standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh- pengaruh skala yang berbeda-beda tersebut Hair et.al.,1998.
b. Menetapkan error ε dan lambda λ terms, error terms dapat dihitung
dengan rumus 0,1 kali σ
2
dan lambda terms dengan rumus 0,95 kali σ Anderson dan Gerbing,1998. Perhitungan construct reliability
α telah dijelaskan pada bagian sebelumnya dan deviasi standar α dapat dihitung
dengan bantuan program aplikasi statistik SPSS. Setelah error ε dan
lambda λ terms diketahui, skor-skor tersebut dimasukkan sebagai
parameter fix pada analisis model pengukuran SEM.
3.4.4. Evaluasi Model Outlier
Hair et.al.
, 1998 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-
hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap
sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. AMOS dapat menguji
apakah model “good fit” atau “poor fit”. Jadi, “good fit” model yang diuji sangat penting dalam penggunaan structural equation modelling.
Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit, yakni Chi-squarei, Probability, RMSEA, GFI, TLI,
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
CFI , AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka
model dikembangkan dengan pendekatan two step approach to SEM.
Tabel 3.1 : Goodness of Fit Indices GOODNESS OF
FIT INDEX KETERANGAN
CUT-OFF VALUE
X
2
– Chi-square Menguji apakah covariance populasi
yang diestimasi sama dengan covariance sample [apakah model
sesuai dengan data]. Diharapkan Kecil, 1 s.d
5. atau paling baik diantara 1 dan 2.
Probability Uji signifikansi terhadap perbedaan
matriks covariance data dan matriks covariance yang diestimasi.
Minimum 0,1 atau 0,2, atau
≥0,05
RMSEA Mengkompensasi kelemahan Chi-
Square pada sample besar. ≤ 0,08
GFI Menghitung proporsi tertimbang
varians dalam matriks sample yang dijelaskan oleh matriks covariance
populasi yang diestimasi [analog dengan R
2
dalam regresi berganda]. ≥ 0,90
AGFI GFI yang disesuaikan terhadap DF.
≥ 0,90 CMINDDF
Kesesuaian antara data dan model. ≤ 2,00
TLI Pembandingan antara model yang
diuji terhadap baseline model. ≥ 0,95
CFI Uji kelayakan model yang tidak
sensitive terhadap besarnya sample dan kerumitan model.
≥ 0,94
Sumber : Hair et.al., 1998
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
a. Chi-Square Statistic x
2
Chi-Square ini sangat bersifat sensitif terhadap besarnya sampel yang
digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistik chi-square ini harus didampingi oleh alat uji
lainnya Hair et.al.,1995:105; Tabachnick Fidell, 1996:84. Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai
dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai X
2
yang tidak signifikan, yang menguji hipotesa nol bahwa matriks kovarian populasi tidak sama dengan kovarian sampel. Oleh karena itu x
2
yang kecil dan tidak signifikanlah yang diharapkan agar hipotesa nol sulit ditolak.
b. RMSEA Root Mean Square Error of Approximation RMSEA adalah sebuah indeks yang dapat digunakan untuk
mengkompensasi chi-square statistik dalam sampel yang besar Baumgartner Homburg, 1996:65. Nilai RMSEA yang lebih kecil atau sama dengan 0,08
merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees of freedom Browne Cudeck,
1993:72. c. GFI Goodness of Fit Index
Indeks kesesuaian fit index ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarian sampel yang dijelaskan oleh matriks
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
kovarians populasi Bentler, 1983; Tanaka Huba; 1989 dalam Ferdinand, 2002. GFI yang diharapkan adalah sebesar
≥ 0,90. d. AGFI Adjusted of Goodness of Fit Index
Tanaka Huba 1989:55, menyatakan bahwa AGFI adalah analog dari R
2
dalam regresi berganda. Fit Index ini dapat diadjust terhadap degrees of freedom
yang tersedia untuk menguji diterima tidaknya model Arbuckle, 1997:30. AGFI yang diharapkan adalah sebesar
≥ 0,90. e. CMINDF Minimum Sample Discrepancy FunctionDegrees of Freedom
CMINDF dalam hal ini tidak lain adalah statistik chi-square dibagi dengan derajat bebasnya sehingga disebut X
2
relatif. Nilai X
2
rlatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 adalah indikasi dari acceptabel fit
antara model dan data Arbuckle, 1997:32. f. TLI Tucker Lewis Index
TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah baseline model Baumgartner Homburg, 1996:69.
Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan
≥ 0,95. g. CFI Comparatif Fit Index
Keunggulan dari indeks ini adalah bahwa indeks ini besarannya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur
tingkat penerimaan sebuah model Hulland et.al., 1996:35.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
53
BAB IV ANALISIS DAN PEMBAHASAN
4.1. Deskriptif Hasil Penelitian
4.1.1. Deskripsi Karakteristik Responden
Tanggapan Responden tentang pengaruh kepuasan konsumen terhadap loyalitas merek Viva Hand and Body Lotion di Surabaya,
dimana kuisioner disebarkan pada 120 orang. Untuk jawaban kuisioner dinyatakan dengan memberi skor berada dalam rentang nilai 1 sampai 7
pada masing-masing skala, dimana nilai 1 menunjukkan nilai terendah dan nilai 7 menunjukkan nilai tertinggi.
1. Berdasarkan Usia
Dari 120 responden yang menjawab kuisioner yang telah diberikan dapat diketahui usia para responden yakni pada tabel di bawah ini.
Tabel 4.1 Karakteristik Responden Berdasarkan Usia No
Usia Jumlah
Prosentase 1
17-25 tahun 41
34,17 2
26-34 tahun 52
43,33 3
≥ 35 tahun 27
22,50 Total
120 100
Sumber : Data Kuesioner diolah
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber