Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658-- Pemodelan Faktor-Faktor Yang Mempengaruhi Kesetiaan Konsumen Dengan Metode Covariance Based Structural Equation ing (Studi Kasus: Pengaruh Kesetiaan Konsumen Untuk Berbelanja Kembali Di Mini Market Eramart Samarinda) Ayu Ismiati.Z, Ika Purnamasari,*, Rito Goejantoro Laboratorium Statistika Terapan Program Studi Satistika FMIPA, Universitas Mulawarman Program Studi Statistika FMIPA, Universitas Mulawarman *Corresponding Author: ika.purnamasari@ymail.com Abstrak Structural Equation ing (SEM) merupakan suatu teknik yang menggabungkan antara analisis faktor, analisis jalur dan regresi berganda, sehingga dipilih peneliti karena mempunyai keunggulan dibandingkan dengan teknik analisis multivariate biasa yang memungkinkan peneliti untuk menguji dan mengestimasi secara simultan hubungan antara variabel independen dan variabel dependen dengan banyak indikator. SEM terdiri dari tiga jenis, yaitu Covariance Based Structural Equation ing (CBSEM), Partial Least Square (PLS), dan Generalized Structural Component Analysis (GSCA). Tujuan penelitian ini untuk mengetahui faktor-faktor yang mempengaruhi kesetiaan koonsumen untuk berbelanja kembali dengan menggunakan metode CBSEM. Faktor-faktor yang mempengaruhi kesetiaan konsumen adalah faktor kepuasan konsumen, interaksi pekerja dan fasilitas. Ketiga faktor tersebut merupakan variabel laten yang memiliki masing-masing indikator pembentuknya. Hasil penelitian ini menunjukkan bahwa faktor interaksi pekerja dan fasilitas memiliki pengaruh yang signifikan terhadap kesetiaan konsumen. Besarnya pengaruh langsung faktor interaksi pekerja dan faktor fasilitas terhadap kesetiaan konsumen sebesar 0.476. Tanda positif menandakan hubungan yang searah. Artinya, semakin baik interaksi pekerja dan semakin lengkapnya fasilitas yang tersedia maka semakin setia konsumen di mini market tersebut. Kata-kata kunci CBSEM, GLS, kesetiaan konsumen, model pengukuran reflektif Pendahuluan Structural Equation ing (SEM) merupakan teknik analisis multivariat yang dikembangkan guna menutupi keterbatasan yang dimiliki oleh model-model analisis sebelumnya yang telah digunakan secara luas dalam penelitian statistik. Analisis pengaruh semakin bertambah kompleks lagi ketika melibatkan beberapa variabel laten dan variabel terukur. Dimana variabel terukur terdiri atas banyak variabel dan banyak indikator. SEM dipilih karena mempunyai banyak keunggulan dibandingkan dengan teknik analisis multivariat biasa sehingga memungkinkan peneliti untuk menguji dan mengestimasi secara simultan hubungan antara variabel independen dan variabel dependen dengan banyak indikator. Pada umumnya terdapat tiga jenis SEM Covariance Based Structural Equation ing (CBSEM), Partial Least Squares (PLS) dan Generalized Structured Component Analysis (GSCA). Pada penelitian ini peneliti menggunakan SEM dengan jenis Covariance Based Structural Equation ing (CBSEM). Structural Equation ing Pada tahun 950-an, SEM sudah mulai dikemukakan oleh para ahli statistik yang mencari metode untuk membuat model yang dapat menjelaskan hubungan di antara variabel-variabel [].. Variabel Dalam SEM Dalam analisis SEM variabel yang berfungsi sebagai variabel penjelas dan variabel yang dijelaskan, yaitu variabel eksogen dan variabel endogen [].. Pengukuran a. pengukuran reflektif b. pengukuran formatif Covariance Based Structural Equation ing Secara umum CBSEM yang dikembangkan oleh Karl Joreskog (969) bertujuan untuk mengestimasi model struktural berdasarkan teoritis yang kuat untuk menguji hubungan kausalitas antar konstruk [4]. CBSEM mengharuskan dalam membentuk variabel laten, indikatorindikatornya bersifat reflektif.. Asumsi dalam CBSEM 507
Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658-- a. Ukuran sampel b. Data berdistribusi normal multivariat c. Data outlier. Identifikasi model CBSEM Identifikasi model menjadi penting untuk mengetahui apakah model yang dibangun dengan data empiris yang dikumpulkan itu memiliki nilai yang unik ataukah tidak sehingga model tersebut dapat diestimasi [5]. Ada tiga kemungkinan identifikasi model yaitu : a. just identified : nilai db = 0 b. unidentified : nilai db < 0 c. over identified : nilai db > 0. Estimasi model Dalam analisis CBSEM setidaknya terdapat estimasi yang sering digunakan oleh peneliti, yaitu Maximum likelihood (ML), Generalized Least Square (GLS), dan Asymptotically Distribution Free (ADF). Karena berbagai asumsi yang harus dipenuhi maka penelitian ini dirasa lebih menghasilkan estimasi parameter yang baik jika menggunakan metode estimasi GLS. 4. Evaluasi model CBSEM Evaluasi model bertujuan untuk mengevaluasi model secara keseluruhan. Dalam CBSEM dapat dilakukan dengan menilai hasil pengukuran model yaitu dengan analisis faktor konfirmatori dengan menguji validitas dan reliabilitas indikator-indikator pembentuk konstruk []. 5. Menilai kean model Tujuan dari uji kean model adalah untuk mengetahui apakah suatu model tersebut dikatakan dan baik. Modifikasi model Setelah menilai kean model secara keseluruhan dan didapatkan model yang diuji ternyata tidak maka perlu dilakukan modifikasi model. Dimana salah satu tujuan utama dari modifikasi model ini adalah untuk menghasilkan model yang yang lebih. Mini Market Eramart Berawal pada bisnis toko serba 5.000 dan serba 0.000 pada tahun 004, dengan mulai populernya sistem penjualan barang yang hanya menjual produk dengan harga Rp.5000 dan Rp.0000, dimana produk yang dijual rata-rata berupa mainan anak-anak, aksesoris dan peralatan rumah tangga. Toko yang menjadi cikal bakal ini bernama "ERA 5000" yang terletak di Kompleks Pertokoan Citra Niaga Samarinda. Dari nama toko cikal bakal ini, kemudian menjadi icon untuk ERA 5000 swalayan dan Eramart Group di Samarinda yang akhirnya sampai saat ini menjadi salah satu retail market yang berkembang pesat dalam regional Kalimantan Timur. Metode Penelitian Dalam penelitian populasi yang digunakan adalah semua konsumen yang pernah berbelanja di Mini Market Eramart di jalan Wahid Hasyim Samarinda. Sedangkan sampel pada penelitian ini diambil dengan cara nonprobability sampling, dimana tidak memberi peluang/kesempatan yang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Dalam penelitian ini terdiri dari empat konstruk, konstruk terdiri dari beberapa indikator yaitu:. Variabel laten endogen yaitu kesetiaan ( ). Memiliki indikator yaitu brand image (merk) yang disingkat Y, word of mouth communication atau disingkat Y, dan pembelian ulang atau disingkat Y.. Variabel laten eksogen pertama yaitu kepuasan (ξ ). Memiliki indikator bersifat reflektif yaitu letak barang (X ), harga barang (X ), dan kelengkapan barang (X ).. Variabel laten eksogen kedua yaitu interaksi (ξ ). Memiliki 4 indikator bersifat reflektif yaitu keramahan pekerja (X 4 ), layanan (X 5 ), tingkat kebersamaan (X 6 ) dan kejujuran pemilik toko (X 7 ). 4. Variabel laten eksogen ketiga yaitu fasilitas (ξ ). Memiliki 4 indikator bersifat reflektif yaitu ATM center (X 8 ), tempat parkir (X 9 ), tempat penitipan barang (X 9 ) dan tempat bermain anak (X ), Teknik analisis data dalam penelitian ini adalah:. Uji validitas dan reliabilitas. Analisis statistika deskriptif. Pemodelan CBSEM a. Membuat diagram jalur b. Mengkonversi diagram jalur ke dalam bentuk persamaan c. Memilih jenis matriks dan estimasi model d. Menilai identifikasi model 508
Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658-- e. Kean model f. Interpretasi dan modifikasi model Hasil dan Pembahasan. Uji validitas dan reliabilitas Uji validitas dilakukan berdasarkan hasil kuesioner yang telah diisi oleh responden dengan tahapan sebagai berikut: Hipotesis H 0 : Butir pertanyaan tidak valid. H : Butir pertanyaan valid. Taraf signifikansi yang digunakan adalah 5%. Uji validitas menggunakan rumus korelasi product moment r. Untuk hitung r diperoleh dengan cara interpolasi. dengan tingkat signifikansi 5% diperoleh derajat bebas (db) = n- =0- = 08. Nilai db 8 berada diantara db 00 dan db 00. Dimana db = 00 memiliki r sebesar 0. dan db = 00 memiliki r = 0.8. maka r untuk db = 08 adalah. r 0, 08 00 0,8 0, 00 00 r 0, 9 0,05 00 9 0, (0,05) 00 9 r (0,05) 0, 00 0,6 r r Perhitungan validitas dilakukan dengan software SPSS 0, hasil r hitung dirangkum pada Tabel Tabel Uji validitas butir pertanyaan Indikator Nilai r hitung Nilai r Keterangan Y 0,450 0,6 valid Y 0,598 0,6 valid Y 0,554 0,6 valid X 0,5 0,6 valid X 0,64 0,6 valid X 0,56 0,6 valid X 4 0,66 0,6 valid X 5 0,54 0,6 valid X 6 0,8 0,6 valid X 7 0,4 0,6 valid X 8 0,484 0,6 valid X 9 0,96 0,6 valid. Uji reliabilitas Uji realibiltas digunakan untuk menunjukkan seberapa baiknya butir pertanyaan yang digunakan dalam penelitian Tabel Uji reliabilitas butir pertanyaan Nilai r cronbach s alpha Nilai r Keterangan 0,6 Reliabel Berdasarakan diperoleh bahwa nilai Cronbach s Alpha > r maka diputuskan menolak H 0 sehingga dapat disimpulkan semua butir pertanyaan reliabel.. Memilih jenis matriks Dalam penelitian ini menggunakan matriks korelasi karena bertujuan untuk melihat pola saling berhubungan antar konstruk. R 0,74 0.64 0,768 0,74 0,489 0,4 0,64 0,489 0,4 0,768 0,4 0,4 Berdasarkan matriks korelasi (R) dapat diketahui bahwa: a. T kuat antara kepuasaan konsumen ) ( dan kemampuan berinteraksi pekerja ( ) dengan nilai korelasi sebesar 0,74. b. T rendah antara kepuasan konsumen dengan nilai c. d. e. ( ) dan fasilitas ) ( korelasi sebesar 0,64. sedang antara kemapuan berinteraksi pekerja ) dan fasilitas ) dengan ( nilai korelasi sebesar 0,489. ( kuat antara kepuasan konsumen ) dan ( kesetian konsumen dengan nilai korelasi sebesar 0,768. sedang antara kemampuan berinteraksi pekerja ) dan kesetiaan ( 509
ISBN: 978-60-7658-- δ 6 δ 5 δ 7 X7 λ 7, δ4 konsumen dengan nilai korelasi sebesar 0,4. X6 X5 X4 λ 6, λ 5, λ 4, φ, φ, δ δ δ X λ, λ, X δ λ 0, X0 δ 0 X ξ λ, λ 9, X9 δ 9 X λ, γ, λ 8, X8 δ 8 γ, γ, λ, λ, λ, Y Y Y Prosiding Seminar Sains dan Teknologi FMIPA Unmul Periode Maret 06, Samarinda, Indonesia f. T sedang antara fasilitas ) dan kesetiaan konsumen ( dengan nilai korelasi sebesar 0,4. 4. Uji kenormalan Pengujian data berdistribusi normal multivariat dalam analisis deskriptifnya dapat menggunakan nilai critical ratio skewness dan critical ratio kurtosis. Dirangkum pada Tabel Uji kenormalan data Indikator Critical Ratio Skewness Critical Ratio Kurtosis Y -0,95-0,74 Y,07 0,6 Y -0,65 -,07 X -0, -,8 X -, 0,7 X -, 0,08 X 4-0,8 0,05 X 5-0,89,0 X 6 -,0 0,94 X 7 -,9,09 X 8-0,9 -, X 9 -,9 0,05 X 0-0,89 0,8 X -0,95 0,9 Dapat dilihat pada nilai critical ratio skewness dan kurtosis, terlihat bahwa banyak atau dapat dikatakan semua indikator memiliki nilai critical ratio skewness dan kurtosis memiliki nilai berada diantara -,96 sampai,96 dengan tingkat kepercayaan 95%. Berarti semua indikator membentuk kurva normal. Sehingga dapat dikatakan semua indikator berdistribusi normal. 5. Pemodelan SEM ε ε ε 50 Gambar Diagram jalur penelitian 6. Uji Validitas dan reliabilitas indikator Tabel 4 Uji Validitas indikator Indikator Nilai faktor Keterangan loading Y 0.576 Valid Y 0,845 Valid Y 0,64 Valid X 0.95 Valid X 0,96 Valid X 0,45 Tidak Valid X 4 0,740 Valid X 5 0,87 Valid X 6 0,00 Tidak Valid X 7 0,40 Tidak Valid X 8 0,96 valid X 9 0,956 Valid X 0 0.488 Tidak Valid X 0.06 Tidak Valid Berdasarkan 4 maka untuk analisis selanjutmya indikator X, X, 6 X, 7 X 0 dan X harus dikeluarkan dari analisis. Tabel 4 Uji reliabilitas indikator Konstruk Nilai Keterangan Reliabilitas 0,77 Reliabel 0,85 Reliabel 0,574 Reliabel 0,75 Reliabel Berdasarkan Tabel 4 diperoleh semua nilai reliabilitas berada diatas ketentuan 0,50. Hal ini menunjukkan masing-masing konstruk mempunyai nilai yang baik dan ketepatan indikator dalam mengukur masing-masing konstruknya 7. Identifikasi model Dalam analisis identifikasi model ini indikator pengamatan yang digunakan sebanyak 9 indikator, jumlah sampel sebesar 0 dan jumlah parameter yang akan diestimasi sebesar 4. Maka diperoleh nilai db: db 9 9 4
Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658-- Diperoleh nilai db sebesar yang menunjukkan nilai positif maka model yang diperoleh overidentified sehingga modell tersebut dapat dinilai kean modelnya. Tabel 5 Uji kean model Kean Nilai Identiifikasi Keterang an RMSEA 0,05 < 0,05 IFI 0,990 >0.9 AIC 7.76 <saturated dan independence model ECVI 0,4 <saturated dan independence model Berdasarkan 5 menunjukkan bahwa model RMSEA, IFI, AIC dan IFI mengalami kecocokan atau model sudah, karena model sudah memenuhi persyaratan maka tidak dilakukan modifikasi model, maka dilanjutkan dengan analisis model struktural. Tabel 6 Hasil akhir analisis model struktural Parameter Koefisien p-value Keputusan Jalur 0,46 0,005 Tolak H 0 0,466 0,006 Tolak H 0 Pada 6 diperoleh hasil estimasi hubungan interaksi pekerja terhadap kesetiaan konsumen memiliki nilai p-value (0,005) < α (0,05) dan faktor fasilitas terhadap kesetiaan konsumen memiliki nilai p-value (0,006) < α (0,05) sehingga dapat diputuskan faktor interaksi pekerja dan fasilitas memiliki pengaruh signifikansi terhadap kesetiaan konsumen (η). δ 5 δ 4 0,8 0,9 X5 X4 0,86 0,77 φ, 0,980 0,46 0,94 0,466 0,665 0,595 0,850 Y Y Y 0,547 0,66 0,64 ε ε ε Gambar Penghapusan satu konstruk Kemudian dilakukan evaluasi model struktural dengan melihat nilai koefisien determinasi (R ). R R n i Yi i Yi i i n Yi i 0 0 0.46 i Yi 0.466 i 0 n Yi i i Y R 0,476 Berdasarkan nilai R diperoleh nilai sebesar 0,476 untuk model struktural interaksi pekerja ( ) dan fasilitas ( ) kesetiaan konsumen (. Artinya sebesar 47,6% variasi dalam kesetiaan konsumen bisa dijelaskan oleh faktor interaksi pekerja dan fasilitas sedangkan 5.4% dijelaskan oleh faktor lainnya yang tidak diteliti. Kesimpulan Dari ketiga faktor yang mempengaruhi kesetiaan konsumen ( ), yaitu kepuasan konsumen ( ), interaksi pekerja ( ), dan fasilitas ), hanya faktor interaksi pekerja ( dan fasilitas yang memiliki pengaruh signifikan terhadap kesetiaan konsumen untuk berbelanja kembali di Mini Market Eramart Jalan Wahid Hasyim Samarinda. Maka diperoleh model 0,46 0. 466 Dengan besar pengaruh langsung sebesar 0,476. Daftar Pustaka [] Latan, Hengky, dan Gudono. 0. SEM - Structural Equation ing. Yogyakarta: BPFE-Yogyakarta. [] Santoso, Singgih. 0.Analisis SEM Menggunakan AMOS. Jakarta: Elex Media Komputindo. [] Latan, Hengky. 0. Persamaan Struktural Teori Dan Implementasi AMOS.0. Bandung: Alfabeta. [4] Yamin, Sofyan dan Kurniawan, Heri. 0. Generasi Baru Mengolah Data Penelitian dengan Partial Least Square i X9 X8 0,9 δ 9 δ 0,07 5
Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658-- Path ing. Jakarta: Salemba Infotek. [5] Latan, Hengky. 0. Persamaan Struktural Teori Dan Implementasi AMOS.0. Bandung: Alfabeta. 5