penelitian. Bila kasus yang mempunyai jarak Mahalanobis lebih besar dari nilai chi- square
pada tingkat signifikan 0,001 maka terjadi outliers multivariate.
Tabel 4.10 Uji Outliers Multivariate
Residuals Statistics a Minimum Maximum Mean Std. N
Deviation Predicted Value 26,830 165,220 100,500 22,548 200
Std. Predicted Value -3,267 2,870 0,000 1,000 200 Standard Error of Predicted Value 9,857 55,488 17,799 3,870 200
Adjusted Predicted Value 27,810 226,570 101,140 25,077 200 Residual -113,022 107,893 0,000 53,306 200
Std. Residual -2,011 1,920 0,000 0,948 200 Stud. Residual -2,106 1,967 -0,002 0.999 200
Deleted Residual -132,567 113,341 -0,644 59,852 200 Stud. Deleted Residual -2,127 1,984 -0,002 1,002 200
Mahalanobis Distance [MD] 5,125 192,959 19,900 13,783 200 Cook’s Distance 0,000 0,258 0,006 0,019 200
Centered Leverage Value 0,026 0,970 0,100 0,069 200
a Dependent Variable : NO. RESP Sumber
Jumlah seluruh indikator yang digunakan dalam penelitian ini adalah 20 indikator, dengan demikian didapat nilai x² sebesar 45,315. Hasil analisis Mahalanobis
menghasilkan nilai 192,959 lebih dari x² tabel 45,315 tersebut, maka disimpulkan terdapat outliers multivariate.
: Data diolah
4.3.1.2. Uji Reliability Consistency Internal
Uji Reliability Consistency Internal digunakan untuk mengestimasi reliabilitas
setiap skala variabel atau konstrak, dimana pengujiannya menggunakan koefisien Cronbach’s Alpha
. Apabila nilai koefisien Cronbach’s Alpha yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 maka bisa dikatakan pengujian
reliabilitas konsistensi internal untuk setiap konstrak menunjukkan hasil yang baik Hair et.al.,1998.
Sementara itu item to total correlation digunakan untuk memperbaiki ukuran- ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien
Cronbach’s Alpha yang dihasilkan. Apabila terdapat indicator yang mempunyai nilai
item to total correlation 0,5 maka indicator tersebut dieliminasi dan tidak disertakan
dalam perhitungan Cronbach’s Alpha Purwanto,2003. Perhitungan koefisien Cronbach’s Alpha dan nilai item to total correlation
dilakukan dengan program SPSS. Adapun hasil dari pengujian reliability consistency internal dapat dilihat pada tabel di bawah ini.
Tabel 4.11 Uji Reliability Consistency Internal
Konstrak Indikator
Item to Total Koefisien
Correlation Cronbachs Alpha
X1.1 0,542
X1.2 0,750
X1.3 0,729
Panca Indra Sense X1.4
0,676 0,755
X1.5 0,726
X1.6 0,626
X2.1 0,758
Rasa Feel X2.2
0,809 0,704
X2.3 0,816
X3.1 0,813
Perbuatan Act X3.2
0,791 0,725
X3.3 0,810
X4.1 0,796
Pikiran Think X4.2
0,741 0,693
X4.3 0,839
Menceritakan Relate X5.1
0,882 0,679
X5.2 0,859
Y1 0,767
Loyalitas Pelanggan Y2
0,850 0,736
Customer Loyalty Y3
0,830
Sumber : Data diolah
Berdasarkan hasil perhitungan, tidak terjadi eliminasi pada indikator penelitian karena nilai item to total correlation indicator seluruhnya
≥ 0,5 sehingga seluruh item disertakan dalam perhitungan Cronbach’s Alpha. Hasil pengujian reliabilitas konsistensi
internal untuk konstruk pikiran think dan menceritakan relate menghasilkan nilai Cronbach’s Alpha
yang marginal mendekati 0,7 yaitu masing-masing bernilai 0,693 dan 0,679 sehingga dapat dikatakan reliabilitas konsistensi internalnya baik. Untuk ke
empat konstruk lainya panca indra sense, rasa feel, perbuatan act, loyalitas pelanggan customer loyalty hasil pengujian reliabilitas konsistensi internalnya juga
menunjukkan hasil baik, dimana koefisien Cronbach’s Alpha yang di peroleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7.
4.3.1.3. Uji Validitas Standardize Factor Loading dan Construct dengan Confirmatory Factor Analysis
Confirmatory factor analysis dilakukan untuk menguji validitas konstruk
penelitian. apabila factor loading masing-masing butir pertanyaan yang membentuk setiap konstruk
≥ 0,5 maka butir -butir instrumentasi indikator setiap konstruk tersebut dapat dikatakan validitasnya baik.
Analisis confirmatory factor analisys dilakukan dengan program aplikasi statistik
AMOS 4.01. Hasil uji selengkapnya nampak pada tabel berikut :
Tabel 4.12 Uji Validitas Standartdize Factor Loading dan Construct
dengan Confirmatory Factor Analysis
Konstrak Indikator
Factor Loading
1 2
3 4
X1.1 0,084
X1.2 0,738
Panca Indra Sense X1.3
0,592 X1.4
0,628 X1.5
0,757 X1.6
0,423 X2.1
0,997 Rasa Feel
X2.2 0,477
X2.3 0,386
X3.1 0,663
Perbuatan Act X3.2
0,710 X3.3
0,671 X4.1
0,593 Pikiran Think
X4.2 0,583
X4.3 0,844
Menceritakan Relate X5.1
0,538 X5.2
0,998 Y1
0,662 Loyalitas Pelanggan
Y2 0,765
Customer Loyalty Y3
0,806
Sumber Berdasarkan hasil confirmatory factor analysis terlihat bahwa sebagian besar
factor loadings masing-masing butir pertanyaan yang membentuk setiap konstruk
kecuali X1.1 dan X1.6 ≥ 0,5 sehingga butir -butir instrumentasi setiap konstruk tersebut
dapat dikatakan validitasnya cukup baik. : Data diolah
4.3.1.4. Uji Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian
tersebut masih termasuk uji konsistensi internal yang akan memberiakan peneliti
kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama Purwanto, 2002. Adapun hasil dari pengujian construct
reliability dan variance extreacted dapat dilihat pada tabel dibawah ini.
Tabel 4.13 Construct Reliability dan Variance Extrated
Standardize Konstrak
Indikator Factor
SFL Kuadrat Error [εj] Construct Variance
Loading Reliability Extrated
X1.1 0,084
0,007 0,993
X1.2 0,738
0,545 0,455
X1.3 0,592
0,350 0,650
Panca Indra sense X1.4
0,628 0,394
0,606 0,724
0,341 X1.5
0,757 0,573
0,427 X1.6
0,423 0,179
0,821 X2.1
0,997 0,994
0,006 Rasa feel
X2.2 0,477
0,228 0,772
0,736 0,611
X2.3 0,627
0,393 0,607
X3.1 0,386
0,149 0,851
Perbuatan act X3.2
0,663 0,440
0,560 0,619
0,364 X3.3
0,710 0,504
0,496 X4.1
0,671 0,450
0,550 Pikiran think
X4.2 0,593
0,352 0,648
0,647 0,381
X4.3 0,583
0,340 0,660
Menceritakan relate X5.1
0,844 0,712
0,288 0,657
0,501 X5.2
0,538 0,289
0,711 Y1
0,998 0,996
0,004 Loyalitas Pelanggan
Y2 0,662
0,438 0,562
0,857 0,673
Customer Loyalty Y3
0,765 0,585
0,415 Batas dapat diterima
≥ 0,7 ≥ 0,5
Sumber Hasil pengujian reliabilitas instrument dengan construct reliability dan varience
extracted menunjukkan intrumen cukup reliabel, yang ditunjukkan dengan nilai construct
reliability belum seluruhnya ≥ 0,7. meskipun demikian angka tersebut bukanlah sebuah
ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai dibawah 0,70 pun masih dapat diterima sepanjang disertai alasan-alasan empiric yang
: Data diolah
terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.3.1.5. Uji Normalitas
Uji Normalitas sebaran dilakukan dengan kurtosis value dari data yang digunakan
yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai Z-value lebih besar dari nilai kritis maka dapat
diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar ± 2,58.
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di antara ± 2,58 itu berarti asumsi normalitas terpenuhi. Dan data layak untuk digunakan estimasi
selanjutnya. Untuk lebih jelasnya dilihat pada tabel dibawah ini :
Tabel 4.14 Uji Normalitas
Variable Min
Max Kurtosis
c.r.
X1.1 3
7 0,036
0,104 X1.2
5 7
1,322 3,807
X1.3 3
7 0,409
1,177 X1.4
3 7
0,294 0,847
X1.5 2
6 0,095
0,272 X1.6
3 7
0,599 1,726
X2.1 3
7 1,374
3,957 X2.2
4 7
0,864 2,488
X2.3 3
7 0,528
1,520 X3.1
3 7
0,402 1,158
X3.2 4
7 0,293
0,843 X3.3
3 7
0,093 0,267
X4.1 3
7 0,885
2,549 X4.2
3 7
0,596 1,716
X4.3 4
7 0,847
2,438 X5.1
3 7
0,644 1,854
X5.2 3
7 0,315
0,908 Y1
3 7
0,847 2,440
Y2 3
7 0,175
0,503 Y3
3 7
0,843 2,426
Multivariate 6,327
1,504 Batas Normal
± 2,58
Sumber Hasil uji menunjukkan bahwa nilai c.r. multivariate berada diantara ± 2,58 itu
berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou 1987, bahwa jika teknik estimasi dalam model SEM
menggunakan maximum likelihood estimation MLE walau distribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan
dalam estimasi selanjutnya. : Data diolah
4.3.2. Analisis Model One-Step Approach to SEM
Dalam model SEM, model pengukuran dan model structural parameter- parameternya 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-sama
one-step approach to SEM. One-Step Approach to
SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas dan reabilitas data yang sangat baik Hair,et.al, 1998.
Hasil estimasi dan fit model one-step approach to SEM dengan menggunakan program aplikasi AMOS 4.01 terlihat pada gambar dan tabel Goodness of Fit di bawah
ini :
Gambar 4.1. Model One-Step
Approach to SEM – Base Model
MODEL PENGUKURAN STRUKTURAL marketing Experience, Customer Loyalty
Model Specification : One Step Approach - Base Model
Feeling X21
0,005 er_1
1 1
Action X31
er_4 X32
er_5 1
1 1
X22 er_2
1
X33 er_6
1
Think X41
er_7 X42
er_8 1
1 1
Tell X51
er_16 X52
0,005 er_17
1 1
1
1
Marketing Experience
d_ac
d_th d_tl
0,005 d_fl
1 1
1 1
Sensory X11
er_10 X12
er_11 0,005
d_ss 1
1 1
X13 er_12
1
X43 er_9
1 X23
er_3 1
X14 er_13
1 X15
er_14 1
X16 er_15
1 1
Customer Loyalty
Y3 er_20
Y2 er_19
Y1 er_18
d_cl 1
1 1
1 1