commit to user 71
Tabel 4.15 Hasil Pengujian Outlier
Observation number Mahalanobis d-squared
p1 p2
111 44.654
.001 .104
60 36.453
.009 .383
100 36.070
.010 .185
112 34.289
.017 .226
32 33.767
.020 .150
105 33.061
.024 .125
118 31.627
.034 .224
133 31.318
.037 .166
25 31.263
.038 .093
24 31.152
.039 .053
88 30.339
.048 .081
94 29.450
.059 .142
69 29.108
.064 .132
. .
. .
. .
. .
. .
. .
Sumber : Data Primer yang diolah 2010
Berdasarkan tabel di atas dapat diketahui terdapat indikasi 11 nilai observasi yang mengalami outlier karena nilai p1 0,05, sedangkan
dari 11 nilai observasi tersebut memiliki nilai p2 0,05. Sehingga dapat disimpulkan bahwa 11 nilai observasi tersebut masih dapat diterima
outliers masih dapat diterima.
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,
commit to user 72
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 73
.26
Endorser Celebrity
att2 .55
e2 1
att3 .42
e3 .81
1 att4
.46 e4
.83 1
att5 .36
e5 1.02
1
trust2 .51
e7 .76
1 trust4
.56 e9
.67 trust5
.41 e10
.99 1
exp1 .23
e11 .89
1 exp2
.26 e12
1.03 1
exp3 .26
e13 .92
1 exp4
.20 e14
.98 1
Attitude toward the ad
add1 .23
e16 1.00
1 add2
.23 e17
1.04 1
add3 .25
e18 1
Attitude toward the Brand
brand1 .22
e19 brand2
.42 e20
1.00 1
.94 1
Purchase Intention
pi1 .14
e22 pi2
.19 e23
pi3 .35
e24 1.00
1 1
.79 1
.65 .58
.10 .54
.31 1.09
.96 1
.15
z1
1
.36
z2
1 .32
z3
1
Gambar: Model Struktural
GOODNESS OF FIT: Chi-Square = 412.422
Probability = .000 CMINDF = 2.806
AGFI = .680 GFI = .752
CFI = .771 TLI = .733
RMSEA = .113
1.00
Berdasarkan hasil pengujian dengan menggunakan program AMOS 16 diperoleh hasil goodness of fit sebagai berikut:
Tabel 4.16 Evaluasi Goodness-of-Fit Indices
Indeks Model goodness of fit
Cut-off Value
Hasil Model
Kesimpulan
Chi Square Diharapkan
kecil 412,422
Tidak Fit Probabilitas Chi Square p
0,05 0,000
CMINDF 2,00
2,806 Tidak Fit
Adjusted goodness of fit index AGFI 0,90
0,680 Tidak Fit
Comparative fit index CFI 0,95
0,771 Tidak Fit
Tucker-Lewis Index TLI 0,95
0,733 Tidak Fit
Root mean square error approximation RMSEA
0,08 0,113
Tidak Fit Sumber: data primer diolah, 2010
Gambar 4.1 Model Struktural SEM
commit to user 74
Tabel di atas 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 tidak terpenuhi, maka model harus dimodifikasi.
F. Modifikasi Model Struktural