Analisis Data 1. Uji Outliers Multivariate

53 tanggapan responden terhadap variabel kesan kualitas sebesar 5,65, yang berarti responden cukup setuju bahwa kesan kualitas yang merupakan penilaian subyektif pelanggan terhadap keseluruhan keunggulan atau superioritas produk produk pemutih wajah merek “Ponds” cukup baik. 4.2. Analisis Data 4.2.1. Uji Outliers Multivariate 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 atau mutivariate . Evaluasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate , tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair dkk, 1998. Uji terhadap outliers multivariate dilakukan menggunakan jarak Mahalanobis pada tingkat p 1. Jarak mahalanobis dievaluasi menggunakan χ² chi kuadrat, derajat bebas sebesar jumlah variabel dalam penelitian ini. Hasil uji outliers tampak pada tabel berikut ini : 54 Tabel 4.10. Residuals Statistics Minimum Maximum Mean Std. Deviation N Predicted Value 10.680 110.784 65.500 20.316 130 Std. Predicted Value -2.698 2.229 0.000 1.000 130 Standard Error of Predicted Value 11.232 22.490 15.985 2.516 130 Adjusted Predicted Value -6.012 127.128 65.219 22.110 130 Residual -64.664 76.799 0.000 31.724 130 Std. Residual -1.821 2.163 0.000 0.894 130 Stud. Residual -1.981 2.536 0.003 1.011 130 Deleted Residual -76.463 113.012 0.281 40.763 130 Stud. Deleted Residual -2.010 2.606 0.005 1.018 130 Mahalanobis Distance [MD] 11.918 50.774 25.800 8.464 130 Cooks Distance 0.000 0.141 0.011 0.017 130 Centered Leverage Value 0.092 0.394 0.200 0.066 130 a Dependent Variable : NO. RESP Sumber : Lampiran 3 Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan  2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers . Nilai  2 0.001 dengan jumlah indikator 26 adalah sebesar 54,052. Hasil analisis Mahalanobis diperoleh nilai 50,774 yang lebih kecil dari dari  2 tabel 54,052 tersebut. Dengan demikian tidak terjadi multivariate outliers. 55

4.2.2. Uji Reliabilitas

Koefisien cronbach’s alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observasian. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien cronbach’s alpha yang dihasilkan. Hasil selengkapnya dapat dilihat pada tabel berikut : Tabel 4.11 Pengujian Reliability Consistency Internal Konstrak Indikator Item to Total Correlation Koefisien Cronbachs Alpha X11 0.459 X12 0.409 X13 0.222 X14 0.331 X15 0.487 X16 0.506 Produk X 1 X17 0.410 0.125 X21 0.683 Harga X 2 X22 0.735 0.011 X31 0.577 X32 0.583 Distribusi X 3 X33 0.756 0.270 X41 0.636 X42 0.619 Promosi X 4 X43 0.604 0.195 Y11 0.775 Y12 0.856 Loyalitas Merek Y 1 Y13 0.772 0.720 Y21 0.542 Y22 0.671 Y23 0.618 Y24 0.638 Kesadaran Merek Y 2 Y25 0.600 0.588 Y31 0.561 Y32 0.787 Kesan Kualitas Y 3 Y33 0.704 0.448 : tereliminasi Sumber : Lampiran 3 56 Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Terjadi eliminasi karena nilai item to total correlation indikator belum seluruhnya ≥ 0,5. Indikator yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi. 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]

4.2.3. Uji Validitas

Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur, 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. Hasil analisis tampak pada tabel di bawah ini. 57 Tabel 4.12. Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis Faktor Loading Konstrak Indikator 1 2 3 4 X11 0.126 X15 -0.038 Produk X 1 X16 0.030 X21 0.181 Harga X 2 X22 -0.069 X31 0.998 X32 -0.122 Distribusi X 3 X33 0.183 X41 0.165 X42 0.017 Promosi X 4 X43 0.998 Y11 0.631 Y12 0.902 Loyalitas Merek Y 1 Y13 0.543 Y21 0.356 Y22 0.848 Y23 0.405 Y24 0.289 Kesadaran Merek Y 2 Y25 0.363 Y31 0.329 Y32 1.006 Kesan Kualitas Y 3 Y33 0.334 Sumber : Lampiran 3 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 kurang baik 58

4.2.4. Uji Construct Reliability dan Variance Extracted

Selain melakukan pengujian konsistensi internal cronbach’s alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih termasuk uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Hasil perhitungan construct reliability dan variance extracted dalam tabel berikut :. Tabel 4.13. Construct Reliability dan Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat Error [ εj] Construct Reliability Variance Extrated X11 0.126 0.016 0.984 Produk X 1 X16 -0.038 0.001 0.999 0.004 0.009 X21 0.030 0.001 0.999 Harga X 2 X22 0.181 0.033 0.967 0.022 0.017 X31 -0.069 0.005 0.995 X32 0.998 0.996 0.004 Distribusi X 3 X33 -0.122 0.015 0.985 0.247 0.339 X41 0.183 0.033 0.967 X42 0.165 0.027 0.973 Promosi X 4 X43 0.017 0.000 1.000 0.043 0.020 Y11 0.998 0.996 0.004 Y12 0.631 0.398 0.602 Loyalitas Merek Y 1 Y13 0.902 0.814 0.186 0.890 0.736 Y21 0.543 0.295 0.705 Y22 0.356 0.127 0.873 Y23 0.848 0.719 0.281 Y24 0.405 0.164 0.836 Kesadaran Merek Y 2 Y25 0.289 0.084 0.916 0.623 0.278 Y31 0.363 0.132 0.868 Y32 0.329 0.108 0.892 Kesan Kualitas Y 3 Y33 1.006 1.012 -0.012 0.623 0.417 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber : Lampiran 3 59 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.

4.2.5. Uji Normalitas

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 analisis tampak pada tabel berikut : 60 Tabel 4.14. Assessment Of Normality Variable min max kurtosis c.r. X11 4 7 -0.676 -1.574 X15 4 7 -0.517 -1.204 X16 4 7 -0.958 -2.229 X21 4 7 -0.771 -1.795 X22 4 7 -0.635 -1.477 X31 4 7 -1.053 -2.450 X32 4 7 -0.702 -1.634 X33 4 7 -0.912 -2.122 X41 4 7 -0.793 -1.846 X42 4 7 -0.807 -1.878 X43 4 7 -1.047 -2.437 Y11 4 7 -0.243 -0.565 Y12 4 7 -0.225 -0.524 Y13 4 7 -0.296 -0.690 Y21 4 7 -0.480 -1.118 Y22 4 7 -0.786 -1.830 Y23 4 7 -0.925 -2.153 Y24 4 7 -0.626 -1.456 Y25 4 7 -0.746 -1.737 Y31 4 7 -0.557 -1.295 Y32 4 7 -0.740 -1.722 Y33 4 7 -0.807 -1.879 Multivariate 19.257 3.378 Batas Normal ± 2,58 Sumber : Lampiran 3 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luara ± 2,58 itu berarti asumsi normalitas tidak 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 61

4.2.6 Analisis Model One – Step Approach to SEM

Dalam model SEM, model pengukuran dan model struktural parameter- parameternya diestimasi secara bersama-sama. Cara ini agak 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 STRUKTURAL Marketing Mix, Brand Equity Model Specification : One Step Approach - Base Model Brand Equity Price Distribution X31 er_10 1 1 Promotion 1 Marketing Mix 0,005 d_pc 1 0,005 d_pr 0,005 d_dt 1 X21 er_8 1 1 X22 er_9 1 X41 er_13 1 1 X42 er_14 1 1 X32 er_11 1 Product 0,005 d_po X11 er_1 X12 er_2 X13 er_3 1 1 1 1 1 d_be 1 X33 er_12 1 X43 er_15 1 Brand Awareness 0,005 d_ba Y21 er_19 Y22 er_20 Y23 er_21 Y24 er_22 1 1 1 1 1 Perceived Quality 0,005 d_pq Y31 er_24 Y32 er_25 Y33 er_26 1 1 1 1 1 Brand Loyalty d_bl Y11 er_16 Y12 er_17 Y13 er_18 1 1 1 1 1 1 Y25 er_23 1 X14 er_4 1 X15 er_5 1 X16 er_6 1 X17 er_7 1 1 Sumber : Lampiran 3 62 Tabel 4.15 Evaluasi Kriteria Goodness of Fit Indices Model One- Step Approach – Base Model Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 3.577 ≤ 2,00 kurang baik Probability 0.000 ≥ 0,05 kurang baik RMSEA 0.141 ≤ 0,08 kurang baik GFI 0.695 ≥ 0,90 kurang baik AGFI 0.640 ≥ 0,90 kurang baik TLI 0.300 ≥ 0,95 kurang baik CFI 0.360 ≥ 0,94 kurang baik Sumber : Lampiran 3 Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Berdasarkan uji Reliability Consistency Internal terdapat indikator tereliminasi sehingga model berubah sebagaimana yang terdapat di bawah ini : 63 Gambar 4.2 MODEL PENGUKURAN STRUKTURAL Marketing Mix, Brand Equity Model Specification : One Step Approach - Eliminasi Brand Equity Price Distribution X31 0,005 er_10 1 1 Promotion 1 Marketing Mix 0,005 d_pc 1 0,005 d_pr 0,005 d_dt 1 X21 er_8 1 1 X22 er_9 1 X41 er_13 1 1 X42 er_14 1 1 X32 er_11 1 Product 0,005 d_po X11 er_1 1 1 1 0,005 d_be 1 X33 er_12 1 X43 0,005 er_15 1 Brand Awareness 0,005 d_ba Y21 er_19 Y22 er_20 Y23 er_21 Y24 er_22 1 1 1 1 1 Perceived Quality 0,005 d_pq Y31 er_24 Y32 er_25 Y33 er_26 1 1 1 1 1 Brand Loyalty d_bl Y11 er_16 Y12 er_17 Y13 er_18 1 1 1 1 1 Y25 er_23 1 X15 er_5 1 X16 er_6 1 1 Sumber : Lampiran 3 Tabel 4.16 Evaluasi Kriteria Goodness of Fit Indices Model One- Step Approach – Modifikasi Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 3.113 ≤ 2,00 kurang baik Probability 0.000 ≥ 0,05 kurang baik RMSEA 0.128 ≤ 0,08 kurang baik GFI 0.746 ≥ 0,90 kurang baik AGFI 0.693 ≥ 0,90 kurang baik TLI 0.478 ≥ 0,95 kurang baik CFI 0.528 ≥ 0,94 kurang baik Sumber : Lampiran 3 Dari hasil evaluasi terhadap model one step eliminasi ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini masih perlu dimodifikasi sebagaimana terdapat di bawah ini. 64 Gambar 4.3 MODEL PENGUKURAN STRUKTURAL Marketing Mix, Brand Equity Model Specification : One Step Approach - Eliminasi - Modifkasi Brand Equity Price Distribution X31 0,005 er_10 1 1 Promotion 1 Marketing Mix 0,005 d_pc 1 0,005 d_pr 0,005 d_dt 1 X21 er_8 1 1 X22 er_9 1 X41 er_13 1 1 X42 er_14 1 1 X32 er_11 1 Product 0,005 d_po X11 er_1 1 1 1 0,005 d_be 1 X33 er_12 1 X43 0,005 er_15 1 Brand Awareness 0,005 d_ba Y21 er_19 Y22 er_20 Y23 er_21 Y24 er_22 1 1 1 1 1 Perceived Quality 0,005 d_pq Y31 er_24 Y32 er_25 Y33 er_26 1 1 1 1 1 Brand Loyalty d_bl Y11 er_16 Y12 er_17 Y13 er_18 1 1 1 1 1 1 Y25 er_23 1 X15 er_5 1 X16 er_6 1 1 Sumber : Lampiran 3 Tabel 4.17 Variabel yang Dimodifikasi Dalam Model Modifikasi : Estimate Prob. er_11 -- er_1 0.744 0.000 er_19 -- er_24 0.357 0.000 er_21 -- er_26 0.333 0.000 er_12 -- er_18 -0.175 0.001 er_8 -- er_5 0.197 0.003 er_1 -- er_16 -0.055 0.011 er_14 -- er_11 0.109 0.006 er_1 -- er_15 -0.048 0.009 er_24 -- er_25 -0.030 0.228 Sumber : Lampiran 3 Dari tabel 4.17 menunjukkan bahwa terdapat modifikasi indeks MI sebanyak 9 kali untuk mendapatkan model yang baik fit models 65 Tabel 4.18 Evaluasi Kriteria Goodness of Fit Indices Model One- Step Approach – Modifikasi Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1.288 ≤ 2,00 baik Probability 0.064 ≥ 0,05 baik RMSEA 0.031 ≤ 0,08 baik GFI 0.900 ≥ 0,90 baik AGFI 0.900 ≥ 0,90 baik TLI 0.958 ≥ 0,95 baik CFI 0.951 ≥ 0,94 baik Sumber : Lampiran 3 Dari hasil evaluasi terhadap model one step approach modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, 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. Dengan demikian model ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model.

4.2.7. Uji Kausalitas

Dilihat dari angka determinant of sample covariance matrix : 74,62 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: 66 Tabel 4.19. Uji Kausalitas Antar Faktor Faktor Faktor Ustd Estimate Std Estimate Prob Ekuitas Merek Y Bauran PemasaranX -0.006 -0.084 0.360 Batas Signifikansi  0,10 Sumber : Lampiran 3 Dilihat dari tingkat Prob. arah hubungan kausal, maka hipotesis yang menyatakan bahwa : Bauran pemasaran berpengaruh positif terhadap ekuitas merek pada produk pemutih wajah merek “Ponds” di Rungkut Surabaya, tidak dapat diterima, dengan probabilitas kausalnya 0,360 0,10 tidak signifikan dan negatif 4.3. Pembahasan 4.3.1.