BAB IV ANALISIS DAN PEMBAHASAN. pengaruh self brand congruity,peer influence, dan privacy concern terhadap

Transkripsi

1 BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini peneliti melakukan analisis secara keseluruhan mengenai pengaruh self brand congruity,peer influence, dan privacy concern terhadap attitude toward SNA, berdasarkan data yang diperoleh dari penyebaran kuisioner kepada responden. Maka diperoleh data tentang karakteristik respondennya, adapun karakteristik responden pada penelitian ini adalah sebagai berikut: 4.1 karakteristik responden Tabel 4.1 Karakteristik Responden Berdasarkan Jenis Kelamin Jenis Kelamin Jumlah % Laki-Laki 88 58% Perempuan 62 42% Total % Sumber : Data diolah (Tahun 2013) Berdasarkan data responden diatas terdapat mayoritas berjenis kelamin laki-laki dan sisanya berjenis kelamin perempuan. 51

2 Tabel 4.2 Karakteristik Responden Berdasarkan angkatan mahasiswa Angkatan Jumlah % % % Total % Sumber : Data diolah (Tahun 2013) Berdasarkan data responden diatas mayoritas responden dari angkatan 2010 dan sisanya dari angkatan Tabel 4.3 Karakteristik Responden Berdasarkan jurusan Fakultas Ekonomi Jurusan Jumlah % Manajemen % Akuntansi 48 32% Total % Sumber : Data diolah (Tahun 2013) Berdasarkan data responden diatas mayoritas responden dari jurusan manajemen dan sisanya dari jurusan akuntansi. Setelah data terkumpul yang selanjutnya disebut data mentah, maka data mentah diolah dengan metode SEM (structural equation modeling) yang menggunakan bantuan program LISREL8.7 untuk melakukan pengujian validitas, reliabilitas, dan analisa pengaruh antar variable. Adapun tahapan awal dalam SEM yaitu spesifikasi model pengukuran. Adapun tahapan awal dalam SEM, yaitu: 52

3 a. Spesifikasi Model Pengukuran Dalam spesifikasi model pengukuran, digunakan notasi matematika untuk menentukan persamaan model pengukuran. Notasi matematika ini akan membantu peneliti maupun pembaca dalam membaca model sekompleks apapun karena dengan notasi ini elemen-elemen pada model tersebut akan dapat dibedakan. Tabel 4.4 adalah spesifikasi model awal persamaan model pengukuran yang berupa notasi matematika. 53

4 Tabel 4.4 Persamaan Model Pengukuran No Variabel Latent Indicator Persamaan matematika 1 Self Brand Congruity SBC1 SBC1 = λx 1 * 1 + δ 1 SBC2 SBC2 = λx 2 * 1 + δ 2 SBC3 SBC3 = λx 3 * 1 + δ 3 Peer Influence PI1 PI1 = λx 1 * 1 + δ 1 PI2 PI2 = λx 2 * 1 + δ 2 PI3 PI3 = λx 3 * 1 + δ 3 PI4 PI4 = λx 4 * 1 + δ 4 Privacy Concern PC1 PC1 = λx 1 * 1 + δ 1 PC2 PC2 = λx 2 * 1 + δ 2 PC3 PC3 = λx 3 * 1 + δ 3 PC4 PC4 = λx 4 * 1 + δ 4 PC5 PC5 = λx 5 * 1 + δ 5 2 Attitude Toward SNA ATS1 ATS1 = λy 1 * 1 + ε 1 ATS2 ATS2 = λy 2 * 1 + ε 2 ATS3 ATS3 = λy 3 * 1 + ε 3 ATS4 ATS4 = λy 4 * 1 + ε 4 ATS5 ATS5 = λy 5 * 1 + ε 5 ATS6 ATS6 = λy 6 * 1 + ε 6 ATS7 ATS7 = λy 7 * 1 + ε 7 Sumber: Bagan diolah peneliti 54

5 Selanjutnya tabel 4.5 menjabarkan persamaan model structural yang menjelaskan hubungan antara satu variabel laten ke variabel laten lainnya. Tabel 4.5 Persamaan Model Struktural Variabel Laten Variabel Laten yang Mempengaruhi Attitude Toward SNA Self Brand Congruity Peer Influence Privacy Concern Sumber: Bagan hasil diolah peneliti Tabel 4.5 diatas akan dibuktikan melalui persamaan model structural hubungan antara variabel laten (endogen) attitude toward sna dipengaruhi atas variabel laten (eksogen), self brand congruity, peer influence, dan privacy concern. b. Confirmatory factor analysis Setelah mendapatkan data dikumpulkan, peneliti kemudian mengolah data dengan Lisrel. Penelitian ini menggunakan metode dua tahap, yaitu pengukuran CFA di tahap pertama dan second order CFA di tahap kedua. Pengukuran CFA ringkat pertama ini menghasilkan hasil printed output dan path diagram. Analisis awal dimulai dengan memeriksa hasil pengukuran untuk memastikan tidak terdapat offering 55

6 estimates (nilai-nilai yang melebihi batas yang dapat diterima) berikut criteria analisisnya: 1. Offering estimates, terutama adanya negative error variances (dikenal dengan heywod cases). Jika ada varian kesalahan negative, maka varian kesalahan tersebut perlu ditetapkan menjadi Nilai standardize loading factor >0.50, namun peneliti menggunakan SLF lebih dari atau sama dengan 0.30 (Igbaria et al. dalam Wijayanto 2008). Sehingga variabel-variabel terkait bisa dipertimbangkan untuk dihapus. Standard errors yang berhubungan dengan koefisien-koefisien yang diestimasi mempunyai nilai yang besar. Setelah memeriksa dengan baik, peneliti tidak menemukan adanya offending estimates dari hasil estimasi pengukuran CFA. Sehingga, pengujian selanjutnya dapat dilakukan. 4.2 Uji Validitas dan Reliabilitas Sebelum melakukan analisis pengaruh antar variable berdasarkan hipotesis, maka dilakukan uji validitas dan reliabilitas dalam SEM pada program Lisrel 8.7 yang didapatkan dari tahap pertama yaitu Confirmatory Factor Analysis (CFA). Pada tahap pertama ini, variable-variabel teramati atau indicator pada tiap variable laten harus memenuhi persyaratan validitas dan reliabilitas terlebih dahulu. Setelah seluruh pengujian tersebut memenuhi syarat, maka dilakukan tahap ke dua 56

7 yaitu second order CFA (2ndCFA). Dari pengolahan Lisrel 8.7, diperoleh hasil berupa path diagram dan printed output. Output yang terdapat dalam Path diagram akan menginformasikan tentang standardized solution yang menunjukan loading factor, nilai standar error yang menunjukan kesalahan pengukuran estimasi parameter Uji Validitas dan Reliabilitas Variabel Self Brand Congruity Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.1 CFA I berikut ini: Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.1 Confirmatory Factor Analysis I Gambar 4.1 diatas hasil CFA I menunjukan bahwa terdapat 3 variabel teramati (observed variable) atas variabel laten self brand congruity. Semua variabel sudah valid karena nilainya sudah diatas 0.30 Kemudian, setelah dilakukan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisis reliabilitas variabel. Berikut tabel 4.6 CFA 57

8 Tabel 4.6 Confirmatory factor analysis Self Brand Congruity Kode indikator Standardized loading factor (SLF) 0,30 Standard errors Keterangan Sbc Validitas baik Sbc Validitas baik Sbc Validitas baik Sumber: tabel diolah peneliti Reliabilitas CR 0, Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.6 CFA diatas yang 0.78 atau lebih dari 0.70, sehingga variabel laten self brand congruity memiliki konsistensi menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construct reliability (CR) sebesar yang baik Uji Validitas dan Reliabilitas Peer Influence Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.2 CFA I berikut ini: Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.2 Confirmatory factor analysis I 58

9 Gambar 4.2 diatas hasil CFA I menunjukan bahwa terdapat 3 variabel teramati (observed variable) atas variabel laten self brand congruity. Semua variabel sudah valid karena nilainya sudah diatas 0.30 Kemudian, setelah dilakukan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisis reliabilitas variabel. Berikut tabel 4.7 CFA : Tabel 4.7 Confirmatory factor analysis Peer Influence Kode indikator Standardized loading factors (SLF) 0.30 Standard Errors Keterangan PI Validitas baik PI Validitas baik PI Validitas baik PI Validitas baik Sumber : tabel diolah peneliti Reliabilitas CR Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.7 CFA diatas yang menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construct reliability (CR) sebesar 0.82 atau lebih dari 0.70, sehingga variabel laten Peer Influence memiliki konsistensi yang baik. 59

10 4.2.3 Uji Validitas dan Reliabilitas Privacy Concern Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.3 CFA I & 4.4 CFA II berikut ini: Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.3 Confirmatory factor analysis I Gambar 4.4 CFA II dibawah ini adalah hasil estimasi CFA standardized solution setelah dilakukan penghapusan indicator yang tidak valid yaitu PC5 Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.4 Confirmatory factor analysis II 60

11 Gambar 4.3 atas hasil CFA I menunjukan bahwa terdapat 5 variabel teramati (observed variables) atas variabel laten Privacy Concern.Namun terdapat satu variabel teramati yaitu PC5 ternyata tidak dapat memenuhi persyaratan uji validitas karena nilai standardized loading factors kurang dari 0.30 yang terdapat pada gambar 4.3 CFA I, sehingga peneliti menghapus variabel teramati PC5 karena kurang mewakili variabel Privacy Concern untuk attitude toward SNA. Kemudian, setelah dilakulan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisa reliabilitas variable. Berikut tabel 4.8 CFA Tabel 4.8 Confirmatory factor analysis Privacy Concern Kode indicator Standardized loading factors (SLF) 0.30 Standard errors Keterangan PC Validitas baik PC Validitas baik PC Validitas baik PC Validitas baik Sumber: tabel diolah peneliti Reliabilitas CR Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.8 CFA diatas yang menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construck reliability (CR) sebesar 0.73 atau lebih dari 0.70, sehingga variabel laten Privacy Concern memiliki konsistensi yang baik. 61

12 4.2.4 Uji validitas dan Reliabilitas Attitude Toward SNA Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.6 CFA I & 4.7 CFA II berikut ini. Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.5 Confirmatory factor analysis I Gambar 4.6 CFA II dibawah ini adalah hasil estimasi CFA standardized solution setelah dilakukan penghapusan indicator yang tidak valid yaitu ATS7 62

13 Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.6 Confirmatory factor analysis II Gambar 4.5 atas hasil CFA I menunjukan bahwa terdapat 7 variabel teramati (observed variables) atas variabel laten Attitude Toward SNA.Namun terdapat satu variabel teramati yaitu ATS7 ternyata tidak dapat memenuhi persyaratan uji validitas karena nilai standardized loading factors kurang dari 0.30 yang terdapat pada gambar 4.5 CFA I, sehingga peneliti menghapus variabel teramati ATS7 karena kurang mewakili variabel Privacy Concern untuk attitude toward SNA. Kemudian, setelah dilakulan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisa reliabilitas variabel. Berikut tabel 4.6 CFA 63

14 Tabel 4.9 Confirmatory factor analysis Attitude Toward SNA Kode indicator Standardized loading factors (SLF) 0.30 Standard errors Keterangan ATS Validitas baik ATS Validitas baik ATS Validitas baik ATS Validitas baik ATS Validitas baik ATS Validitas baik Sumber: table diolah peneliti Reliabilitas CR Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.9 CFA diatas yang menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construct reliability (CR) sebesar 0.80 atau lebih dari 0.70, sehingga variabel laten Attitude Toward SNA memiliki konsistensi yang baik. 4.3 Analisis Model 2 nd CFA dan 1 st CFA Transformasi Model Penelitian 2ndCFA menjadi 1stCFA Setelah tahap pertama dan kedua menghasilkan model CFA dengan validitas dan reliabilitas yang baik, maka tahap kedua pun dilaksanakan. Second Order CFA menunjukan hubungan antara variable-variabel laten pada tingkat pertama sebagai indikator-indikator dari sebuah variable laten tingkat ke dua. Pada tahap ini, peneliti menambahkan model structural aslinya pada model CFA hasil pertama untuk menghasilkan model. Selain itu juga telah dilakukan perhitungan 64

15 LVS (Latent Variable Score) dari variabel-variabel laten 2ndCFA. Hasil LVS ini digunakan untuk mentransformasikan variabel-variabel teramati (observed variable) 2ndCFA menjadi variabel laten. Dengan transformasi ini variablevariabel teramati SBC1-5 (self brand congruity),pi1-4 (peer influence),pc1-5 (privacy concern) disederhanakan dengan pemberian skor pada variable latennya yang disebut dengan perhitungan LVS (Latent Variable Score) yaitu SBC (self brand congruity), PI (Peer Influence),dan PC (Privacy Concern) sehingga variable teramati (observed variable) telah terwakili oleh adanya variable laten tersebut. Perubahan ini digunakan untuk menyederhanakan atau mentransformasi model penelitian sebelumnya yang merupakan model 2ndCFA, kemudian disederhanakan menjadi gambar berikut. 65

16 : Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.7 Diagram Lintasan Model Penelitian Konseptual setelah Ditransformasikan selanjutnya, model konseptual yang menunjukan hubungan antara variable laten, akan dianalisis dan dievaluasi kecocokan keseluruhan modelnya dengan menggunakan Goodness of Fit (GOF). Setelah dipastikan bahwa kecocokan model fit (baik). 4.4 Estimasi Model Penelitian Setelah Ditransformasikan Gambar 4.8 dan 4.9 dibwh ini adalah gambar perhitungan standardized solution dan t-value. Pada hasil estimasi CFA nilai standardized solution dan t- value terdapat variabel yang memiliki lintasan berbayang. Hal ini dikarenakan 66

17 lisrel telah menetapkan secara default, yaitu berarti variable tersebut manifest secara nyata berhubungan dengan variabel latennya. Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.8 Hasil Estimasi Akhir Model Penelitian (Standardized Solution) 67

18 Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.9 Hasil Estimasi Akhir Model Penelitian (T-Value) Estimasi terhadap model penelitian setelah ditransformasikan ditunjukan melalui diagram lintasan (path diagram) pada gambar 4.8 dari gambar tersebut dapat dilihat bahwa variabel-variabel teramati (observed variable) SBC (Self brand congruity), PI (Peer Influence), PC (Privacy concern) berubah menjadi variabel-variabel teramati (observed variable) dengan nama yang sama. Dari gambar tersebut dapat dilihat bahwa standardized loading factor (SLF) dari semua variabel adalah >0.50. hal ini berarti variabel tersebut memiliki ukuran validitas yang baik. Kemudian juga dari gambar 4.9 diuraikan bahwa nilai t-value yang menunjukan hubungan antara variabel laten hasil yang signifikan. 68

19 Uji kecocokan keseluruhan model (overall model fit) dilakukan dengan memeriksa nilai Goodness of fit (GOF) hasil estimasi akhir dengan nilai GOF standar untuk kecocokan tersebut ditunjukan pada sub bab berikut. 4.5 Uji Kecocokan Keseluruhan Model pada penelitian ini, peneliti menggunakan structural equation modeling (SEM) yang terdapat dalam program lisrel dimana metode ini menguji secara bersama-sama model yang terdiri dari variable eksogen dan variabel endogen. Setelah lolos pengujian validitas dan reliabilitas dengan model CFA, maka tahap selanjutnya adalah, menganalisa kecocokan data dengan goodness of fit (GOF). Pengujian ini akan mengevaluasi apakah model yang dihasilkan merupakan fit atau tidak. Dari printed output yang dihasilkan estimasi pengukuran CFA pada program lisrel, analisis kecocokan keseluruhan model dapat dilihat dari angka statistic pada tabel GOFI Tabel 4.10 Goodness Of Fit Index (GOFI) Model Penelitian Nilai hasil estimasi Nilai standar untuk kecocokan baik kesimpulan NNFI Marginal fit CFI Good Fit IFI Good fit Sumber: output Lisrel hasil olahan peneliti. 69

20 Tabel 4.10 diatas menunjukan bahwa data sudah memenuhi syarat dimana CFI dan IFI sudah termasuk good fit karena nilainya sudah 0.90 sedangkan NNFI masuk ke dalam marginal fit karena nilai tidak mencapai standar kecocokan tetapi mendekati jadi data masih bsia diterima. 4.6 Analisa Kecocokan Model Structural Berdasarkan hasil uji hipotesis yang telah dilakukan sebelumnya, hanya dua dari tiga dari hipotesis penelitian membuktikan adanya hubungan signifikan pada tingkat keyakinan 95% dengan t-value lebih dari atau sama dengan 1,96. Secara umum tabel 4.11 adalah kesimpulan hasil uji hipotesis. 70

21 Tabel 4.11 Kesimpulan Uji Hipotesis hipotesis Path t-value t-table hasil H1 Self Brand ,96 - Congruity Attitude Toward SNA H2 Peer ,96 Hipotesis Influence diterima Attitude Toward SNA H3 Privacy ,96 Hipotesis Concern diterima Attitude Toward SNA Sumber: output lisrel diolah peneliti Tabel diatas menyimpulkan secara keseluruhan hipotesis yaitu terdapat dua hipotesis yang diterima atau terbukti berpengaruh karena nilai t-value lebih dari 1,96. Pada akhirnya, keseluruhan analisis data dan pengujian pada penelitian ini yang menggunakan metode SEM Lisrel telah selesai, dari tahap spesifiksai model hingga pengujian hipotesis dengan analisis kecocokan model dan menunjukan model yang tergolong baik. 71