori yang digunakan, bisa bersumber dari hasil
penelitian empiris yang dilakukan sebelumnya, pengalaman masa lalu dan
Universitas Sumatera Utara
observasi terhadap perilaku nyata atau fenomena lainnya, serta teori-teori lain yang memungkinkan untuk dilakukan analisis.
2 Mengkonstruksi Diagram Jalur
Path diagram merupakan representasi visual dari sebuah model yang menggambarkan seluruh hubungan antara variabel-variabel yang ada di
dalamnya. Oleh karena itu, penggunaan path diagram dapat mempermudah dalam melihat hubungan yang ada pada model. Dalam path diagram,
hubungan antar konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu
konstruk dengan konstruk lainnya. Sedangkan garis-garis lengkung antara konstruk dengan anak panah pada setiap ujungnya menunjukkan korelasi
antara konstruk-konstruk yang dibangun sebagai berikut :
Gambar 3.5 Diagram Alur Penelitian
Universitas Sumatera Utara
3 Menterjemahkan Model Menjadi Diagram Jalur
Setelah dilakukan pengembangan dari teorimodel teoritis dan digambarkan dalam sebuah diagram alur, penulis dapat mengkonversi spesifikasi model
tersebut ke dalam rangkaian persamaan sebagai berikut :
Variabel Endogen = Variabel Eksogen + Variabel Endogen + Error
Persamaan struktural yang diajukan dalam model penelitian ini adalah :
Y
1
= β
1
X
1
+ β
2
X
2
+ ε
1
Y
2
= β
3
X
1
+ β
4
X
2
+ ε
2
Y
2
=β
5
Y
1
+ε
3
4 Memilih Matriks dan Teknik Estimasi
SEM dapat menggunakan matriks kovarian dan matriks korelasi dari variabel yang diuji, sebagai input. Pemilihan jenis matriks sebagai input, dilakukan
berdasarkan tujuan dari analisis yang dilakukan. Untuk melakukan pengujian teoritis, matriks kovarian disarankan untuk digunakan sebagai input. Matriks
kovarian merupakan sebuah matriks yang terdiri dari nilai kovarian antara semua indikator setiap variabel. Pada tools AMOS, matriks kovarian dapat
dihitung secara otomatis dari data primerdata mentah yang dimasukkan sebagai input. Setelah melakukan pemilihan matriks, teknik estimasi model
juga perlu dilakukan. Teknik estimasi model merupakan algoritma matematika yangdigunakan untuk melakukan estimasi terhadap parameter-parameter yang
adapada model. Sebagian besar program SEM menggunakan pendekatan Maximum Likelihood Estimation MLE sebagai teknik estimasi model. MLE
banyak digunakan karena MLE lebih efisien dan tidak bias apabila normalitas data tercapai.
Universitas Sumatera Utara
5 Menilai Masalah Identifikasi
Masalah identifikasi merupakan masalah ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Masalah identifikasi
dapat muncul melalui gejala sebagai berikut: a
Standard error untuk satu sampai beberapa koefisien sangat besar. b
Program tidak mampu menghasilkan matriks informasi yang seharusnya disajikan.
c Munculnya angka-angka aneh, seperti varians error yang negatif.
d Munculnya angka korelasi yang sangat tinggi antar koefisien estimasi yang
diperoleh misalnya lebih dari 0,9.
6 Mengevaluasi Estimasi Model
Sebelum melakukan evaluasi kelayakan model terhadap data penelitian, hasil estimasi model perlu dievaluasi agar memenuhi asumsi-asumsi yang harus
dipenuhi untuk mengaplikasikan SEM. Berikut adalah asumsi-asumsi dalam SEM yang perlu dievaluasi:
a Evaluasi Ukuran Sampel
Ukuran sampel yang harus dipenuhi dalam pemodelan SEM adalah minimum berjumlah 100-200 sampel, selanjutnya menggunakan perbandingan 5-10
observasi untuk setiap parameter yang diestimasi. b
Evaluasi Normalitas dan Linieritas Uji normalitas secara mutivariat dapat dilihat dari koefisien kurtosis
multivariate, apabila hasil yang diperoleh masih di bawah nilai batas ± 2,58, ini berarti bahwa ada data yang digunakan berdistribusi multivariat normal.
Universitas Sumatera Utara
c Outlier
Evaluasi terhadap multivariate outlier perlu dilakukan karena walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariate, namun
observasi-observasi tersebut dapat menjadi outlier bila sudah dikombinasikan. Jarak mahalanobis Mahalanobis Distance untuk tiap-tiap observasi dapat
dihitung dan akan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair, et. al, 2006.
d Multikolinearitas Multicollinearity
Multicollinearity dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks kovarian yang sangat kecil memberi indikasi adanya
problem multicollinearity. Setelah estimasi model dievaluasi dan data penelitian dimasukkan sebagai
input, tahapan terpenting pada pengujian SEM selanjutnya dilakukan, yakni menguji kelayakan model. Berikut ini disajikan beberapa indeks kesesuaian dan
cut-off value-nya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak. yaitu:
1 χ² chi-square statistik, Pengujian chi-square χ² merupakan pengujian
yang utama dalam melakukan pengujian measurement model.Penentuan fit atau tidaknya model dengan data, dapat dilakukan dengan melihat
perbandingan nilaiprobabilitas p yang diperoleh, dengan ketentuan sebagai berikut:
a Jika p 0,05, maka model fit dengan data yang ada
b Jika p 0,05, maka model tidak fit dengan data yang ada
Universitas Sumatera Utara
Dalam AMOS, jika nilai χ² yang diperoleh makin kecil, maka nilai p akan
makin besar. Meskipun pengujian chi-square merupakan pengujian yang utama, pengujian ini tidak dijadikan sebagai satu-satunya patokan
dalampenelitian-penelitian sebelumnya. Hal ini disebabkan karena nilai χ²
yang diperoleh akan sangat dipengaruhi oleh jumlah sampel danjumlah indikator yang digunakan. Semakin banyak jumlah sampel danindikator,
nilai χ² yang diperoleh akan makin besar sehingga nilai pmenjadi kecil.
2 CMINDF adalah The Minimum Sampel Discrepancy Function yang
dibagi dengan degree offreedom. CMINDF tidak lain adalah statistika chi- square
, χ² dibagi DF-nya disebut χ² relatif. Bila nilai χ² relatif kurang dari 2,0 atau 3,0 adalah indikasi dari acceptable fit antara model dan data.
3 RMSEA The Root Mean Square Error of Approximation, menunjukkan
nilai Goodness-Of-Fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang kecil atau = 0,08 merupakan indeks untuk
dapat diterimanya model yang menunjukkan sebuah close fit dari model tersebut berdasarkan degrees of freedom.
4 AGFI Adjusted Goodness of Fit Index dimana tingkat penerimaan yang
direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90.
5 GFI Goodness of Fit Index adalah ukuran non statistikal yang mempunyai
rentang nilai antara 0 poor fit hingga 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan suatu better fit.
Universitas Sumatera Utara
6 CFI Comparative Fit Index, yang bila mendekati 1, mengindikasikan
tingkat fit yang paling tinggi. Nilai yang direkomendasikan adalah CFI ≥
0,95. 7
TLI Tucker Lewis Index merupakan model indeks yang membandingkan sebuah model yang diuji terhadap sebuah baseline model, dimana nilai
yang direkomendasikan sebagai acuan untuk diterimanya sebagai model adalah
≥ 0,95 dan nilai yang mendekati 1 menunjukkan a very good fit.
7 Interprestasi dan Modifikasi Model
Suatu model SEM yang telah diuji dan terbukti valid, bukanlah satu-satunya model yang fit dengan data yang ada. Oleh karena itu, para peneliti biasanya
melakukan modifikasi model yang bertujuan untuk membuat model yang lebih fit daripada model sebelumnya. Modifikasi yang dilakukan, biasanya dengan
menambahkan hubungan antar konstruk yang nantinya dapat menurunkan nilai chi-square
χ².
BAB IV
Universitas Sumatera Utara
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian 4.1.1 Gambaran Umum CV. Paradep Taxi Medan
