BAB III METODOLOGI PENELITIAN. Desember Dalam objek penelitian ini, penulis mengambil lokasi di Outlet

BAB III METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian Waktu yang dilakukan dalam penelitian ini dimulai pada bulan November – Desember 2015. Dalam objek penelitian ini, penulis mengambil lokasi di Outlet Martabak Boss cabang Panglima Polim Jl. Panglima Polim 9 No.24, Melawai, Jakarta B. Desain Penelitian Penelitian ini bertujuan untuk mengetahui pengaruh electronic word-ofmouth (e-WOM) dan Brand Image terhadap Buying Intention konsumen pada Martabak Boss. Pada penelitian ini penulis melakukan penelitian dengan menggunakan metode kasual. Penelitian kausal adalah salah satu metode untuk menetahui ada atau tidaknya pengaruh anatara variable (X1) yaitu electronic word-of-mouth (e-WOM) dan (X2) yaitu Brand Image terhadap variable terikat (Y) yaitu Buying Intention pada Martabak Boss. C. Definisi dan Operasional Variabel Definisi operasional merupakan penentuan construct, sehingga menjadi variable yang dapat diukur. Untuk memberikan gambaran yang lebih jelas tentang variable penelitian. Dalam penelitian ini ada dua jenis variable yaitu variable independen dan variable dependen sebagai berikut :

40 http://digilib.mercubuana.ac.id/

1. Definisi Variabel a. Variabel Bebas (Exogen Variable) Variabel bebas atau independent variable adalah variable yang menjadi sebab perubahan atau berubahnya variable terikat / dependent (Sugiono, 2013). Variabel bebas menjadi variable yang mempengaruhi variable terikat, baik yang berpengaruh positif atau negative (Ferdinand, 2006). Variabel bebas dalam penelitian ini adalah : X1 : electronic Word of Mouth (eWOM) X2 : Brand Image b. Variabel Terikat (Endogen Variable) Variabel terikat atau dependent variable adalah variable yang dipengaruhi atau yang menjadi akibat karena adanya variable bebas (independent). Variabel terikat dalam penelitian ini adalah Y : Buying Intention


2. Operasionalisasi Variabel TABEL 3.1 TABEL OPERASIONAL VARIABEL Vriabel Electronic Word-of-Mouth (e-WOM) (X1)

Goyette al.,(2010)

Definisi

Adalah Seberapa sering intensitas konsumen menggunak et an sosial media

Dimensi

Indikator

1. Intensity

Adalah 2. Valence pendapat Opinion konsumen baik positif atau negatif mengenai produk, jasa dan brand. Adalah isi 3. Content informasi dari situs jejaring sosial berkaitan dengan produk dan jasa

Skala

Ordinal 1. Frekuensi mengakses informasi dari situs jejaring sosial 2. Frekuensi interaksi dengan pengguna situs jejaring sosial 3. Banyaknya Ulasan yang ditulis oleh pengguna situs jejaring sosial

of 1. Komentar positif Ordinal dari pengguna situs jejaring sosial 2. Rekomendasi dari pengguna situs jejraing sosial


1. Informasi Variasi makanan dan minuman 2. Informasi kulaitas Ordinal ( rasa, tekstur dam suhu) makanan dan minuman 3. Informasi mengenai harga yang ditawarkan.

Brand (Citra (X2)

Image Merek)

1. Functional image

Hariri dan Vazifehdust, (2011)

1. The Products have a high quality (Produk memiliki kualitas tinggi) 2. The Products have a better characteristics than competitor’s (Produk ini memiliki karakteristik yang lebih baik dari pesaing) 3. The products of the competitors are usually cheapers (produk ini relative lebih murah daripesaing)

2. Affective image


1. The brand is nice (merek ini baik). 2. The brand has a personality that distinguishes itself from competitors (produk ini memiliki kepribadian yang membedakan pesaing) 3. It’s a brand that doesn’t disappoint its customers (merk ini tidak mengecewakan pelanggan)

3. Reputatuion

1. It’s one of the best brands in the sector (ini adalah salah satu merek terbaik di sektornya) 2. The brand is very consolidated in the Market (Merek ini sangat kuat di pasar)

Minat Beli Konsumen (Y)

Ferdinand, Effendy (2013)

Identifikasi minat 1. Minat Transaksional Kecenderungan beli seseorang untuk selalu membeli ulang produk yang telah dikonsumsinya. 2. Minat Referensial

Kecenderungan seseorang untuk mereferensikan produk yang sudah dibelinya.

3. Minat preferensial

Minat yang menggambarkan perilaku seseorang yang selalu memiliki preferensi utama.

4. Minat eksploratif Minat ini menggambarkan perilaku seseorang yang selalu mencari informasi mengenai p roduk yang diminatinya


D. Populasi dan Sampel 1. Populasi Penelitian Populasi adalah wilayah generalisasi yang terdiri atas : objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2009). Peneliti mengambil populasi dalam penelitian ini yaitu pengunjung Martabak Boss di Panglima Polim, Jakarta Selatan. 2. Sampel Penelitian Sample penelitian adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi (Sugiyono, 2009). Tehnik pengambilan sampel menggunakan Jenis Non-Probability sampel. Tehnik purposive sampling pada tehnik ini peneliti memilih sampel purposive atau sampel bertujuan secara subjektif (Augusty Ferdinand, 2009 : 179). Pemilihan sample ini dilakukan karena peneliti telah memahami bahwa informasi yang dibutuhkan dapat diperoleh dari satu kelompok sasaran tertentu yang mampu memberikan informasi yang dikehendaki karena mereka memang memiliki informasi seperti itu dan mereka memenuhi kriteria yang di tentukan oleh peneliti. Sampel diambil menggunakan jenis sampel purposive yaitu Judgment Sampling karena sampel ini dipilih dengan menggunakan pertimbangan tertentu yang disesuaikan dengan tujuan peneliti, anggota populasi yang ditemui,

dipilih

peneliti

dan

beresedia

menjadi

responden

pertimbangan pelanggan Martabak Boss di Panglima Polim, Jakarta.


dengan

Penentuan jumlah sampel minimum yang presentatif menurut Hair et.al (1998) adalah tergantung pada jumlah indikator dikali 5 sampai 10. Jumlah sample minimum untuk penelitian ini adalah sebagai berikut: Ukuran Sample Minimum = jumlah indikator x 5 Ukuran sample minimum = 20 x 5 = 100 Ukuran sample maksimum = 20 x 10 = 200 3. Pengukuran Variabel Pengukuran variabel (Noor, 2011) merupakan alat ukur yang digunakan untuk mengkuantifikasi informasi yang diberikan oleh konsumen jika mereka diharuskan menjawab pernyataan yang telah dirumuskan dalam suatu kuesioner. Skala pengukuran yang penulis gunakan dalam penelitian ini yaitu menggunakan skala ordinal, yang memungkinkan untuk pengurutan data dari tingkat paling rendah ke tingkat yang paling tinggi atau sebaliknya, dengan interval yang tidak harus sama. E. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan oleh peneliti dalam penelitian ini adalah : 1. Kuesioner ( angket ) Pengumpulan data dengan cara menyebarkan kuesioner kepada responden yang berisi pertanyaan – pertanyaan tertulis guna mendapatkan informasi dari responden.


2. Wawancara Wawancara merupakan teknik pengumpulan data dengan jalan tanya jawab sepihak yang dilakukan secara sistematis dan berlandaskan kepada tujuan peneliti (Lerbin,1992 dalam Hadi, 2007). Wawancara berfungsi sebagai pelengkap metode lainnya yang digunakan untuk mengumpulkan data pada suatu penelitian. Dalam penelitian ini yang menjadi responden adalah para pelanggan Martabak Boss Cabang Panglima Polim Jakarta Selatan. 3. Studi Kepustakaan Pengumpulan data dengan menggunakan studi literatur terhadap buku – buku yang relevan, surat kabar, majalah, internet maupun jurnal tentang electronic word of mouth, brand image, dan buying intention. Dalam penelitian ini, data dikumpulkan melalui teknik atau acuan cara-cara yang dapat digunakan untuk mengumpulkan data. Pengumpulan data premier pada penelitian ini diperoleh dengan metode survey. Data penelitian dikumpulkan dengan menggunakan kuisioner. Kuisioner atau angket adalah suatu teknik pengumpulan data dengan melakukan atau penyebaran daftar pertanyaan kepada responden dengan harapan memberikan respon atas daftar pernyataan tersebut (Noor, 2011). Pada kuesioner Pengukuran masing-masing variabel dalam penelitian ini menggunakan skala likert. Skala likert merupakan metode yang digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2011). Instrumen skala likert dapat dilihat pada table 3.2 berikut :


TABEL 3.2 INSTRUMEN SKALA LIKERT

No.

Pernyataan

Skor

1

Sangat Setuju

5

2

Setuju

4

3

Ragu-Ragu

3

4

Tidak Setuju

2

5

Sangat Tidak Setuju

1

Sumber : Sugiyono (2009) Jenis Data Data yang digunakan dalam penelitian ini adalah data Primer. Data primer yaitu data yang diperoleh dari sumber pertama baik induvidu atau kelompok, seperti hasil pengisian kuisioner yang dilakukan peneliti. F. Metode Analisis Data 1. Pengertian SEM (Structural Equation Modeling) SEM adalah generasi kedua teknik analisis multivariate yang memungkinkan peneliti untuk menguji hubungan antara variabel yang kompleks baik recusive maupun non-recurcive untuk memperoleh gambaran menyeluruh mengenai keseluruhan model (Ghozali, 2005). Menurut

Noor

(2011)

SEM

merupakan

teknik

analisis

yang

memungkinkan pengujian sebuah rangkaian 37 hubungan secara simultan. Hubungan ini dibangun antara satu atau beberapa variabel indipenden


dengan satu atau beberapa variabel dependen. Menurut Noor (2011), analisis SEM menggabungkan dua buah model yaitu : 1. Model struktur (Structural Model), yang terdiri dari variabel laten eksogen dan variabel laten endogen. 2. Model pengukuran (Measurement Model), yang merupakan indikator dari variabel laten eksogen dan endogen. Variabel laten adalah variabel yang tidak bisa diukur secara langsung dan memerlukan beberapa indikator sebagai produksinya. LISREL (Linear Structural Relationship) adalah salah satu software SEM yang beredar di pasaran. LISREL adalah satu-satunya program SEM yang paling banyak digunakan dan dipublikasikan pada berbagai jurnal ilmiah pada berbagai disiplin ilmu (Austin & Calderon; Bryne dalam Ghozali & Fuad, 2005). Hal tersebut karena LISREL adalah satu-satunya program SEM yang tercanggih dan dapat mengestimasi berbagai masalah SEM yang bahkan nyaris tidak dilakukan oleh program lain. Simbol dalam notasi LISREL yang perlu diketahui dapat dilihat pada Tabel 3.3 di bawah. Metode penelitian yang dipakai dalam penelitian ini adalah analisis kuantitatif, dengan tujuan digunakan skala penilaian untuk menyatakan bobot anatara hubungan variable satu dengan variable yang lainnya. Model analisis yang digunakan untuk menguji pengaruh variable Electronic Word of Mouth dan Brand Image terhadap Minat Beli Martabak Boss. Untuk mempermudah melakukan penelitian maka digunakan program SEM (Structural Equation Model).


2. Uji Validitas Dalam penelitian ini untuk menganalisi data yang telah terkumpul dilanjutkan tektik metode analisi data yaitu penelitian korelasi yang kemudian dilanjutkan dengan pengujian hipotesis. 1. Penelitian Deskriptif Statistik deskriptif memberikan gambaran mengenai suatu data. Dalam hal ini, statistic deskriptif menjelaskan mengenai karakteristik responden dan variable yang digunakan. 2. Penelitian Pengujian Hipotesis Untuk menjaga kehandalan dan konsisten kuesioner, maka kuesioner sebagai instrument perlu diuji kualitasnya. Tujuannya adalah agar instrument yang dipakai dan data yang diambil benar-benar valid dan reliable. a) Uji Validitas Suatu kuesioner dikatakan valid jika pertanaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Pengujian validitas dilakukan dengan cara mengkorelasikan jumlah skor faktor dengan skor total (anti image correlation). Bila korelasi tiap faktor tersebut dinyatakan valid, sebaiknya jika korelasi tiap faktor tersebut negative dan besarnya dibawah 0,5 maka faktor tersebut dinyatakan tidak valid (Sugiyono, 2009).


b) Uji Reliabilitas Menurut Kuncoro (2003) reliabilitas menunjukan konsistensi dan stailitas dari suatu skor (skala pengukuran). Menurut Gumilar (2007) reabilitas merupakan ukuran suatu kestabilan dan konsistensi responden dalam menjawab hal yang berkaitan dengan konstrulkonstruk pertanyaan yang merupakan dimensi suatu variable dan disusun dalam suatu bentuk kuesioner. Kriteria uji variable menurut Gumilar (2007) yaitu reabilitas suatu konstruk variable dikatakan baik jika memiliki nilai Cronbanch’s Aplha > 0,60 . 3. AnalisaSEM ( Structural Equation Model ) Teknik

analisa

data

yang

digunakan

untuk

membahas

permasalahan dalam penelitian ini adalah Structural Equation Model (SEM). Model Structural Equation Model (SEM) adalah teknik adalah teknik – teknik statistika yang memungkinkan pengujian suatu rangkaian hubungan yang relatif kompleks secara simultan. Hubungan yang kompleks dapat dibangun antara satu atau atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Mungkin juga terdapat suatu variabel yang berperan ganda yaitu sebagai variabel independen pada suatu hubungan, namun menjadi variabel dependen pada hubungan lain mengingat adanya hubungan kausalitas yang berjenjang. Masing – masing variabel dependen dan independent dapat berbentuk faktor atau konstruk yang dibangun dari beberapa variabel indikator. Demikian pula diantara variabel – variabel itu


dapat berbentuk sebuah variabel tunggal yang diobservasi atau diukur langsung dalam sebuah proses penelitian. Mode persamaan struktural semacam itu telah luas dikenal dalam penelitian-peneltian sosial melalui berbagai nama antara lain : causal modeling, causal analysis, simultaneous equation modeling atau analisis struktur kovarians. Seringkali SEM juga disebut sebagai Path Analysis atau Confirmatory Factory Analysis, karena sesungguhnya kedua nama ini adalah jenis SEM yang khusus. Contoh diagram alur atau Path diagram yang mana diagram-diagram bersifat sangat fundamental dalam SEM, sebab diagram ini memungkinkan peneliti untuk menggambarkan hubungan – hubungan yang dihipotesiskan yaitu disebut model. Diagramdiagram ini sangat penting bagi seorang peneliti karena secara visual diagram-diagram itu menjelaskan alur ide-ide peneliti mengenai hubungan antar variable, untuk kemudian secara langsung diterjemahkan ke dalam persamaan-persamaan yang diperlukan untuk pengujian hipotesis. 4. Konvensi SEM Beberapa konvensi atau aturan-aturan yang diberlakukan di dalam penggunaan SEM (Structural Equation Model) ini sebagai berikut: a. Variable terukur (Measured Variable) Variable ini disebut juga observed variable, indicator vaiables atau manifest variable, digambarknan dalam bentuk segi empat atau bujur sangkar. Variabel terukur adalah variabel yang datanya harus


dicari melalui penelitian lapangan, misalnya melalui instrumen – instrumen survei. b. Faktor Faktor adalah sebuah variabel bentukan, yang dibentuk melalui indikator – indikator yang diamati dalam dunia nyata. Karena merupakan variabel bentukan, maka disebut latent variables. Nama lain untuk latent variables adalah constructs atau unobserved variables. Faktor atau konstruk atau variabel laten ini digambarkan dalam bentuk oval atau elips. c. Hubungan antar variable Hubungan antar variabel dinyatakan melalui garis. Karena itu bila tidak ada garis berarti tidak ada hubungan langsung yang dihipotesiskan. Bentuk – bentuk hubungan antar variabel dapat dijelaskan sebagai berikut. d. garis dengan anak panah satu arah ( ). Garis ini menunjukan adanya hubungan yang dihipotesiskan antar dua variabel, di mana variabel yang dituju oleh anak panah merupakan variabel dependen. Dalam SEM terdapat dua kelompok hipotesis dengan anak panah satu arah yaitu : a) Hipotesis mengenani dimensi faktor. Dimensi- dimensi sebuah faktor akan terlihat dalam diagram SEM melalui arah anak panah () yang digunakan. Dalam hal ini masing – masing


indikator itu sebagai variabel dependen, secara bersama – sama dihipotesiskan sebagai dimensi dari sebuah konsep atau faktor. b) Hipotesis mengenai hubungan regresi. Hipotesis mengenai pengaruh satu atau beberapa variabel independen terhadap satu atau beberapa variabel dependen dinyatakan pula dalam anak panah satu arah ( ). c) Garis dengan anak parah dua arah ( ) Garis ini menunjukan hubungan yang tidak dianalisis. Anak panah dua arah ini dalam pemodelan SEM digunakan untuk menggambarkan kovarians atau korelasi antara dua buah variabel. Misalnya bila peneliti akan meregresi dua buah variabel independen terhadap satu atau beberapa variabel dependen, syarat yang harus dipenuhi adalah tidak adanya saling korelasi antara variabel independen (sebagaimana syarat pada analisis regresi). Untuk itu sebuah anak panah dua ujung harus digunakan untuk menghubungkan kedua variabel independen itu untuk menguji bahwa tidak ada korelasi antara keduanya. 5. Asumsi – asumsi Structural Equation Model ( SEM ) Asumsi – asumi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM adalah sebagai berikut.


1) Ukuran Sampel Ukuran sampel yang harus dipenuhi dalam pemodelan ini adalah minimum

berjumlah

100

dan

selanjutnya

menggunakan

perbandingan 5 observasi untuk setiap estimated parameter. Karena itu bila kita mengembangkan model dengan 20 paramameter, maka minimum sampel yang harus digunakan adalah sebanyak 100 sampel. 2) Normalitas dan linearitas Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode variable uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data tunggal mapun normalitas variable di mana beberapa varariable digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. 1) Outliers Outliers adalah observasi yang muncul dengan nilai – nilai ekstrim baik secara univariant maupun multivariant yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya. Selain itu, dapat


diadakan perlakuan khusus pada outliers ini asal diketahui bagaimana munculnya outliers itu. Outliers pada dasarnya dapat muncul dalam kategori yaitu : 1) Outliers muncul karena kesalahan prosedur seperti kesalahan dalam memasukan data atau kesalahan dalam mengkoding data. Misalnya nilai 7 diketik 70 sehingga jauh berbeda dengan nilai – nilai lainnya dalam sebuah rentang jawaban responden antara 1 - 10 . Bila hal semacam ini lolos dalam pengetikan data untuk pengelolaan melalui komputer, maka angka 70 dapat menjadi sebuah nilai ekstrim. 2) Outliers dapat saja muncul karena keadaan yang benar – benar khusus yang memungkinkan profit datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai apa penyebab munculnya nilai ekstrim itu. 3) Outliers dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab – sebab munculnya nilai ekstrim itu. 4) Outliers dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut dengan multivariate outliers.


6. Multikolinearitas dan singularitas. Multikolinearitas dapat di deteksi dari determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil (extremely small) memberi indikasi adanya problem multikolinearitas atau singularitas. Pada umumnya program-program komputer SEM telah menyediakan

fasilitas

“warning”

setiap

kali

terdapat

indikasi

multikolinearitas atau singularitas. Bila muncul pesan itu, telitilah ulang data yang digunakan untuk mengetahui apakah terdapat kombinasi linear dari variable yang dianalisis. Perlakukan data (data treatment) yang dapat diambil adalah keluarkan variable yang menyebabkan singularitas itu. Bila singularitas dan multikolinearitas ditemukan dalam data yang dikeluarkan itu, salah satu treatment yang dapat diambil adalah dengan menciptakan “composite variables”, lalu gunakan composite variable itu dalam analisis selanjutnya. Setelah asumsi-asumsi SEM dilihat, hal berikutnya adalah menentukan kriteria yang akan digunakan untuk mengevaluasi model dan pengaruh-pengaruh yang ditampilkan dalam model. Hair, dkk. (Ferdinand 2006) mengemukakan bahwa dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terhadap bebagai jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Peneliti diharapkan melakukan pengujian dengan menggunakan beberapa fit index untuk mengukur “kebenaran” model


yang diajukannya. Beberapa indeks kesesuaian dan cut-off value-nya yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak seperti uraian berikut ini. 1) Chi Square Statistic ( ) Chi Square Statistic merupakan alat uji paling fundamental untuk mengukur overall fit. Chi Square ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistik chi square ini harus didampingi oleh alat uji lainnya menurut Hair, dkk (Ferdinand, 2006) bahwa semakin kecil nilai 2 semakin baik model itu karena dalam uji beda chi square, 2 = 0 berati benar – benar tidak ada perbedaaan ( Ho diterima) berdasarkan probabilitas dengan cut off value sebesar p>0,05 atau p>0,10. 2) RMSEA ( The Root Mean Square Error of Approximation ) RMSEA adalah sebuah indeks yang dapat digunakan untuk menkompensasi chi square statistic dalam sampel yang besar. Nilai RMSEA menunjukan goodness-of-fit yg dapat diharapkan bila model diestimasi dalam populasi. Menurut Browne & Cudeck ( Ferdinand, 2006 ) bahwa nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukan sebuah close fit dari model itu berdasarkan degree of freedom.


3) GFI (Goodness of Fit Index) Indeks kesesuaian (fit index) ini akan menghitung proporsi seimbang dari varians dalam matriks kovarians sample yang dijelaskan oleh matriks kovarians populasi yang terestimasikan menurut Bentley, dkk. (Ferdinand 2006). GFI adalah sebuah ukuran non-stastikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1,0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”. 4) AGFI (Adjusted Goodness-of-Fit Index) Tanaka & Huba ( Ferdinand, 2006 ) menyatakan bahwa GFI adalah analog dari R2 dalam regresi berganda. Fit Index ini disesuaikan terhadap degree or freedom yang tersedia untuk menguji diterima tidaknya model. Indexs ini diperoleh dengan rumus sebagai berikut : AGFI = 1-(I-GFI)db/d..........................(1) Dimana: db = jumlah sampel moment, dan d adalah degree of freedom Menurut Hair, dkk. (Ferdinand, 2006) bahwa tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. Perlu diketaui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkat yang baik good overall model


fit (baik) sedangkan besaran nilai antara 0,90 – 0,95 menunjukan tingkatan cukup ( adequate fit ) 5) CMIN/DF Indeks fit ini merupakan the minimum sample discrepancy function (CMIN) dibagi dengan degree of freedom-nya akan menghasilkan indeks CMIN/DF. Umumnya para peneliti melaporkannya sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik chi-square, x2 dibagi DF-nya sehingga disebut chi square relatif. Nilai X2 relatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 menunjukkan antara model dan data fit menurut Arbuckle (Ferdinand, 2006). 6) TLI (Tucker Lewis Index) TLI merupakan sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan > 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit menurut Arbuckle (Ferdinand, 2006). Indeks ini diperoleh dengan rumus : TLI = (Cb/db – C/d) / (Cb/db – 1) .......................(2) Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah degrees of freedomnya, sementara Cb dan db adalah diskrepansi dan degree of freedom dari baseline model yang dijadikan pembanding.


7) CFI (Comparative of Fit Index) Indeks ini mempunyai rentang nilai antar 0 sampai dengan 1. Semakin mendekati 1, mengindikasikan adanya a very good fit. Nilai yang didokumentasikan adalah CFI > 0,94 Indeks ini besarannya tidak dipengaruhi oleh ukuran sampel, karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model menurut Hulland, dkk. (Ferdinand, 2006). Indeks CFI adalah identik dengan Relative Noncentrality Index (RNI) yang dipeoleh dari rumus berikut ini : CFI = RNI = 1 – C – d........................(3) CB - db Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah degrees of freedomnya, sementara Cb dan db adalah diskrepansi dan degree of freedom dari baseline model yang dijadikan pembanding. Dalam penilaian model, indeks TLI dan CFI sangat dianjurkan untuk digunakan karena indeks-indeks ini relatif tidak sensitif terhadap besarnya sample dan kurang dipengaruhi pula oleh kerumitan model menurut Hulland, dkk. (Ferdinand, 2006). Maka indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model seperti pada Tabel 3.6


TABEL 3.3 GOODNESS OF FIT INDEX Nilai Kritis

Goodness of fit Measure

(Cut of Value)

Chi Square (λ2)

Diharapkan Kecil

Significance Probability (p)

≥ 0,05

RMSEA

≤ 0,08

GFI

≥ 0,09

AGFI

≥ 0,09

73CMIN/DF

≤ 2,00

TLI

≥ 0,95

CFI

≥ 0,94 Sumber : Ferdinand


BAB III METODOLOGI PENELITIAN. Desember Dalam objek penelitian ini, penulis mengambil lokasi di Outlet

Recommend Documents