Deskripsi Hasil Penelitian Deskripsi Hasil Analisis dan Uji Hipotesis

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