62
4.2.1.3.Deskripsi responden berdasarkan Usia
Berdasarkan hasil penyebaran kuesioner kepada 120 orang responden diperoleh gambaran responden berdasar usia adalah sebagai
berikut:
Tabel 4.3 Identitas Responden Menurut Usia
No USIA
Jumlah Prosentase
1 16 – 25 th
54 45
2 26 – 35 th
49 41
3 36 – 45 th
17 14
Total 120
100,00
Berdasarkan tabel diatas diketahui bahwa sebagian besar responden dalam penelitian ini adalah mereka yang berusia antara 16
sampai 25 tahun yaitu sebanyak 54 orang atau sebesar 45 , responden berusia antara 26 – 35 tahun sebanyak 45 orang atau
sebesar 41 dan responden berusia antara 36 sampai 45 tahun sebanyak 17 orang atau sebesar 14 .
4.3. Deskripsi Hasil Analisis dan Uji Hipotesis
4.3.1. Asumsi Model
4.3.1.1. 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
63
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 4.4. Hasil Pengujian Normalitas
Variable m in
m ax kurt osis
c.r. X11
3 7
- 1.305 - 2.918
X12 2
7 - 0.956
- 2.139 X13
2 7
- 0.727 - 1.626
X14 2
7 - 1.087
- 2.430 X15
3 7
- 0.912 - 2.039
X16 3
7 - 1.270
- 2.840 X21
3 7
- 1.199 - 2.681
X22 2
7 - 1.085
- 2.427 X23
3 7
- 1.073 - 2.400
X24 2
7 - 0.777
- 1.737 X25
2 7
- 0.982 - 2.197
X26 2
7 - 0.735
- 1.644 Y1
3 7
- 0.933 - 2.086
Y2 4
7 - 0.836
- 1.868 Y3
4 7
- 0.852 - 1.906
M u lt iv a r ia t e 8.206
1 .9 9 0
Sumber : lampiran Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 itu berarti asumsi normalitas 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.
64
4.3.1.2.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. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.5. Hasil Pengujian Outlier Multivariate
Minim um Max im um
Mean St d.
Dev iat ion N
Pr edict ed Value 6.399
120.274 60.500
22.163 120
St d. Predict ed Value - 2.441
2.697 0.000
1.000 120
St andar d Err or of Predict ed Value
6.609 15.155
10.310 1.842
120 Adj ust ed Predict ed Value
6.784 141.990
60.548 23.058
120 Residual
- 70.274 76.030
0.000 26.810
120 St d. Residual
- 2.450 2.651
0.000 0.935
120 St ud. Residual
- 2.804 2.967
- 0.001 1.008
120 Delet ed Residual
- 91.990 95.231
- 0.048 31.257
120 St ud. Delet ed Residual
- 2.902 3.086
0.001 1.019
120 Mahalanobis Dist ance [ MD]
5.328 3 2 .2 4 1
14.875 5.806
120 Cook s Dist ance
0.000 0.152
0.011 0.021
120 Cent er ed Lev er age Value
0.045 0.271
0.125 0.049
120
Sumber : lampiran Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui
nilai MD maksimum adalah 32,241 37,697. Oleh karena itu diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel.
4.3.1.3.Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
65
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 latent variabel
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 :
Tabel 4.6. Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Konst r ak I ndik at or
St andar dize Fact or
Loading SFL
Kuadr at Error [εj]
Const r uct Reliabilit y
Var iance Ex t r at ed
Cust om er Disat isfact ion
X11 0.252
0.064 0.936
0.314 0.115
X12 0.211
0.045 0.955
X13 0.042
0.002 0.998
X14 0.118
0.014 0.986
X15 0.219
0.048 0.952
X16 0.719
0.517 0.483
Vaiat ion Need X21
0.770 0.593
0.407 0.632
0.271 X22
0.702 0.493
0.507 X23
0.307 0.094
0.906 X24
0.152 0.023
0.977 X25
0.626 0.392
0.608 X26
0.182 0.033
0.967 Br and Sw it ching
Y1 0.294
0.086 0.914
0.487 0.361
Y2 0.997
0.994 0.006
Y3 0.059
0.003 0.997
Ba t a s D a pa t D it e r im a ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data Hasil pengujian reliabilitas instrumen dengan construct
reliability dan variance extracted menunjukkan instrumen cukup kurang reliabel, yang ditunjukkan dengan nilai construct reliability
belum seluruhnya ≥ 0,7. Meskipun demikian angka tersebut bukanlah
66
sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima
sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat
0,50. 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 :
Tabel 4.7. Pengujian Reliability Consistency Internal
Konst rak I ndikat or
I t em t o Tot al Correlat ion
Koefisien Cronbachs
Alpha Cust om er
Disat isfact ion X11
0.510 0.499
X12 0.550
X13 0.496
X14 0.502
X15 0.600
X16 0.561
Kebut uhan m encari
var iasi X21
0.684 0.713
X22 0.676
X23 0.631
X24 0.588
X25 0.627
X26 0.644
Brand Sw it ching
Y1 0.759
0.270 Y2
0.634 Y3
0.505
Sumber : lampiran
67
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil kurang baik dimana koefisien
Cronbach’s Alpha yang diperoleh belum seluruhnya 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. Hasil pengujan Construct Reliability dan Variance Extraced
dalam penelitian ini akan ditampilkan pada tabel berikut:
Tabel 4.8. Construct Reliability Variance Extrated
Konst r ak I ndik at or
St andar dize Fact or
Loading SFL
Kuadr at Error [εj]
Const r uct Reliabilit y
Var iance Ex t r at ed
Cust om er Disat isfact ion
X11 0.252
0.064 0.936
0.314 0.115
X12 0.211
0.045 0.955
X13 0.042
0.002 0.998
X14 0.118
0.014 0.986
X15 0.219
0.048 0.952
X16 0.719
0.517 0.483
Vaiat ion Need X21
0.770 0.593
0.407 0.632
0.271 X22
0.702 0.493
0.507 X23
0.307 0.094
0.906 X24
0.152 0.023
0.977 X25
0.626 0.392
0.608 X26
0.182 0.033
0.967 Br and Sw it ching
Y1 0.294
0.086 0.914
0.487 0.361
Y2 0.997
0.994 0.006
Y3 0.059
0.003 0.997
Ba t a s D a pa t D it e r im a ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data
68
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen kurang
reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya
≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat
exploratory, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses
eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50
4.3.2. Pengujian Model Dengan One-Step Approach