Teknik Analisis SEM dan Pengujian Hipotesis

34

3.3.3 Pengumpulan Data

1. Wawancara : Yaitu melakukan wawancara atau tanya jawab dengan pelanggan kepada konsumen di wilayah Surabaya Timur yang pernah melihat iklan sabun mandi padat Nuvo yang menampilkan selebriti Nugie sebagai bintangnya untuk memperoleh informasi. 2. Kuesioner : Merupakan teknik pengambilan data dengan cara menyebarkan daftar pertanyaan kepada konsumen di wilayah Surabaya Timur yang pernah melihat iklan sabun mandi padat Nuvo yang menampilkan selebriti Nugie sebagai bintangnya.

3.4 Teknik Analisis SEM dan Pengujian Hipotesis

Structural Equation Modeling SEM adalah sekumpulan teknik – teknik statistical yang memungkinkan pengukuran sebuah rangkaian hubungan yang relatif “rumit” secara simultan. Hubungan yang rumit tersebut dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Metode ini bukan untuk menghasilkan teori melainkan “mengkonfirmasi” teori. 1. Asumsi Model [Structural Equation Modeling] a. Uji Normalitas Sebaran dan Linieritas 1 Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 35 2 Menggunakan Critical Ratio yang diperoleh dengan membagi koefisien sampel dengan standard errornya dan skewness value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikansi 1 jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tindak normal. 3 Normal Probability plot 4 Linieritas denagn mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya Linieritas. b. Evaluasi atas Outlier 1 Mengamati Z-score : ketentuannya diantara ± 3,0 non outlier. 2 Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [ χ] pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai χ 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 et. al., 1998 dalam Ferdinand 2002. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 36 c. 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 dalam Ferdinand 2002. d. 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 variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan variance-extracted. Construct reliability dan variance-extracted dihitung dengan rumus berikut: Construct Reliability = [ ∑ Standardize Loading ]² [ ∑ Standartdize Loading ]² + ∑Єj ] Variance Extracted = ∑ [ Standartdize Loading² ] ∑ [ Standartdize Loading²]+∑Єj Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 37 Sementara ε j dapat dihitung dengan formula ε j =1 – [Standardize Loading]. Secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0.7 dan Variance Extracted ≥ 0.5 Hair et.al, 1998 dalam Ferdinand 2002. Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap Construct Standardize Regression weighty terhadap setiap butir sebagai indikatornya.

2. Pengujian Hipotesis dan Hubungan Kausal

Pengaruh langsung koefisien jalur diamati dari bobot regresi terstandar dengan pengujian signifikansi pembanding nilai CRCritical Ratio p probability yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t tabel berarti signifikan.

3. Evaluasi Model

Hair et.al., 1998 dalam Ferdinand 2002 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai model yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji apakah model “good fit” atau “poor fit”. Jadi, “good fit” model yang diuji sangat penting dalam penggunaan structural equation modeling. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 38 Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit yakni Chi-square, Probability, RMSEA, GFI, TLI, CFI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan two step approach to SEM. Tabel 3.1 Goodness of Fit Indices GOODNESS OF FIT INDEX KETERANGAN CUT-OFF VALUE X 2 – Chi- square Menguji apakah covariance populasi yang destimasi sama dengan covariance sample [apakah model sesuai dengan data]. Diharapakan Kecil, 1 s.d 5, atau paling baik diantara 1 dan 2. Probability Uji signifikansi terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi. Minimum 0,1 atau 0,2, atau ≥ 0,05 RMSEA Mengkompensasi kelemahan Chi-Square pada Sampel. ≤ 0,08 GFI Menghitung proporsi tertimbang varians dalam matriks sample yang dijelasakan oleh matriks covariance populasi yang diestimasi [analog dengan R 2 dalam regresi berganda] ≥ 0,90 AGFI GFI yang disesuaikan dalam DF. ≥ 0,90 CMINDDF Kesesuaian antara data dan model. ≤ 2,00 TLI Pembandingan antara model yang diuji terhadap baseline model. ≥ 0.95 CFI Uji kelayakan model yang tidak sensitif tehadap besarnya sample dan kerumitan model ≥ 0,94 Sumber : Hair. et. al. 1998 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 39

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Deskripsi Karakteristik Responden

Data mengenai keadaan responden dapat diketahui melalui jawaban responden dari pernyataan-pernyataan yang diajukan di dalam kuesioner yang telah diberikan kepada seluruh konsumen di wilayah Surabaya Timur yang pernah melihat iklan produk sabun mandi padat Nuvo yang berjumlah 105 orang di wilayah Surabaya Selatan. Dari jawaban-jawaban tersebut diketahui hal-hal seperti di bawah ini. a. Umur : dari 105 responden yang menjawab kuesioner yang telah diberikan dapat diketahui umur dari para responden yakni : Tabel 4.1. Karakteristik Responden Berdasarkan Umur No Umur Jumlah Prosentase 1 17-25 tahun 50 47,6 2 26-35 tahun 36 34,3 3 35 tahun 19 18,1 Total 105 100 Sumber: Hasil Penyebaran Kuisoner Berdasarkan tabel diatas diketahui bahwa sebagian besar responden dalam penelitian ini adalah mereka yang berumur antara 17 sampai 25 tahun yaitu sebanyak 50 orang atau 47,6 , responden berumur antara 26 sampai 35 tahun sebanyak 36 orang atau 34,3 dan sisa responden berumur lebih dari 35 tahun sebanyak 19 orang atau 18,1 . Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.