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.