20
et.al.,1998. Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize
regression weights terhadap setiap butir sebagai indikatornya.
3.4.2. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung diamati dari bobot regresi terstandar, dengan pengujian signifikasi pembanding nilai CR Critical Ratio atau p
probability yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t tabel berarti signifikan.
3.4.3. Evaluasi Model
Hair et.al., 1998 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data,
maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit”
dengan data. Amos dapat menguji apakah model “good fit” atau “poor fit”. Jadi, “good fit” model yang diuji sangat penting dalam penggunaan
structural equation modelling. Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit, yakni Chi-
Square, Probality, RMSEA, GFI, TLI, CFI, AGFI, CMINDF. Apabila
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21
model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan two-step approach to SEM.
1. X
2
– Chi Square Statistic Merupakan alat paling fundamental untuk mengukur overail fit
adalah likelihood ratio chi-square statistic. Chi-square ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Model
yang diuji akan dipandang baik atau memuaskan bila nilai Chi- Squarenya rendah. Semakin kecil nilai x
2
= 0, berarti tidak ada perbedaan. Karena tujuan analisis adalah mengembangkan dan
menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai x
2
yang tidak signifikan.
Penggunaan chi-square hanya sesuai bila ukuran sampel antara 100 dan 200. Bila ukuran sampel ada diluar rentang
itu uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini perlu dilengkapi dengan alat uji yang lainnya.
2. RMSEA – The Root Mean Square of Approximation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sample yang besar. Nilai
RMSEA menunjukkan goodness-of-fit yang dapat diharapakan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil
atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
model yang menunjukkan sebuah close fit dari model itu berdasarkan degress of freedom.
3. GFI - Goodness of Fit Indeks
GFI adalah analog dari R
2
dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks
kovarians sample yang dijelaskan oleh matriks kovarians populasi yang diestimasikan. GFI adalah sebuah ukuran non-statistikal yang
mempunyai rentan nilai antara 0 poor fit sampai dengan 1.0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah
”better fit”. 4.
AGFI – Adjusted Goodness of Fit Indeks AGFI GFI df tingkat penerimaan yang direkomendasikan adalah
AGFI yang mempunyai nilai sama dengan atau lebih besar dari 0,90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi
tertimbang dari varians dalam sebuah matriks kovarians sample. Nilai sebesar 0,905 dapat diinterpretasikan sebagai nilai antara 0.90-
0.95 menunjukkan tingkat cukup – adequate fit Hulland et al., 1996.
5. CMIN DF
The minimum sample discrepancy function CMIN dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN DF. Pada
umumnya diartikan sebagai salah satu indikator untuk mengukur
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
tingkat fit-nya sebuah model. Dalam hal ini CMIN DF tidak lain adalah statistic Chi-square, X
2
dibagi Df-nya. 6.
TLI - Tucker TLI adalah alternatif incremental fit index yang membandingkan
sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model
adalah penerimaan 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit.
7. CFI – Comperative Fit Index
Besaran nilai ini pada rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi a very
good fit. Nilai yang direkomendasikan adalah CFI 0,9. Keunggulan dari indeks ini besarannya tidak dipengaruhi oleh
ukuran sample, karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Indeks CFI adalah indentik dengan
Relative Noncentrality Index RNI.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
Tabel 2 : Goodness Of Fit Indices
Goodness of Index
KETERANGAN CUT-OFF VALUE
X
2
-Chi-square
Menguji apakah covariance yang diestimasi sama dengan covariance sample apakah model
sesuai dengan data. Diharapkan kecil, 1 s.d 5
atau paling baik diantara 1 2.
Probability
Uji signifikasi terhadap perbedaan matriks covariance data dan matriks covariance yang
diestimasi. Minimum 0,1 atau 0.2
atau
≥ 0,05
RMSEA
Mengkompensasi kelemahan chi square pada sampel besar.
≤ 0,08
GFI
Menghitung proporsi tertimbang varians dalam matriks sampel yang di jelaskan oleh matriks
covariance populasi yang diestimasi analog dengan R
2
dalam regresi berganda.
≥ 0,90
AGFI GFI yang disesuaikan terhadap DF.
≥ 0,90
CMIN DF
Kesesuain antara data dan model.
≤ 2,00
TLI
Pembanding antara model yang diuji terhadap baseline model.
≥ 0,95
CFI
Uji kelayakan model yang tidak sensitive terghadap besarnya sampel dan kerumitan
model.
≥ 0,94
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
58
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Objek Penelitian
4.1.1. Sejarah Singkat Perusahaan
Carrefour Indonesia memulai sejarahnya di Indonesia pada bulan Oktober 1998 dengan membuka unit pertama di Cempaka Putih. Pada saat
yang sama, Continent, juga sebuah paserba dari Perancis, membuka unit pertamanya di Pasar Festival.
Pada penghujung 1999, Carrefour dan Promodes Induk perusahaan Continent sepakat untuk melakukan penggabungan atas
semua usahanya di seluruh dunia. Penggabungan ini membentuk suatu grup usaha ritel terbesar kedua di dunia dengan memakai nama Carrefour.
Dengan terbentuknya Carrefour baru ini, maka segala sumber daya yang dimiliki kedua group tadi menjadi difokuskan untuk lebih memenuhi dan
memuaskan kebutuhan pelanggan kami. Penggabungan ini memungkinkan kami untuk meningkatkan kinerja paserba – paserba kami, mendapat
manfaat dari keahlian karyawan – karyawan kami di Indonesia dan di dunia, dan mengantisipasi terjadinya evolusi ritel dalam skala nasional dan
global.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
