51
Shook dkk. 2006: 400 dan Ghazali 2008: 69 menyatakan nilai construct reliability
≥0,70 menunjukkan reliabilitas yang baik, sedangkan untuk menghitung construct reliability dapat menggunakan rumus sebagai berikut:
Construct Reliability =
∑ Standar Loading
2
∑ Standar Loading
2
+ ∑ Kesalahan Pengukuran
d. Discriminant Validity.
Discriminant validity digunakan untuk mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dari konstruk lainnya Ghazali, 2008: 138
dan Hult dkk., 2006: 400. Menurut Ghazali 2008: 138 nilai discriminant validity yang tinggi
memberikan bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena yang unilk, dan cara mengujinya adalah dengan membandingkan nilai
akar kuadrat dari AVE √AVE dengan nilai korelasi antar konstruk.
3. Analisis SEM
Maruyama dalam Wijaya 2009: 1 menyebutkan SEM sebagai sebuah model statistik yang memberikan perkiraan perhitungan dari kekuatan hubungan
hipotesis di antara variabel dalam sebuah model teoritis, baik secara langsung atau melalui variabel antara. Sedangkan Ghazali 2008: 3 menyatakan bahwa
Structural Equation Modelling SEM merupakan gabungan dari dua metode statistik yang terpisah yaitu analisis faktor factor analysis serta persamaan
simultan.
52
Segala 2011: 7 menemukan bahwa untuk memulai model penelitian dengan teknik analisis SEM disarankan menggunakan faktor-faktor dan variabel-
variabel yang sederhana terlebih dahulu, karena semakin banyak faktor-faktor dan variabel yang terlibat dalam model akan menyebabkan semakin besar nilai chi-
square yang berakibat pada semakin tinggi peluang dan penolakan dari sebuah model. Oleh karena itu, indikator-indikator untuk mengukur variabel laten dalam
penelitian ini akan menggunakan indikator yang relatif sederhana terlebih dahulu yaitu dibatasi masing-masing variabel memiliki 4 indikator.
Selanjutnya, Ghozali 2008: 61 mengajukan tahapan pemodelan dan analisis menjadi 7 langkah dan pemenuhan asumsi dasar bila menggunakan SEM,
yaitu: 1. Pengembangan Model Berbasis Teori.
Model persamaan struktural didasarkan pada hubungan kausalitas, dimana perubahan satu variabel diasumsikan akan berakibat pada
perubahan variabel lainnya. Kuatnya hubungan kausalitas antara dua variabel yang diasumsikan oleh peneliti bukan terletak pada metode
analisis yang dipilih, tetapi terletak pada justifikasi pembenaran secara teoritis untuk mendukung analisis. Jadi jelas bahwa hubungan
antar variabel dalam model merupakan deduksi dari teori. 2. Menyusun Diagram Jalur.
Ada dua hal yang perlu dilakukan dalam tahap ini yaitu menyusun model persamaan struktural yaitu menghubungkan antar konstruk
laten baik endogen maupun eksogen, dan menyusun measurement
53
model yaitu menghubungkan kontruk laten endogen atau eksogen dengan variabel indikator atau manifest. Ketika measurement model
telah terspesifikasi, maka peneliti harus menentukan reliabilitas dari indikator. Reliabilitas indikator dapat dilakukan dengan dua cara,
yaitu 1 diestimasi secara empiris atau 2 dispesifikasi.
Gambar 3.1 Diagram Jalur Penelitian
3
4
Sumber: diolah untuk penelitian
ß
1
2
1
Kredibilitas Endorser
KE1
KE2
KE3
KE4
Kredibilitas Perusahaan
KP1
KP2
KP3
KP4
Citra Merek
CM1
CM2
CM3
CM4
Sikap Merek
SM4 SM3
SM2 SM1
e1
e2
54
3. Menyusun Model Persamaan Struktural SEM. Dari model diagram jalur yang telah dikembangkan di atas maka
model persamaan struktural SEM adalah sebagai berikut: 1. Sub struktur persamaan 1
Citra Merek =
1
Kredibilitas Perusahaan+
2
Kredibilitas Endorser +
e
1
2. Sub struktur persamaan 2
Sikap Merek =
3
Kredibilitas Perusahaan +
4
Kredibilitas Endorser
+ 1 Citra Merek +
e
2
3. Memilih Input Matrik dan Estimasi Model yang Diusulkan. Model persamaan struktural berbeda dari teknik analisi multivariate
lainnya, SEM hanya menggunakan data input berupa matrik variankovarian atau matrik korelasi. Jadi dapat disimpulkan peneliti
harus menggunakan input matrik variankovarian untuk menguji teori. Namun demikian jika peneliti hanya ingin melihat hubungan dan tidak
melihat total penjelasan yang diperlukan, maka penggunaan matrik korelasi dapat diterima.
4. Menilai Identifikasi Model Struktural. Pada langkah kelima ini dapat dilakukan dengan melihat standar error
yang besar untuk satu atau lebih koefisien dan korelasi yang tinggi ≥0,90 di antara koefisien estimasinya.
55
5. Evaluasi Kriteria Goodness of Fit. Langkah yang harus dilakukan sebelum menilai kelayakan dari model
struktural adalah menilain apakah data yang akan diolah memenuhi asumsi model persamaan struktural. Kriteria Goodness of Fit
mengukur kesesuaian input observasi atau sesungguhnya matrik kovarian atau korelasi dengan prediksi dari model yang diajukan
proposed model. Adapun kriteria Goodnes-of-Fit untuk kesesuaian model yang umum dipakai dalam berbagai penelitian disajikan pada
tabel di bawah ini: Tabel 3.1
Kriteria Goodness of Fit
Kriteria Goodness of Fit
Cut off Value
Chi – Square Statistics
Sekecil Mungkin P-Value
≥ 0,05 Chi-Squaredf
≤ 3,00 CFI
≥ 0,90 GFI
≥ 0,90 AGFI
≥ 0,80 TLI
≥ 0,90 RMSEA
≤ 0,08 Sumber : Emari, dkk. 2012: 5699, Ghazali 2008: 66 dan Rao 2012: 22
Penjelasan dari masing-masing kriteria Goodness of fit dalam tabel 3.1 diatas adalah sebagai berikut:
a. Chi-Square Statistics dan P-Value. Chi-Square adalah alat uji yang menggambarkan ukuran sampel.
Model dikategorikan baik jika mempunyai chi-square = 0 yang
56
berarti tidak ada perbedaan antara model dengan data. Namun, Bishop dan Hertenstein 2004: 6, Lee dan Scott 2004: 251
serta Ghazali 2008: 220 menyatakan bahwa uji chi-square dan P-Value sangat sensitif terhadap ukuran sampel sehingga akan
ada kecendrungan nilai chi-square selalu signifikan, maka jika nilai chi-square signifikan dianjurkan untuk mengabaikannya
dan melihat ukuran goodness of fit lainnya. b. Chi-Squaredf
Merupakam ukuran yang diperoleh dari nilai chi-square dibagi dengan degree of freedom. Nilai yang direkomendasikan
menurut Emari dkk. 2012: 5699 adalah ≤ 3.
c. CFI Comparative Fit Index Merupakan
indeks kesesuaian
incremental yang
juga membandingkan sebuah model yang diuji terhadap sebuah null
model. Nilai yang direkomendasikan adalah ≥ 0,90 Ghazali,
2008: 66 dan Rao, 2012: 22. d. GFI Goodness Of Fit Index
digunakan untuk menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks
kovaians populasi
yang terestimasikan.
Nilai yang
direkomendasikan adalah ≥ 0,90 Ghazali, 2008: 67 dan Rao,
2012: 22.
57
e. AGFI Adjusted Goodness Of Fit Index merupakan pengembangan dari GFI yang disesuaikan dengan
degree of freedom yang tersedia untuk meguji diterima tidaknya suatu model. Nilai yang direkomendasikan menurut Emari dkk.
2012: 5699 dan Rao 2012: 22 adalah ≥ 0,80.
f. TLI Tucker Lewis Index
Merupakan indeks
kesesuaian incremental
yang juga
membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan
≥ 0,90 Ghazali, 2008: 68.
g. RMSEA Root Mean Square Error Adjusted menunjukkan goodness of fit yang diharapkan bila model
diestimasikan dalam populasi. Nilai yang direkomendasikan ≤
0,08 Ghazali, 2008: 66. Selanjutnya dalam mengevaluasi kriteria goodness of fit, Solimun dalam
Aryani dan Rosinta 2010: 119 menyatakan bahwa jika satu atau lebih hasil kriteria goodness of fit memenuhi cut off value yang disyaratkan
maka model telah fit secara menyeluruh. 6. Interpretasi dan modifikasi model.
Ketika model telah dinyatakan diterima, maka peneliti dapat mempertimbangkan dilakukannya modifikasi model untuk memperbaiki
penjelasan teoritis atau Goodness-of-Fit. Modifikasi dari model awal harus dijelaskan setelah dikaji banyak pertimbangan. Jika model dimodifikasi,
58
maka model tersebut harus di cross-validated diestimasi dengan data terpisah sebelum model modifikasi diterima.
7. Asumsi Dasar. Analisis SEM mensyaratkan data berdistribusi normal untuk menghindari
bias dalam analisis data. Jika data tidak normal, maka fit index seperti Tucker Lewis Index TLI dan Comparative Fit Index CFI menghasilkan
nilai yang underestimate. Data dikatakan normal apabila nilai critical ratio skewness kemencengan semua indikator dan nilai critical ratio
multivariate memiliki nilai pada rentang ±2,58 signifikansi pada 1 Ghazali, 2008: 84.
E. Definisi Operasional Variabel.
Menurut Sugiyono 2005: 2 variabel penelitian adalah suatu hal yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga
diperoleh informasi, kemudian ditarik kesimpulannya. Variabel penelitian juga didefinisikan sebagai konsep abstrak yang dapat diukur Ghazali, 2008: 11.
Ghazali 2008: 11 menyatakan bahwa dalam konsep dasar SEM, konsep abstrak yang dapat diukur terdiri dari dua jenis yaitu: 1 Konsep abstrak yang
langsung dapat diukur atau disebut observed variable manifest, dan 2 Konsep abstrak yang tidak dapat diukur langsung atau sering disebut latenkonstruk. Maka
jelas dalam konsep dasar SEM variabel latenkonstruk diukur melalui observed variablemanifest melalui seperangkat pertanyaan atau pernyataan melalui skala
pengukuran.
59
Berikut ini akan dijelaskan lebih lanjut konstruk beserta observed variablemanifest dan skala pengukuran yang digunakan dalam penelitian ini.
1. Variabel Eksogen.
Variabel eksogenindependen merupakan variabel yang mempengaruhi variabel lain atau yang menjadi sebab perubahannya atau timbulnya variabel
endogendependen Sugiyono, 2010: 39. Variabel eksogen di dalam penelitian ini terdiri dari 2 konstruklaten yaitu Kredibilitas Perusahaan dan Kredibilitas
Endorser.
a. Konstruk Kredibilitas Perusahaan.
Menurut Newel 2001:235 dan Sallam 2011: 65 kredibilitas perusahaan terdiri dari dua dimensi pembangun, yaitu:
1. Corporate Expertise. Corporate expertise adalah sejauh mana perusahaan dinilai ahli oleh
konsumen dalam memproduksi barangjasa. Indikator pengukuran dimensi corporate expertise dikembangkan dari dua sub variabel yaitu
berpengalaman, dan terlatih Rodriguez, 2008: 89. 2. Corporate Trustworthiness.
Corporate Trustworthiness adalah sejauh mana perusahaan dinilai jujur oleh konsumen dalam memasarkan barangjasa. Indikator
pengukuran dimensi corporate trustworthiness dikembangkan dari dua sub variabel yaitu dapat dipercaya, dan jujur Rodriguez, 2008:
89.
60
b. Konstruk Kredibilitas Endorser.
Menurut Kotler 2012: 485 dan Machfoedz 2010: 8 kredibilitas endorser dibangun dari tiga dimensi pembangun, yaitu:
1. Expertise. Expertise merupakan pengetahuan khusus yang dimiliki komunikator
untuk melakukan klaim terhadap iklan. Indikator pengukuran dimensi expertise dikembangkan dari sub variabel ahli Rodriguez, 2008: 89.
2. Trustwothiness. Trustwothiness menunjukkan seberapa efektif dan jujur orang tersebut
di mata publik. Indikator pengukuran dimensi trustwothiness dikembangkan sub variabel jujur Rodriguez Rodriguez, 2008: 89.
3. Likeability. Likeability menunjukkan sejauh mana suatu sumber memiliki daya
tarik attractiveness di mata publik. Indikator pengukuran dimensi likeability diukur dari pengembangan teori mengagumi penampilan
fisik dan bakat endorser Belch dan Belch, 2003: 172. Penampilan fisik dijabarkan lebih lanjut melalui sub variabel tampan Rodriguez,
2008: 89. Sedangkan bakat didijabarkan lebih lanjut melalui sub variabel teori bakat dari Kismato dan Kusrini 2011: 4 yaitu suka
bersaing.
2. Variabel Endogen.
Variabel endogendependen merupakan variabel yang dipengaruhi atau menjadi akibat, karena adanya variabel bebas Riduwan dan Kuncoro, 2011: 39.
61
Variabel terikat endogendependen variabel dalam penelitian ini terdiri dari Konstruk Citra Merek dan Konstruk Sikap Merek.
a. Konstruk Citra Merek
Menurut Roslina 2010: 344 serta Janonis dan Virvilaite 2007: 87 citra merek dapat diukur dengan tiga dimensi pembentuk citra merek, yaitu:
1. Manfaat fungsional. Manfaat fungsional didesain untuk memuaskan kebutuhan konsumen
dalam rangka memecahkan masalah yang berhubungan dengan konsumsi. Pengukuran manfaat fungsional mengadopsi 2 item
indikator pernyataan Tseng dan Lee 2011: 217 yaitu high quality. 2. Manfaat simbolis.
Manfaat simbolis didesain untuk memenuhi keinginan konsumen untuk mempertinggi diri self enhancement, posisi peran role
position, keanggotaan dalam suatu kelompok group membership, atau identifikasi ego ego identification. Pengukuran manfaat
simbolis mengadopsi 1 item indikator pernyataan Tseng dan Lee 2011: 217 yaitu a lot of friends have products of this brand,
products of this brand is fashionable 3. Manfaat pengalaman
Didesain untuk memenuhi keinginan konsumen yang berkaitan dengan kesukaan sensori sensory pleasure, keanekaragaman
variety, dan stimulasi kognitif cognitive stimulation. Pengukuran
