40
e.  Estimasi: Koefisien Jalur, Loading dan Weight Metode pendugaan parameter estimasi terdiri dari:
1  Weight estimate Digunakan untuk menghitung data variabel laten.
2  Estimasi jalur path estimate Menghubungkan  antar  variabel  laten    koefisien  jalur  dan  antara
variabel laten dengan indikatornya loading. 3  Berkaitan  dengan  means  dan  lokasi  parameter  nilai  konstanta
regresi untuk indikator dan variabel laten. 4  Metode  estimasi  PLS:  Ordinary  Least  Squares  OLS  dengan
teknik  iterasi,  yaitu  proses  atau  metode  yang  digunakan  secara berulang-ulang.
5  Interaction variable Pengukuran
untuk variabel
moderator, dengan
teknik: menstandarkan  skor  indikator  dari  variabel  laten  yang  dimoderasi
Tabel  4. Atribut pembentuk ekuitas merek obat flu Mixagrip
Dimensi Ekuitas Variabel
Simbol Kesadaran Merek
brand awareness Laten Eksogen
ξ
1
Kesadaran puncak pikiran pada merek top of mind brand
Indikator Laten Eksogen X
1
Kesadaran puncak pikiran pada iklan top of mind advertising
Indikator Laten Eksogen X
2
Pengingatan kembali merek brand recall
Indikator Laten Eksogen X
3
Pengenalan merek brand recognition
Indikator Laten Eksogen X
4
Kesan Kualitas Merek brand percived quality
Laten Eksogen ξ
2
Intensitas konsumsi brand used most often
Indikator Laten Eksogen X
5
Persepsi kualitas terbaik best percived quality
Indikator Laten Eksogen X
6
Loyalitas Merek brand loyalty
Laten Eksogen ξ
3
Pembeli yang komit comited buyer
Indikator Laten Eksogen X
7
Pembeli yang bersifat kebiasaan habitual buyer
Indikator Laten Eksogen X
8
Pembeli yang akan membeli lagi repeat buyer
Indikator Laten Eksogen X
9
Merek yang terbaik best brand
Indikator Laten Eksogen Y
1
41 dan  yang  memoderasi, kemudian  membuat variabel  laten  interaksi
dengan  cara  mengalikan  nilai  standar  indikator  yang  dimoderasi dengan yang memoderasi. Dalam penelitian ini tidak menggunakan
variabel moderator, tetapi menggunakan variabel intervening. f.  Evaluasi goodness-of-fit
Evaluasi  ini  dibagi  dua,  yaitu  outer  model  dan  inner  model.  Outer
model reflektif terdiri dari: 1  Convergent validity
Pengujian validitas untuk indikator reflektif menggunakan korelasi antara  skor  item  dengan  skor  konstruknya.  Indikator  dinyatakan
valid  jika  nilai  loading  factor  di  atas    0.5  terhadap  konstruk  yang dituju. Jika indikator dari variabel laten berkisar antara 3 sampai 7,
nilai 0.5 sampai 0.6  dianggap sudah cukup. 2  Discriminant validity
Metode yang digunakan untuk mengukur nilai discriminant validity adalah  dengan  melihat  nilai  square  root  of  Average  Variance
Extracted AVE. Nilai  AVE  yang direkomendasikan adalah  lebih besar dari 0.50. Rumus yang dipakai adalah sebagai berikut:
3  Composite realibility Uji reliabilitas dilakukan dengan melihat nilai  composite realibility
reliabilitas komposit dari blok indikator yang mengukur konstruk. Nilai  batas  yang  diterima  untuk  tingkat
reliabilitas  komposit  ρc adalah ≥ 0.6, walaupun bukan merupakan standar absolut. Rumus
ρc adalah sebagai berikut:
Setelah  model  yang  diestimasi  memenuhi  kriteria  outer  model, berikutnya dilakukan pengujian goodness of fit untuk inner model
...................... 1
................. 2