Evaluasi Normalitas Data. Evaluasi Outlier.

80 Maka kriteria yang dipakai untuk deteksi multivariate outlier pada penelitian ini adalah nilai Chi-Squares dengan 16 indikator pada tingkat signifikansi P 0,001 yaitu 16, 0.001 = 39,252. Hal ini berarti nilai mahalonobis distance lebih besar dari nilai 39,252 adalah multivariate outlier. Berikut Tabel 4.9 yang digunakan untuk mendeteksi multivariate outlier dalam penelitian ini: Tabel 4.9 Mahalanobis Distance Observation number Mahalanobis d-squared p1 p2 119 34,332 ,005 ,549 161 31,982 ,010 ,485 136 30,801 ,014 ,408 112 30,747 ,014 ,209 57 29,987 ,018 ,171 37 29,827 ,019 ,089 117 27,416 ,037 ,395 80 25,947 ,055 ,668 87 25,021 ,069 ,799 147 24,221 ,085 ,888 60 24,068 ,088 ,853 35 23,955 ,090 ,804 31 23,779 ,094 ,769 20 22,926 ,116 ,906 22 22,922 ,116 ,854 81 Observation number Mahalanobis d-squared p1 p2 102 22,822 ,119 ,815 146 22,479 ,128 ,844 66 22,193 ,137 ,860 33 22,029 ,142 ,847 118 21,899 ,146 ,826 95 21,851 ,148 ,776 106 21,803 ,150 ,722 131 21,664 ,154 ,701 158 21,593 ,157 ,652 61 21,211 ,171 ,739 123 21,145 ,173 ,694 142 20,882 ,183 ,735 21 20,326 ,206 ,874 58 20,185 ,212 ,871 17 20,166 ,213 ,830 24 20,046 ,218 ,821 96 19,957 ,222 ,801 38 19,729 ,233 ,833 160 19,705 ,234 ,790 84 19,550 ,241 ,798 110 19,502 ,244 ,763 138 19,411 ,248 ,745 11 19,331 ,252 ,722 82 Observation number Mahalanobis d-squared p1 p2 114 19,271 ,255 ,689 69 19,188 ,259 ,666 125 19,159 ,260 ,614 82 18,964 ,271 ,655 92 18,931 ,272 ,606 135 18,905 ,274 ,553 99 18,841 ,277 ,521 124 18,701 ,284 ,536 162 18,600 ,290 ,528 155 18,449 ,298 ,552 50 18,430 ,299 ,495 25 18,375 ,302 ,461 101 18,188 ,313 ,510 51 18,167 ,314 ,455 78 18,161 ,315 ,393 159 18,031 ,322 ,409 107 17,981 ,325 ,375 115 17,971 ,326 ,319 28 17,806 ,335 ,356 133 17,715 ,341 ,350 151 17,714 ,341 ,291 134 17,654 ,345 ,270 72 17,622 ,346 ,234 83 Observation number Mahalanobis d-squared p1 p2 43 17,331 ,364 ,342 48 17,281 ,368 ,314 55 17,232 ,371 ,286 88 17,106 ,379 ,304 139 17,055 ,382 ,279 47 17,002 ,385 ,255 148 16,941 ,389 ,238 145 16,870 ,394 ,226 15 16,757 ,401 ,236 71 16,753 ,402 ,193 83 16,660 ,408 ,193 116 16,633 ,410 ,164 63 16,530 ,417 ,169 41 16,507 ,418 ,141 100 16,227 ,437 ,230 153 16,185 ,440 ,205 77 16,170 ,441 ,170 143 16,118 ,445 ,154 126 16,086 ,447 ,131 56 16,055 ,449 ,111 54 16,041 ,450 ,088 23 15,982 ,454 ,080 45 15,907 ,459 ,077 84 Observation number Mahalanobis d-squared p1 p2 140 15,823 ,465 ,076 19 15,719 ,473 ,080 152 15,543 ,485 ,108 10 15,422 ,494 ,120 91 15,384 ,497 ,103 68 15,310 ,502 ,099 26 15,220 ,509 ,101 130 15,185 ,511 ,086 9 15,163 ,513 ,069 150 14,761 ,542 ,186 108 14,549 ,558 ,258 1 14,481 ,563 ,248 103 14,391 ,570 ,252 29 14,357 ,572 ,223 137 14,336 ,574 ,189 120 14,259 ,579 ,185 Sumber: output amos 18 Dari tabel 4.8 dapat disimpulkan bahwa evaluasi secara univariate terdapat outlier dalam data penelitian yaitu pada indikator KP1 -3,35, KP3 -3,113, CM2 -3,240, dan CM4 -3,327. Namun, Ghazali 2007: 38 menyatakan bahwa data outlier secara filosifi harus dipertahankan bila data outlier itu memang 85 representasi dari populasi yang diteliti. Atas dasar ini peneliti memutuskan untuk tidak membuang data outlier, dengan pertimbangan bahwa jumlah sampel dalam penelitian ini telah terpenuhi dan nilai Chi-Square dalam kriteria Goodness of Fit menunjukkan nilai 117,343 yang mengindikasikan model yang diusulkan cocok atau fit dengan data observasi. Maka, data dalam penelitian ini dapat dikatakan telah merepresentasikan populasi. Sedangkan pada tabel 4.9 secara multivariate menunjukkan bahwa tidak terdapat nilai mahalanobis distance yang melebihi 39,252. Hal ini mengindikasikan bahwa data dalam penelitian ini terbebas dari multivariate outlier.

d. Evaluasi Multikolinearitas.

Weston dan Gore 2006: 735 serta Lei dan Wu 2007: 34 menyatakan bahwa evaluasi multikolinearitas data dalam SEM dapat dilakukan dengan cara melihat nilai matriks korelasi, dimana nilai korelasi antar observed variable 0,85 menunjukkan adanya multikolinearitas pada data. Dalam penelitian ini deteksi terhadap multikolinearitas dalam data menggunakan bantuan program PASW Statistic 18. Data yang telah terkumpul akan disusun ke dalam matriks korelasi agar dapat dicek kekuatan hubungan antar observed variable dengan ketentuan nilai korelasi 0,85 dinyatakan terdapat multikolinearitas pada data. Dari tabel 4.10 dibawah ini dapat dilihat bahwa tidak terdapat hubungan nilai korelasi antar observed variable 0,85. Maka disimpulkan tidak terdapat multikolinearitas pada data. 87

2. Uji Model Persamaan Struktural SEM

Hasil uji model persamaan struktural SEM dalam penelitian ini disajikan dalam gambar 4.11 di bawah: Gambar 4.2 Uji Model Persamaan Struktural Sumber: Output amos 18 Dari hasil pengujian output Amos 18 di atas maka model persamaan strukturalnya dapat disusun sebagai berikut: Citra Merek = 0,26 Kredibilitas Perusahaan+ 0,29 Kredibilitas Endorser + e 1 88 Sikap Merek = 0,25 Kredibilitas Perusahaan + 0,06 Kredibilitas Endorser + 0,27 Citra Merek + e 2 Sedangkan evaluasi kelayakan model goodness of fit dari model persamaan struktural dirangkum dalam tabel 4.11 dibawah ini: Tabel 4.11 Evaluasi Kriteria Goodness of Fit Model Persamaan Struktural Kriteria Cut of Value Hasil Kesimpulan Chi-Square 133,475 df=98 117,343 Fit ChiSquaredf ≤ 3,00 1,197 Fit P-Value ≥ 0,05 0,089 Fit CFI ≥ 0,90 0,981 Fit GFI ≥ 0,90 0,917 Fit AGFI ≥ 0,80 0,885 Fit TLI ≥ 0,90 0,977 Fit RMSEA ≤ 0,08 0,035 Fit Sumber: data diolah peneliti

D. Uji Hipotesis.

Terdapat 5 hipotesis yang diajukan dalam penelitian ini. Pengujian hipotesis disajikan dalam tabel di bawah ini: Tabel 4.12 Estimasi Parameter Regression Weights Variabel Laten Sumber: output amos 18 Estimate S.E. C.R. P Label Citra_Merek --- Kredibilitas_Perusahaan ,231 ,083 2,784 ,005 par_17 Citra_Merek --- Kredibilitas_Endorser ,230 ,077 2,992 ,003 par_18 Sikap_Merek --- Kredibilitas_Perusahaan ,258 ,096 2,688 ,007 par_14 Sikap_Merek --- Kredibilitas_Endorser ,059 ,087 ,672 ,502 par_15 Sikap_Merek --- Citra_Merek ,326 ,124 2,626 ,009 par_16 89 Hipotesis pertama menyatakan: H01 : Kredibilitas perusahaan tidak memiliki pengaruh terhadap citra merek. Ha1 : Kredibilitas perusahaan memiliki pengaruh terhadap citra merek. Dari tabel 4.12 dapat dilihat bahwa hubungan kredibilitas perusahaan terhadap citra merek memberikan nilai critical ratio sebesar 2,784 2,58 dan nilai signifikan sebesar 0,005 P 0,01. Hal ini menunjukkan terdapat hubungan yang signifikan antara kredibilitas perusahaan terhadap citra merek, sehingga dapat disimpulkan bahwa H01 ditolak dan Ha1 diterima. Maka penelitian ini mengkonfirmasi penelitian sebelumnya yang dilakukan oleh Emari dkk. 2012: 5700, serta teori Aaker dan Joachmistaller dalam Li, Wang dan Yang 2011: 60 dan teori Bhowmick 2012: 970 yang menyatakan bahwa semakin tinggi kredibilitas perusahaan maka akan semakin tinggi pula pembentukan citra merek. Hipotesis kedua menyatakan: H02 : Kredibilitas endorser tidak memiliki pengaruh terhadap citra merek. Ha2 : Kredibilitas endorser memiliki pengaruh terhadap citra merek. Dari tabel 4.12 dapat dilihat bahwa hubungan kredibilitas endorser terhadap citra merek memberikan nilai critical ratio sebesar 2,992 2,58 dan nilai signifikan sebesar 0,003 P 0,01. Hal ini menunjukkan terdapat hubungan yang signifikan antara kredibilitas endorer terhadap citra merek, sehingga dapat disimpulkan bahwa H02 ditolak dan Ha2 diterima.