Deskripsi Objek Penelitian 1. Sejarah Singkat Perusahaan Deskripsi Hasil Penelitian 1. Penyebaran Kuisioner Analisis Dan Pengujian Hipotesis 1. Uji Outlier

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Deskripsi Objek Penelitian 4.1.1. Sejarah Singkat Perusahaan

4.1.2. Sejarah Perkembangan PT.Unilever

49 4.2. Deskripsi Hasil Penelitian 4.2.1. Penyebaran Kuisioner Kuisioner disebarkan untuk mendapatkan sampel dengan menggunakan teknik purposive sampling yaitu teknik penarikan sampel non probabilitas yang menyeleksi responden dengan pertimbangan tertentu dan data yang ada, diolah dengan menggunakan structural equation modelling.

4.2.2. Demografi Responden

Data mengenai keadaan responden dapat diketahui melalui jawaban responden dari pertanyaan–pertanyaan yang diajukan didalam pertanyaan umum kuesioner yang telah diberikan. Dari jawaban–jawaban tersebut diketahui hal–hal seperti dibawah ini. a. Jenis Kelamin Dari 112 responden yang menjawab kuisioner yang telah diberikan dapat diketahui jenis kelamin dari responden tersebut adalah sebagai berikut: Tabel 4.1 : Karakteristik Responden Berdasarkan Jenis Kelamin Jenis Kelamin 49 43.8 43.8 43.8 63 56.3 56.3 100.0 112 100.0 100.0 laki-laki perempuan Total Valid Frequency Percent Valid Percent Cumulative Percent Sumber: data diolah b. Usia Dari 112 responden yang menjawab kuisioner yang telah diberikan dapat diketahui usia para responden yakni pada tabel dibawah ini. 50 Tabel 4.2: Karakteristik Responden Berdasarkan Usia usia 17 15.2 15.2 15.2 42 37.5 37.5 52.7 34 30.4 30.4 83.0 19 17.0 17.0 100.0 112 100.0 100.0 21-30 31-40 41-50 =51 Total Valid Frequency Percent Valid Percent Cumulative Percent Sumber : data diolah 4.3. Analisis Dan Pengujian Hipotesis 4.3.1. Uji Outlier Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi atau mutivariat Hair, 1998. Evaluasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis pada tingkat p 1. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² chi kuadrat pada derajat bebas sebesar jumlah indikator yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut: 51 Tabel 4.3 Hasil Uji Outlier Residuals Statisticsa Minimum Maximum Mean Std. Deviation N Predicted Value 9.210 104.714 56.500 21.029 112 Std. Predicted Value -2.249 2.293 0.000 1.000 112 Standard Error of Predicted Value 6.772 13.668 10.350 1.223 112 Adjusted Predicted Value 0.543 104.967 56.665 21.348 112 Residual -51.912 95.404 0.000 24.747 112 Std. Residual -1.941 3.566 0.000 0.925 112 Stud. Residual -2.068 3.855 -0.003 1.001 112 Deleted Residual -58.967 111.457 -0.165 28.997 112 Stud. Deleted Residual -2.105 4.175 0.000 1.018 112 Mahal. Distance 6.123 27.988 15.857 3.862 112 Cooks Distance 0.000 0.147 0.010 0.017 112 Centered Leverage Value 0.055 0.252 0.143 0.035 112 a Dependent Variable : No. RESP Sumber : data diolah Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ 2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers . Nilai χ 2 0.001 dengan jumlah indikator 16 adalah sebesar 39.252. Hasil analisis Mahalanobis diperoleh nilai sebesar 27.988 yang kurang dari χ 2 tabel 39.252 tersebut. Dengan demikian, tidak terjadi multivariate outliers.

4.3.2. Uji Reliabilitas

Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi indikator. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan 52 memperkecil koefisien Cronbach’s Alpha yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel berikut: Tabel 4.4. Uji Reliabilitas Pengujian Reliability Consistency Internal Konstrak Indikator Item to Total Correlation Koefisien Cronbachs Alpha X11 0.947 Moral X12 0.945 0.882 X21 0.839 X22 0.888 Ideology Responsibility X23 0.902 0.850 X31 0.912 Economic Responsibility X32 0.913 0.799 X41 0.920 Environmental Responsibility X42 0.912 0.808 Y11 0.946 Y12 0.951 Ethic Y13 0.936 0.939 Y21 0.905 Product Y22 0.902 0.775 Y31 0.898 Society Perception Y32 0.895 0.756 Sumber : data diolah Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya ≥ 0,5. Indikator yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil yang baik dimana koefisien Cronbach’s Alpha yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 Hair et.al.,1998; Sekaran,2003. 53

4.3.3. Uji Validitas

Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini. Tabel 4.5. Uji Validitas Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis Faktor Loading Konstrak Indikator 1 2 3 4 X11 0.909 Moral X12 0.868 X21 0.694 X22 0.817 Ideology Responsibility X23 0.861 X31 0.811 Economic Responsibility X32 0.829 X41 0.974 Environmental Responsibility X42 0.692 Y11 0.918 Y12 0.931 Ethic Y13 0.897 Y21 0.917 Product Y22 0.693 Y31 0.608 Society Perception Y32 1.000 Sumber : Data diolah Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct sebagian besar ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik. 54

4.3.4. Uji Construct Reliability dan Variance Extracted

Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama Purwanto, 2002. Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 4.6. Tabel 4.6. Construct Reliability dan Variance Extracted Construct Reliability Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat Error [εj] Construct Reliability Variance Extrated X11 0.909 0.826 0.174 Moral X12 0.868 0.753 0.247 0.883 0.790 X22 0.817 0.667 0.333 Ideology Responsibility X23 0.861 0.741 0.259 0.826 0.704 X31 0.811 0.658 0.342 Economic Responsibility X32 0.829 0.687 0.313 0.804 0.672 X41 0.974 0.949 0.051 Environmental Responsibility X42 0.692 0.479 0.521 0.829 0.714 Y11 0.931 0.867 0.133 Ethic Y13 0.897 0.805 0.195 0.910 0.836 Y21 0.917 0.841 0.159 Product Y22 0.693 0.480 0.520 0.792 0.661 Y31 0.608 0.370 0.630 Society Perception Y32 1.000 1.000 0.000 0.804 0.685 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber: data diolah Hasil pengujian reliabilitas instrumen dengan construct reliability dan extracted variance menunjukkan tiap-tiap instrumen cukup reliabel, yang ditunjukkan dengan nilai construct reliability ≥ 0,70 dan nilai variance extracted ≥ 0,5. Angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory , maka nilai di bawah 0,70 dan 0,5 pun masih dapat 55 diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi.

4.3.5. Uji Normalitas

Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,011 yaitu sebesar ± 2,58. Hasilnya diperoleh nilai c.r. multivariat diantara ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut: Tabel 4.7. Uji Normalitas Assessment of normality min max skew c.r. kurtosis c.r. Y12 3 7 -0.425 -1.837 -0.540 -1.167 Y31 3 7 -0.039 -0.167 -0.191 -0.413 Y21 4 7 0.026 0.111 -0.670 -1.448 X31 4 7 0.127 0.549 -0.656 -1.418 X32 4 7 0.251 1.086 -0.608 -1.313 X23 4 7 0.246 1.065 -0.643 -1.389 Y32 4 7 -0.039 -0.168 -0.775 -1.674 Y22 4 7 0.118 0.508 -0.663 -1.432 Y13 3 7 -0.303 -1.308 -0.735 -1.588 Y11 3 7 -0.593 -2.560 -0.513 -1.109 X41 3 7 0.068 0.294 -0.678 -1.465 X42 3 7 -0.005 -0.020 -0.789 -1.704 X21 4 7 0.113 0.489 -0.594 -1.283 X22 4 7 0.163 0.706 -0.596 -1.288 X11 4 7 0.178 0.767 -0.604 -1.304 X12 4 7 0.216 0.934 -0.549 -1.186 Multivariate -11.855 -2.614 Sumber: data diolah 56 Dari data di atas Hasil uji menunjukkan bahwa nilai c.r. mutivariate tidak berada di antara ± 2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.

4.4. Structural Equation Modelling