3.4 Teknik Analisis dan Pengujian Hipotesis
3.4.1 Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Model SEM. Model pengukuran faktor
sikap minat dan perilaku konsumen 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 dimensi faktor pengetahuan merek induk dilakukan sebagai berikut :
X
1.1
X = λ1 Pengetahuan merek induk + er_1
1.2
X =
λ2 Pengetahuan merek induk + er_2
1.3
Bila persamaan dinyatakan dalam sebuah pengukuran model untuk diuji undimensionalitasnya melalui Confirmatory Factor Analysis. Maka
model pengukuran dengan contoh faktor pengetahuan merek akan nampak sebagai berikut :
= λ3 Pengetahuan merek induk + er_3
Gambar 2 : Contoh Model Pengukuran Faktor Pengetahuan Merek Induk
Pengetahuan Merek Induk
X1 X1.1
X1.2 X1.3
Er_1
Er_2 Er_3
Keterangan :
X1-1 Brand Awareness Kesadaran Merek :
Kemampuan konsumen mengingat salah satu iklan produk Dove yang ditayangkan di televisi.
X1-2 Brand Image Citra Merek :
Familiar sering mendengar, melihat produk merek Dove. X1-3 Brand Attitude Sikap Merek
: Merupakan perilaku yang mencerminkan pengguna produk merek
Dove. Er_j
error term X1j
3.4.2 Pengujian Hipotesis Asumsi
3.4.2.1 Model Structural 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 samprl dengan standard errornya dan Skweness
value yang biasanya disajikan dalam statistic deskriptif dimana nilai statistic untuk menguji normalitas itu disebut
sebagai Z-value. Pada tingkat signifikan 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 diuij dengan criteria jarak Mahalonobis pada tingkat ρ 0.001. Jarak diuji dengan Chi-Square X²
pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalonobis dari nilai X² adalah multivariate 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.
c. Deteksi Multicollinierity dan Singularity Deteksi dengan mengamati determinant matriks covarians. Dengan
ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi multikolinieriti dari singularitas Tabachnick
dan Fidell, 1998. d. Uji Validitas dan Reliabilitas
Dimensi yang diukur melalui indicator-indikator dalam daftar pertanyaan perlu dilihat reliabilitasnya dan validitas, dalam hal ini
dijelaskan sebagai berikut:
1 Uji Validitas Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah
indicator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Karena indikator multidimensi, maka
uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed
variable dan latent variabel. 2 Uji Realibilitas
Adalah ukuran mengenai konsistensi internal dari indikator- indikator sebuah konstruk yang menunjukkan derajat sampai
dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Sedangkan reliabilitas diuji dengan construct
reliability dan variance extracted. Construct reliability dan Variance extracted dihitung dengan menggunakan rumus sebagai
berikut : Construct reliability =
[ ∑ Standardize Loading]²
[ ∑ Standardize Loading]² + ∑ εj ]
Variance Extracted =
∑ Standardize Loading² ∑ Standardize Loading² + εj
Sementara εj dapat dihitung dengan formula εj = 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 output AMOS
4,01, dengan melihat nilai estimasi setiap construct standardize regression weights terhadap setiap butir sebagai indikatornya.
3.4.3 Pengujian Hipotesis dan Hubungan Kausal