Teknik Pengumpulan Data Jenis dan Sumber Data Teknik Analisis Data

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