BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Objek Penelitian Data diambil menggunakan kuesioner yang dibagikan kepada konsumen Indomaret Point Pandanaran di kota Semarang. Populasi dalam penelitian ini adalah semua konsumen yang sedang belanja di Indomaret Point Pandanaran. Sedangkan metode pengambilan sampel yang digunakan adalah non-probability sampling dan menggunakan teknik purposive sampling. Berikut data mengenai karakteristik tanggapan responden yang ditunjukkan dalam tabel di bawah ini: Tabel 4.1: Tanggapan karakteristik responden Strata Anggota Populasi Kuesioner yang disebar 180 Kuesioner yang diterima 144 Kuesioner yang tidak memenuhi syarat 36 Sumber : Data Primer yang Diolah, 2016 Berdasarkan tabel diatas sebanyak 36 kuesioner dinyatakan hilang dan tidak memenuhi syarat sehingga jumlah keseluruhan kuesioner yang mewakili sebanyak 144 responden. a. Responden Berdasarkan Jenis Kelamin Berikut data mengenai karakteristik responden berdasarkan jenis kelamin yang ditunjukkan pada tabel 4.2:
Tabel 4.2: Responden menurut Jenis Kelamin No. Jenis Kelamin Frekuensi Persentase 1 Laki-laki 84 58,33 % 2 Perempuan 60 41,67 % Jumlah 144 100% Sumber : Data Primer yang Diolah, 2016 Tabel 4.2 menunjukkan bahwa dari 144 responden, responden terbanyak berdasarkan jenis kelamin adalah responden yang berjenis kelamin laki-laki yaitu 84 orang atau 58,33 persen, sedangkan responden yang berjenis kelamin perempuan berjumlah 60 orang atau 41,67 persen. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa responden yang merupakan konsumen Indomaret Point Pandanaran di kota Semarang didominasi oleh responden berjenis kelamin laki-laki sebanyak 84 orang atau 58,33 persen dari keseluruhan sampel. b. Responden Berdasarkan Usia Berikut data mengenai karakteristik responden berdasarkan usia yang ditunjukkan pada tabel 4.3 berikut: Tabel 4.3: Responden menurut Usia Usia (Tahun) Frekuensi (Orang) Presentase 17-23 68 47,22 % 24-30 58 40,28 % 31-37 12 8,33 % 38-44 6 4,17 % Jumlah 144 100% Sumber : Data Primer yang Diolah, 2016
Berdasarkan tabel 4.3 dapat ditunjukkan bahwa dari 144 responden yang terbanyak adalah responden berusia kisaran dari 17-23 tahun yaitu sebesar 47,22 persen dan terendah adalah usia 38-44 tahun yaitu 4,17 persen. Jadi, secara umum responden yang paling dominan dari konsumen Indomaret Point Pandanaran Semarang adalah kalangan remaja yang berusia sekitar 17-23 tahun sebanyak 68 orang dari keseluruhan sampel. 4.1.2 Karakteristik Tanggapan Responden Berdasarkan jumlah sampel yang disyaratkan yaitu sebanyak 100-200 sampel, kemudian peneliti memberikan kuesioner kepada 180 responden diperoleh sampel sebanyak 144 responden dimana terdapat 36 kuesioner dinyatakan hilang dan tidak memenuhi syarat. Jumlah sampel sebanyak 144 responden ini layak untuk diproses karena memenuhi syarat kisaran sampel yang dibutuhkan untuk penelitian dengan teknik Structural Equation Modeling (SEM) yakni sebanyak 100-200 sampel (Ghozali,2005). Setelah melakukan pengamatan pada hasil kuesioner dapat dilihat jawaban deskriptif responden. Deskriptif jawaban responden disini dimaksudkan untuk menganalisis data berdasarkan atas hasil yang diperoleh dari jawaban responden terhadap masing-masing indikator pengukuran variabel. Dengan penilaian menggunakan skala Likert dimana akan diberikan skor 1 untuk jawaban Sangat Tidak Setuju s/d skor 5 untuk jawaban Sangat Setuju. Oleh sebab itu penilaian menggunakan interval sebagai berikut : Interval :
Kategori : 1. 1,00 1,80 = Sangat rendah/ sangat buruk 2. 1,81 2,60 = Rendah/ buruk 3. 2,61 3,40 = Sedang/ cukup 4. 3.41 4,20 = Baik/ tinggi 5. 4,21 5,00 = Sangat baik/ sangat tinggi Berikut adalah hasil jawaban responden diperoleh: 4.1.3 Deskriptif Variabel Penelitian Berikut deskripsi statistik variabel penelitian yang terdiri dari Kualitas Produk, Kualitas Pelayanan, Citra Merek, Kepuasan Konsumen dan Loyalitas Konsumen dapat dilihat pada tabel di bawah ini. a. Variabel Kualitas Produk Persepsi responden mengenai kualitas produk pada Indomaret Point Pandanaran di kota Semarang dapat dilihat pada tabel 4.4 dibawah ini. Tabel 4.4: Tanggapan Responden Tentang Variabel Kualitas Produk Kualitas Produk Item STS TS N S SS F Fxs F Fxs F Fxs f Fxs F Fxs N Jumlah Indeks Kesegaran Produk Tampilan Produk Rasa Produk Inovasi Produk 0 0 4 8 13 39 88 352 39 195 144 594 4,12 0 0 3 6 18 54 91 364 32 160 144 584 4,05 0 0 2 4 19 57 72 288 41 205 144 554 3,84 0 0 3 6 14 42 95 380 32 160 144 588 4,08 Sumber : Data Primer yang Diolah, 2016 Rata-rata 4,02
Berdasarkan tabel 4.4 persepsi responden terhadap variabel kualitas produk memiliki kategori nilai rata-rata yang baik/tinggi sebesar 4,02. Skor terbesar terdapat pada indikator pertama. Hal ini berarti indikator kesegaran produk menjadi pernyataan yang paling berpengaruh untuk variabel kualitas produk pada responden. b. Variabel Kualitas Pelayanan Persepsi responden mengenai kualitas pelayanan pada Indomaret Point Pandanaran di kota Semarang dapat dilihat pada tabel 4.5 dibawah ini. Item Pendukung Fisik Kualitas Jasa Interaksi dengan Pelanggan Tabel 4.5: Tanggapan Responden Tentang Variabel Kualitas Pelayanan Kualitas Pelayanan STS TS N S SS F fxs F Fxs f Fxs F Fxs F fxs N Jumlah Indeks 0 0 15 30 24 72 85 340 20 100 144 542 3,76 0 0 10 20 56 168 50 200 28 140 144 528 3,67 0 0 9 18 37 111 77 308 21 105 144 542 3,76 Sumber : Data Primer yang Diolah, 2016 Rata-rata 3.73 Berdasarkan tabel 4.5 persepsi responden terhadap variabel kualitas pelayanan memiliki kategori nilai rata-rata yang baik/tinggi sebesar 3,73. Skor terbesar terdapat pada indikator ke 1 dan ke 3. Hal ini berarti indikator interaksi dengan pelanggan menjadi pernyataan yang paling berpengaruh untuk variabel kualitas pelayanan pada responden. c. Variabel Citra Merek Persepsi responden mengenai variabel citra merek pada Indomaret Point Pandanaran di kota Semarang dapat dilihat pada tabel 4.6 di bawah ini.
Item Citra Korporat Citra Produk Citra Pemakai Tabel 4.6: Tanggapan Responden Tentang Variabel Citra Merek Citra Merek STS TS N S SS F Fxs f fxs F Fxs F Fxs F Fxs N Jumlah Indeks 1 1 20 40 63 189 48 192 12 60 144 482 3,34 1 1 16 32 63 189 58 232 6 30 144 484 3,36 0 0 14 28 55 165 60 240 15 75 144 508 3,53 Sumber : Data Primer yang Diolah, 2016 Rata-rata 3,41 Berdasarkan tabel 4.6 persepsi responden terhadap citra merek memiliki kategori nilai rata-rata yang baik/tinggi sebesar 3,41. Skor terbesar terdapat pada indikator ke 3. Hal ini berarti indikator citra pemakai menjadi pernyataan yang paling berpengaruh untuk variabel citra merek pada responden. d. Variabel Kepuasan Konsumen Persepsi responden mengenai variabel kepuasan konsumen pada Indomaret Point Pandanaran di kota Semarang dapat dilihat pada tabel 4.7 dibawah ini. Tabel 4.7: Tanggapan Responden Tentang Variabel Kepuasan Konsumen Item Kepuasan Keseluruhan Konfirmasi Harapan Perbandingan Situasi Ideal Kepuasan Konsumen STS ST N S SS F fxs f Fxs F Fxs f fxs F Fxs N Jumlah Indeks 0 0 13 26 41 123 71 284 19 95 144 528 3,66 0 0 8 16 42 126 64 256 30 150 144 548 3,80 0 0 14 28 40 120 63 252 27 135 144 535 3,71 Sumber : Data Primer yang Diolah, 2016 Rata-rata 3.72
Berdasarkan tabel 4.7 persepsi responden terhadap variabel kepuasan konsumen memiliki kategori nilai rata-rata yang tinggi sebesar 3,72. Skor terbesar terdapat pada indikator ke 2. Hal ini berarti indikator konfirmasi harapan menjadi pernyataan yang paling berpengaruh untuk variabel kepuasan konsumen pada responden. e. Variabel Loyalitas Konsumen Persepsi responden mengenai variabel loyalitas konsumen pada Indomaret Point Pandanaran di kota Semarang dapat dilihat pada tabel 4.8 dibawah ini. Tabel 4.8: Tanggapan Responden Tentang Variabel Loyalitas Konsumen Item Mengatakan Hal Positif Keinginan Merekomendasikan Melakukan Pembelian Ulang Loyalitas Konsumen STS ST N S SS F fxs F Fxs F Fxs F fxs f Fxs N Jumlah Indeks 2 2 26 52 62 186 47 188 7 35 144 463 3,21 2 2 23 46 44 132 54 216 21 105 144 501 3,48 1 1 35 70 37 111 59 236 12 60 144 478 3,32 Sumber : Data Primer yang Diolah, 2016 Rata-rata 3,34 Berdasarkan tabel 4.8 persepsi responden terhadap variabel loyalitas konsumen memiliki kategori nilai rata-rata yang tinggi sebesar 3,34. Skor terbesar terdapat pada indikator ke 2. Hal ini berarti indikator keinginan merekomendasikan menjadi pernyataan yang paling berpengaruh untuk variabel loyalitas konsumen pada responden.
4.2 Analisis Data Analisis data yang digunakan dalam penelitian ini adalah Structural Equation Modeling (SEM). Namun demikian beberapa tahapan analisis akan dilakukan untuk membentuk satu model yang baik. Input data yang digunakan dalam penelitian ini adalah matriks varians/ kovarians. Matriks kovarians dinilai memeliki keuntungan dalam memberikan pertandingan yang valid antar populasi atau sampel yang berbeda, yang kadang tidak memungkinkan jika menggunakan model matriks korelasi. Di dalam pengujian Structural Equation Modeling (SEM) mensyaratkan 7 langkah penting (Ghozali, 2009) yaitu: 1. Pengembangan model berbasis teori 2. Pengembangan diagram jalur untuk menunjukkan hubungan kausalitas 3. Konversi diagram jalur ke dalam serangkaian persamaan structural dan spesifikasi model pengukuran 4. Pemilihan matriks input dan teknik estimasi atas model yang dibangun 5. Menilai problem identifikasi 6. Evaluasi model 7. Interpretasi dan memodifikasi model Proses langkah-langkah tersebut dapat dijelaskan pada bab III. Untuk proses selanjutnya akan dijelaskan pada bab ini. Adapun total sampel yang akan diestimasi sebanyak 144 sampel. Jumlah sampel tersebut memenuhi kriteria karena jumlah yang disyaratkan minimal 100 sampel.
4.2.1 Analisis Konfirmatori Analisis konfirmatori digunakan untuk menguji sebuah konsep yang dibangun dengan menggunakan beberapa indikator terukur. Uji kesesuaian model konfirmatori diuji menggunakan Goodnes-of-Fit Index yang meliputi Chi-Square, probability, RMSEA, GFI, CFI, TLI dan CMIN/DF. Hasil analisis konfirmatori dari kelima variabel penelitian yang terdiri dari kualitas produk, kualitas pelayanan, citra merek, kepuasan konsumen dan loyalitas konsumen dijelaskan sebagai berikut. a. Analisis Konfirmatori Variabel Eksogen Hasil analisis konfirmatori variabel eksogen (kualitas produk, kualitas pelayanan dan citra merek) yang dibangun dengan total sepuluh indikator dimana kualitas produk memiliki 4 (empat) indikator, kualitas pelayanan memiliki 3 (tiga) indikator, dan citra merek memiliki 3 (tiga) indikator dapat dilihat pada grafik output analisis menggunakan program AMOS 22 dibawah ini: Gambar 4.1: Hasil Analisis Konfirmatori Variabel Eksogen
Hasil analisis konfirmatori tersebut dapat dijelaskan dengan persamaan berikut: a. Variabel Kualitas Produk x11 = 0,78kualitas produk + 0,61 x12 = 0,72kualitas produk + 0,52 x13 = 0,66kualitas produk + 0,43 x14 = 0,75kualitas produk + 0,56 Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel kualitas produk, setiap terjadi kenaikan kualitas produk sebesar 1 satuan akan diikuti kenaikan x11 sebesar 0,78, x12 sebesar 0,72, x13 sebesar 0,66 dan x14 sebesar 0,75. Dengan tingkat loading factor sebesar 0,78 menunjukkan bahwa indikator x11 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel kualitas produk (x1). b. Variabel Kualitas Pelayanan x21 = 0,70kualitas pelayanan + 0,48 x22 = 0,54kualitas pelayanan + 0,29 x23 = 0,68kualitas pelayanan + 0,46 Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel kualitas pelayanan, setiap terjadi kenaikan kualitas pelayanan sebesar 1 satuan akan diikuti kenaikan x21 sebesar 0,70, x22 sebesar 0,54, x23 sebesar 0,68. Dengan tingkat loading factor sebesar 0,70 menunjukkan bahwa indikator x21 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel kualitas pelayanan (x2).
c. Variabel Citra Merek x31 = 0,60citra merek + 0,36 x32 = 0,67citra merek + 0,44 x33 = 0,76citra merek + 0,57 Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel citra merek, setiap terjadi kenaikan citra merek sebesar 1 satuan akan diikuti kenaikan x31 sebesar 0,60, x32 sebesar 0,67 dan x33 sebesar 0,76. Dengan tingkat loading factor sebesar 0,76 menunjukkan bahwa indikator x33 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel citra merek (x3). Hasil uji goodness of fit analisis konfirmatori variabel eksogen dapat dilihat pada tabel 4.9 di bawah ini: Tabel 4.9: Uji Model-Goodness-of-fit Variabel Eksogen Goodness of index Cut-off Value Hasil model Keterangan Chi square Diharapkan kecil 40,960 Baik Probability 0,05 0,133 Baik RMSEA 0,08 0,044 Baik GFI 0,90 0,944 Baik AGFI 0,90 0,903 Baik CMIN/DF 2 1,280 Baik TLI 0,95 0,965 Baik CFI 0,95 0,975 Baik Sumber : Hasil Perhitungan AMOS, 2016
Berdasarkan Tabel di atas diperoleh nilai chi square 40,960 dengan probabilitas 0,133 0,05, nilai RMSEA sebesar 0,044 0,08, nilai GFI sebesar 0,944 0,90, nilai CFI sebesar 0,975 0,95 dan nilai CMIN/DF sebesar 1,280 2 menunjukkan bahwa uji kesesuaian model ini menghasilkan sebuah penerimaan yang baik. Oleh karena itu, dapat disimpulkan bahwa indikator-indikator itu merupakan dimensi acuan yang sama bagi konstruk yang disebut kualitas produk, kualitas pelayanan dan citra merek dapat diterima. Dengan kata lain, kesepuluh indikator tersebut secara nyata membentuk variabel eksogen. b. Analisis Konfirmatori Variabel Endogen Hasil analisis konfirmatori variabel ensogen (kepuasan konsumen dan loyalitas konsumen) yang dibangun dengan total 6 indikator dimana kepuasan konsumen memiliki 3 (tiga) indikator dan loyalitas konsumen memiliki 3 (tiga) indikator dapat dilihat pada grafik output analisis menggunakan program AMOS 22 dibawah ini: Gambar 4.2: Analisis Konfirmatori Variabel Endogen
Hasil analisis konfirmatori tersebut dapat dijelaskan dengan persamaan berikut: a. Variabel Kepuasan Konsumen y11 = 0,76kepuasan konsumen + 0,57 y12 = 0,88kepuasan konsumen + 0,77 y13 = 0,69kepuasan konsumen + 0,48 Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel kepuasan konsumen, setiap terjadi kenaikan kepuasan konsumen sebesar 1 satuan akan diikuti kenaikan y11 sebesar 0,76, y12 sebesar 0,88, y13 sebesar 0,69. Dengan tingkat loading factor sebesar 0,88 menunjukkan bahwa indikator y12 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel kepuasan konsumen (y1). b. Loyalitas Konsumen y21 = 0,70loyalitas konsumen + 0,50 y22 = 0,51loyalitas konsumen + 0,26 y23 = 0,73loyalitas konsumen + 0,53 Model tersebut menunjukkan hubungan antara setiap indikator pembentuk variabel kepuasan konsumen, setiap terjadi kenaikan loyalitas konsumen sebesar 1 satuan akan diikuti kenaikan y21 sebesar 0,70, y22 sebesar 0,51, y23 sebesar 0,73. Dengan tingkat loading factor sebesar 0,75 menunjukkan bahwa indikator y23 adalah indikator yang berperan lebih dominan dibandingkan indikator lain yang membentuk variabel loyalitas konsumen (y2).
Hasil uji goodness of fit analisis konfirmatori variabel endogen dapat dilihat pada tabel 4.10 di bawah ini: Tabel 4.10: Uji Model-Goodness-of-fit Variabel Endogen Goodness of index Cut-off Value Hasil model Keterangan Chi square Diharapkan kecil 7,765 Baik Probability 0,05 0,457 Baik RMSEA 0,08 0,000 Baik GFI 0,90 0,981 Baik AGFI 0,90 0,951 Baik CMIN/DF 2 0,971 Baik TLI 0,95 1,002 Baik CFI 0,95 1,000 Baik Sumber : Hasil Perhitungan AMOS, 2016 Berdasarkan Tabel di atas diperoleh nilai chi square 7,765 dengan probabilitas 0,457 0,05, nilai RMSEA sebesar 0,000 0,08, nilai GFI sebesar 0,981 0,90, nilai CFI sebesar 1,000 0,95 dan nilai CMIN/DF sebesar 0,971 2 menunjukkan bahwa uji kesesuaian model ini menghasilkan sebuah penerimaan yang baik. Oleh karena itu, dapat disimpulkan bahwa indikator-indikator itu merupakan dimensi acuan yang sama bagi konstruk yang disebut kepuasan konsumen dan loyalitas konsumen dapat diterima. Dengan kata lain, keenam indikator tersebut secara nyata membentuk variabel endogen
4.2.2 Uji Validitas Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Untuk mengukur validitas konstruk dapat dilihat pada tabel 4.12 dan tabel 4.13 dari nilai standardized loading estimatenya. Tabel 4.11: Uji Validitas Variabel Eksogen Standardized Regression Weights: (Group number 1 - Default model) Estimate x13 <--- Kualitas_Produk.657 x12 <--- Kualitas_Produk.723 x11 <--- Kualitas_Produk.779 x23 <--- Kualitas_Pelayanan.674 x22 <--- Kualitas_Pelayanan.540 x21 <--- Kualitas_Pelayanan.668 x33 <--- Citra_Merek.742 x32 <--- Citra_Merek.660 x31 <--- Citra_Merek.604 x14 <--- Kualitas_Produk.745 Sumber : Hasil Perhitungan AMOS, 2016 Tabel 4.12: Uji Validitas Variabel Endogen Standardized Regression Weights: (Group number 1 - Default model) Estimate y11 <--- Kepuasan_Konsumen.761 y12 <--- Kepuasan_Konsumen.876 y13 <--- Kepuasan_Konsumen.691 y21 <--- Loyalitas_Konsumen.704 y22 <--- Loyalitas_Konsumen.508 y23 <--- Loyalitas_Konsumen.726 Sumber : Hasil Perhitungan AMOS, 2016
Tabel di atas menunjukkan bahwa semua indikator menghasilkan nilai standardized loading estimate 0,50, maka dapat disimpulkan bahwa semua indikator variabel yang digunakan adalah valid. 4.2.3 Uji Reliabilitas Reliabilitas adalah ukuran konsistensi internal dari indikator-indikator sebuah variabel bentukan yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah bentuk yang umum (Ghozali, 2008). Terdapat dua cara yang dapat digunakan yakni construct reliability dan variance extracted. Untuk construct reliability nilai cut-off yang disyaratkan 0,70 (Ghozali, 2008). Rumus yang digunakan untuk menghitung construct reliability adalah: Construct Reliability = Keterangan : - Standardized loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator. - Σej adalah measurement error =1 (standardized loading) 2 Tabel 4.13: Perhitungan Construct Reliability Variabel Indikator Standar Loading Standar Loading² 1- Standar Loading² Construct Reliability X1 X2 X11 0.807 0.651 0.349 X12 0.747 0.558 0.442 X13 0.624 0.389 0.611 X14 0.708 0.501 0.499 X21 0.657 0.432 0.568 X22 0.550 0.303 0.698 X23 0.675 0.456 0.544 0.814 0.662
X31 0.621 0.386 0.614 X3 X32 0.646 0.417 0.583 X33 0.741 0.549 0.451 Y11 0.774 0.599 0.401 Y1 Y12 0.854 0.729 0.271 Y13 0.704 0.496 0.504 Y21 0.697 0.486 0.514 Y2 Y22 0.551 0.304 0.696 Y23 0.691 0.477 0.523 Sumber : Data Primer yang Diolah, 2016 0.710 0.822 0.684 Dari tabel diatas dapat diketahui bahwa nilai reliabilitas variabel X1, X3 dan Y1 berada diatas 0,70 yang berarti bahwa variabel tersebut reliabel namun nilai reliabilitas untuk variabel X2 dan Y2 belum memenuhi syarat 0,70. Akan tetapi, nilai minimal construk reliability sebesar 0,60 0,70 dengan syarat dalam uji kesesuaian model terpenuhi. 4.2.4 Analisis Struktural Equation Modeling (SEM) Analisis structural equation modeling digunakan untuk mengetahui hubungan struktural antara variabel yang diteliti. Hubungan struktural antar variabel diuji kesesuaiannya dengan goodness-of-fit index. Hasil analisis struktur equation modeling dalam penelitian ini dapat dilihat pada gambar 4.3 dibawah ini:
Structural Equation Modeling (SEM) Gambar 4.3: Hasil Pengujian Full Model Dari gambar di atas nilai Goodness of Fit dari model full SEM dapat dilihat pada tabel 4.14 dibawah ini: Tabel 4.14: Uji Model-Goodness-of-fit Goodness of index Cut-off Value Hasil model Keterangan Chi square Diharapkan kecil 105,737 Baik Probability 0,05 0,192 Baik RMSEA 0,08 0,030 Baik GFI 0,90 0,913 Baik AGFI 0,90 0,874 Marginal CMIN/DF 2 1,125 Baik TLI 0,95 0,978 Baik CFI 0,95 0,983 Baik Sumber : Hasil Perhitungan AMOS, 2016
Berdasarkan tabel di atas diperoleh nilai chi square 105,737 dengan probabilitas 0,192 0,05, nilai RMSEA sebesar 0,030 0,08, nilai GFI sebesar 0,913 0,90, nilai CFI sebesar 0,983 0,95, dan nilai CMIN/DF sebesar 1,125 2 menunjukkan bahwa uji kesesuaian model ini menghasilkan sebuah penerimaan yang baik. Oleh karena itu, dapat disimpulkan bahwa struktur analisis modeling dalam penelitian ini dapat dilakukan. Dari analisis jalur Gambar 4.6 maka diperoleh model struktural sebagai berikut: Y1 = α1 + 0,32Kualitas Produk + 0,26Kualitas Pelayanan + 0,32Citra Merek + Z1 Y2 = α2 + 0,26Kualitas Produk + 0,31Kualitas Pelayanan + 0,12Citra Merek + 0,37Kepuasan Konsumen + Z2 Dengan loading factor 0,32 maka variabel kualitas produk dan citra merek merupakan variabel yang berperan dominan dalam membentuk variabel kepuasan konsumen. Kemudian variabel yang paling dominan dalam mempengaruhi variabel loyalitas konsumen adalah variabel kepuasan konsumen dengan nilai loading factor sebesar 0,37. 4.2.5 Evaluasi Atas Asumsi-Asumsi SEM Asumsi-asumsi yang disyaratkan SEM adalah terdistribusi normal dan tidak terjadi univariat outliers. a. Uji normalitas data Normalitas univariate dalam multivariate di evaluasi menggunakan program AMOS 22, apabila diperoleh nilai kurtosis dan skewnes pada interval -2,58 sampai
2,58 maka dapat disimpulkan bahwa data terdistribusi normal. Uji normalitas data dapat dilihat pada tabel 4.15 berikut: Tabel 4.15: Uji Normalitas Data Assessment of normality (Group number 1) Variable Min max skew c.r. kurtosis c.r. x14 2.000 5.000 -.567-2.778 1.361 3.334 y23 1.000 5.000 -.148 -.724 -.964-2.361 y22 1.000 5.000 -.204 -.999 -.609-1.492 y21 1.000 5.000 -.076 -.370 -.334 -.818 y13 2.000 5.000 -.272-1.331 -.611-1.496 y12 2.000 5.000 -.214-1.049 -.571-1.398 y11 2.000 5.000 -.315-1.542 -.354 -.868 x31 1.000 5.000.035.173 -.329 -.806 x32 1.000 5.000 -.240-1.175 -.146 -.358 x33 2.000 5.000 -.050 -.247 -.484-1.187 x21 2.000 5.000 -.666-3.261.081.197 x22 2.000 5.000.057.279 -.811-1.986 x23 2.000 5.000 -.379-1.859 -.097 -.238 x11 2.000 5.000 -.696-3.411 1.173 2.872 x12 2.000 5.000 -.504-2.469.852 2.088 x13 2.000 5.000 -.426-2.088.173.425 Multivariate 3.424.856 Sumber: Hasil Perhitungan AMOS tahun 2016 Pada tabel diatas diperoleh nilai cr dan kurtosis pada kisaran -2,58 2,58. Dan nilai cr pada multivariate sebesar 0,856 yang berada pada -2,58 2,58 yang berarti bahwa data terdistribusi normal, jadi data penelitian dapat dianalisis menggunakan Struktural Equation Modelling (SEM). b. Evaluasi atas Outlier Outlier merupakan observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi yang lain dan muncul dalam
bentuk ekstrim, baik untuk sebuah variabel tunggal maupun variabel variabel kombinasi (Hair et al, 1998). Adapun outliersdapat dievaluasi yaitu analisis terhadap univariate outliers. Evaluasi atas outlier univariate disajikan pada bagian berikut: 1. Univariate Outliers Pengujian ada tidaknya outliers univariatedilakukan dengan menganalisis nilai Z score dari data penelitian yang digunakan. Apabila terdapat nilai Z score berada pada rentang -3 sampai dengan 3, maka akan dikategorikan sebagai outlier. Pengujian univariate outliers menggunakan program SPSS dengan dilakukan pada tiap konstruk variabel. Hasil pengolahan data untuk pengujian dapat dilihat pada tabel 4.16 berikut: Tabel 4.16: Evaluasi nilai Z-score Sumber: Data Primer yang Diolah, 2016
Berdasarkan hasil komputerisasi diatas, terdapat pada X 11, X 12, X 13, X 14, X 21 dan X 32 yang melebihi batas minimum yaitu -3. Selain itu nilai rata-rata menunjukkan 0 dan standar devasi sebesar 1. Namun, untuk menghilangkan data univariate outliers harus melihat multivariate outlier terlebih dahulu. 2. Multivariate Outliers Evaluasi terhadap multivariate outliers perlu dilakukan karena walaupun data outlier pada tingkat multivariate dapat diketahui dari Jarak Mahalanobis (Mahalanobis Distance) melalui program AMOS. Uji Mahalanobis Distance dihitung dengan menggunakan nilai chi-square pada derajat bebas sebesar 16 indikator pada tingkat p < 0,01 dengan menggunakan rumus χ 2 (16, 0,01) = 31,99993. Hasil analisis ada tidaknya multivariate outliers disajikan pada tabel 4.17 berikut ini: Tabel 4.17: Mahalanobis d-squared Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Observation number Mahalanobis d-squared p1 p2 26 29.608.020.947 81 29.487.021.804 46 29.266.022.622 115 27.319.038.802 143 26.395.049.835 31 24.858.072.953 120 24.688.076.924 2 24.648.076.866 34 24.597.077.790 78 24.508.079.708 100 24.468.080.604 32 24.146.086.594 113 23.786.094.607 43 23.759.095.503
Observation number Mahalanobis d-squared p1 p2 64 23.600.099.452 20 23.445.102.403 37 23.406.103.318 18 23.245.107.283 65 23.194.109.218 91 22.969.115.212 89 22.725.121.215 125 22.629.124.177 124 22.224.136.236 139 22.017.143.236 84 21.961.144.188 49 21.832.149.168 79 21.471.161.224 35 21.265.169.232 133 20.985.179.273 114 20.448.201.443 140 20.409.202.382 82 20.320.206.348 110 20.156.213.352 28 20.100.216.306 38 19.986.221.289 61 19.921.224.253 112 19.819.228.235 1 19.777.230.195 9 19.543.241.232 122 19.542.242.179 135 19.383.249.187 63 19.354.251.150 90 19.295.254.127 5 19.233.257.108 138 19.134.262.100 102 19.112.263.076 118 18.951.271.083 97 18.855.276.077 83 18.683.285.088 27 18.668.286.065 76 18.344.304.113 42 18.258.309.104 6 17.929.328.175
Observation number Mahalanobis d-squared p1 p2 8 17.816.335.175 101 17.775.337.148 69 17.774.337.112 48 17.620.347.125 85 17.425.359.154 77 17.380.361.132 11 17.188.374.162 105 17.151.376.137 17 17.135.377.108 95 16.815.398.186 99 16.736.403.175 121 16.629.410.177 19 16.554.415.166 75 16.355.428.209 7 16.273.434.201 119 16.228.437.176 39 15.973.455.251 25 15.897.460.239 29 15.873.462.202 3 15.811.466.185 127 15.745.471.171 109 15.272.505.382 73 15.220.509.353 108 15.174.512.322 87 14.995.525.376 98 14.820.538.431 130 14.688.548.458 131 14.688.548.392 111 14.607.554.384 52 14.587.555.334 132 14.182.585.553 66 14.138.588.518 16 14.102.591.476 68 14.075.593.429 50 14.045.595.384 134 13.805.613.489 141 13.635.626.546 23 13.632.626.480 13 13.618.627.422
Observation number Mahalanobis d-squared p1 p2 41 13.584.630.379 44 13.537.633.346 21 13.510.635.301 136 13.342.648.351 22 13.286.652.324 88 13.218.657.306 107 13.164.661.279 10 13.112.665.252 Sumber : Data Primer yang Diolah, 2016 Tabel diatas menunjukkan Jarak Mahalanobis maksimal adalah 29,608. Hal ini menunjukkan tidak terdapatnya multivariate outliers sehingga eksklusi data tidak perlu dilakukan. 4.2.6 Interpretasi dan Modifikasi Model Selanjutnya tahap terakhir ini dilakukan interpretasi model dan memodifikasi model yang tidak memenuhi syarat pengujian. Setelah model diestimasi, residualnya harus kecil dan mendekati nol dan distribusi frekuensi dari kovarian residual harus bersifat simetrik. Untuk batas keamanan terhadap jumlah residual adalah 5 %. Bila jumlah residual lebih besar dari 5 % dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan dengan catatan ada landasan teoritis. Cut off value dengan rentang -2,58 sampai dengan 2,58 dapat digunakan untuk menilai signifikan tidaknya residual yang dihasilakan oleh model. Data standardized residual covariances yang diolah dengan program AMOS dapat dilihat pada tabel 4.18 berikut ini :
Tabel 4.18: Standard Residual Covariances Dari tabel tersebut tidak satupun nilai standardized residual covariances yang berada diatas rentang -2,58 sampai 2,58. Dengan demikian model ini tidak memerlukan adanya modifikasi yang berarti. 4.2.7 Uji Hipotesis Uji hipotesis dilakukan untuk mengetahui berpengaruh atau tidakanya variabel independent terhadap variabel dependen. Hipotesis dinyatakan diterima jika nilai prob (P) < 0,05. Hasil uji hipotesis dapat dilihat pada tabel dibawah ini: Tabel 4.19: Uji Model-Goodness-of-fit Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label Kepuasan_Konsumen <--- Kualitas_Produk.473.153 3.097.002 par_13 Kepuasan_Konsumen <--- Kualitas_Pelayanan.319.156 2.049.040 par_14 Kepuasan_Konsumen <--- Citra_Merek.341.125 2.723.006 par_15 Loyalitas_Konsumen <--- Kepuasan_Konsumen.348.126 2.769.006 par_12
Estimate S.E. C.R. P Label Loyalitas_Konsumen <--- Kualitas_Pelayanan.353.153 2.306.021 par_16 Loyalitas_Konsumen <--- Citra_Merek.121.122.985.325 par_17 Loyalitas_Konsumen <--- Kualitas_Produk.361.160 2.264.024 par_18 Sumber : Hasil Perhitungan AMOS, 2016 Berdasarkan tabel di atas diperoleh keterangan hasil pengujian hipotesis sebagai berikut: H1 : Kualitas Produk berpengaruh positif dan signifikan terhadap Kepuasan Konsumen Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,002 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu kurang dari 0,05 untuk P sehingga dapat disimpulkan H 1 pada penelitian ini dapat diterima. H2 : Kualitas Pelayanan berpengaruh positif dan signifikan terhadap Kepuasan Konsumen. Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,040 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu kurang dari 0,05 untuk P sehingga dapat disimpulkan H 2 pada penelitian ini dapat diterima. H3: Citra Merek berpengaruh positif dan signifikan terhadap Kepuasan Konsumen. Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,006 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu
kurang dari 0,05 untuk P sehingga dapat disimpulkan H 3 pada penelitian ini dapat diterima. H4: Kualitas Produk berpengaruh positif dan signifikan terhadap Loyalitas Konsumen. Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,024 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu kurang dari 0,05 untuk P sehingga dapat disimpulkan H 4 pada penelitian ini dapat diterima. H5: Kualitas Pelayanan berpengaruh positif dan signifikan terhadap Loyalitas Konsumen. Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,021 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu kurang dari 0,05 untuk P sehingga dapat disimpulkan H 5 pada penelitian ini dapat diterima. H6: Citra Merek berpengaruh positif dan signifikan terhadap Loyalitas Konsumen. Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,325 > 0,05. Nilai ini menunjukkan hasil yang tidak memenuhi syarat yaitu lebih dari 0,05 untuk P sehingga dapat disimpulkan H 6 pada penelitian ini ditolak.
H7: Kepuasan Konsumen berpengaruh positif dan signifikan terhadap Loyalitas Konsumen. Berdasarkan data dari hasil pengolahan data diketahui bahwa nilai P (probability) 0,006 < 0,05. Nilai ini menunjukkan hasil yang memenuhi syarat yaitu kurang dari 0,05 untuk P sehingga dapat disimpulkan H 7 pada penelitian ini dapat diterima.