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.