Teknik Analisis SEM Asumsi Model Structural Equation Model

41

3.4. Teknik Analisis Dan Uji Hipotesis

3.4.1. Teknik Analisis SEM

Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Model SEM. SEM adalah sekumpulan teknik- teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan. Hubungan yang rumit itu dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Masing-masing variabel dependen dan independen dapat berbentuk faktor konstruk yang dibangun dari beberapa variabel indikator. Tentu saja variabel-variabel itu dapat berbentuk variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian. Model pengukuran variabel atribut produk dan Brand Switching yang menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran dengan contoh faktor harga dilakukan sebagai berikut : Persamaan Dimensi Faktor harga X11 = λ11 Faktor harga + er_11 X12 = λ12 Faktor harga + er_12 X13 = λ13 Faktor harga + er_13 X14 = λ14 Faktor harga + er_14 42 Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh faktor harga akan nampak sebagai berikut : Faktor harga Gambar 3.1 : Model pengukuran Faktor Harga Keterangan : X11 = pertanyaan tentang ... X12 = pertanyaan tentang ... X13 = pertanyaan tentang ... X14 = pertanyaan tentang ... er_i = eror term X1j Demikian juga faktor lain seperti atribut produk, promosi, persediaan produk dan switching behavior. Harga X 2 X21 X22 X23 er_21 er_22 er_23 X24 er_24 43

3.4.2. Asumsi Model Structural Equation Model

a. Uji Normalitas Sebaran dan Linieritas 1. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. 2. Menggunakan Critical Ratio yang diperoleh dengan membagi koefisien sampel dengan standard errornya dan Skewness value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikasi 1, jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. 3. Normal Probability Plot SPSS 10.1. 4. Linieritas dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linieritas. b. Evaluasi atas Outlier 1. Mengamati nilai Z-score : ketentuannya diantara ± 3.0 non outlier. 2. Multivariate Outlier diuji dengan kriteria jarak Mahalonobis pada tingkat p 0.001. Jarak diuji dengan Chi-Square χ pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai χ adalah multivariate outlier. Outlier adalah obsevasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari obsevasi-observasi lainnya 44 dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Hair, 1998. c. Deteksi Multicollinierity dan Singularity Deteksi dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi multikolinieritas dari singularitas Tabachnick dan Fidell, 1998 d. Uji Validitas dan Reliabilitas Dimensi yang diukur melalui indikator-indikator dalam daftar pertanyaan perlu dilihat reliabilitasnya dan validitas, dalam hal ini dijelaskan sebagi berikut: a. 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 variabel construct akan diuji dengan melihat loading faktor dari hubungan antara setiap observed variabel dan latent variabel. b. Uji Reliabilitas Adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing- masing indikator itu mengidikasikan sebuah konstruk yang umum. Sedangkan reliabilitas diuji dengan construct reliability dan variance 45 extraced. Construct reliability dan Variance extraced dihitung dengan menggunakan rumus sebagai berikut: Construct reliability = [ Σ Standardize Loading]² [ Σ Standardize Loading]² + Σ εј] Variance Extracted = Σ Standardize Loading² Σ Standardize Loading² + Σ εј Sementara εј dapat dihitung dengan formula εј = 1 - Standardize Loading secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,7 dan variance extracted ≥ 0,5 Hair et.al., 1998. Standardize Loading dapat diperoleh dari out put AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize regression weigths terhadap setiap butir sebagai indikatornya

3.4.3. Pengujian Hipotesis dan Hubungan Kausal