BAB IV METODE PENELITIAN

Transkripsi

1 86 BAB IV METODE PENELITIAN 4.1 Jenis Desain Penelitian Menurut Margono (2010) penelitian adalah semua kegiatan pencarian, penyelidikan, dan percobaan secara alamiah dalam satu bidang tertentu, untuk mendapatkan fakta-fakta atau prinsip-prinsip baru yang bertujuan untuk mendapatkan pengertian baru dan menaikkan tingkat ilmu serta teknologi. Berdasarkan pengertian tersebut, maka ketika seseorang melakukan penelitian akan membutuhkan bentuk atau jenis penelitian tertentu yang sesuai dengan bidang penelitian yang dilakukannya. Bentuk inilah yang disebut sebagai desain atau rancangan penelitian. Menurut Rangkuti (2006), desain penelitian dikelompokkan menjadi dua kelompok, yaitu desain penelitian eksploratori dan konklusif. Desain penelitian konklusi selanjutnya dibagi lagi menjadi dua jenis, yaitu desain penelitian deskriptif dan desain penelitian kausalitas. Desain penelitian dengan uji hipotesis dan kausalitas merupakan desain penelitian eksplanatori (explanatory research). Dalam penelitian ini akan digunakan desain penelitian kausalitas, yaitu menganalisis hubungan kausalitas (sebab-akibat) antara variabel penelitian sesuai dengan hipotesis yang disusun. Jenis penelitian ini dipilih mengingat tujuan dari penelitian ini adalah untuk menjelaskan hubungan dan pengaruh yang terjadi antara variabel yang diteliti.

2 87 Berdasarkan hipotesis dari rancangan ini, terdapat empat variabel yang digunakan yaitu : kegiatan pemasaran digital, perilaku konsumen secara online, kesadaran konsumen terhadap e-commerce website Campina, dan keputusan pembelian es krim dan ice cream cake di e-commerce website Campina. Langkah selanjutnya adalah menentukan instrumen penelitian berdasaran variabel-variabel, kemudian dilakukan pengumpulan data dengan menggunakan metode kuesioner. Teknik analisis yang digunakan adalah analisa SEM (Structural Equation Modelling) dimana hasil analisis kemudian diinterpretasikan serta terakhir dilakukan langkah menarik kesimpulan dan memberikan saran Ruang Lingkup Penelitian Untuk memperjelas permasalahan yang akan dibahas agar penelitian ini lebih terarah, maka penulis membatasi ruang lingkup penelitian ini sebagai berikut : 1. Kajian hanya dilakukan pada penjualan produk es krim dan ice cream cake merek Campina Ice Cream lewat online channel, yaitu e-commerce website Campina. 2. Responden dibatasi hanya pada konsumen yang sudah terdaftar sebagai member website dan pernah memesan (membeli) es krim dan/atau ice cream cake Campina lewat layanan e-commerce website paling tidak satu kali dan tinggal di area DKI Jakarta.

3 88 3. Variabel penelitian dibatasi pada kegiatan pemasaran digital, perilaku konsumen secara online, kesadaran konsumen terhadap e-commerce website Campina, dan pengambilan keputusan pembelian es krim dan/atau ice cream cake via e- commerce website Campina Lokasi Penelitian Penelitian ini dilakukan terhadap responden berupa orang perseorangan yang sudah terdaftar sebagai member website Campina Delivery, yang setidaknya pernah melakukan pembelian produk Campina via e-commerce website, dan bertempat tinggal di area DKI Jakarta Pendekatan Penelitian Ditinjau dari jenis datanya, pendekatan penelitian yang dipergunakan dalam penelitian ini adalah pendekatan kualitatif dan kuantitatif Variabel Penelitian Yang Dipergunakan Definisi Konsep Sesuai dengan kerangka pemikiran yag digunakan, maka dalam penelitian ini variabel-variabel yang dipergunakan adalah :

4 89 1. Variabel exogenous (X), yaitu variabel independen yang memengaruhi variabel dependen. Dalam konsep penelitian ini, terdapat dua variabel independen. Yaitu variabel kegiatan pemasaran digital (X1) dan variabel perilaku konsumen secara online (X2). 2. Variabel intervening (Y) merupakan variabel endogenous dan sekaligus variabel independen yang mempengaruhi variabel endogeneous lainnya dalam satu model. Pada penelitian ini, variabel intervening adalah kesadaran konsumen terhadap e- commerce website Campina. 3. Variabel endogeneous (Z) adalah variabel dependen yang dipengaruhi oleh variabel independen dalam suatu model. Dalam penelitian ini, sebagaimana konsep yang telah digambarkan sebelumnya, maka variabel ini adalah keputusan pembelian pada e-commerce website Campina. Variabel ini dipengaruhi oleh variabel pemasaran digital, perilaku konsumen secara online terhadap e-commerce website Campina dan kesadaran konsumen terhadap e-commerce website Campina Definisi Operasional Untuk menjelaskan maksud dan pengertian variabel-variabel pada definisi konsep, maka berikut ini adalah tabel yang merumuskan definisi operasional dari masing-masing variabel dan dimensi pengukurannya : \

5 90 Tabel 4.1. Operasional Variabel Variabel Dimensi Dalam Penelitian Indikator Digital Marketing (X1) Website (X1.1) a. Manfaat website b. E-commerce website Campina menjadi pilihan belanja es krim Search Engine Optimation (X1.2) Online PR (X1.3) Social Network (X1.4) a. E-commerce website Campina mudah ditemukan b. Informasi tentang Campina selalu ada di halaman pertama urutan teratas hasil pencarian Google a. Artikel online Campina sangat membantu a. Media sosial sebagai sumber informasi pertama b. Informasi dari media sosial Campina bermanfaat untuk konsumen Marketing (X1.5) a. Kesediaan menerima marketing Campina sekali dalam seminggu Customer Relationship Management (X1.6) a. Kesediaan konsumen menerima karena sudah terdaftar sebagai member Perilaku Online Konsumen (X2) Pengetahuan Internet (X2.1) b. Kesediaan konsumen memberikan masukan/kritik c. Kesediaan konsumen memberikan review dan testimony a. Rata-rata waktu yang dihabiskan konsumen dalam mengakses internet

6 91 Pengalaman belanja (X2.2) b. Perangkat yang disukai konsumen dalam mengakses internet a. Pilihan produk Campina bisa ditemukan dengan mudah di website b. Pilihan cara pembayaran di website sudah cukup memadai c. Proses pembayaran di website mudah Pengalaman hiburan (X2.3) a. Tampilan website Campina menarik b. Website Campina memerlukan perbaikan tampilan Penggunaan website (X2.4) a. Proses belanja es krim lebih mudah karena adanya website Kesadaran konsumen akan website (Y) Tidak menyadari merek (brand unaware) (Y1) Pengenalan merek (brand recognition)(y2) Pengingatan kembali merek (brand recall) (Y3) b. Konsumen mudah untuk log in ke website a. Konsumen tidak tahu keberadaan website sebelum mengunjungi website Campina b. Konsumen tidak tahu produk ice cream cake Campina sebelum mengunjungi website Campina c. Konsumen tidak tahu layanan pesan antar Campina sebelum mengunjungi website Campina a. Merek Campina memberikan keyakinan kepada konsumen a. Konsumen pernah mengunjungi website Campina b. Website Campina adalah satusatunya pilihan konsumen dalam berbelanja es krim

7 92 Keputusan Pembelian di Website (Z) Consumer value dari e- commerce website Campina (Z1) Trust kepada e-commerce website Campina (Z2) Pengalaman membeli sebelumnya di e-commerce website Campina (Z3) a. Kenyamanan bernavigasi dalam website Campina b. Kepuasan berbelanja di website Campina a. Kesediaan untuk berbelanja kembali di website Campina b. Kesediaan merekomendasikan ke kolega, saudara, dan teman a. Kepuasan terhadap pelayanan petugas call center b. Kepuasan terhadap pelayanan delivery man Instrumen Penelitian Sumber : literatur dan internet (2015) Dari operasional variabel instrumen penelitian di dalam penelitian ini, terdapat empat variabel yang dijadikan instrumen penelitian. Variabel tersebut terdiri dari variabel bebas dan variabel terikat sebagai berikut : a. Variabel exogenous (bebas) yaitu pemasaran digital (X1) b.variabel exogenous (bebas) yaitu perilaku konsumen secara online (X2) c. Variabel intervening yaitu kesadaran konsumen terhadap website Campina (Y) d. Variabel endogenous (terikat) yaitu keputusan pembelian konsumen di website Campina (Z)

8 Pengukuran Variabel Pengukuran masing-masing variabel dalam penelitian ini akan menggunakan skala Likert. Skala ini merupakan skala psikometrik dengan metode bipolar yang mengukur baik mengenai tanggapan positif maupun tanggapan negatif tentang suatu pernyataan. Responden yang diberikan sebuah kuesioner dengan menggunakan skala ini akan dapat menyatakan tingkat persetujuan mereka terhadap suatu penyataan yang telah dituliskan dengan memilih salah satu dari pilihan yang tersedia. Pengertian skala Likert menurut Sugiono (2008 : 93) : Skala Likert digunakan untuk mengukur sikap (attitude), pendapat, dan persepsi seseorang atau sekelompok orang mengenai fenomena sosial. Dalam penelitian ini, skala Likert yang digunakan adalah skala dengan lima tingkatan. Adapun alasan pemilihan lima tingkatan ini adalah kesesuaian dengan berbagai penelitian sebelumnya. Pilihan jawaban dan skor numerik yang diberikan untuk masing-masing jawaban tersebut adalah sebagai tersebut :

9 94 Tabel 4.2. Instrumen Skala Likert Jawaban Skor Penyataan Positif Negatif Sangat Setuju (SS) 5 1 Setuju (S) 4 2 Ragu-ragu (R) 3 3 Tidak Setuju (TS) 2 4 Sangat Tidak Setuju (STS) 1 5 Sumber : Putri (2014) 4.6. Populasi dan Sampel Penelitian Populasi Sugiyono (2008) menyatakan bahwa populasi adalah wilayah generalisasi yang terdiri atas subjek-subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi adalah keseluruhan objek yang menjadi perhatian dalam satu penelitian. Sedangkan populasi disebut Malhotra (2006) sebagai gabungan seluruh elemen yang memiliki karakteristik serupa, yang mencakup semesta untuk kepentingan masalah riset pemasaran. Berdasarkan definisi-definisi populasi tersebut, maka populasi pada penelitian ini adalah para pelanggan Campina yang sudah terdaftar menjadi member di e-commerce

10 95 website Campina dan pernah melakukan pembelian produk es krim dan/atau ice cream cake Campina lewat e-commerce website Campina Sampel Penelitian Sampel adalah sebagian objek yang diambil dari populasi dimana karakteristiknya akan diselidiki dan dianggap dapat mewakili seluruh populasi yang menjadi bahan perhatian dalam penelitian. Menurut Malhotra (2006) mengatakan bahwa apabila jumlah populasinya tidak diketahui secara pasti maka jumlah sampel paling sedikit adalah 5 sampai dengan 10 kali jumlah indikator. Metode sampling yang digunakan dalam penelitian ini adalah melalui teknik judgement sampling, yaitu teknik pengambilan sampel dari populasi berdasarkan suatu kriteria berupa suatu pertimbangan tertentu (Jogiyanto dalam Hardiyanto, 2010). Kriteria sample adalah responden yang sudah terdaftar sebagai member e-commerce website Campina Ice Cream, pernah melakukan setidaknya satu kali transaksi di e- commerce website, dan tinggal di area DKI Jakarta. Jumlah sample sebanyak 359 responden mengacu pada ketentuan yang ditetapkan oleh Hair, et al. (Supramono & Haryanto, 2005 dalam Hardiyanto, 2010) yaitu jumlah sample minimum adalah 100 orang Jenis dan Sumber Data Data menurut jenisnya dibagi menjadi :

11 96 1. Data kuantitatif, yaitu jenis data yang berbentuk angka-angka. Misalnya jumlah pengguna internet dan jumlah penjualan yang dicapai dalam satu tahun. 2. Data kualitatif, yaitu jenis data yang tidak berbentuk angka-angka dan tidak dapat diukur, informasinya adalah berupa keterangan yang berhubungan dengan masalah yang diteliti dalam bentuk uraian kalimat, seperti kondisi objek penelitian, dan awareness konsumen. Sedangkan data menurut sumbernya dibagi menjadi : 1. Data primer : Data primer adalah data yang diperoleh secara langsung dari sumbernya. Data primer dalam penelitian ini adalah pernyataan-pernyataan dari responden yang diperoleh melalui kuesioner yang dibagikan lewat marketing atau blast dan wawancara langsung ke pelanggan e-commerce website Campina Delivery. 2. Data sekunder : Data sekunder adalah data yang sudah dikumpulkan terlebih dahulu oleh pihak lain atau sudah disajikan dalam bentuk laporan. Data sekunder yang digunakan dalam penelitian ini diperoleh melalui berbagai informasi dalam literatur, buku, jurnal, tesis, artikel, dan data internal perusahaan mengenai pemasaran digital, perilaku online konsumen, kesadaran konsumen terhadap e-commerce website Campina, dan keputusan pembelian melalui online channel di e-commerce website Campina.

12 Teknik Pengumpulan Data Metode pengumpulan data yang digunakan pada penelitian ini adalah melalui kuesioner atau angket yang dibagikan ke responden via blast dan lewat wawancara langsung ke pelanggan Campina Delivery. Sugiono (2008) mengemukakan bahwa kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan tertulis kepada responden untuk dijawabnya. Kuesioner penelitian dan wawancara diberikan dan dilakukan pada pelanggan Campina yang sudah terdaftar sebagai member (anggota) e-commerce website, sudah pernah berbelanja produk es krim dan ice cream cake secara online paling tidak sekali, dan tinggal di DKI Jakarta. Prosedur pengumpulan data yang dilakukan dalam penelitian ini adalah membagikan kuesioner secara online via blast menggunakan platform marketing Active Campaign kepada pelanggan Campina tersebut dengan gimmick berupa potongan atau diskon belanja ice cream cake via e-commerce website Campina sebesar Rp ,- (lima puluh ribu rupiah) yang hanya bisa dipakai belanja di e- commerce website Campina. Kode e-voucher senilai Rp ,- ini hanya berlaku untuk pembelian varian ice cream cake reguler (diameter 22 cm) senilai Rp ,- (sudah termasuk ongkos kirim), dan diberikan untuk pelanggan yang memberikan feed back berupa pengisian kuesioner yang dibagikan. Kode e-voucher diberikan ke masingmasing responden melalui pribadi segera setelah mereka mengirimkan jawabannya. Mekanisme pemotongan harganya adalah dengan cara memasukkan kode

13 98 e-voucher di halaman konfirmasi pemesanan, kemudian setelah kode e-voucher (unique code dan hanya dapat dipakai dalam satu kali transaksi) terverifikasi, nilai pesanan akan otomatis berkurang menjadi Rp ,- Responden yang menerima dari Campina tinggal klik atau buka link (tautan) yang ada di badan , dan akan langsung diarahkan ke halaman survey, baik lewat PC (personal computer) maupun mobile device, seperti smartphone, tablet PC, dan perangkat yang terkoneksi internet lainnya. Tautan online survey di badan teks Berikut ini adalah tampilan dari blast untuk membagikan tautan online survey kepada para pelanggan Campina Delivery : Gambar 4.1 Tampilan format blast online survey Campina Delivery Sumber : pribadi peneliti (2015)

14 99 Dan dibawah ini adalah tampilan dari online survey yang dibagikan kepada para responden, yaitu member e-commerce website Campina yang sudah pernah berbelanja paling tidak sekali lewat e-commerce website dan tinggal di area DKI Jakarta : Gambar 4.2 Gambar tampilan atas online survey Campina Delivery Sumber : halaman online survey Campina Delivery (2015) Kegiatan pengumpulan data ini juga dilakukan melalui kegiatan wawancara langsung ke responden lewat kegiatan consumer visit dengan membawa kuesioner yang sudah disusun. Sedangkan cara peneliti mengumpulkan data pribadi responden bisa dilihat di gambar 4.3. berikut yang menampilkan pertanyaan-pertanyaan untuk menggali data pribadi responden. Di internal Campina, kegiatan ini dinamakan Customer Day (hari untuk pelanggan). Team dari Campina Delivery mendatangi konsumen yang memesan es krim dan/atau ice cream cake Campina secara langsung dengan tujuan selain

15 100 mengirimkan pesanan pelanggan tersebut, juga melakukan tanya jawab untuk menggali informasi langsung dari konsumen tentang produk dan layanan Campina. Kegiatan ini lebih dikhususkan untuk pelanggan yang membeli es krim/ice cream cake secara online. Gambar 4.3. Gambar tampilan bawah online survey Campina Delivery (user profiling) Sumber : halaman online survey Campina Delivery (2015) Feed back (umpan balik) atas kuesioner ini juga sangat berguna untuk PT. Campina Ice Cream Industry untuk mengembangkan bisnis layanan pesan antar es krim dan ice cream cake ke depannya, baik lewat channel online maupun offline lebih jauh. Terutama untuk menghadapi persaingan di bisnis atau kategori es krim yang akan semakin ketat.

16 Teknik Analisa Data Data merupakan kumpulan dari nilai-nilai yang mencerminkan karakteristik dan individu-individu dari suatu populasi. Data yang diperoleh dan dikumpulkan dari hasil penyebaran kuesioner dan wawancara langsung dengan konsumen kemudian diolah dan dianalisis. Analisis data pada penelitian ini menggunakan metode SEM (Structural Equation Modelling). Sugiyono (2008) menjelaskan bahwa SEM adalah metode statistik yag digunakan untuk menguji hipotesis yang terstruktur (variabel dependen bisa lebih dari satu). Hipotesis yang dirumuskan merupakan hubungan banyak variabel (multiple variable) yang bersifat kausal Analisis Kuantitatif Pada penelitian ini, peneliti menggunakan analisis SEM (Structural Equation Modeling) dengan program pengolahan data AMOS 22. Dijelaskan oleh Santoso (2015), bahwa SEM adalah teknik statistik multivariat yang merupakan kombinasi antara analisis faktor dan analisis regresi (korelasi) yang bertujuan untuk menguji hubungan hubungan antar variabel yang ada pada sebuah model, baik itu antarindikator dengan konstruknya, ataupun hubungan antar-konstruk. Dari pengertian tersebut terlihat bahwa SEM lebih digunakan untuk melakukan confirmatory analysis daripada exploratory analysis. Sebuah model dibuat berdasarkan teori tertentu,

17 102 kemudian SEM digunakan untuk menguji apakah model tersebut dapat diterima atau ditolak. Ada beberapa tahapan pokok yang akan dilalui untuk menggunakan SEM dalam sebuah kegiatan penelitian : 1. Membuat sebuah model SEM (Model Spesification) Pada tahap ini, sebuah model (dengan berdasar teori tertentu) dibuat baik dalam bentuk equation (persamaan-persamaan matematis) maupun dalam bentuk diagram (gambar). Diagram akan memasukkan measurement model dan structural model. 2. Menyiapkan desain penelitian dan pengumpulan data Setelah model dibuat, sebelum model diuji, akan dilakukan pengujian asumsiasumsi yang seharusnya dipenuhi dalam SEM, perlakuan terhadap missing data (jika ada dan cukup banyak), mengumpulkan data, dan sebagainya. 3. Model Identification Setelah sebuah model dibuat dan desain sudah ditentukan, pada model dilakukan uji identifikasi, apakah model dapat dianalisis lebih lanjut. Penghitungan besar degree of freedom menjadi bagian penting dalam tahap ini. 4. Menguji Model (Model Testing dan Model Estimation) Setelah model dibuat dan dapat diidentifikasi, tahapan dilanjutkan dengan menguji measurement model dan structural model. Dari pengujian measurement model akan diperoleh keeratan hubungan antara variabel indikator dengan variabel konstruknya (laten). Jika measurement model dapat dianggap valid, maka pengujian dilanjutkan

18 103 pada structural model untuk memperoleh sejumlah korelasi yang menunjukkan hubungan antar variabel konstruk (laten). Karena model SEM berisi dua jenis model, yakni measurement model dan structural model, maka alat analisis yang digunakan juga terkait dengan tujuan analisis kedua jenis model tersebut : 1. Confirmatory Factor Analysis (CFA) Alat analisis ini digunakan untuk menguji sebuah measurement model. Dengan alat ini akan diketahui apakah variabel-variabel indikator yang ada memang benarbenar dapat menjelaskan sebuah variabel konstruk. Dengan melakukan CFA, dapat saja sebuah indikator dianggap tidak secara kuat berpengaruh atau dapat menjelaskan sebuah konstruk. 2. Multiple Regression Analysis (MRA) Alat analisis ini digunakan untuk menguji sebuah struktur model. Dengan alat ini dapat diketahui apakah ada hubungan yang signifikan antara variabel-variabel exogenous (bebas/independen) dengan variabel endogenous (dependen). Jika memang ada hubungannya, seberapa kuat hubungan yang ada? Konsep derajat kebebasan (degree of freedom) harus diketahui sebagai dasar pemahaman SEM. Kaitan degree of freedom dengan SEM sebelum pengujian model dilakukan adalah pemahaman model identification. Identifikasi sebuah model (SEM) berkaitan dengan apakah tersedia cukup informasi untuk mengidentifikasi adanya

19 104 sebuah solusi dari persamaan struktural. Jika model dianggap tidak dapat diidentifikasi, maka proses pengolahan data tidak dapat dilakukan. Degree of Freedom (Derajat Kebebasan) Dalam sebuah model SEM, df dapat diketahui dengan rumus : jumlah distinct sample moment dikurangi dengan jumlah distinc parameter agar dapat diestimasi. Rumus diatas dapat disederhanakan menjadi : df = ½[(p)x(p+1)]-k Dimana : model p = jumlah variabel manifes (indikator atau observed variables) pada sebuah k = jumlah parameter yang akan diestimasi Untuk dapat memahami hal tersebut, berikut ini adalah tiga jenis identifikasi yang mungkin dapat terjadi dalam analisis SEM : 1. Just Identified Pada SEM, model yang just identified mempunyai degree of freedom sebesar 0, dan dalam terminologi SEM dinamakan dengan saturated. Pada model yang just identified, karena sudah teridentifikasi, maka estimasi dan penilaian model tidak perlu dilakukan.

20 Over Identified Dalam SEM, model dikatakan over-identified jika degree of freedom adalah positif. Jika terjadi over-identified, maka estimasi dan penilaian model bisa dilakukan. Dengan demikian, besaran degree of freedom perlu diketahui karena menentukan apakah sebuah model layak diuji ataukah tidak. 3. Under Identified Dalam SEM, model dikatakan underidentified jika degree of freedom adalah negatif. Jika terjadi underidentified, maka estimasi dan penilaian model juga tidak perlu dilakukan. Setelah model dibuat dan diketahui degree of freedom-nya positif, maka proses selanjutnya adalah mengumpulkan data dari sample kemudian memasukannya pada program AMOS. Setelah itu dilakukan proses penilaian (assesment) dan pengujian (estimation). Penilaian ini dimaksudkan untuk mengetahui sejauh mana data fit dengan model yang sudah dibuat, yaitu apakah model telah valid dan apakah data sample yang diambil dapat menunjukkan kekuatan sebuah model dalam menjelaskan sebuah fenomena. Sedangkan pengujian lebih dimaksudkan untuk memperkirakan kekuatan dari hubungan hubungan antar variabel di dalam model. Proses penilaian dan pengujian ini dilakukan dengan teknik MLE (Maximum Likehood Estimation), yang didasarkan pada perbandingan antara matriks kovarians sample dengan populasi.

21 106 Covariance (Kovarians) Kovarians mendapat tempat yang penting dalam analisis SEM, bahkan SEM sendiri sering disamakan dengan analysis of covariance structures. Korelasi dan kovarians dalam ilmu statistik mengacu pada hal yang sama, yaitu melihat hubungan antar dua variabel, hanya pada penghitungan kovarians, penekanan lebih pada variasi kedua variabel yang terjadi secara bersama-sama. Correlations (Korelasi) Meskipun kovarians adalah alat utama untuk melakukan perhitungan dalam model SEM, namun ada alat statistik lain yang juga nanti akan dijumpai dalam analisis SEM, yaitu korelasi. Rumus korelasi : ρ = Cov(x,y) σx.σy Korelasi pada dasarnya adalah melakukan standarisasi pada hasil kovarians yang didapat. Namun berbeda dengan kovarians, angka korelasi dibatasi dari -1 sampai dengan +1. Tanda + atau - menunjukkan arah hubungan dua variabel, sedangkan besar angka dibelakangnya menunjukkan tingkat keeratan hubungan. Normalitas Data SEM mensyaratkan data berdistribusi normal atau dapat dianggap berdistribusi normal. Namun tidak setiap data berdistribusi normal, untuk mengurangi dampak dari ketidaknormalan sebuah distribusi data, penggunaan jumlah sample yang besar dapat

22 107 dipertimbangkan. Sebagai rasio yang umum digunakan, untuk setiap parameter yang akan diuji (digunakan dalam SEM), paling tidak harus ada lima belas data (sample atau responden). Sebagai contoh, jika ada tiga variabel konstruk dan masing-masing memiliki empat indikator, maka akan ada minimal dua belas parameter. Untuk itu jumlah sample minimal adalah 15 x 12 = 180 data (dalam bentuk excel ata SPSS berarti akan ada 180 baris data). Menurut Hidayat (2013) uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal. Menurut Putra (2013) distribusi normal merupakan salah satu distribusi probabilitas yang penting dalam analisis statistika. Distribusi ini memiliki parameter berupa mean dan simpangan baku. Distribusi normal dengan mean = 0 dan simpangan baku = 1 disebut dengan distribusi normal standar. Untuk memahami bagaimana uji normalitas, perlu diketahui parameter mean dan simpangan baku. Mean merupakan nilai rata-rata dari sekumpulan data yang ada. Biasanya, mean juga disebut dengan rata-rata. Mean biasa digambarkan dengan x bar.

23 108 Sedangkan untuk mengetahui simpangan baku, maka perlu diketahui terlebih dahulu varians. Varians menggambarkan berpencarnya suatu data kuantitatif. Varians diberi simbol σ 2 (baca: sigma kuadrat) untuk populasi dan untuk s 2 sampel. Berikut merupakan rumus yang digunakan untuk mencari varians. Varians dirumuskan dengan rumus sebagai berikut : atau Varians dan standar deviasi (simpangan baku) adalah ukuran-ukuran keragaman (variasi) data statistik yang paling sering digunakan. Standar deviasi (simpangan baku) merupakan akar kuadrat dari varian. atau

24 109 Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka data tersebut dapat diasumsikan berdistribusi normal. Berikut merupakan gambaran mengenai distribusi normal : Dari gambar tersebut dapat dilihat bahwa sumbu X (horizontal) memiliki rentang (range) dari minus tak hingga (- ) sampai dengan positif tak hingga (+ ) sedangkan kurva normal memiliki puncak X = 0. Menurut Putra (2013) pula menyatakan bahwa luas kurva normal adalah satu. Adapun secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung dengan menggunakan rumus sebagai berikut. Penilaian Model Fit (Goodness to Fit) Menurut Ghozali (2008), suatu model dikatakan fit bila kovarians matriks suatu model adalah sama dengan kovarians matriks data. Secara keseluruhan, goodness of fit dapat dinilai berdasarkan :

25 110 a. x 2 Chi Square Statistic Alat uji ini merupakan alat uji yang paling fundamental untuk mengukur overall fit. Tujuan dari pengujian chi-square adalah untuk mengetahui apakah matriks kovarians sample berbeda secara signifikan dengan matriks kovarians estimasi. Model yang diuji dipandang baik atau memuaskan apabila nilai chi square-nya rendah. Semakin kecil nilai x 2, maka semakin baik model tersebut. Dalam uji beda chi square, x2 = 0 berarti benar-benar tidak ada perbedaan dan model dapat diterima. b. Root Man Square Error for Approximation (RMSEA) RMSEA adalah suatu indeks yag dapat digunakan untuk mengompensasi chi square statistic dalam suatu sample yang besar. Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan apabila model diestimasi dalam populasi. Nilai RMSEA 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan suatu close fit dari model tersebut berdasarkan degree of freedom (df). Brownie dan Cudeck dalam Ferdinand (2000) dalam Santoso (2015) berpendapat bahwa nilai RMSEA 0,08 menunjukkan adanya reasonable error of approximation. Para ahli tidak memperkenankan penggunaan model dengan RMSEA 0,10.

26 111 c. Goodness of Fit Index (GFI) Indeks kesesuaian ini menghitung proporsi tertimbang dari varian dalam matrik kovarians sampel yang dijelaskan oleh matrik ovarian populasi yang terestimasikan. GFI adalah suatu ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) hingga 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan better fit. d. Adjusted Goodness of Fit (AGFI) AGFI adalah analog dari R 2 dalam regresi berganda. Tingkat yang direkomendasikan adalah apabila nilai AGFI 0,09. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varian dalam satu matriks kovarians sample. Nilai 0,95 dapat diinterpretasikan sebagai tingkatan yang baik (good overall model fit), sedangkan nilai 0,09 0,95 menunjukkan tingkatan yang cukup (adequate fit). e. CMIN/DF The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedom-nya akan menghasilkan indeks CMIN/DF. Hal ini umumnya disebut oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fit-nya suatu model. CMIN/DF tidak lain adalah chi square statistic (x 2 ) dibagi dengan DF-nya sehingga disebut sebagai x 2 -relatif. Nilai x 2 relatif < 2.0 atau bahkan terkadang < 0.3 adalah indikasi dari acceptable fit antara model dan data.

27 112 f. TFI (Tucker Lewis Index) TLI adalah suatu alternative incremental fit index yang membandingkan suatu model yang diuji terhadap suatu baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya satu model adalah 0,95, dan nilai yang mendekati 1 menunjukkan a very good fit. g. Comparative Fit Index (CFI) Besaran indeks ini ada pada rentang 0-1. Semakin mendekati 1 mengindikasikan tingkat fit yang paling tinggi (a very good fit). Nilai yang direkomdasikan oleh CFI adalah 0,95. Keunggulan dari indeks ini adalah bahwa indeks tersebut besarnya tidak dipengaruhi oleh ukuran sampel sehingga sangat bagus untuk mengukur tingkat penerimaan suatu model. Dalam penerimaan suatu model, indeks TLI dan CFI sangat dianjurkan untuk digunakan karena indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan model. Kriteria untuk menerima suatu model (data fit) ditunjukkan di tabel 4.3. berikut ini :

28 113 Tabel 4.3. Tabel Kriteria Penerimaan Model (Data Fit) Goodness of Fit Index Cut Off Value Diharapkan kecil X2 - chi square Significance probability 0,05 RMSEA 0,08 GFI 0,90 AGFI 0,90 CMIN/DF 2,00 TLI 0,95 CFI 0,95 Sumber : Putri (2014) Pada tampilan output tabel AMOS, akan ada tiga jenis model, yaitu default model, saturated model, dan independence model. Dijelaskan berikut ini, bahwa default model adalah model yang sekarang sedang diuji, saturated model adalah hasil pengujian pada kondisi dimana terjadi just identified, yaitu df (degree of freedom) adalah 0. Sedangkan independence model adalah hasil pengujian pada kondisi dimana setiap variabel indikator (manifest) dianggap tidak berhubungan dengan variabel konstruknya (laten) juga tidak ada hubungan antar variabel konstruk (laten). Dengan demikian, model yang dapat dikatakan bagus adalah model dengan hasil CMIN (chi-square) pada default model yang berada diantara CMIN saturated model dan CMIN independence model.

29 114 Analisis Hubungan Indikator dengan Konstruk Setelah model fit, proses selanjutnya adalah melihat apakah indikator-indikator yang ada pada sebuah konstruk memang merupakan bagian atau dapat menjelaskan konstruk tersebut. Proses tersebut dinamakan uji validitas konstruk (variabel laten), dan dapat dilakukan lewat beberapa cara : 1. Uji Convergent Validity Jika memang sebuah variabel indikator menjelaskan sebuah variabel konstruk, maka indikator tersebut akan mempunyai factor loading yang tinggi dengan konstruk tersebut dan total indikator akan mempunyai variance extracted (VE) yang cukup tinggi. Secara umum, factor loading diatas 0,7 menunjukkan sebuah indikator memang bagian dari konstruk, namun beberapa literatur menganggap batas tersebut adalah 0,5. 2. Uji Discriminant Validity Jika ada dua atau lebih konstruk dalam satu model, maka seharusnya setiap konstruk mempunyai keunikan tersendiri dan tidak berhubungan dengan kontruk yang lain. Uji diskriminan berlawanan dengn uji konvergen : jika uji konvergen menguji keeratan hubungan, maka uji diskriminasi justru mencari seberapa besar dua variabel berbeda.

30 Analisis Dimensi Analisis dimensi digunakan untuk mengetahui bagaimana pengaruh dimensi variabel bebas terhadap variabel terikat. Dari sini maka dapat diketahui matriks yang besarannya -1 r 1. Berikut di tabel 4.4. merupakan matriks yang menunjukkan korelasi antara variabel bebas, variabel terikat, dan variabel intervening. Berdasarkan analisis dimensi diatas, maka akan terlihat hubungan antar variabel kegiatan pemasaran digital (X1) dengan kesadaran konsumen terhadap e-commerce website Campina (Y), kegiatan pemasaran digital (X1) dan keputusan pembelian konsumen (Y), perilaku konsumen secara online (X2) dan kesadaran konsumen terhadap e-commerce website Campina (Y) serta perilaku konsumen secara online (X2) dan keputusan pembelian konsumen di e-commerce website Campina (Z).

31 116 Tabel 4.4. Analisis Dimensi Antara Variabel Bebas, Terikat, dan Intervening Variabel Dimensi Y (Kesadaran Konsumen) Z (Keputusan Pembelian di Website) Y1 Y2 Y3 Y4 Z1 Z2 Z3 Unaware of Brand Consumer Pengalaman Brand Recall Top of mind Trust Brand Recoqnition value membeli X1.1 Website rx1.1 Y1 rx 1.1 Y2 rx 1.1 Y3 rx 1.1 Y4 rx 1.1 Z1 rx 1.1 Z2 rx 1.1 Z3 X1.2 SEO rx1.2 Y1 rx 1.2 Y2 rx 1.2 Y3 rx 1.2 Y4 rx 1.2 Z1 rx 1.2 Z2 rx 1.2 Z3 X1 Pemasaran Digital X1.3 Online PR rx1.3 Y1 rx 1.3 Y2 rx 1.3 Y3 rx 1.3 Y4 rx 1.3 Z1 rx 1.3 Z2 rx 1.3 Z3 X1.4 Social network rx1.4 Y1 rx 1.4 Y2 rx 1.4 Y3 rx 1.4 Y4 rx 1.4 Z1 rx 1.4 Z2 rx 1.4 Z3 X1.5 marketing rx1.5 Y1 rx 1.5 Y2 rx 1.5 Y3 rx 1.5 Y4 rx 1.5 Z1 rx 1.5 Z2 rx 1.5 Z3 X1.6 CRM rx1.6 Y1 rx 1.6 Y2 rx 1.6 Y3 rx 1.6 Y4 rx 1.6 Z1 rx 1.6 Z2 rx 1.6 Z3 X2 Perilaku Online Konsumen X2.1 X2.2 X2.3 X2.4 Pengetahuan internet Pengalaman belanja Pengalaman hiburan Penggunaan website rx 2.1 Y1 rx 2.1 Y2 rx 2.1 Y3 rx 2.1 Y4 rx 2.1 Z1 rx 2.1 Z2 rx 2.1 Z3 rx 2.2 Y1 rx 2.2 Y2 rx 2.2 Y3 rx 2.2 Y4 rx 2.2 Z1 rx 2.2 Z2 rx 2.2 Z3 rx 2.3 Y1 rx 2.3 Y2 rx 2.3 Y3 rx 2.3 Y4 rx 2.3 Z1 rx 2.3 Z2 rx 2.3 Z3 rx 2.4 Y1 rx 2.4 Y2 rx 2.4 Y3 rx 2.4 Y4 rx 2.4 Z1 rx 2.4 Z2 rx 2.4 Z3 Sumber : data penulis (2015) Dari sini pula, untuk mengetahui besaran pengaruh antar variabel tersebut maka seharusnya diketahui berapa besaran standar yang diperlukan untuk mengetahui hubungan tersebut. Adapun berikut ini merupakan besaran koefisien korelasi yang digunakan untuk mengetahui seberapa kuat pengaruh antar variabel. Adapun berikut merupakan hubungan koefisien korelasi (r) menurut Arisworo (2011) :

32 117 Tabel 4.5. Tingkat Hubungan Nilai r Koefisien Korelasi Kategori 0,800 1,000 Sangat Kuat 0,600 0,799 Kuat 0,400 0,599 Cukup Kuat 0,200 0,399 Rendah 0,000 0,199 Sangat Rendah Sumber : Putri (2014)

33 118 BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1. Gambaran Umum Lokasi Penelitian Pada pelaksanaan penelitian ini, lokasi yang menjadi tempat penelitian adalah Propinsi DKI Jakarta. Hal ini dikarenakan sebagian besar dari transaksi yang terjadi secara online di e-commerce website Campina Delivery dan juga traffic masuk ke e- commerce website ini berasal dari area DKI Jakarta dan sekitarnya. Sedangkan para responden yang diminta mengisi kuesioner baik secara online maupun lewat wawancara langsung sudah ditentukan sebelumnya, yaitu mereka yang sudah terdaftar sebagai member di e-commerce website Campina Delivery, sudah pernah melakukan transaksi setidaknya satu kali, dan tinggal di area DKI Jakarta. Yang dimaksud dengan menjadi member adalah mendaftarkan nama, alamat e- mail, dan tanggal lahirnya, yang kemudian diverifikasi lewat sebuah link (tautan) yang dikirim ke alamat masing-masing. Salah satu tujuan langkah verifikasi ini adalah untuk memastikan bahwa yang didaftarkan adalah valid, sehingga dapat dipergunakan sebagai sarana komunikasi antara pengelola e-commerce website dan pelanggan itu sendiri untuk konfirmasi pemesanan, konfirmasi pembayaran, hingga konfirmasi bahwa pesanan sudah terkirim ke alamat yang diinginkan.

34 Data Karakteristik Responden Pada bagian ini akan dijelaskan tentang data karakteristik dari responden. Data karakteristik responden dalam penelitian disajikan agar dapat dilihat profil dari data penelitian dan hubungan yang ada antar variabel yang digunakan dalam penelitian. Data karakteristik ini menggambarkan keadaan atau kondisi responden perlu diperhatikan sebagai informasi tambahan untuk memahami hasil-hasil penelitian Jenis Kelamin Responden Jenis kelamin responden merupakan gender dari konsumen yang menjadi responden di dalam penelitian kali ini. Berdasarkan hasil kuesioner, ditampilkan perbandingan antara jenis kelamin responden lewat gambar 5.1. Berdasarkan gambar tersebut, nampak bahwa mayoritas dari responden adalah perempuan sebesar 72% dan laki-laki sebesar 28%. Melihat hasil tersebut, diketahui bahwa perempuan memiliki kecenderungan yang tinggi untuk berbelanja es krim dan ice cream cake via online channel di Campina Delivery.

35 120 Gambar 5.1. Diagram Jenis Kelamin Responden Sumber : data primer diolah (2016) Usia Responden Usia responden merupakan usia dari konsumen yang menjadi responden di dalam penelitian kali ini, yang diperoleh dari hasil pengolahan data primer. Dari tampilan grafik diatas, dapat disimpulkan bahwa sebagian besar pelanggan Campina Delivery yang membeli es krim dan ice cream cake via e-commerce website adalah mereka yang berasal dari range usia tahun (27%) dan tahun (23%). Range usia tahun (16%) dan tahun (17%) juga perlu untuk diperhitungkan, karena masih tergolong usia yang produktif. Berdasarkan hasil kuesioner, maka dapat dilihat hasil seperti berikut ini :

36 121 Gambar 5.2. Diagram Range Usia Responden Sumber : data primer diolah (2016) Pekerjaan Responden Pekerjaan responden, merupakan latar belakang dari konsumen yang menjadi responden dalam penelitian kali ini. Sebagian besar profesi dari reponden (yang juga pelanggan dan member dari e-commerce website Campina Delivery) adalah karyawan (58%). Dari pertanyaan profiling yang ada di kuesioner, mereka yang disebut karyawan adalah mereka yang menyebutkan dirinya bekerja sebagai pegawai karyawan/karyawati swasta. Persentase besar lainnya dari profesi responden adalah Ibu Rumah Tangga (13%) dan Wirausaha (13%). Kedua kelompok profesi responden ini juga tetap harus diperhatikan. ini : Berdasarkan hasil consumer profiling di kuesioner, tampak hasil seperti berikut

37 122 Gambar 5.3. Diagram Pekerjaan Responden Sumber : data primer diolah (2016) Tempat Tinggal Responden di DKI Jakarta Dari total responden yang tinggal di DKI Jakarta, akan dilihat persentase dari responden tinggal di kotamadya mana di area DKI Jakarta ini pada grafik berikut ini :

38 123 Gambar 5.4. Diagram Tempat Tinggal Responden di DKI Jakarta Sumber : data primer diolah (2016) DKI Jakarta merupakan salah satu dengan kontribusi penjualan yang paling besar untuk channel Campina Delivery, baik lewat jalur pemesanan online maupun offline. Dan dari grafik diatas dapat dilihat bahwa area dimana member e-commerce website Campina Delivery terbanyak berasal adalah dari kotamadya Jakarta Timur (33%), dan kemudian kotamadya Jakarta Selatan (23%), dan kotamadya Jakarta Barat (21%). Hal ini menunjukkan bahwa potensi penjualan untuk lini bisnis pesan antar Campina Delivery ada di tiga kotamadya ini. Dengan demikian, dapat disimpulkan sementara bahwa responden yang sebelumnya sudah ditentukan kriterianya adalah mereka yang sebagian besar tinggal di area Jakarta Timur dan Jakarta Selatan, berprofesi sebagai karyawan/karyawati, berusia antara tahun, dan berjenis kelamin perempuan.

39 Hasil Penelitian Pengumpulan dan pengolahan data dilakukan dalam kurun waktu bulan Desember Data diperoleh dari online kuesioner yang dikirimkan ke pelanggan Campina Delivery yang sudah terdaftar sebagai member di e-commerce website Campina, pernah melakukan transaksi setidaknya satu kali selama menjadi member, dan tinggal di wilayah DKI Jakarta di tanggal 20 Desember Selain lewat online kuesioner, pengumpulan data dilakukan dengan mendatangi pelanggan Campina Delivery secara langsung lewat aktivitas Customer Day di bulan Desember 2015, yang membeli es krim lewat website untuk diberikan serangkaian pertanyaan penelitian, yang salah satunya bertujuan untuk mengukur tingkat kepuasan pelanggan atas layanan Campina Delivery, baik melalui saluran komunikasi online maupun offline.

40 Penyajian Data Signifikan Signifikan Gambar 5.1. Tampilan Path Diagram dengan Parameter Unstandardized Estimates Sumber : output AMOS 22 (2016) Gambar 5.2. Tampilan Path Diagram dengan Parameter Standardized Estimates Sumber : output AMOS 22 (2016)

41 Analisis Data Pemodelan dan Structural Equation Modelling (SEM) Notes for Model (Default model) Computation of degrees of freedom (Default model) Number of distinct sample moments : 153 Number of distinct parameters to be estimated : 38 Degrees of freedom (153-38) : 115 Result (Default model) Minimum was achieved Chi-square = 1926,241 Degrees of freedom = 115 Probability level =,000 Tampilan diatas menjelaskan bahwa : 1. Jumlah momen sampel (number of distinct sample moments) adalah {n (n+1)}/2 dengan n (jumlah seluruh indikator) adalah 19, maka momen sampel = {17 (17+1)}/2 = {19 (20)}/2 = Jumlah parameter yang akan diestimasi adalah jumlah seluruh anak panah yang ada di model. Dalam model keputusan pembelian tersebut terdapat 38 anak panah, dengan demikian, jumlah anak parameter yang akan diestimasi adalah Degree of freedom (df) adalah = 115, yang berarti df sudah positif Terlihat bahwa df adalah positif (115), dan ada kalimat minimum was achieved, yang menunjukkan bahwa AMOS telah berhasil mengestimasi varians dan kovarian

42 127 yang ada, sehingga pengujian model dapat dilakukan. Nilai probability level yang dihasilkan adalah 0,000 dimana nilai tersebut kurang dari 0,05. Maka dapat disimpulkan bahwa model tidak fit dengan data. Estimates (Group number 1 - Default model) Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Tabel estimasi berikut ini memperlihatkan signifikansi variabel-variabel independen baik indikator maupun laten terhadap variabel-variabel dependen (variabel yang dipengaruhi). Suatu pengaruh dikatakan signifikan jika nilai P value < (kurang dari) Tanda bintang menunjukkan bahwa nilai P value-nya sangat kecil.

43 128 Tabel 5.1. Regression Weights : (Group number 1 - Default model) Estimate S.E. C.R. P Label Awareness <--- PmsrnDig,898,382 2,353,019 par_14 Awareness <--- Perilaku 1,387 1,798,772,440 par_15 Keputusan <--- PmsrnDig,462,133 3,475 *** par_16 Keputusan <--- Perilaku 3,263 1,002 3,257,001 par_17 Keputusan <--- Awareness,025,017 1,521,128 par_18 X6 <--- PmsrnDig,806,050 16,051 *** par_1 X5 <--- PmsrnDig 1,027,080 12,901 *** par_2 X4 <--- PmsrnDig,946,069 13,614 *** par_3 X3 <--- PmsrnDig,937,060 15,665 *** par_4 X2 <--- PmsrnDig,986,059 16,851 *** par_5 X1 <--- PmsrnDig 1,000 X10 <--- Perilaku 5,411 1,336 4,051 *** par_6 X9 <--- Perilaku 2,728,686 3,978 *** par_7 X8 <--- Perilaku 5,141 1,268 4,054 *** par_8 X7 <--- Perilaku 1,000 Y1 <--- Awareness 1,000 Y2 <--- Awareness,394,023 17,093 *** par_9 Y3 <--- Awareness,325,032 10,091 *** par_10 Y4 <--- Awareness,613,033 18,642 *** par_11 Z1 <--- Keputusan 1,000 Z2 <--- Keputusan,778,030 25,996 *** par_12 Z3 <--- Keputusan,881,036 24,570 *** par_13 Sumber : output AMOS 22 (2016)

44 129 Berdasarkan tabel di atas dapat disimpulkan bahwa Pemasaran Digital berpengaruh secara signifikan terhadap Customer Awareness (kesadaran konsumen) dan Keputusan Pembelian Konsumen di e-commerce website Campina. Perilaku Konsumen Secara Online berpengaruh secara signifikan terhadap Keputusan Pembelian. Sementara Perilaku Konsumen Secara Online tidak berpengaruh secara signifikan terhadap Customer Awareness terhadap e-commerce website Campina, dan Customer Awareness terhadap e-commerce website Campina tidak berpengaruh signifikan terhadap Keputusan Pembelian di e-commerce website Campina. Untuk melihat besarnya efek dari variabel eksogen (independen/yang mempengaruhi) ke variabel endogen (dependen/yang dipengaruhi), maka dapat hasil perhitungan estimasi parameter dengan menggunakan AMOS 22 secara standardize adalah sebagai berikut :

45 130 Tabel 5.2. Standardized Regression Weights : (Group number 1 - Default model) Estimate Awareness <--- PmsrnDig,367 Awareness <--- Perilaku,121 Keputusan <--- PmsrnDig,363 Keputusan <--- Perilaku,548 Keputusan <--- Awareness,049 X6 <--- PmsrnDig,631 X5 <--- PmsrnDig,488 X4 <--- PmsrnDig,519 X3 <--- PmsrnDig,612 X2 <--- PmsrnDig,670 X1 <--- PmsrnDig,641 X10 <--- Perilaku,779 X9 <--- Perilaku,537 X8 <--- Perilaku,796 X7 <--- Perilaku,143 Y1 <--- Awareness,751 Y2 <--- Awareness,599 Y3 <--- Awareness,372 Y4 <--- Awareness,647 Z1 <--- Keputusan,868 Z2 <--- Keputusan,756 Z3 <--- Keputusan,726 Sumber : output AMOS 22 (2016)

46 131 Model Fit Summary Tabel 5.3. CMIN (Chi-square) Model NPAR CMIN DF P CMIN/DF Default model , ,75 Saturated model Independence model , ,217 Sumber : output AMOS 22 (2016) Tujuan pengujian Chi-square adalah untuk mengetahui apakah matrik kovarian sampel berbeda dan signifikan dengan matriks kovarian estimasi. Interpretasi analisis : Model yang baik adalah model dengan nilai CMIN pada Default Model berada di antara CMIN Saturated Model dan CMIN Independence Model. Pada tabel CMIN di atas, nilai CMIN pada Default Model (1.926,241) berada di antara CMIN Saturated Model (0,000) dan CMIN Independence Model (6.149,494) yang berarti bahwa model sudah dapat dikatakan baik. Tabel 5.4. RMR (Root Mean Residual), GFI (Goodness of Fit Index) Model RMR GFI AGFI PGFI Default model 0,157 0,813 0,751 0,611 Saturated model 0 1 Independence model 0,168 0,341 0,259 0,303 Sumber : output AMOS 22 (2016)

47 132 Secara teoritis, angka GFI dan AGFI berkisar antara 0 dan 1, dengan pedoman bahwa semakin hasil GFI dan AGFI mendekati angka 1, akan semakin baik model tersebut dalam menjelaskan data yang ada. Dan secara logika, semakin kecil hasil RMR (badness of fit) maka akan semakin baik, yang menandakan semakin dekatnya angka pada sampel dengan estimasinya. Interpretasi analisis : Berdasarkan tabel di atas dapat dilihat bahwa nilai GFI (0,813) dan AGFI (0,751) cukup besar dan mendekati 1, dan nilai RMR yang sangat kecil (0,157). Dengan demikian dapat disimpulkan bahwa model sudah fit dengan data, karena angka GFI yang besar menunjukkan rasio F/Fk yang besar, atau F=Fk. Sedangakan angka RMR yang kecil menunjukkan kovarians sampel mendekati angka kovarians estimasi. Semua menunjukkan dukungan terhadap hasil uji Chi-square, yaitu matriks kovarian sampel tidak berbeda dengan matriks kovarians estimasi. Tabel 5.5. Baseline Comparisons Model NFI RFI IFI TLI Delta1 rho1 Delta2 rho2 Default model 0,687 0,63 0,7 0,644 0,699 Saturated model Independence model CFI Sumber : output AMOS 22 (2016)

48 133 Pada Baseline Comparisons, akan dibandingkan model tertentu dengan null model, yakni model yang mempunyai asumsi bahwa semua indikator (variabel manifest/observed variables) tidak berkorelasi satu dengan lainnya. Alat uji yang digunakan tetap Chi-square, hanya nanti hasil perhitungan Chi-square akan dibandingkan (relatif) terhadap null model (disebut juga dengan istilah baseline model). NFI (Normed Fit Index) pada dasarnya membandingkan Chi-square hitung pada berbagai model. Sedangkan CFI (Comparative Fit Index) membandingkan angka NCP (Non Centrality Parameter) pada berbagai model. Interpretasi analisis : Model yang baik adalah model dengan nilai NFI, RFI, IFI dan CFI tinggi (mendekati angka 1). Jika dilihat dari tabel Baseline Comparisons di atas nilai NFI, RFI, IFI dan CFI tidak begitu tinggi (dibawah 0,9). Dengan demikian, tidak cukup kuat untuk mengatakan bahwa model sudah fit dengan data. Tabel 5.6. Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model 0,846 0,581 0,591 Saturated model Independence model Sumber : output AMOS 22 (2016)

49 134 Kelompok pengujian ini membandingkan model yang kompleks dengan model yang sederhana (parsimoni atau ringkas). Karena itu, alat ukur ini sebenarnya tidak efektif untuk mengukur model tunggal (single model), namun akan efektif saat membandingkan dua model, yang terdiri atas model kompleks dengan model yang lebih sederhana. Alat ukur yang termasuk kategori ini adalah PRATIO (parsimony ratio), PNFI, PCFI, dimana : PNFI = PRATIO x NFI, yaitu : 0,846 x 0,687 = 0,581 PCFI = PRATIO x CFI, yaitu : 0,846 x 0,699 = 0,591 Interpretasi analisis : Model yang baik adalah model dengan angka PRATIO, PNFI dan PCFI berada di antara 0 sampai 1. Dari angka-angka pada tabel di atas, terlihat model sudah fit dengan data karena angka berada pada rentang nilai 0 dan 1. Tabel 5.7. NCP Model NCP LO 90 HI 90 Default model 1811, , ,189 Saturated model Independence model 6013, , ,19 Sumber : output AMOS 22 (2016)

50 135 Tabel 5.8. FMIN Model FMIN F0 LO 90 HI 90 Default model 2,119 1,993 1,84 2,153 Saturated model Independence model 6,765 6,616 6,337 6,901 Sumber : output AMOS 22 (2016) Tabel 5.9. RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model 0,132 0,126 0,137 0 Independence model 0,221 0,216 0,225 0 Sumber : output AMOS 22 (2016) Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan apabila model diestimasi dalam populasi. Nilai RMSEA 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan suatu close fit dari model tersebut berdasarkan degree of freedom (df). Interpretasi analisis : RMSEA (Root Mean Square Error of Approximation), dengan pedoman nilai RMSEA dibawah 0,08 menunjukkan model yang baik. Terlihat pada output AMOS diatas, bahwa nilai RMSEA di atas nilai 0,08 maka dapat disimpulkan bahwa model tidak fit dengan data.

51 136 Tabel AIC Model AIC BCC BIC CAIC Default model 2002, , , ,152 Saturated model , , ,457 Sumber : output AMOS 22 (2016) Interpretasi analisis: Model yang baik adalah model dengan nilai AIC (Aikake Information Criterion), BCC, BIC dan CAIC yang lebih kecil dari nilai yang ada di Saturated Model dan Independence Model. Berdasarkan tabel AIC di atas, dapat dilihat bahwa, nilai AIC, BCC, BIC dan CAIC bukan yang paling kecil dibandingkan dengan nilai pada Saturated Model dan Independence Model. Dengan demikian dapat disimpulkan bahwa model tidak fit dengan data. Tabel ECVI Model ECVI LO 90 HI 90 MECVI Default model 2,203 2,05 2,363 2,204 Saturated model 0,337 0,337 0,337 0,343 Independence model 6,803 6,524 7,088 6,803 Sumber : output AMOS 22 (2016)