37
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Hasil Penelitian
4.1.1. Karakteristik Responden
Responden dalam penelitian ini adalah konsumen Sabun Mandi Nuvo. Berikut ini keadaan responden
Tabel 4.1. Umur Responden Umur
Jumlah Persentase
18 – 25 37
40,91 26 – 30
41 36,36
31 – 35 15
13,64 36 Tahun
11 9,09
Total 104 100
Sumber : data diolah Berdasarkan tabel diatas diketahui bahwa umur responden antara
18 – 25 tahun sebanyak 37 orang 40,91, yang berumur 26 – 30 tahun sebanyak 41 orang 36,36, kemudian yang berumur 31 – 35 tahun
sebanyak 15 orang 13,64 serta yang berumur diatas 36 tahun sebanyak 11 orang 9,09
38
Tabel 4.2. Pekerjaan Responden Pendidikan
Jumlah Persentase
Mahasiswa 32 36,36
Pegawai Swasta 30
27,27 Pegawai Negeri
26 22,73
Ibu Rumah Tangga 16
13,64 Total
104 100
Sumber : data diolah
Berdasarkan tabel diatas diketahui bahwa pekerjaan responden mahasiswa sebanyak 32 orang 36,36, pegawai swasta sebanyak 30
orang 27,27, pegawai negeri sebanyak 26 orang 22,73 dan pekerjaan sebagai ibu rumah tangga sebanyak 16 orang 13,64
4.2. Deskripsi Hasil Analisis dan Uji Hipotesis
4.2.1. Asumsi Model
4.2.1.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah
tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
39
Tabel 4.3. Hasil Pengujian Normalitas
Variable min max kurtosis
c.r. X1
2 7 -1.328
-2.751 X2
3 7 -1.435
-2.973 X3
2 7 -1.231
-2.550 Y2
3 7 -0.675
-1.398 Y3
4 7 -0.744
-1.541 Y4
4 7 -1.040
-2.155 Y6
4 7 -0.331
-0.686
Multivariate
6.620 2.993
Batas Normal ± 2,58
Sumber : lampiran Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987]
bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal
masih dapat menghasilkan good estimate, sehingga data layak untuk
digunakan dalam estimasi selanjutnya.
4.2.1.2. Evaluasi atas 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,1998.
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
2] pada df sebesar jumlah variabel bebasnya df = 7. Ketentuan : bila Mahalanobis dari
40
nilai 2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 24,322. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.4. Hasil Pengujian Outlier Multivariate
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 30.948 84.975
52.500 9.923 104 Std. Predicted Value
-2.172 3.273 0.000 1.000 104
Standard Error of Predicted Value
6.068 15.850 9.031 1.996 104
Adjusted Predicted Value 26.859 81.015
52.905 10.406 104 Residual
-58.721 55.418 0.000 28.487 104
Std. Residual -1.969 1.858
0.000 0.955 104 Stud. Residual
-2.118 1.944 -0.006 1.006 104
Deleted Residual -67.912 60.614
-0.405 31.619 104 Stud. Deleted Residual
-2.159 1.973 -0.006 1.012 104
Mahalanobis Distance [MD] 3.274
28.108 8.913 4.799 104
Cooks Distance 0.000 0.070
0.011 0.014 104 Centered Leverage Value
0.032 0.273 0.087 0.047 104
Sumber : lampiran Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui
nilai MD maksimum adalah 31,812 ≥ 26,124. Oleh karena itu
diputuskan dalam penelitian terdapat outlier multivariate antar variabel.
4.2.1.3.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.
41
Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix
adalah 0 yaitu sebesar 4.022.779.399 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi
terpenuhi. 4.2.1.4.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 variabelconstruct akan diuji dengan melihat faktor loading faktor dari
hubungan antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Dari
hasil pengolahan data didapatkan hasil sebagai berikut :
Tabel 4.5. Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Faktor Loading Konstrak Indikator
1 2 3 4 X1
0.946 X2 0.933
Social Responsibility
X3 0.870 Y2
0.571 Y3
0.987 Y4
0.335 Company Image
Y6 0.194
Sumber : Hasil Pengolahan Data
42
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk
setiap construct belum seluruhnya ≥ 0,5, sehingga butir-butir
instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik.
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian.
Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan
memperkecil koefisien Cronbach’s Alpha yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam
penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 4.6. Pengujian Reliability Consistency Internal
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha X1 0.954
X2 0.951 Social
Responsibility X3 0.929
0.940 Y1 0.333
Y2 0.593 Y3 0.704
Y4 0.571 Y5 0.396
Company Image Y6 0.483
0.584
Sumber : lampiran Hasil pengujian reliabilitas konsistensi internal untuk setiap
construct di atas menunjukkan hasil kurang baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules
of thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998]. Untuk
Variabel Y1 yaitu mengenai rasa kepercayaan terhadap kualitas dan
43
pelayanan terhadap Sabun Mandi Nuvo nilainya 0,391 lebih kecil dari 0,7. Hal ini diakibatkan peserta program CDC merasa pelayanan
Sabun Mandi Nuvo yang diberikan masih kurang. Hasil pengujan Construct Reliability dan Variance Extraced
dalam penelitian ini akan ditampilkan pada tabel berikut:
Tabel 4.7. Construct Reliability Variance Extrated
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X1 0.946 0.895 0.105
X2 0.933 0.870 0.130
Social Responsibility
X3 0.870 0.757 0.243
0.941 0.841 Y2
0.571 0.326 0.674 Y3
0.987 0.974 0.026 Y4
0.335 0.112 0.888 Company Image
Y6 0.194 0.038 0.962
0.631 0.363
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data Hasil pengujian reliabilitas instrumen dengan construct
reliability dan variance extracted menunjukkan instrumen kurang reliabel, yang ditunjukkan dengan nilai construct reliability belum
seluruhnya ≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah
ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima
sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat
0,50 4.2.2.
Pengujian Model Dengan One-Step Approach
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
44
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model
dan structural model yang diestimasi secara bersama-sama One Step Approach to SEM. One step aprroach to SEM digunakan apabila model
diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik Hair et.al.,1998.
Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dan
Tabel Goodness of Fit di bawah ini.
Gambar 4.1. Model Pengukuran Kausalitas One Step Approach
MODEL PENGUKURAN STRUKTURAL Advertising, Celeb Endoser on Advertising, Brand Preference
Model Specification : One Step Approach - Base Model
1
Social Responsibility
X1 er_1
1 X2
er_2 1
d_ci X3
er_3 1
Company Image
Y1 er_4
Y2 er_5
Y3 er_6
Y4 er_7
Y5 er_8
1 1
1 1
1 1
1 Y6
er_9 1
Tabel 4.8. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil Nilai
Kritis Evaluasi Model
CminDF 1.166
≤ 2,00 baik
Probability 0.255
≥ 0,05 baik
RMSEA 0.040
≤ 0,08 baik
GFI 0.937
≥ 0,90 baik
AGFI 0.890
≥ 0,90 kurang baik
TLI 0.982
≥ 0,95 baik
CFI 0.987
≥ 0,94 baik
Sumber : Hasil Pengolahan data
45
Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, telah seluruhnya
menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan
dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Berdasarkan uji Reliability Consistency Internal terdapat indikator tereliminasi
sehingga model berubah sebagaimana terdapat di bawah ini.
MODEL PENGUKURAN STRUKTURAL Social Responsibility, Company Image
Model Specification : One Step Approach - Base Model
1 Social
Responsibility X1
er_1 1
X2 er_2
1
d_ci X3
er_3 1
Company Image
Y2 er_5
Y3 er_6
Y4 er_7
1 1
1 1
1 Y6
er_9 1
Tabel 4.9. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF
1.095 ≤ 2,00
baik Probability
0.268 ≥ 0,05
baik RMSEA
0.030 ≤ 0,08
baik GFI
0.912 ≥ 0,90
baik AGFI
0.900 ≥ 0,90
baik TLI
0.984 ≥ 0,95
baik CFI
0.989 ≥ 0,94
baik
Dari hasil evaluasi terhadap model one step eliminasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya
menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai
46
dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan
demikian model ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah
ini. Dilihat dari angka determinant of sample covariance matrix :
4.022.779.399 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian
besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas di bawah ini.
4.2.3. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung koefisien jalur diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR Critical
Ratio atau p probability yang sama dengan nilai t
hitung
. Apabila t
hitung
lebih besar daripada t
tabel
berarti signifikan.
Tabel 4.10. Hasil Pengujian Kausalitas
Ustd Std
Faktor Faktor Estimate
Estimate Prob.
Company_Image Social_Responsibility 0.057 0.099 0.360
Batas Signifikansi
≤ 0,10
Sumber : lampiran
47
Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang menyatakan bahwa :
Faktor Company Social Responsibility berpengaruh positif terhadap Faktor Company Image, tidak dapat diterima [Prob. kausalnya 0,360
0,10 [tidak signifikan [positif].
4.3. Pembahasan