Demikian juga dengan faktor lain seperti : reliability, responsivensess, assurance, empathy, harga, iklan dan impulse buying.
3.4.2. Asumsi Model Stuctural Equation Modelling a.
Uji Normalitas Sebaran dan Linieritas
1. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistic.
2. Menggunakan critical ratio yang diperoleh dengan membagi koefisien sampel dengan standart errornya dan skewness value yang biasanya
disajikan dalam statistic untuk menguji normalitas itu disebut sebagai Z value pada tingkat signifikansi 1, jika Z score lebih besar dari nilai kritis,
maka dapat diduga bahwa distribusi data adalah tidak normal. 3. Normal Probalbility plot SPSS10..
4. Linieritas dengan mengamati Scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada
tidaknya linieritas.
b. Evaluasi atas Outliers
1. Mengamati Nilai Z-score : Ketentuan diantara ± 3,0 non outliner. 2. Multivariate Outliers diuji dengan criteria jarak Mahanalobis pada tingkat
p 0,001. Jarak diuji dengan Chi Square λ2 pada df sebesar jumlah
variable bebasnya. Ketentuan : bila Mahanalobis dari nilai λ2 adalah
Multivariate Outliers.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Outliers 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 variable tunggal atau variable kombinasi. Hair,1998
c. Deteksi Multicollinearity
dan Singularity
Dengan mengamati determinant matriks kovarians. Dengan ketentuan apabila determinant sample matriks mendekati angka 0 kecil, maka
terjadilah multikolinearitas dan singularitas. Tabacnick Fidell,1998
d. Uji Validitas dan Realibilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indicator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Sedangkan realibilitas adalah ukuran mengenai konsistensi internal dari indicator-indikator sebuah konstruk yang
menunujukkan derajat sampai dimana masing-masing indicator itu mengindikasikan sebuah konstrukfactor laten yang umum.
Karena indicator multidimensi , maka uji validitas dari setiap latent variableconstruct akan diuji dengan melihat loading factor dari hubungan
antara setiap observed dan latent variable. Sedangkan reliablilitas diuji dengan construct reliability dan variance-extracted. Reliability Construct
dan Variance-Extracted dihitung dengan rumus sebagai berikut: [ Standartize loading ]
2
Construct Reliability = -------------------------------------- [ Standartize loading ]
2
+ €j
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
[ Standarize loading ]
2
Variance Extracted =----------------------------------------
[ Standarize loading ]
2
+ €j Standardize loading dapat diperoleh dari output AMOS 4.01, dengan
melihat estimasi setiap construct standardized regression weights terhadap setiap butir sebagai indikatornya. Sementara €j dapat dihitung dengan
formula €j = l [Standarize loading]
2
. Secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,7 dan variance ≥ 0,5.
3.4.3. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandart, dengan pengujian signifikansi pembanding nilai CR [Critical Rati] atau P
[Probability] yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t table berarti sinifikan.
3.4.4 Pengujian Model One – Step Approach
Dalam model SEM, model pengukuran dan model structural parametrnya
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-sapma one step approach to SEM yang digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas dan realibilitas yang
sangat baik. [ Hair,et.al., 1998 ]
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
3.4.5. Pengujian Model
Two-Step Approach
Two – Step Approach digunakan untuk mengatasi masalah sampel data yang relative kecil jika dibandingkan dengan jumlah butir instrumentasi yang
digunakan [ Heartline dan Ferrel, 1996 ], dan kekuatan reliabilitas indicator- indikator terbaik dapat dicapai dalam Two-Step Approach ini. Two-Step
Approach bertujuan untuk menghindari interaksi antara model pengukuran dan model structural pada One-Step Approach to SEM adalah : estimasi terhadap
measurement model dan estimasi terhadap Structural model [Anderson dan Gerbing, 1998]. Cara yang dilakukan dalam menganalisis SEM dengan Two-Set
Approach adalah sebagai berikut : Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indicator
summid-scale bagi setiap konstrak. Jika terdapat skala yang berbeda setiap indicator tersebut distandarisasi [Z-scores] dengan mean = 0, deviasi standart = 1,
yang tujuannnya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut. [Hair, et.al., 1998]
Menetapkan error [€] dan lambda [ λ], terms, error terms dapat dihitung
dengan rumus 0,1 kali α2 dan lambda terms dengan rumus 0,95 kali α [Anderson
dan Gerbing, 1998]. Perhitungan Construct reliability [ α] telah dijelaskan pada
bagian sebelumnya dan deviasi standart [ α] dapat dihitung dengan bantuan
program aplikasi statistic SPSS. Setelah error [€] dan lambda [ λ] terms diketahui,
skor-skor tersebut dimasukkan sebagai parameter fix pada analisisi model pengukuran SEM.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
3.4.6 Evaluasi Model
Hair ,et.al, 1998 menjelaskan pola “Confirmatory” menunjukkan prosedur yang 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 criteria Goodness of fit, yakni Chi-Square, probability, RMSEA, GFI, TLI, CFI, AGFI,
CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan Two-Step Approah to SEM.
Dalam analisis SEM tidak ada alat uji statistic tunggal untuk mengukur atau menguji hipotesis mengenai model. Beberapa indeks kesesuaian dan cut off
value untuk digunakan dalam menguju apakah sebuah model dapat diterima atau ditolak adalah:
a. λ
2
CHI-SQUARE STATISTIC
merupakan alat paling fundamental untuk mengukur overail fit adalah likehood ratio Chi-Square statistic, Chi-Square ini bersifat sangat sensitive
terhadap besarnya sampel yang digunakan. Model yang diuji akan dipandang baik atau memuaskan bila nilai Chi-Squarenya rendah. Semakin
kecil nilai λ
2
semakin baik model itu λ
2
=0, berarti tidak ada perbedaan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data, maka yang dibutuhkan justru sebuah nilai
λ
2
yang tidak signifikan. Penggunaan Chi-Square hanya sesuai bila ukuran sampel antara 100 200, bila ukuran sampel diluar rentang itu uji
signifikan akan menjadi kurang reliable. Oleh karena itu perlu dilengkapi dengan alat penguji lain.
b. RMSEA-The Rood Mean Error of Approximation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi goodness-of-fit yang data diharapkan bila model
diestimasi dalam model. 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.
c. GFI-Goodness of Fit Index
