Tabel 4.18. Hasil Uji
Goodness of Fit Model Pengukuran Sesudah Modifikasi
Kriteria Cut Of Value
Sesudah Modifikasi
Hasil Sesudah
Modifikasi Hasil Sesudah
Revisi Evaluasi
Chi-Square df =70;
α = 0,05
≤ 90,531 67,547
73,741 Model Fit
Probabilitas
≥ 0,05 0,561
0,389 Model Fit
RMSEA ≤ 0,08
0,000 0,014
Model Fit CMINDF
≤ 2,00 0,965
1,039 Model Fit
GFI ≥ 0,90
0,951 0,947
Model Fit AGFI
≥ 0,90 0,927
0,921 Model Fit
CFI ≥ 0,95
1,000 0,993
Model Fit TLI
≥ 0,95 1,009
0,991 Model Fit
Sumber : Hasil Penelitian, 2013
4.4.2. Hasil Analisis Structural Equation Model SEM
Analisis selanjutnya adalah analisis Structural Equation Model SEM secara Full Model yang dimaksudkan untuk menguji model dan hipotesis yang
dikembangkan dalam penelitian ini. Hasil pengolahan data untuk analisis full model SEM terlihat pada Gambar 4.4 dan Tabel 4.19.
Berdasarkan Gambar 4.4 dan Tabel 4.19, dapat ditunjukkan bahwa model full SEM memenuhi kriteria fit. Hal ini ditunjukkan dimana nilai chi–
square sebesar 78,351 yang lebih kecil dari chi–square tabel 92,800 untuk df = 72 pada tingkat signifikansi
α = 0,05 dan nilai probabilitas sebesar 0,284 C 0,05. Nilai CMINDF sebesar 1,088 2,00. Nilai GFI sebesar 0,943 0,90. Nilai AGFI
sebesar 0,917 0,90. Nilai TLI sebesar 0,979 0,95. Nilai CFI sebesar 0,983 0,95 dan nilai RMSEA sebesar 0,022 0,08. Hasil-hasil tersebut di atas
menunjukkan bahwa model full SEM telah memenuhi kriteria model fit.
Universitas Sumatera Utara
Sumber : Hasil Penelitian, 2013 Gambar 4.4.
Full Model SEM Tabel 4.19.
Hasil Uji Goodness of Fit Full Model SEM
Kriteria Cut Of Value
Hasil Evaluasi
Chi-Square , df =72; α = 0,05
≤ 92,800 78,351
Model Fit Probabilitas
≥ 0,05 0,284
Model Fit RMSEA
≤ 0,08 0,022
Model Fit CMINDF
≤ 2,00 1,088
Model Fit GFI
≥ 0,90 0,943
Model Fit AGFI
≥ 0,90 0,917
Model Fit CFI
≥ 0,95 0,983
Model Fit TLI
≥ 0,95 0,979
Model Fit
Sumber : Hasil Penelitian, 2013
Universitas Sumatera Utara
4.4.3. Menilai Problem Identifikasi
Problem identifikasi model pada prinsipnya adalah problem mengenai ketidakmampuan model yang dikembangkan untuk menghasilkan estimasi yang
unik. Gejala-gejala problem identifikasi antara lain: a. Standard error pada satu atau beberapa koefisien sangat besar.
b. Muncul angka-angka yang aneh seperti varians error yang negatif. c. Muncul korelasi yang sangat tinggi antar koefisien estimasi 0,90.
Tabel 4.20. Hasil Estimasi
Standardized Regression Weights Full Model SEM
Std. Estimate λ
Estimate S.E.
C.R.
Kepuasan_Pelanggan_Y1 ---
Harga_X1 -0.241
-0.241 0.240
-1.004 Kepuasan_Pelanggan_Y1
--- Kualitas_Pelayanan_X2
0.932 0.932
0.274 3.398
Loyalitas_Pelanggan_Y2 ---
Kepuasan_Pelanggan_Y1 0.867
0.867 0.230
3.775 X1.1
--- Harga_X1
0.353 0.386
0.095 4.052
X1.2 ---
Harga_X1 0.429
0.457 0.092
4.950 X1.3
--- Harga_X1
0.787 0.820
0.109 7.503
X2.1 ---
Kualitas_Pelayanan_X2 0.485
0.540 0.088
6.154 X2.2
--- Kualitas_Pelayanan_X2
0.425 0.485
0.091 5.328
X2.3 ---
Kualitas_Pelayanan_X2 0.478
0.528 0.087
6.064 X2.4
--- Kualitas_Pelayanan_X2
0.487 0.531
0.086 6.191
X2.5 ---
Kualitas_Pelayanan_X2 0.632
0.640 0.077
8.274 Y1.1
--- Kepuasan_Pelanggan_Y1
0.464 0.459
Y1.2 ---
Kepuasan_Pelanggan_Y1 0.658
0.702 0.139
5.093 Y1.3
--- Kepuasan_Pelanggan_Y1
0.587 0.640
0.133 4.829
Y1.4 ---
Kepuasan_Pelanggan_Y1 0.478
0.530 0.122
4.343 Y2.1
--- Loyalitas_Pelanggan_Y2
0.449 0.500
Y2.2 ---
Loyalitas_Pelanggan_Y2 0.574
0.616 0.150
4.104
Sumber : Hasil Penelitian, 2013 Tabel 4.21.
Covariances: Full Model SEM
Estimate S.E.
C.R. P
Harga_X1 --
Kualitas_Pelayanan_X2 0.153
0.057 2.668
0.008 e1
-- e2
0.196 0.084
2.349 0.019
Sumber : Hasil Penelitian, 2013
Universitas Sumatera Utara
Tabel 4.22. Correlations: Full Model SEM
Estimate Harga_X
1 --
Kualitas_Pelayanan_ X2
0.736 e1
-- e2
0.201 Sumber : Hasil Penelitian, 2013
Tabel 4.23. Variances: Full Model SEM
Estimate S.E.
C.R. P
Harga_X1 0.148
0.078 1.913
0.056 Kualitas_Pelayanan_X2
0.290 0.094
3.071 0.002
Z1 0.084
0.042 2.034
0.042 Z2
0.062 0.064
0.960 0.337
e1 1.043
0.118 8.809
e2 0.918
0.106 8.688
e8 0.613
0.084 7.301
e7 0.899
0.105 8.588
e6 0.935
0.107 8.765
e4 0.944
0.108 8.740
e12 0.944
0.109 8.670
e11 0.778
0.099 7.870
e10 0.643
0.092 6.987
e9 0.764
0.087 8.773
e13 0.982
0.121 8.131
e14 0.769
0.128 6.009
e3 0.411
0.158 2.594
0.009 e5
1.062 0.118
8.974
Sumber : Hasil Penelitian, 2013
Berdasarkan hasil analisis pada Tabel 4.20 dapat kita lihat bahwa standard error tidak ada nilainya yang terlalu ekstrim. Tabel 4.21 dan Tabel 4.22
memperlihatkan tidak ada satupun nilai korelasi maupun kovarian antar variabel yang bernilai 0,90. Dari Tabel 4.23 dapat dilihat bahwa tidak ada nilai varians
error yang negatif. Berdasarkan indikator-indikator di atas maka disimpulkan tidak menunjukkan adanya problem identifikasi.
Universitas Sumatera Utara
4.4.4. Evaluasi Kriteria Goodness of Fit
