5 Kategori Nilai Alpha Cronbach

Tabel III.5 Kategori Nilai Alpha Cronbach

Alpha Cronbach Reliabilitas 0,8 – 1,0 Baik 0,6 – 0,79 Diterima < 0,6 Buruk

Sebelum dilakukan uji reliabilitas dalam penelitian yang sebenarnya, peniliti melakukan uji reliabilitas terhadap 30 sampel. Hasil uji reliabilitas pretest terlihat dalam tabel III.6 berikut ini :

Hasil Uji Reliabilitas Pretest III

Variabel

Cronbach’s Alpha

Team attachment 0,789

Diterima

Sponsor image 0,818

Baik

Purchase intentions 0,752

Diterima

Word of mouth 0,841

Baik

Sumber : Data primer yang diolah, 2010. Pada tabel III.6 semua item yang ada telah memenuhi kriteria uji reliabilitas, artinya item-item pertanyaan yang digunakan dalam penelitian ini terbebas dari kesalahan (error) sehingga memberikan hasil pengukuran yang konsisten pada kondisi yang berbeda dan pada masing-masing butir instrumen. Setelah semua dinyatakan reliabel, kemudian dilakukan pengujian reliabilitas pada sampel besar dengan sampel 150 orang.

G. Metode Analisis Data

1. Evaluasi Asumsi SEM

a. Asumsi Kecukupan Sampel Karena teknik analisis yang dipergunakan dalam penelitian ini adalah teknik analisis dengan pendekatan Structural Equation Modelling dimana jumlah sampel yang memenuhi tidak dapat ditentukan sebelum dilakukan analisis uji kecukupan sampel, maka peneliti menggunakan jumlah sampel yang disyaratkan yaitu sebanyak minimum 100 sampel atau 5 kali jumlah parameter yang diestimasi a. Asumsi Kecukupan Sampel Karena teknik analisis yang dipergunakan dalam penelitian ini adalah teknik analisis dengan pendekatan Structural Equation Modelling dimana jumlah sampel yang memenuhi tidak dapat ditentukan sebelum dilakukan analisis uji kecukupan sampel, maka peneliti menggunakan jumlah sampel yang disyaratkan yaitu sebanyak minimum 100 sampel atau 5 kali jumlah parameter yang diestimasi

b. Asumsi Normalitas Dalam Hair et.al. (1998) disebutkan SEM terutama bila diestimasi dengan maximum likelihood mensyaratkan sebaiknya asumsi normalitas pada data dipenuhi. Nilai statistik untuk menguji normalitas disebut z value (Critical Ratio atau C.R pada output AMOS 4.01) dari ukuran skewness dan kurtosis sebaran data. Bila nilai C.R lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 1% yaitu sebesar 2,58.

c. Asumsi Outliers Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk variabel tunggal maupun variabel kombinasi (Hair et.al., 1998). Dalam analisis multivariate

adanya outliers dapat diuji dengan statistic Chi Square ( ) terhadap nilai mahalanobis distance squared pada tingkat signifikansi 0,001 dengan degree of freedom sejumlah konstruk yang digunakan dalam adanya outliers dapat diuji dengan statistic Chi Square ( ) terhadap nilai mahalanobis distance squared pada tingkat signifikansi 0,001 dengan degree of freedom sejumlah konstruk yang digunakan dalam

2. Uji Goodness-of-Fit Model Struktural

Dalam analisis SEM, tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model (Hair et.al., 1998), tetapi berbagai indeks kesesuaian digunakan untuk mengukur derajat kesesuaian antara model yang disajikan dengan data yang disajikan. Indeks-indeks kesesuaian tersebut adalah sebagai berikut:

a. Chi Square (X²) Tujuan analisis Chi Square adalah untuk menguji apakah sebuah model sesuai dengan data. Chi Square sangat bersifat sensitif terhadap sampel yang terlalu kecil maupun yang terlalu besar. Oleh karena itu pengujian ini perlu dilengkapi dengan uji lainnya. Nilai Chi Square merupakan ukuran mengenai buruknya fit suatu model (Ghozali dan Fuad, 2005). Tingkat signifikansi penerimaan yang direkomendasikan adalah apabila p>0,05 (Hair, et.al., 1998), yang berarti matriks input yang sebenarnya dengan matriks input yang diprediksi secara statistik tidak berbeda.

b. The Root Mean Square of Approximation (RMSEA)

RMSEA merupakan ukuran yang mencoba memperbaiki kecenderungan statistik chi-square model dengan jumlah sampel yang besar. Nilai RMSEA yang dapat diterima antara 0,05 sampai 0,08 RMSEA merupakan ukuran yang mencoba memperbaiki kecenderungan statistik chi-square model dengan jumlah sampel yang besar. Nilai RMSEA yang dapat diterima antara 0,05 sampai 0,08

c. Normed Chi-Square (CMIN/DF) Normed Chi-square adalah ukuran yang diperoleh dari nilai chi- square dibagi dengan degree of freedom. Menurut Hair et. al., (1998), nilai yang direkomendasikan untuk menerima kesesuaian sebuah model adalah nilai CMIN/DF yang lebih kecil dari atau sama dengan 2,0/3,0 (CMIN/DF ≤ 2,0/3,0)

d. Goodness of Fit Index (GFI) Indeks ini menggambarkan tingkat kesesuaian model secara keseluruhan, yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan dengan data yang sebenarnya. Nilai yang lebih mendekati 1 mengindikasikan model yang diuji memiliki kesesuaian yang baik (Hair et.al., 1998). Meskipun tidak ada threshold levels yang pasti untuk menerima secara absolute, nilai GFI yang lebih besar dari

atau sama dengan 0,90 (GFI ≥ 0, 90) dikatakan baik.

e. Adjusted Goodness of Fit Index (AGFI) Indeks ini merupakan pengembangan dari GFI, yaitu indeks GFI yang telah disesuaikan dengan rasio dari degree of freedom model yang diusulkan dengan degree of freedom dari null model. menurut Hair et.al. , (1998), nilai indeks penerimaan kesesuaian sebuah model yang

direkomendasikan adalah apabila nilai nilai AGFI ≥ 0,90. Nilai indeks direkomendasikan adalah apabila nilai nilai AGFI ≥ 0,90. Nilai indeks

f. Tucker Lewis Index (TLI) TLI adalah suatu incremental fit index yang membandingkan sebuah model yang diuji dengan null model. Hair, et.al. (1998) merekomendasikan bahwa nilai TLI yang baik adalah TLI ≥ 0,90.

g. Comparative Fit Index (CFI) CFI merupakan indeks kesesuaian incremental, yang juga membandingkan model yang diuji dengan null model. indeks ini dikatakan baik untuk mengukur kesesuaian sebuah model, karena tidak dipengaruhi oleh ukuran sampel (Rigdon, 1996 dalam Hair, et.al., 1998). Nilai CFI berkisar 0 –1 dengan nilai yang mendekati 1 mengindikasikan model yang diuji memiliki kesesuaian yang baik. Indeks TLI dan CFI sangat dianjurkan untuk digunakan karena indeks- indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan model (Hulland et.al., dalam Ferdinand, 2002).

h. Normed Fit Index (NFI) NFI merupakan ukuran perbandingan antara proposed model dan null model . Nilai NFI akan bervariasi dari 0 (no fit at all) sampai 1,0 (perfect fit) . Nilai ya ng direkomendasikan adalah NFI ≥ 0,90 (Ghozali, 2008).

Tabel Indeks Kelayakan Model

No Goodness of Fit Indeks

Keterangan

Cut-off point

1 Chi Square (X²) Tujuan analisis ini adalah mengembangkan dan menguji sebuah model yang sesuai dengan data. Chi Square merupakan ukuran mengenai buruknya fit suatu model.

Diharapka n kecil

2 Significance Probability

Uji signifikansi terhadap perbedaan matriks kovarians data dengan matriks kovarians yang diestimasi.

3 RMSEA (the Root Mean Square Error of Approximation )

RMSEA adalah ukuran yang mencoba memperbaiki kecenderungan statistik Chi-Square menolak model dengan jumlah sampel yang besar.

4 GFI (Good of Fit Index) Indeks yang menggambarkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan data yang sebenarnya

5 AGFI (Adjusted Goodness of Fit Indices )

Indeks ini merupakan pengembangan dari Goodness Fit of Index (GFI) yang telah disesuaikan dengan ratio dari degree of freedom model

6 CMIN/DF (The Minimum Sampel Discrepancy Function )

Kesesuaian antara data dengan model

≤2,00 atau ≤3,00

7 TLI (Tucker Lewis Index )

Merupakan indeks kesesuaian incremental yang membandingkan model yang diuji dengan null model

8 NFI (Normed Fit Index) Indeks ini juga merupakan indeks kesesuaian incremental dan dapat dijadikan alternatif untuk menentukan model fit

9 CFI (Comparative Fit Index )

Uji kelayakan model yang tidak sensitif terhadap besarnya sampel dan kerumitan model

≥0,90 Sumber : Ghozali dan Fuad, 2005.

3. Pengujian Hipotesis

Setelah model dinyatakan fit, atau diterima secara statistik maka langkah selanjutnya adalah melakukan pengujian hipotesis dengan bantuan AMOS 4.01 dengan menganalisis hubungan diantara variabel-variabel Setelah model dinyatakan fit, atau diterima secara statistik maka langkah selanjutnya adalah melakukan pengujian hipotesis dengan bantuan AMOS 4.01 dengan menganalisis hubungan diantara variabel-variabel

ANALISIS DATA

A. Analisis Statistik Deskriptif

Analisis deskriptif adalah suatu analisis untuk mengetahui karakteristik dan tanggapan responden terhadap item-item pertanyaan dalam kuesioner. Jumlah responden yang diambil dalam penelitian ini tidak diketahui jumlahnya, sehingga sampel yang diambil dengan metode non probability sampling .

Jumlah sampel yang digunakan dalam penelitian ini adalah 150. Gambaran umum responden diperoleh dari data diri yang terdapat dalam kuesioner pada bagaian identitas responden yang meliputi umur dan pekerjaan. Gambaran umum responden dapat dilihat dalam tabel berikut ini.

1. Deskripsi Responden Berdasarkan Usia