61
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 34,997 lebih kecil dari 45,315. Oleh karena itu
diputuskan dalam penelitian tidak terdapat outlier multivariate antar variabel.
4.3.3. Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil,
maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998.
Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0
yaitu sebesar 31,761 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang
menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari setiap latent variabel
construct akan diuji dengan melihat faktor loading faktor dari
62
hubungan antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Dari
hasil pengolahan data didapatkan hasil sebagai berikut : Tabel 4.11.
Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Konstrak Indikator
Faktor Loading 1
2 3
4 Informasi
x11 0,613
x12 0,841
x13 0,692
Brand Recognation
x21 0,632
x22 0,557
x23 0,668
x24 0,643
x25 0,631
Sikap Konsumen x31
0,573 x32
0,750 x33
0,747 Keyakinan
Konsumen x41
0,699 x42
0,670 x43
0,646 Niat Beli
y1 0,741
y2 0,633
y3 0,785
Pembelian z1
0,682 z2
0,727 z3
0,810 z4
0,693
Sumber : Hasil Pengolahan Data Lampiran 5 Berdasarkan hasil confirmatory factor analysis terlihat bahwa
factor loadings masing masing butir pertanyaan yang membentuk setiap
construct sebagian besar 0.5, sehingga butir-butir instrumentasi setiap
konstruk tersebut dapat dikatakan validitasnya cukup baik dan dapat diterima.
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian. Sementara itu
item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan
63
mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha
yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam penelitian
ini dapat dilihat pada tabel berikut ini : Tabel 4.12.
Pengujian Reliability Consistency Internal
Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
Informasi x11
0,533 0,758
x12 0,632
x13 0,603
Brand Recognation
x21 0,550
0,771 x22
0,570 x23
0,590 x24
0,507 x25
0,535 Sikap Konsumen
x31 0,515
0,725 x32
0,633 x33
0,509 Keyakinan
Konsumen x41
0,519 0,696
x42 0,529
x43 0,506
Niat Beli y1
0,598 0,763
y2 0,558
y3 0,631
Pembelian z1
0,616 0,819
z2 0,626
z3 0,700
z4 0,624
: tereliminasi
Sumber : Lampiran 6 Hasil pengujian reliabilitas konsistensi internal untuk setiap
construct di atas menunjukkan hasil yang baik dimana koefisien koefisien
Cronbach’s Alpha yang diperoleh sebagian besar memenuhi rules of
thumb yang disyaratkan yaitu 0.7 [Hair et.al.,1998].
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha,
perlu juga dilakukan pengujian construct reliability dan
64
variance extracted. Kedua pengujian tersebut masih dalam koridor uji
konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu
pengukuran yang sama. Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut:
Sementara ε
j
dapat dihitung dengan formula ε
j
= 1 – [ Standardize loading ]
secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,5 Hair at, 1998. Standardize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct standardize
regression weight terhadap setiap butir sebagai indikatornya.
ε
j
= 1 - [Standardize Loading] [
Σ Standardize Loading]
2
2
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Construct Reliability = [
Σ Standardize Loading]
2
+ Σε
j
]
Σ [Standardize Loading
2
] Variance Extracted =
Σ [Standardize Loading
2
] + Σ ε
j
65
Tabel 4.13. Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj]
Construct Reliability
Variance Extrated
Informasi x11
0,613 0,376
0,624 0,800
0,580 x12
0,941 0,885
0,115 x13
0,692 0,479
0,521 Brand
Recognation x21
0,632 0,399
0,601 0,764
0,394 x22
0,557 0,310
0,690 x23
0,668 0,446
0,554 x24
0,643 0,413
0,587 x25
0,631 0,398
0,602 Sikap Konsumen
x31 0,573
0,328 0,672
0,864 0,328
x32 0,750
0,000 0,000
x33 0,747
0,000 0,000
Keyakinan Konsumen
x41 0,699
0,699 0,000
0,782 0,580
x42 0,670
0,449 0,551
x43 0,646
0,417 0,583
Niat Beli y1
0,741 0,549
0,451 0,765
0,522 y2
0,633 0,401
0,599 y3
0,785 0,616
0,384 Pembelian
z1 0,682
0,465 0,535
0,819 0,533
z2 0,727
0,529 0,471
z3 0,810
0,656 0,344
z4 0,693
0,480 0,520
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability
dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan nilai construct reliability seluruhnya
≥ 0,7, dan variance extracted yang diperoleh sebagian besar menunjukkan nilai diatas 0,50. Yang artinya
seluruh instrumen yang digunakan pada penelitian ini telah reliabel. 4.3.5. Pengujian Model Dengan One-Step Approach
Dalam model SEM, model pengukuran dan model struktural 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
66
dan structural model yang diestimasi secara bersama-sama One Step Approach to
SEM. One step aprroach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data
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 dibawah ini :
Informasi F X1
x13 er_3
1 x12
er_2 1
x11 er_1
1 1
Brand Recognation B
X2 x23
er_6 x22
er_5 x21
er_4 1
1 1
1 x24
er_7 1
x25 er_8
1 Keyakinan
Konsumen C X4
x41 er_12
x42 er_13
x43 er_14
1 1
1 1
Sikap konsumen A
X3 x33
er_11 x32
er_10 x31
er_9 1
1 1
1 Niat
Beli I Y
y1 er_15
y2 er_16
y3 er_17
1 1
1 1
Pembeliani P Z
z1 er_18
z2 er_19
z3 er_20
1 1
1 1
er_x2 1
er_x4 er_x3
1 er_y
1 er_z
1 1
z4 er_21
1
Tabel 4.14. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil
Nilai Kritis Evaluasi
Model CminDF
1,136 ≤ 2,00
baik Probability
0,100 ≥ 0,05
baik RMSEA
0,036 ≤ 0,08
baik GFI
0,849 ≥ 0,90
kurang baik AGFI
0,809 ≥ 0,90
kurangbaik TLI
0,957 ≥ 0,95
baik CFI
0,963 ≥ 0,94
baik
Sumber : Hasil Pengolahan data Gambar 4.1.
Model Pengukuran Kausalitas One Step Approach
67
Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya
menunjukkan hasil evaluasi model yang kurang baik, berarti model telah belum sesuai dengan data. Artinya, model konseptual yang dikembangkan
dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang belum baik untuk menjelaskan
keterkaitan antar variabel dalam model sehingga data perlu dimodifikasi agar data yang dihasilkan menjadi lebih baik sebagaimana terdapat di
bawah ini :
Informasi F X1
x13 er_3
1 x12
er_2 1
x11 er_1
1
1
Brand Recognation B
X2 x23
er_6 x22
er_5 x21
er_4 1
1 1
1 x24
er_7 1
x25 er_8
1 Keyakinan
Konsumen C X4
x41 er_12
x42 er_13
x43 er_14
1 1
1 1
Sikap konsumen A
X3 x33
er_11 x32
er_10 x31
er_9 1
1 1
1 Niat
Beli I Y
y1 er_15
y2 er_16
y3 er_17
1 1
1 1
Pembeliani P Z
z1 er_18
z2 er_19
z3 er_20
1 1
1 1
er_x2 1
er_x4
er_x3 1
er_y 1
er_z 1
1
z4 er_21
1
Gambar 4.2. Model Pengukuran Kausalitas One Step Approach dengan
modifikasi
68
Tabel 4.15. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil
Nilai Kritis Evaluasi
Model CminDF
0,710 ≤ 2,00
baik Probability
0,998 ≥ 0,05
baik RMSEA
0,000 ≤ 0,08
baik GFI
0,907 ≥ 0,90
baik AGFI
0,900 ≥ 0,90
baik TLI
1,091 ≥ 0,95
baik CFI
1,000 ≥ 0,94
baik
Sumber : Hasil Pengolahan data Dari hasil evaluasi terhadap model one step base model ternyata
dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah belum
sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan
demikian model ini adalah model yang baik untuk menjelaskan keterkaitan antar variabel sebagaimana terdapat di bawah ini
Dilihat dari angka determinant of sample covariance matrix : 31,761 0 mengindikasikan tidak terjadi multicolinierity atau singularity
dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana
terlihat pada uji kausalitas dibawah ini.
4.3.6. Pengujian Hipotesis dan Hubungan Kausal
