36
strata outlet yang belanja rutin 100-200 pcs kartubulan Kelas B. Kemudian dari strata yang ada, ditentukan jumlah sampel per strata secara proporsional, yaitu
jumlah sampel tiap strata dihitung dengan formula sebagai berikut: Jlh. populasi per strata
Total populasi Jlh. sampel per strata
= x Jumlah sampel
Kelas A: 350 420
= 0,833 83,3 Kelas B:
70 420 = 0,167 16,7
sehingga, jumlah sampel per strata adalah: Kelas A:
0,833 x 108 = 90 pembulatan
Kelas B: 0,167 x 108
= 18 pembulatan Selanjutnya, penentuan jumlah sampel di setiap area CV. Dunia juga
dilakukan secara proporsional. Data jumlah dan distiribusi sampel di setiap area eksklusif CV. Dunia tersaji pada Tabel 3.2. berikut ini.
Tabel 3.2. Data jumlah dan distribusi sampel
Mdn_ Timur
Mdn_ Tembung
Mdn_ Perjuangan
Mdn_ Deli
A 350
90 19
31 20
20 B
70 18
4 6
4 4
Total 420
108 23
37 24
24
Klasifikasi Retail
Outlet Lama
sebagai retailer
≥ 6 bulan Jumlah
sampel Lokasi
Terakhir, mitra retail outlet yang akan menjadi sampel ditentukan secara acak dengan cara diundi.
3.4. Teknik Pengumpulan Data
Teknik pengumpulan data yang dilakukan pada penelitian ini adalah teknik survey melalui kuesioner, yaitu teknik pengumpulan data yang dilakukan
dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada
Universita Sumatera Utara
37
responden untuk dijawab. Kuesioner ini diberikan kepada responden secara langsung. Pengumpulan data dilakukan dengan menggunakan angket tertutup atau
berstruktur dan angket terbuka, untuk mendapatkan data tentang dimensi dari konstruk yang dikembangkan dalam penelitian ini. Pernyataan-pernyataan dalam
kuesioner ini dibuat dengan menggunakan skala 1-10 untuk mendapatkan data yang bersifat interval dan diberi skor atau nilai. Penggunaan skala 1-10 skala
genap untuk menghindari jawaban responden yang cenderung memilih jawaban di tengah, sehingga akan menghasilkan respon yang mengumpul di tengah grey
area. Berikut kategori pengukuran yang akan dipakai untuk kategori pernyataan dengan jawaban sangat tidak setuju sangat setuju:
1 2
3 4
5 6
7 8
9 10
Sangat tidak setuju Sangat setuju
Keterangan: Skala 1
– 5 : Cenderung Tidak Setuju Skala 6
– 10 : Cenderung Setuju Makin ke 1 makin tidak setuju, Makin ke 10 makin setuju.
3.5. Jenis dan Sumber Data
Jenis data yang akan diolah dalam penelitian ini, berdasarkan cara memperolehnya adalah merupakan data primer, yaitu data penelitian yang
diperoleh secara langsung dari sumber data, dikumpulkan secara khusus dan berhubungan langsung dengan masalah yang diteliti. Data primer dalam penelitian
ini diperoleh melalui pembagian kuesioner yang diberikan kepada responden, yang dalam hal ini adalah para retail outlet yang menjadi pelanggan dari
CV. Dunia Medan.
Universita Sumatera Utara
38
3.6. Identifikasi dan Operasionalisasi Variabel Penelitian
3.6.1. Identifikasi variabel penelitian a. Indikator variabel komunikasi
Beberapa indikator yang digunakan untuk mengukur variabel komunikasi seperti pada Gambar 3.1. berikut ini, mengacu pada penelitian Mohr et al. 1996,
Bowo 2003 dan Indarjo 2002, yaitu frekuensi komunikasi, komunikasi tanpa tekanan dan komunikasi dua arah.
Gambar 3.1. Indikator dari variabel komunikasi
b. Indikator variabel kepuasan atas kebijakan pelayanan Beberapa indikator yang digunakan untuk mengukur variabel kepuasan
atas kebijakan pelayanan pada Gambar 3.2. berikut ini, mengacu pada penelitian Schellhase et al. 2000, Sunaryo 2002, Indarjo 2002 dan Bowo 2003, yaitu
kepuasan atas kebijakan pembayaran, kebijakan retur, kebijakan pengiriman barang dan margin keuntungan yang ditawarkan.
Gambar 3.2. Indikator dari variabel kepuasan atas kebijakan pelayanan
Universita Sumatera Utara
39
c. Indikator variabel keahlian tenaga penjualan Indikator untuk mengukur variabel keahlian tenaga penjualan seperti pada
Gambar 3.3. berikut ini, mengacu pada penelitian Liu dan Leach 2001, Doney dan Cannon 1997 dan Cempakasari dan Yoestini 2003, yaitu kemampuan
menyediakan informasi, memiliki pengetahuan produk yang luas dan kemampuan menyelesaikan masalah.
Gambar 3.3. Indikator dari variabel keahlian tenaga penjualan
d. Indikator variabel kepercayaan kepada penyalur Indikator untuk mengukur variabel kepercayaan kepada penyalur
perusahaan penyalur seperti pada Gambar 3.4. berikut ini, mengacu pada penelitian Morgan dan Hunt 1994, Ganesan 1994, Indarjo 2002 dan Bowo
2003, yaitu keandalan perusahaan, kredibilitas dan kepedulian terhadap pelanggan retail outlet.
Gambar 3.4. Indikator dari variabel kepercayaan kepada penyalur
Universita Sumatera Utara
40
e. Indikator variabel komitmen retail outlet Indikator untuk mengukur variabel komitmen dari retail outlet kepada
penyalur seperti pada Gambar 3.5. berikut ini, mengacu pada penelitian Morgan dan Hunt 1994, Indarjo 2002 dan Garbarino dan Johnson 1999, yaitu
konsistensi retail outlet kepada penyalur, kesediaan membuat perjanjian kerjasama, kesetiaan retail outlet kepada penyalur, usaha memelihara hubungan
dan focus pada tujuan jangka panjang.
Gambar 3.5. Indikator dari variabel komitmen retail outlet
3.6.2. Operasionalisasi variabel penelitian
Pada Tabel 3.3 berikut ini, akan dijabarkaan definisi dari variabel dan indikatornya. Selanjutnya dalam operasionalisasi akan dipaparkan juga skala ukur
atas indikator yang dikembangkan dalam penelitian ini.
Universita Sumatera Utara
41
Tabel 3.3. Operasionalisasi variabel penelitian: definisi, indikator dan skala ukur
Variabel Definisi Variabel
Indikator Variabel
Definisi Indikator Variabel
Skala Ukur
Frekuensi Komunikasi X1
Merupakan jumlah kontak yang mendukung
kelancaran bisnis yang terjadi antara perusahaan
penyalur dan retail outlet yang menjadi mitra dalam
integrasi skala interval
10 point sangat tidak setuju –
sangat setuju
Komunikasi Tanpa Tekanan
X2
Tidak adanya paksaan ataupun tekanan yang
dijalankan oleh penyalur terhadap retail outlet
sehubungan dengan penentuan bentuk kebijakan
yang dijalankan skala interval
10 point sangat tidak setuju –
sangat setuju
Komunikasi Dua Arah X3
Merupakan komunikasi yang terjalin bersifat dialog
dan bukan bersifat monolog, informasi
mengalir dari kedua belah pihak
skala interval 10 point sangat
tidak setuju – sangat setuju
Kebijakan Pembayaran X4
Menunjukan kesesuaian antara kebijakan
pembayaran yang diukur dari fleksibilitas bentuk dan
cara serta jangka waktu pembayaran yang
ditetapkan oleh penyalur dan kondisi serta keinginan
dari retail outlet skala interval
10 point sangat tidak setuju –
sangat setuju
Kebijakan Retur X5
Menunjukan kesesuaian antara kebijakan retur
barang yang ditetapkan penyalur yang berkaitan
dengan pengembalian dan penggantian barang baik
yang rusak, atau telah melewati masa pakai
expired dan harapan mitra retail outlet
skala interval 10 point sangat
tidak setuju – sangat setuju
Merupakan sarana formal maupun
informal yang digunakan dalam
berbagi informasi yang bermanfaat dan
tepat waktu antara perusahaan penyalur
dan retail outlet
Komunikasi
Kepuasan atas Kebijakan
Pelayanan Merupakan
ungkapan perasaan yang bernada positif
dari penilaian semua aspek pelayanan
penyalur dalam menjalin hubungan
transaksi dengan retail outlet
Universita Sumatera Utara
42
Tabel 3.3. Lanjutan
Variabel Definisi Variabel
Indikator Variabel
Definisi Indikator Variabel
Skala Ukur
Kebijakan Pengiriman
Barang X6
Menunjukan kesesuaian antara kebijakan
pengiriman barang yang diukur dari pola pengiriman
barang yang menyangkut lamanya barang tiba di toko
mitra dan permintaan dari retail outlet
skala interval 10 point sangat
tidak setuju – sangat setuju
Margin Keuntungan yang
Ditawarkan X7
Menunjukkan kesesuaian antara nilai margin
keuntungan yang ditawarkan penyalur dan
harapan margin keuntungan dari retail
outlet skala interval
10 point sangat tidak setuju –
sangat setuju
Kemampuan Menyediakan
Informasi X8
Kemampuan yang dimiliki tenaga penjual dalam
memberikan informasi pada retail outlet , menyangkut
produk dan kebijakan, serta kemampuan dalam
menanggapi pertanyaan pembeli, dengan demikian
outlet akan mendapatkan informasi yang baik dan
lengkap skala interval
10 point sangat tidak setuju –
sangat setuju
Memiliki Pengetahuan
Produk yang
Luas X9
Penguasaan yang baik atas produk yang dipasarkan
dari tenaga penjualan skala interval
10 point sangat tidak setuju –
sangat setuju
Kemampuan Menyelesaikan
Masalah X10 Kemampuan tenaga
penjualan dalam memberikan solusi
sehubungan dengan masalah yang dialami oleh
retail outlet skala interval
10 point sangat tidak setuju –
sangat setuju
Keandalan Perusahaan X11
Gambaran positip terhadap kemampuan perusahaan
penyalur dalam hal penyediaan layanan dan
produk yang dibutuhkan oleh mitra retail outlet
skala interval 10 point sangat
tidak setuju – sangat setuju
Keahlian Tenaga
Penjualan
Merupakan kemampuan tenaga
penjualan dari perusahaan penyalur
dalam melakukan aktifitas penjualan
terhadap retail outlet
Kepercayaan kepada
Penyalur
Mengambarkan kepercayaan retail
outlet pada penyalur diukur dari
sejauhmana kepercayaan yang
dimiliki dan dibangun serta
ditunjukkan dari setiap aktivitas
pemasaran perusahaan penyalur
berdasarkan persepsi nilai
kepercayaan yang timbul dari retail
outlet
Universita Sumatera Utara
43
Tabel 3.3. Lanjutan
Variabel Definisi Variabel
Indikator Variabel
Definisi Indikator Variabel
Skala Ukur
Kredibilitas X12
Menunjukan kredibilitas perusahaan penyalur dapat
diyakini yang diukur dari tingkat reputasi yang
tertanam pada diri penyalur dan dinilai oleh retail
outlet berdasarkan pengalaman dan informasi
pihak lain skala interval
10 point sangat tidak setuju –
sangat setuju
Kepedulian terhadap
Pelanggan X13
Wujud tindakan yang ditampakkan oleh
perusahaan penyalur sebagai wujud bantuan dan
perhatian terhadap mitra outlet nya
skala interval 10 point sangat
tidak setuju – sangat setuju
Konsistensi retail
outlet kepada Penyalur X14
Menunjukan konsistensi dari retail outlet yang
diukur dari konsistensinya atas komitmen nyata
mereka untuk terus- menerus mendukung
program penyalur seperti promosi, sehingga produk
penyalur akan menjadi lebih sukses
skala interval 10 point sangat
tidak setuju – sangat setuju
Kesediaan Membuat
Perjanjian Kerjasama X15
Menunjukan kesediaan retail outlet memenuhi
komitmen yang diukur melalui kesediaan dalam
membuat perjanjian kerja sama dimana secara sadar
dan sukarela retail outlet menjalin kerjasama secara
legal dengan penyalur khususnya menyangkut
kebijakan saluran skala interval
10 point sangat tidak setuju –
sangat setuju
Kesetiaan retail
outlet kepada Penyalur X16
Menunjukan kesetiaan yang diukur atas sejauhmana
sikap retail outlet untuk tidak pindah ke penyalur
yang lain skala interval
10 point sangat tidak setuju –
sangat setuju
Komitmen retail outlet
Mengambarkan niat dan keyakinan dari
retail outlet untuk tetap menjalin
hubungan, yang ditunjukkan dari
setiap aktivitas pemasarannya
berdasarkan persepsi nilai yang
timbul dari retail outlet sendiri
Universita Sumatera Utara
44
Tabel 3.3. Lanjutan
Variabel Definisi Variabel
Indikator Variabel
Definisi Indikator Variabel
Skala Ukur
Usaha Memelihara
Hubungan X17
Menunjukan usaha untuk memelihara hubungan
yang diukur dari derajat orientasi penyalur dan
retail outlet ketika penyalur dan retail outlet
lebih mengedepankan penerapan strategi
penjualan untuk meningkatkan jumlah
pelanggan lebih lagi dibandingkan dengan
periode waktu sebelumnya skala interval
10 point sangat tidak
setuju – sangat setuju
Fokus pada Tujuan Jangka
Panjang X18
Menunjukan kesamaan arah berpikir antara retail
outlet dengan perusahaan penyalur untuk dapat
terbinanya hubungan jangka panjang
skala interval 10 point
sangat tidak setuju – sangat
setuju
3.7. Teknik Analisis Data
Metode analisis yang dipilih untuk menganalisis data pada penelitian ini
adalah Structural Equation Modeling SEM. Pengujian hipotesis 1 hingga
hipotesis 7 menggunakan alat analisis data SEM dari paket statistik AMOS 18. Dalam sebuah model persamaan struktur, AMOS sering digunakan dalam
penelitian-penelitian pemasaran dan manajemen stratejik Ferdinand, 2005. Model kausal AMOS menunjukan pengukuran masalah yang struktural, dan
digunakan untuk menganalisis dan menguji hipotesis. Menurut Ferdinand 2005, AMOS mempunyai keistimewaan dalam:
1. Memperkirakan koefisien yang tidak diketahui dari persamaan linear struktural.
Universita Sumatera Utara
45
2. Mengakomodasi model yang meliputi latent variabel. 3. Mengakomodasi kesalahan pengukuran pada variabel dependen dan
independen. 4. Mengakomodasi peringatan yang timbal balik, simultan dan saling
ketergantungan. Penelitian ini akan menggunakan dua macam teknik analisis, yaitu:
1. Confirmatory Factor Analysis pada SEM, yang digunakan untuk mengkonfirmasikan faktor-faktor yang paling dominan dalam satu kelompok
variabel. 2. Regression Weight pada SEM, yang digunakan untuk meneliti seberapa besar
hubungan antar variabel. Terdapat 7 tujuh langkah yang harus dilakukan untuk membuat
permodelan yang lengkap bila menggunakan Structural Equation Modeling Hair et al. 1998, dalam Ghozali 2007, yaitu:
Langkah 1. Pengembangan Model Berdasarkan Teori Dalam langkah pengembangan model teoritis, hal yang harus dilakukan
adalah melakukan serangkaian eksploitasi ilmiah melalui telaah pustaka guna mendapatkan justifikasi atas model teoritis yang akan dikembangkan. SEM
digunakan bukan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasi model teoritis tersebut melalui data empirik.
Langkah 2. Pengembangan diagram alur path diagram Dalam langkah kedua ini, model teoritis yang telah dibangun pada tahap
pertama akan digambarkan dalam sebuah path diagram, yang akan mempermudah
Universita Sumatera Utara
46
untuk melihat hubungan-hubungan kausalitas yang ingin diuji. Dalam path diagram, hubungan antar konstruk akan dinyatakan melalui anak panah. Anak
panah yang lurus menunjukan sebuah hubungan kausal yang langsung antara satu konstruk dengan konstruk lainnya. Sedangkan garis-garis lengkung antara
konstruk dengan anak panah pada setiap ujungnya, menunjukan korelasi antara konstruk-konstruk yang dibangun dalam path diagram yang dapat dibedakan
dalam dua kelompok, yaitu sebagai berikut: 1. Exogenous constructs yang dikenal juga sebagai source variables atau
independent variables yang tidak diprediksi oleh variabel yang lain dalam model. Konstruk eksogen ditunjukkan dengan adanya anak panah yang berasal
dari variabel tersebut menuju ke variabel endogen. 2. Endogenous constructs yang merupakan faktor-faktor yang diprediksi oleh
satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk eksogen hanya dapat
berhubungan kausal dengan konstruk endogen. Konstruk eksogen ditunjukkan dengan adanya anak panah menuju konstruk tersebut.
Diagram alur penelitian ini tersaji pada Gambar 3.6 berikut ini.
Universita Sumatera Utara
47
Gambar 3.6. Diagram Alur Penelitian path diagram, dikembangkan oleh
Penulis, 2012
Langkah 3. Konversi path diagram kedalam persamaan Persamaan yang diperoleh dari path diagram yang dikonversikan terdiri
dari dua persamaan, yaitu: 1. Structural equation persamaan struktural yang dirumuskan untuk
menyatakan hubungan kausalitas antara berbagai konstruk. Persamaan struktural untuk penelitian ini seperti pada Tabel 3.4. berikut ini.
V
endogen
= V
eksogen
+ V
endogen
+ Error
Tabel 3.4. Model persamaan struktural
Kepercayaan kepada Penyalur = β
1
Komunikasi + β
2
Kepuasan atas Kebijakan Pelayanan + β
3
Keahlian Tenaga Penjualan + z
1
Komitmen retail outlet = β
1
Komunikasi + β
2
Kepuasan atas Kebijakan Pelayanan + β
3
Keahlian Tenaga Penjualan + β
4
Kepercayaan kepada Penyalur + z
2
Model Persamaan Struktural
Sumber: Dikembangkan oleh Penulis, 2012
Universita Sumatera Utara
48
2. Persamaan spesifikasi model pengukuran measurement model, dimana harus ditentukan variabel yang mengukur konstruk dan menentukan serangkaian
matriks yang menunjukan korelasi yang dihipotesiskan antar konstruk atau variabel. Komponen-komponen ukuran untuk mengidentifikasi latent
variables dan komponen-komponen struktural untuk mengevaluasi hipotesis hubungan kausal dan menunjukan sebuah pengujian seluruh hipotesis dari
model Ferdinand, 2005. Model pengukuran penelitian ini seperti pada Tabel 3.5. berikut ini.
Tabel 3.5. Model pengukuran Measurement Model
Konsep Eksogen Konsep Endogen
X1 = λ
1
Komunikasi + e
1
X11 = λ
11
Kepercayaan Kepada Penyalur + e
11
X2 = λ
2
Komunikasi + e
2
X12 = λ
12
Kepercayaan Kepada Penyalur + e
12
X3 = λ
3
Komunikasi + e
3
X13 = λ
13
Kepercayaan Kepada Penyalur + e
13
X4 = λ
4
Kepuasan atas Kebijakan Pelayanan + e
4
X14 = λ
14
Komitmen + e
14
X5 = λ
5
Kepuasan atas Kebijakan Pelayanan + e
5
X15 = λ
15
Komitmen + e
15
X6 = λ
6
Kepuasan atas Kebijakan Pelayanan + e
6
X16 = λ
16
Komitmen + e
16
X7 = λ
7
Kepuasan atas Kebijakan Pelayanan + e
7
X17 = λ
17
Komitmen + e
17
X8 = λ
8
Kehalian Tenaga Penjualan + e
8
X18 = λ
18
Komitmen + e
18
X9 = λ
9
Kehalian Tenaga Penjualan + e
9
X10 = λ
10
Kehalian Tenaga Penjualan + e
10
Model Pengukuran Measurement Model
Sumber: Dikembangkan oleh Penulis, 2012 Langkah 4. Memilih matriks input dan estimasi model
SEM menggunakan input data yang hanya menggunakan matriks varian kovarian atau matrik korelasi untuk keseluruhan estimasi yang dilakukan. Matriks
kovarian digunakan karena memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi atau antar sampel yang berbeda yang tidak dapat
disajikan oleh korelasi. Disarankan agar menggunakan matriks variankovarian pada saat pengujian teori untuk memvalidasi hubungan-hubungan kausalitas,
sebab lebih memenuhi asumsi-asumsi metodologi dimana standard error yang
Universita Sumatera Utara
49
dilaporkan akan menunjukkan angka yang lebih akurat dibanding menggunakan matriks korelasi Hair et al. 2006, dalam Waluyo 2011.
Ukuran sampel mempunyai peranan yang penting dalam mengestimasi hasil-hasil SEM. Ukuran sampel menghasilkan dasar dalam mengestimasi
kesalahan sampling. Ukuran sampel yang direkomendasikan adalah antara 100- 200 dengan metode estimasi yang digunakan adalah Maximum Likelihood ML
Ghozali, 2007. Estimasi akan dilakukan secara bertahap Ghozali, 2007, yaitu:
1. Measurement Model Confirmatory Factor Analysis, untuk menguji unidimensionalitas dari konstruk eksogen dan endogen:
a. Uji kesesuaian model Goodness of Fit Test b. Uji signifikansi P 0,05, dan
c. Uji validitas konstruk dengan ukuran convergent validity pada nilai standardized reg. weights faktor loading
≥ 0,5. Uji validitas ini akan memberikan kepercayaan bahwa ukuran indikator yang diambil dari
sampel menggambarkan skor sesungguhnya dari populasi Ghozali, 2007. 2. Structural Equation Model SEM, untuk mengetahui pengaruh antara
konstruk eksogen dengan konstruk endogen: a. Uji kesesuaian model Goodness of Fit test.
b. Uji kausalitas - Regression Weight Waluyo, 2011. Setelah model pengukuran dan model struktural telah terspesifikasi dan
input matrik telah dipilih, langkah selanjutnya adalah menggunakan program komputer untuk mengestimasi. Penelitian ini akan menggunakan program AMOS
ver. 18 untuk mengestimasi model.
Universita Sumatera Utara
50
Langkah 5. Kemungkinan munculnya masalah identifikasi Problem identifikasi pada prinsipnya adalah problem mengenai
ketidakmampuan dari model yang dikembangkan untuk menghasilkan suatu estimasi yang unik. Problem kondisi dimana model yang sedang dikembangkan
dalam penelitian tidak mampu menghasilkan estimasi yang unik. Problem identifikasi dapat muncul melalui gejala-gejala Waluyo, 2011:
1. Standard error untuk satu atau beberapa koefisien adalah sangat besar, 2. Program tidak mampu menghasilkan matrik informasi yang seharusnya
disajikan, 3. Muncul angka-angka yang aneh seperti adanya varian error yang negatif,
4. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat. Langkah 6. Evaluasi Kriteria Goodness of Fit
Pada tahap ini dilakukan pengujian terhadap kesesuaian model struktural dan telaah terhadap berbagai kriteria goodness of fit atau indeks kesesuaian.
Berikut ini disajikan beberapa indeks kesesuaian dan cut off value untuk menguji apakah sebuah model dapat diterima atau ditolak, yaitu:
1. Evaluasi data Untuk itu tindakan pertama yang dilakukan adalah mengevaluasi apakah data
yang digunakan dapat memenuhi asumsi-asumsi SEM, yaitu: a. Ukuran Sampel, dimana ukuran sampel yang harus dipenuhi adalah
minimum berjumlah 100 sampel, kemudian digunakan 3-5 observasi untuk setiap estimated parameter.
b. Normalitas dan Linearitas, dimana normalitas diuji dengan mengamati critical ratio c.r. Asumsi normalitas univariate data diamati melalui c.r
Universita Sumatera Utara
51
skewness kemencengan dan multivariate data diamati melalui c.r kurtosis keruncingan hasil pengujian assesment of normality dari Program
AMOS. Data diasumsikan normal bila c.r berada pada ring -1,96 c.r
1,96, atau bila dilonggarkan menjadi -2,58 c.r 2,58 pada tingkat
signifikansi 1 Waluyo, 2011. Sedangkan uji linearitas dapat dilakukan dengan menggunakan program SPSS dengan mengamati scatterplots dari
data yaitu dengan memilih pasangan data serta dilihat pola penyebarannya untuk menduga ada tidaknya linearitas.
c. Outliers, merupakan kondisi observasi dari suatu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-
observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal univariate outliers ataupun variabel-variabel
kombinasi multivariate outliers Hair et al. 1998, dalam Ghozali 2007: i. Evaluasi atas univariate outliers, dengan menggunakan Program SPSS
-3 z-score 3 = tidak tedapat univariate outliers. ii. Evaluasi atas multivariate outliers, diamati pada output dari Program
AMOS pada angka-angka Jarak Mahalonobis Jarak Mahalonobis Chi-Squares df; 0,001 = tidak terdapat multivariate outliers.
d. Multicollinearity dan Singularity, adanya multikolinearitas dapat dilihat dari determinan matriks kovarian yang sangat kecil. Program AMOS telah
menyediakan fasilitas warning apabila terdapat indikasi multikolinearitas dan singularitas Waluyo, 2011. Penanganannya adalah dengan melihat
kembali data yang digunakan apakah terdapat kombinasi linear dari variabel yang dianalisis.
Universita Sumatera Utara
52
2. Uji Reliability dan Variance Extracted Reliabilitas adalah ukuran konsistensi dari indikator dalam mengindikasikan
sebuah konstruk. Pada dasarnya uji reliabilitas reliability menunjukan sejauhmana suatu alat ukur yang dapat memberikan hasil yang relatif sama
apabila dilakukan pengukuran kembali pada subyek yang sama. Ada dua cara yang dapat digunakan yaitu dengan melihat construct reliability dan variance
extracted, dan kedua hal ini memiliki Cut Off Value yaitu masing-masing minimal 0,70 dan 0,50. Hasil perhitungan dari pengujian construct reliability
dan variance extracted diuraikan sebagai berikut: a. Construct Reliability, didapatkan dari rumus Hair et al. 1995:
Construct - Reliability = ∑ std. loading
2
+ ∑ ԑj ∑ std. loading
2
Keterangan:
i.
Standard Loading diperoleh dari standardized loading untuk tiap-tiap indikator yang didapat dari hasil perhitungan komputer.
ii.
εj adalah measurement error setiap indikator = 1 – standardized loading
2
.
iii.
Tingkat reliabilitas yang dapat diterima adalah ≥ 0,7.
b. Variance Extracted, pengukuran ini menunjukan jumlah varians dari indikator-indikator
yang diekstraksi
oleh konstruk
laten yang
dikembangkan. Konstruk laten yang diwakili oleh indikator-indikator tersebut dikatakan baik bila nilai variance extracted yang dapat diterima
adalah ≥ 0,50. Variance extracted ini didapatkan dari rumus Hair et al.
1995, yaitu:
Universita Sumatera Utara
53
Variance Extracted = ∑ std. loading
2
∑ std. loading
2
+ ∑ ԑj
Keterangan :
i.
Standard Loading diperoleh dari standardized loading untuk tiap-tiap indikator yang didapat dari hasil perhitungan komputer.
ii.
εj adalah measurement error setiap indikator = 1 – standardized loading
2
.
iii.
Nilai variance extracted yang dapat diterima adalah ≥ 0,5.
3. Indeks kesesuaian dan Cut-Off Value, digunakan untuk menguji apakah sebuah model dapat diterima atau ditolak Ferdinand, 2005. Berikut adalah
beberapa indeks yang dapat dimanfaatkan: a.
χ
2
Chi-Square Statistic Alat uji paling mendasar untuk mengukur overall fit adalah likehood ratio
Chi-Square statistic. Semakin kecil nilai χ
2
maka model akan semakin baik karena dalam uji beda chi-square,
χ
2
= 0, berarti benar-benar tidak ada perbedaan, Ho diterima dan diterima berdasarkan probabilitas dengan
cut-off value sebesar p 0,05 atau p 0,10. b. The Root Mean Square Error of Approximation RMSEA
RMSEA adalah sebuah indeks yang dapat
digunakan untuk mengkompensasi chi-square statistic dalam sampel yang besar. Nilai
RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model
itu berdasarkan degrees of freedom.
Universita Sumatera Utara
54
c. Goodness of Fit Index GFI GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai
antara 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukan sebuah better fit. Indeks kesesuaian ini akan
menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang
terestimasikan. d. Adjusted Goodness-of-Fit Index AGFI
AGFI adalah analog dari R
2
dalam regresi berganda. Fit index ini dapat disesuaikan terhadap degress of freedom yang tersedia untuk menguji
diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90.
e. The Minimum Sample Discrepancy Function CMINDegree of Freedom CMINDF tidak lain adalah chi-square statistic,
χ
2
dibagi DF-nya sehingga disebut
χ
2
relatif. Nilai χ
2
relatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data.
f. Tucker Lewis Indeks TLI TLI adalah sebuah 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 menunjukan a very
good fit.
Universita Sumatera Utara
55
g. Comparative Fit Index CFI Keunggulan dari CFI adalah bahwa indeks ini besarannya tidak
dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Besaran indeks ini adalah 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 ≥ 0,95.
Tabel 3.6. berikut ini adalah merupakan rangkuman dari indeks yang akan digunakan untuk menguji kelayakan model pada penelitian ini.
Tabel 3.6. Indeks kesesuaian dan Cut-Off Value
Goodness of Fit Index Cut-off Value
χ2 Chi-Square diharapakan kecil
Significant probability 0,05
GFI 0,90
AGFI 0,90
CMINDF 2,0
TLI 0,95
CFI 0,95
RMSEA 0,08
Langkah 7. Interpretasi dan Modifikasi Model Model yang dikembangkan akan diinterpretasikan dan model yang tidak
memenuhi syarat pengujian akan dilakukan modifikasi. Perlunya modifikasi dapat dilihat dari jumlah residual yang dihasilkan model tersebut. Modifikasi perlu
dipertimbangkan bila jumlah residual lebih besar dari 5 dari semua residual kovarians yang dihasilkan model. Bila nilai residual yang dihasilkan lebih besar
Universita Sumatera Utara
56
dari 2,58 maka cara untuk memodifikasi adalah dengan menambah sebuah alur baru terhadap model yang diestimasi tersebut Ferdinand, 2002.
Kekuatan prediksi dari model untuk dapat diterima langsung atau perlu dimodifikasi diamati dari besarnya residual yang dihasilkan Waluyo, 2011.
Hasil output Program AMOS pada Standardized Residual Covariance akan memberi panduan apakah model perlu dimodifikasi lagi atau tidak. Apabila
terdapat nilai residual diluar ring -2,58 residual 2,58 dan probabilitas P bila
0,05 maka model yang diestimasi perlu dilakukan modifikasi lebih lanjut dengan berpedoman pada indeks modifikasi modification indices.
Indeks modifikasi memberikan gambaran mengenai mengecilnya nilai chi- square bila sebuah koefisien diestimasi. Hal yang perlu diperhatikan dalam
mengikuti pedoman indeks modifikasi adalah bahwa dalam memperbaiki tingkat kesesuaian model, hanya dapat dilakukan bila mempunyai dukungan dan
justifikasi yang cukup terhadap perubahan tersebut.
Universita Sumatera Utara
57
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1 Gambaran umum CV. Dunia
CV. Dunia merupakan perusahaan yang bergerak pada bisnis distribusi. Saat ini menjalin kerjasama dengan PT. Indosat, Tbk sebagai salah satu
distributor untuk produk selulernya, yaitu produk Kartu Perdana Mentari dan IM3 dan Pulsa Isi Ulang fisik dan elektronike-voucher.
CV. Dunia pada awalnya dipercaya oleh PT. Indosat, Tbk untuk mengelola area distribusipenjualan di Propinsi Sumatera Selatan dan Riau
Daratan. Kemudian sejak tahun 2010, CV. Dunia mendapat tambahan area distribusi, yaitu Propinsi Sumatera Utara. Perluasan dan penambahan area
distribusi ini merupakan cerminan dari kinerja perusahaan CV. Dunia yang positif.
Area distribusi CV. Dunia di Propinsi Sumatera Utara adalah eksklusif pada area Kota Medan inner Medan-2, Kota Binjai dan area Padang Sidimpuan
Tapanuli Selatan, Tapanuli Tengah, Tapanuli Utara dan Pulau Nias. Pada area- area eksklusif tersebut, selain bertanggung jawab terhadap distribusi produk
seluler Indosat dan distribusi semua informasi yang melekat pada produk tersebut, CV. Dunia juga bertanggung jawab terhadap kegiatan promosi dan menjalankan
program-program pendukungnya. Material promosi yang dipasang berupa poster dan spanduk. Program-program pendukungnya berupa penyediaan dan
pemasangan papan nama toko, dan pengecatan toko.
Universita Sumatera Utara