93 |
P a g e
indikator itu secara signifikan merupakan dimensi dari variabel laten yang dibentuk.
Berdasarkan hasil
spesifikasi m odel pe
ngukuran measurement model valid, di peroleh ha sil ba hwa pe milihan 32
indikator pada variabel produk X1.1, harga X1.2, distribusi X1.3, promosi X1.4, lokasi X1.5, keragaman produk yang dijual X1.6,
pelayanan X1.7, pe rangkat X1.8, kebijakan pe merintah X, perilaku k onsumen Y1, k eputusan pe mbelian Y2, k inerja
pemasaran Y3 da n keunggulan be rsaing b erkelanjutan Y4 adalah sangat tepat, sehingga ketiga puluh dua indikator tersebut digunakan
pada model persamaan struktural structural model.
4.4. Structural Equation Model SEM
Setelah measurement model dianalisis m elalui confirmatory faktor analysis
dan menghasilkan validitas konvergen dan validitas diskriminan, m aka s ebuah full-model SEM dapat d ianalisis. Analisis
ini d igunakan unt uk m engetahui f aktor-faktor apa sa ja y ang mempengaruhi pe rilaku kons umen s ehingga mengambil k eputusan
untuk pe mbelian p roduk. Analisis SEM memang di ciptakan untuk memecahkan masalah-masalah atau model-model yang rumit dan sulit
dipecahkan oleh analisis yang lain. Seperti halnya dalam confirmatory faktor analysis
, pengujian Structural Equation Model juga dilakukan dua macam pengujian.
4.4.1 Uji Kesesuaian Model Goodness of Fit Test
Berikut ad alah nilai goodness of fit indicates dari m odel persamaan struktural structural model:
94 |
P a g e
Tabel 4.11 Nilai Goodness of Fit dan Cut off Value Structural Model
Kriteria Hasil Uji
Model Nilai Kritis
Keterangan X
2
Chi square 902,924
Besar X
2
dengan df = 464 den
gan α = 0,05 adalah 515,2183
Tidak baik Probabilitas
0,000 ≥
0,05 Tidak Baik
CminDF 1,964
≤ 2,00
Baik RMSEA
0,098 ≤
0,08 Tidak Baik
GFI 0,675
≥ 0,90
Tidak Baik AGFI
0,630 ≥
0,90 Tidak Baik
TLI 0,578
≥ 0,95
Tidak Baik CFI
0,605 ≥
0,95 Tidak Baik
Sumber : data primer, diolah
Tabel di atas menunjukkan bahwa hanya ada 1 kriteria goodness of fit indicates
yang mempunyai nilai baik, oleh karena itu model ini belum dapat diterima dengan baik.
4.4.2 Uji Kausalitas Regression Weight
Setelah diketahui bahwa hasil uiji model tersebut di atas tidak dapat memenuhi persyaratan, maka selanjutnya uji Regression Weight,
hasil uji kausalitas selengkapnya dapat dilihat pada Tabel dibawah ini:
95 |
P a g e
Tabel 4.12 Regression Weight dan Standardize Regression Weight
Structural Model
Estimate S.E. C.R. P-
value Standardize
Reg.Weight λ
Y1 --- X1
,308 ,082 3,767 ,393
Y2 --- Y1
,072 ,068 1,054 ,292 ,129
Y3 --- Y2
,212 ,168 1,263 ,207 ,177
X --- X1
,320 ,147 2,186 ,029 ,265
X1.1 --- X ,239 ,087 2,758 ,006
,368 X1.2 --- X
,211 ,108 1,965 ,049 ,232
X1.3 --- X ,424 ,123 3,437
,406 X1.4 --- X
,073 ,047 1,545 ,122 ,305
X1.5 --- X ,227 ,091 2,478 ,013
,304 X1.6 --- X
,541 ,101 5,332 ,992
X1.7 --- X ,427 ,113 3,777
,405 X1.8 --- X
,216 ,111 1,938 ,053 ,219
Y4 --- Y3
,780 ,251 3,113 ,002 ,429
X1.1.2 --- X1.1 ,781 ,129 6,054
,680 X1.1.1 --- X1.1
1,000 ,817
Y4.2 --- Y4 ,742 ,081 9,171
,682 Y4.1 --- Y4
1,000 ,996
X1.4.2 --- X1.4 2,808 1,283 2,189 ,029
,760 X1.4.1 --- X1.4
1,000 ,302
X1.2.1 --- X1.2 1,000
,997 X1.5.1 --- X1.5
1,000 ,996
X1.6.2 --- X1.6 1,189 ,284 4,180
,721 X1.6.1 --- X1.6
1,000 ,617
X1.7.1 --- X1.7 1,000
,998 X1.8.2 --- X1.8
,560 ,108 5,174 ,498
X1.8.1 --- X1.8 1,000
,998 X1.4.3 --- X1.4
2,387 1,030 2,316 ,021 ,660
X1.7.3 --- X1.7 ,078 ,080 ,983 ,326
,113 X1.7.4 --- X1.7
,111 ,081 1,376 ,169 ,157
X1.6.3 --- X1.6 1,105 ,258 4,285
,686 Y1.1 --- Y1
1,000 ,835
Y1.2 --- Y1 ,823 ,102 8,029
,783 Y1.3 --- Y1
1,061 ,130 8,172 ,789
Y1.4 --- Y1 ,628 ,130 4,847
,509 Y2.2 --- Y2
1,000 ,658
Y2.3 --- Y2 1,077 ,213 5,055
,669 Y2.4 --- Y2
1,442 ,300 4,814 ,606
Y2.5 --- Y2 1,212 ,198 6,110
,839 Y3.2 --- Y3
,992 ,298 3,328 ,781
96 |
P a g e
Estimate S.E. C.R. P-
value Standardize
Reg.Weight λ
Y3.1 --- Y3 1,000
,597 Y3.3 --- Y3
1,218 ,320 3,807 ,480
X1.3.2 --- X1.3 ,717 ,094 7,661
,613 X1.3.1 --- X1.3
1,000 ,998
X1.1.3 --- X1.1 ,864 ,133 6,478
,781 X.1
--- X1 1,000
,997 Sumber : data primer, diolah
Untuk m elihat hub ungan a ntar v ariabel a pakah p ositif a tau negatif dapat dilihat pada kolom estimate. Apabila tidak terdapat tanda
“-“maka hubung an a ntar v ariabel t ersebut adalah po sitif. S edangkan untuk menguji signifikansinya da pat dilihat pada kolom C.R dengan
ketentuan apabila signifikan, hasil dari nilai C.R nya
≥ 2.037 dilihat
dari tabel-t pada level 0,025 dengan df=32. Berdasarkan Tabel 4.11 di atas dapat diketahui bahwa kebijakan
perusahaan X memiliki pe ngaruh pos itif dan s ignifikan t erhadap produk X1.1, kebijakan perusahaan X memiliki pe ngaruh positif
dan yidak signifikan t erhadap h arga X1.2, ba uran pemasaran X memiliki pe ngaruh p ositif dan s ignifikan t erhadap distribusi X1.3,
kebijakan pe rusahaan X m emiliki p engaruh positif da n tidak signifikan t erhadap p romosi X1.4, kebijakan pe rusahaan X
memiliki pe ngaruh pos itif da n s ignifikan t erhadap lokasi X1.5, bauran p emasaran X m emiliki pe ngaruh pos itif dan s ignifikan
terhadap keragaman produk yang dijual X1.6, kebijakan perusahaan X m emiliki pe ngaruh p ositif da n s ignifikan t erhadap p elayanan
X1.7, kebijakan perusahaan X1 m emiliki pe ngaruh positif dan tidak signifikan terhadap perangkat X1.8. kebijakan perusahaan X
berpengaruh p ositif da n s ignifikan t erhadap ba uran pe masaran X1, kebijakan erusahaan X1 berpengaruh positif dan signifikan terhadap
perilaku konsumen Y1, perilaku konsumen Y1 berpengaruh positif dan t idak s ignifikan t erhadap k eputusan pe mbelian Y2, k eputusan
pembelian Y2 berpengaruh pos itif da n tidak signifikan terhadap kinerja pe masaran Y3 dan kinerja p emasaran Y3 be rpengaruh
positif da n s ignifikan t erhadap k eunggulan be rsaing b erkelanjutan
97 |
P a g e
Y4. lihat l ampiran 6 pada Standardized Regression Weights Structural Model
.
4.5 Menilai Problem Identifikasi
