4.4.1.2.1. Uji Kesesuaian Model Pengukuran Sesudah Revisi
Dari Tabel 4.14, untuk model pengukuran sesudah revisi diperoleh nilai chi-square = 73,741 dengan df = 71 dan probabilitas = 0,389. Hasil chi-square ini
menunjukkan bahwa hipotesis nol yang menyatakan bahwa model sama dengan data empiris tidak dapat ditolak yang berarti model pengukuran sesudah revisi
adalah fit dengan data. Hasil uji goodness of fit model pengukuran revisi sesudah revisi lebih baik dibandingkan dengan model pengukuran sebelum revisi yang
ditunjukkan dengan nilai chi-square yang lebih kecil dan nilai probabilitas yang lebih besar . Hal ini juga didukung oleh ukuran model fit lainnya yaitu RMSEA,
CMINDF, GFI, AGFI, CFI dan TLI yang keseluruhannya lebih baik dari dari model pengukuran sebelum revisi.
4.4.1.2.2. Uji Signifikansi Loading Factor
Dari Tabel 4.15, hasil regresi dari variabel indikator ke variabel laten pada model pengukuran sesudah direvisi semuanya signifikan secara statistik pada
α = 0,01 bintang tiga pada tabel. Dengan demikian semua variabel manifest indikator pada model pengukuran sesudah revisi dapat menjelaskan masing-
masing konstruk atau variabel latennya. Selanjutnya dari Tabel 4.15 dengan menggunakan kriteria yang
direkomendasikan oleh Ferdinand 2005 maka tidak terdapat indikator atau variabel manifest yang mempunyai nilai convergent validity atau nilai loading
factor lebih kecil dari 0,4. Dengan demikian seluruh variabel manifest yang membentuk konstruk harga, kualitas pelayanan, kepuasan pelanggan dan loyalitas
pelanggan yang terdapat pada model pengukuran setelah revisi layak untuk dipergunakan dalam full model persamaan struktural.
Universitas Sumatera Utara
Tabel 4.15. Regression Weights: Model Pengukuran Setelah Revisi
Standardized Estimate
Estimate S.E.
C.R. P
X1.1 ---
Harga_X1 0.416
1.000 X1.2
--- Harga_X1
0.479 1.119
0.282 3.965
X1.3 ---
Harga_X1 0.734
1.681 0.445
3.776 X2.1
--- Kualitas_Pelayanan_X2
0.498 0.854
0.157 5.441
X2.2 ---
Kualitas_Pelayanan_X2 0.410
0.721 0.163
4.421 X2.3
--- Kualitas_Pelayanan_X2
0.480 0.816
0.156 5.227
X2.4 ---
Kualitas_Pelayanan_X2 0.475
0.796 0.148
5.375 X2.5
--- Kualitas_Pelayanan_X2
0.641 1.000
Y1.1 ---
Kepuasan_Pelanggan_Y1 0.479
0.856 0.191
4.483 Y1.2
--- Kepuasan_Pelanggan_Y1
0.691 1.332
0.252 5.296
Y1.3 ---
Kepuasan_Pelanggan_Y1 0.600
1.182 0.236
5.007 Y1.4
--- Kepuasan_Pelanggan_Y1
0.499 1.000
Y2.1 ---
Loyalitas_Pelanggan_Y2 0.429
1.000 Y2.2
--- Loyalitas_Pelanggan_Y2
0.602 1.355
0.324 4.185
Sumber : Hasil Penelitian, 2013 4.4.1.2.3. Uji Spesifikasi Model
Walaupun secara keseluruhan dapat disimpulkan bahwa hipotesis keempat konstruk CFA yaitu konstruk harga, kualitas pelayanan, kepuasan
pelanggan dan loyalitas pelanggan telah sesuai atau fit dengan data empirisnya, tetapi perlu dianalisis kemungkinan adanya mis-fit di dalam model. Dua jenis
informasi yang disediakan oleh Amos untuk mendeteksi adanya kesalahan spesifikasi model yaitu nilai standardized residual dan modification index.
4.4.1.2.3.1. Residual
Nilai standardized residual adalah nilai fitted residual dibagi dengan standard error, dengan demikian analog dengan nilai Z score dan nilai
standardized residual ≥ 2,58 dianggap besar nilainya. Berdasarkan pada output
standardized residual dari model pengukuran setelah revisi lihat Tabel 4.16 tidak terdapat satupun residual yang nilainya di atas 2,58. Dengan demikian dari
indikator standardized residual tidak mengindikasikan adanya kesalahan spesifikasi model.
Universitas Sumatera Utara
Tabel 4.16. Standardized Residual Covariances Group number 1 - Default model
X2.2 X1.3
Y2.2 Y2.1
Y1.1 Y1.2
Y1.3 Y1.4
X2.1 X2.3
X2.4 X2.5
X1.2 X1.1
X2.2 X1.3
0.577 Y2.2
-1.131 0.371
Y2.1 0.050
0.059 Y1.1
0.469 -0.878
-0.311 0.213
Y1.2 1.302
0.975 0.008
-0.182 -0.040
Y1.3 1.799
-0.183 -0.565
0.903 -0.035
-0.148 Y1.4
-0.256 -0.408
0.171 0.537
0.262 0.128
0.035 X2.1
-0.487 -0.160
0.730 0.183
0.408 0.911
-1.163 -0.026
X2.3 0.051
0.458 -0.360
0.357 -0.106
-1.042 1.003
-1.120 -0.331
X2.4 -0.974
-0.074 -0.536
0.256 0.838
-0.097 0.516
-0.015 -0.199
0.625 X2.5
-0.444 0.266
0.764 -0.858
-0.658 -0.327
0.009 -1.099
0.129 -0.224
1.050 X1.2
0.863 0.025
0.433 -1.297
-0.702 -0.76
-0.143 -0.888
-1.006 0.544
-1.958 -0.828
X1.1 1.510
-0.658 -0.064
-1.601 0.595
1.027 -0.529
0.665 0.744
0.018 -1.072
-0.368 1.649
Sumber : Hasil Penelitian, 2013 4.4.1.2.3.2.
Modification Index Tabel 4.17.
Covariances: Group number 1 - Default model
M.I. Par Change
e5 --
Kepuasan_Pelanggan_Y1 5.046
0.101 e4
-- e11
4.823 -0.151
e2 --
e7 4.405
-0.148 e1
-- e2
5.173 0.165
Sumber : Hasil Penelitian, 2013
Indikasi adanya model mis-fit dapat dilihat dari nilai modification index MI yang dapat dikonseptualisasikan sebagai chi-
square λ
2
statistik dengan degree of freedom = 1 Joreskog and Sorbom, 1988 dalam Ghozali,
2011. Secara spesifik untuk setiap parameter yang ditetapkan, Amos memberikan nilai MI yaitu λ
2
yang akan turun jika parameter dikovariankan. Berdasarkan output MI pada Tabel 4.17, maka kita akan memodifikasi model
pengukuran yang telah direvisi dengan mengkovariankan e1 dengan e2. Respesifikasi model ini diharapkan akan meningkat goodness of fit model
karena chi-square akan turun sebesar 5,173.
Universitas Sumatera Utara
4.4.1.3. Analisis Faktor Konfirmatori Model Pengukuran Setelah Modifikasi
Kategori