keinginan responden untuk mencari informasi mengenai produk hemaviton yang akan dibeli, keinginan responden untuk segera membeli dan memiliki
produk hemaviton yang telah diinginkan sebelumnya dan keinginan membeli dan memiliki produk hemaviton dan rela mengabaikan produk lain yang
sejenis dengan produk yang ada.
4.3. Deskripsi Hasil Analisis Dan Uji Hipotesis
4.3.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis 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 0,01 [1] yaitu sebesar ± 2,58. Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada
tabel berikut : Tabel 4.8.
Hasil Uji Normalitas
Variable min max
kurtosis c.r.
y1 2,000 5,000
-,371 -,758
y3 2,000 5,000
-,474 -,968
y2 2,000 5,000
-,293 -,599
x33 2,000 5,000
-,434 -,885
x31 2,000 5,000
-,029 -,060
x32 2,000 5,000
-,183 -,374
x21 2,000 5,000
-,453 -,924
x22 2,000 5,000
-,232 -,474
x11 2,000 5,000
-,161 -,329
x12 2,000 5,000
-,168 -,343
Multivariate 4,384
1,415
Sumber : Lampiran 3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 itu berarti asumsi normalitas terpenuhi.
4.3.2. Evaluasi atas
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 Hair,1998.
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
2] pada df sebesar jumlah variabel bebasnya df = 10. Ketentuan : bila Mahalanobis dari nilai
2 adalah multivariate outlier. Pada penelitian ini terdapat outlier apabila nilai
Mahalanobis distancenya 29,558. Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate berikut ini akan disajikan tabel Uji Outlier
Multivariate : Tabel 4.9.
Hasil Pengujian Outlier Multivariate
Residuals Statistics
a
15,91 76,97
50,50 12,314
100 -2,809
2,150 ,000
1,000 100
3,448 13,071
8,987 1,926
100 13,01
79,92 50,38
12,896 100
-52,106 57,744
,000 26,268
100 -1,881
2,084 ,000
,948 100
-1,998 2,364
,002 1,009
100 -58,825
74,279 ,115
29,797 100
-2,033 2,428
,002 1,015
100 ,544
21,048 9,900
4,668 100
,000 ,145
,012 ,019
100 ,005
,213 ,100
,047 100
Predicted Value Std. Predicted Value
Standard Error of Predicted Value
Adjusted Predicted Value Residual
Std. Residual Stud. Residual
Deleted Residual Stud. Deleted Residual
Mahal. Distance Cooks Distance
Centered Leverage Value Minimum
Maximum Mean
Std. Deviation N
Dependent Variable: No a.
Sumber : Lampiran 4
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 21,048 lebih kecil dari 29,558. Oleh karena itu
diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel. 4.3.3.
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 7.0 diperoleh hasil
Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 25,649 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini
sehingga asumsi terpenuhi. 4.3.4.
Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat
sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari setiap construct akan diuji dengan melihat faktor loading faktor dari hubungan antara setiap
observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Dari hasil pengolahan data
didapatkan hasil sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.10. Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Faktor Loading Konstrak Indikator
1 2 3 4 x11
0,773 Harga
x12 0,650
x21 0,654
Merek x22
0,767 x31
0,690 x32
0,659 Kualitas
Produk x33
0,625 y1
0,654 y2
0,684 Minat Beli
y3 0,712
Sumber : Hasil Pengolahan Data Lampiran 5 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 dan dapat diterima. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas
setiap skala variabel atau indikator observarian. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi
butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan.
Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.11. Pengujian Reliability Consistency Internal
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha x11 0,501
Harga x12 0,501
0,664 x21 0,502
Merek x22 0,502
0,664 x31 0,502
x32 0,532 Kualitas Produk
x33 0,511 0,669
y1 0,523 y2 0,542
Minat Beli y3 0,586
0,727
Sumber : Lampiran 6 Hasil pengujian reliabilitas konsistensi internal untuk setiap construct
di atas menunjukkan hasil yang baik dimana koefisien- koefisien Cronbach’s Alpha yang diperoleh sebagian besar memenuhi rules of thumb yang
disyaratkan yaitu 0.7 Hair et.al.,1998. 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.
Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut:
j ading
dardize Lo S
Loading Stadardize
liability Construct
2 2
tan Re
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
j ading
dardize Lo S
Loading Stadardize
xtracted Variance E
2 2
tan Sementara
j
dapat dihitung dengan formula
j
= 1 – [Standardize loading] secara umum, nilai construct reliability yang dapat diterima adalah
0,5 Hair at, 1998. Standardize loading dapat diperoleh dari output AMOS
4.01, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap butir sebagai indikatornya.
2
tan 1
ading dardize Lo
S j
Hasil pengujan Construct Reliability dan Variance Extraced dalam
penelitian ini akan ditampilkan pada tabel berikut: Tabel 4.12.
Construct Reliability Variance Extrated
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [
εj] Construct
Reliability Variance
Extrated x11 0,773 0,598
0,402 Harga
x12 0,650 0,423 0,578
0,674 0,510 x21 0,654 0,428
0,572 Merek
x22 0,767 0,588 0,412
0,672 0,508 x31 0,690 0,476
0,524 x32 0,659 0,434
0,566 Kualitas Produk
x33 0,625 0,391 0,609
0,696 0,434 y1 0,654
0,428 0,572
y2 0,684 0,468
0,532 Minat Beli
y3 0,712 0,507
0,493 0,725 0,468
Batas Dapat Diterima
≥ 0,7 ≥ 0,5
Sumber : Hasil Pengolahan Data lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability
dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan nilai construct reliability sebagian besar
0,7, dan variance extracted yang diperoleh sebagian besar menunjukkan nilai diatas 0,5.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Yang artinya seluruh instrumen yang digunakan pada penelitian ini telah
reliabel. 4.3.5.
Pengujian Model Dengan One-Step Approach
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 7.0 terlihat pada Gambar dibawah ini:
Harga X1
x12 er_2
1 1
x11 er_1
1
Merek X2
x22 er_4
x21 er_3
1 1
1
Kualitas Produk X3
x32 er_6
x31 er_5
1 1
1
x33 er_7
1 Minat Beli
Y y2
er_9 y3
er_10 y1
er_8 1
1 1
1 d_y
1
Gambar 4.1. Model Pengukuran Kausalitas One Step Approach
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.13. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF 4,632
≤ 2,00 Kurang Baik
Probability 0,000 ≥ 0,05
Kurang Baik RMSEA 0,192
≤ 0,08 Kurang Baik
GFI 0,825 ≥ 0,90
Kurang Baik AGFI 0,668
≥ 0,90 Kurang Baik
TLI 0,536 ≥ 0,95
Kurang Baik CFI 0,701
≥ 0,94 Kurang Baik
Sumber : Hasil Pengolahan data 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 : Gambar 4.2.
Model Pengukuran Kausalitas One Step Approach modification
Harga X1
x12 er_2
1 1
x11 er_1
1
Merek X2
x22 er_4
x21 er_3
1 1
1
Kualitas Produk X3
x32 er_6
x31 er_5
1 1
1
x33 er_7
1
Minat Beli Y
y2 er_9
y3 er_10
y1 er_8
1 1
1 1
d_y
1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.14. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF 0,725
≤ 2,00 Baik
Probability 0,796 ≥ 0,05
Baik RMSEA 0,000
≤ 0,08 Baik
GFI 0,974 ≥ 0,90
Baik AGFI 0,925
≥ 0,90 Baik
TLI 1,035 ≥ 0,95
Baik CFI 1,000
≥ 0,94 Baik
Sumber : Hasil Pengolahan data Dari hasil evaluasi terhadap model one step base model 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 ini adalah model
yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini
Dilihat dari angka determinant of sample covariance matrix : 25,649 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini
sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas
dibawah ini.
4.3.6. Pengujian Hipotesis dan Hubungan Kausal
