BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini peneliti melakukan analisis secara keseluruhan mengenai pengaruh self brand congruity,peer influence, dan privacy concern terhadap attitude toward SNA, berdasarkan data yang diperoleh dari penyebaran kuisioner kepada responden. Maka diperoleh data tentang karakteristik respondennya, adapun karakteristik responden pada penelitian ini adalah sebagai berikut: 4.1 karakteristik responden
Tabel 4.1 Karakteristik Responden Berdasarkan Jenis Kelamin Jenis Kelamin
Jumlah
%
Laki-Laki
88
58%
Perempuan
62
42%
Total
150
100%
Sumber : Data diolah (Tahun 2013)
Berdasarkan data responden diatas terdapat
mayoritas berjenis kelamin
laki-laki dan sisanya berjenis kelamin perempuan.
51
Tabel 4.2 Karakteristik Responden Berdasarkan angkatan mahasiswa Angkatan
Jumlah
%
2010
86
57%
2011
64
43%
Total
150
100%
Sumber : Data diolah (Tahun 2013)
Berdasarkan data responden diatas mayoritas responden dari angkatan 2010 dan sisanya dari angkatan 2011.
Tabel 4.3 Karakteristik Responden Berdasarkan jurusan Fakultas Ekonomi Jurusan
Jumlah
%
Manajemen
102
68%
Akuntansi
48
32%
Total
150
100%
Sumber : Data diolah (Tahun 2013)
Berdasarkan data responden diatas mayoritas responden dari jurusan manajemen dan sisanya dari jurusan akuntansi.
Setelah data terkumpul yang selanjutnya disebut data mentah, maka data mentah diolah dengan metode SEM (structural equation modeling) yang menggunakan bantuan program LISREL8.7 untuk melakukan pengujian validitas, reliabilitas, dan analisa pengaruh antar variable. Adapun tahapan awal dalam SEM yaitu spesifikasi model pengukuran. Adapun tahapan awal dalam SEM, yaitu:
52
a. Spesifikasi Model Pengukuran Dalam spesifikasi model pengukuran, digunakan notasi matematika untuk menentukan persamaan model pengukuran. Notasi matematika ini akan membantu peneliti maupun pembaca dalam membaca model sekompleks apapun karena dengan notasi ini elemen-elemen pada model tersebut akan dapat dibedakan. Tabel 4.4 adalah spesifikasi model awal persamaan model pengukuran yang berupa notasi matematika.
53
Tabel 4.4 Persamaan Model Pengukuran No Variabel Latent
Indicator
Persamaan matematika
1
SBC1
SBC1 = λx 1 * 1 + δ 1
SBC2
SBC2 = λx 2 * 1 + δ 2
SBC3
SBC3 = λx 3 * 1 + δ 3
PI1
PI1 = λx 1 * 1 + δ 1
PI2
PI2 = λx 2 * 1 + δ 2
PI3
PI3 = λx 3 * 1 + δ 3
PI4
PI4 = λx 4 * 1 + δ 4
PC1
PC1 = λx 1 * 1 + δ 1
PC2
PC2 = λx 2 * 1 + δ 2
PC3
PC3 = λx 3 * 1 + δ 3
PC4
PC4 = λx 4 * 1 + δ 4
PC5
PC5 = λx 5 * 1 + δ 5
ATS1
ATS1 = λy 1 * 1 + ε 1
ATS2
ATS2 = λy 2 * 1 + ε 2
ATS3
ATS3 = λy 3 * 1 + ε 3
ATS4
ATS4 = λy 4 * 1 + ε 4
ATS5
ATS5 = λy 5 * 1 + ε 5
ATS6
ATS6 = λy 6 * 1 + ε 6
ATS7
ATS7 = λy 7 * 1 + ε 7
Self Brand Congruity
Peer Influence
Privacy Concern
2
Attitude Toward SNA
Sumber: Bagan diolah peneliti
54
Selanjutnya tabel 4.5 menjabarkan persamaan model structural yang menjelaskan hubungan antara satu variabel laten ke variabel laten lainnya. Tabel 4.5 Persamaan Model Struktural Variabel Laten
Variabel Laten yang Mempengaruhi
Attitude Toward SNA
Self Brand Congruity Peer Influence Privacy Concern
Sumber: Bagan hasil diolah peneliti Tabel 4.5 diatas akan dibuktikan melalui persamaan model structural hubungan antara variabel laten (endogen) attitude toward sna dipengaruhi atas variabel laten (eksogen), self brand congruity, peer influence, dan privacy concern.
b. Confirmatory factor analysis Setelah mendapatkan data dikumpulkan, peneliti kemudian mengolah data dengan Lisrel. Penelitian ini menggunakan metode dua tahap, yaitu pengukuran CFA di tahap pertama dan second order CFA di tahap kedua. Pengukuran CFA ringkat pertama ini menghasilkan hasil printed output dan path diagram. Analisis awal dimulai dengan memeriksa hasil pengukuran untuk memastikan tidak terdapat offering
55
estimates (nilai-nilai yang melebihi batas yang dapat diterima) berikut criteria analisisnya: 1. Offering estimates, terutama adanya negative error variances (dikenal dengan heywod cases). Jika ada varian kesalahan negative, maka varian kesalahan tersebut perlu ditetapkan menjadi 0.01 2. Nilai standardize loading factor >0.50, namun peneliti menggunakan SLF lebih dari atau sama dengan 0.30 (Igbaria et al. dalam Wijayanto 2008). Sehingga variabel-variabel terkait bisa dipertimbangkan untuk dihapus.
Standard errors yang berhubungan dengan koefisien-koefisien yang diestimasi mempunyai nilai yang besar. Setelah memeriksa dengan baik, peneliti tidak menemukan adanya offending estimates dari hasil estimasi pengukuran CFA. Sehingga, pengujian selanjutnya dapat dilakukan.
4.2 Uji Validitas dan Reliabilitas Sebelum melakukan analisis pengaruh antar variable berdasarkan hipotesis, maka dilakukan uji validitas dan reliabilitas dalam SEM pada program Lisrel 8.7 yang didapatkan dari tahap pertama yaitu Confirmatory Factor Analysis (CFA). Pada tahap pertama ini, variable-variabel teramati atau indicator pada tiap variable laten harus memenuhi persyaratan validitas dan reliabilitas terlebih dahulu. Setelah seluruh pengujian tersebut memenuhi syarat, maka dilakukan tahap ke dua
56
yaitu second order CFA (2ndCFA). Dari pengolahan Lisrel 8.7, diperoleh hasil berupa path diagram dan printed output. Output yang terdapat dalam Path diagram akan menginformasikan tentang standardized solution yang menunjukan loading factor, nilai standar error yang menunjukan kesalahan pengukuran estimasi parameter.
4.2.1 Uji Validitas dan Reliabilitas Variabel Self Brand Congruity Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.1 CFA I berikut ini:
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.1 Confirmatory Factor Analysis I
Gambar 4.1 diatas hasil CFA I menunjukan bahwa terdapat 3 variabel teramati (observed variable) atas variabel laten self brand congruity. Semua variabel sudah valid karena nilainya sudah diatas 0.30 Kemudian, setelah dilakukan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisis reliabilitas variabel. Berikut tabel 4.6 CFA
57
Tabel 4.6 Confirmatory factor analysis Self Brand Congruity Standard errors
Keterangan
Sbc1
Standardized loading factor (SLF) ≥0,30 0.65
0.58
Validitas baik
Sbc2
0.87
0.24
Validitas baik
Sbc3
0.68
0.53
Validitas baik
Kode indikator
Reliabilitas CR ≥ 0,70 0.78
Sumber: tabel diolah peneliti Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.6 CFA diatas yang 0.78 atau lebih dari 0.70, sehingga variabel laten self brand congruity memiliki konsistensi menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construct reliability (CR) sebesar yang baik.
4.2.2 Uji Validitas dan Reliabilitas Peer Influence Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.2 CFA I berikut ini:
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.2 Confirmatory factor analysis I
58
Gambar 4.2 diatas hasil CFA I menunjukan bahwa terdapat 3 variabel teramati (observed variable) atas variabel laten self brand congruity. Semua variabel sudah valid karena nilainya sudah diatas 0.30 Kemudian, setelah dilakukan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisis reliabilitas variabel. Berikut tabel 4.7 CFA :
Tabel 4.7 Confirmatory factor analysis Peer Influence Kode indikator
Standard Errors
Keterangan
PI1
Standardized loading factors (SLF) ≥ 0.30 0.73
0.47
Validitas baik
PI2
0.89
0.21
Validitas baik
PI3
0.73
0.47
Validitas baik
PI4
0.55
0.70
Validitas baik
Reliabilitas CR ≥ 0.70 0.82
Sumber : tabel diolah peneliti Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.7 CFA diatas yang menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construct reliability (CR) sebesar 0.82 atau lebih dari 0.70, sehingga variabel laten Peer Influence memiliki konsistensi yang baik.
59
4.2.3 Uji Validitas dan Reliabilitas Privacy Concern Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.3 CFA I & 4.4 CFA II berikut ini:
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.3 Confirmatory factor analysis I
Gambar 4.4 CFA II dibawah ini adalah hasil estimasi CFA standardized solution setelah dilakukan penghapusan indicator yang tidak valid yaitu PC5
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.4 Confirmatory factor analysis II
60
Gambar 4.3 atas hasil CFA I menunjukan bahwa terdapat 5 variabel teramati (observed variables) atas variabel laten Privacy Concern.Namun terdapat satu variabel teramati yaitu PC5 ternyata tidak dapat memenuhi persyaratan uji validitas karena nilai standardized loading factors kurang dari 0.30 yang terdapat pada gambar 4.3 CFA I, sehingga peneliti menghapus variabel teramati PC5 karena kurang mewakili variabel Privacy Concern untuk attitude toward SNA. Kemudian, setelah dilakulan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisa reliabilitas variable. Berikut tabel 4.8 CFA
Tabel 4.8 Confirmatory factor analysis Privacy Concern Kode indicator
Standard errors
Keterangan
PC1
Standardized loading factors (SLF) ≥ 0.30 0.60
0.55
Validitas baik
PC2
0.61
0.37
Validitas baik
PC3
0.60
0.41
Validitas baik
PC4
0.45
0.59
Validitas baik
Reliabilitas CR ≥ 0.70 0.73
Sumber: tabel diolah peneliti
Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.8 CFA diatas yang menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construck reliability (CR) sebesar 0.73 atau lebih dari 0.70, sehingga variabel laten Privacy Concern memiliki konsistensi yang baik.
61
4.2.4 Uji validitas dan Reliabilitas Attitude Toward SNA Pengujian validitas dan reliabilitas variabel diperlihatkan oleh gambar 4.6 CFA I & 4.7 CFA II berikut ini.
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.5 Confirmatory factor analysis I
Gambar 4.6 CFA II dibawah ini adalah hasil estimasi CFA standardized solution setelah dilakukan penghapusan indicator yang tidak valid yaitu ATS7
62
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.6 Confirmatory factor analysis II
Gambar 4.5 atas hasil CFA I menunjukan bahwa terdapat 7 variabel teramati (observed variables) atas variabel laten Attitude Toward SNA.Namun terdapat satu variabel teramati yaitu ATS7 ternyata tidak dapat memenuhi persyaratan uji validitas karena nilai standardized loading factors kurang dari 0.30 yang terdapat pada gambar 4.5 CFA I, sehingga peneliti menghapus variabel teramati ATS7 karena kurang mewakili variabel Privacy Concern untuk attitude toward SNA. Kemudian, setelah dilakulan uji validitas maka langkah selanjutnya adalah menghitung atau menganalisa reliabilitas variabel. Berikut tabel 4.6 CFA
63
Tabel 4.9 Confirmatory factor analysis Attitude Toward SNA Standard errors
Keterangan
ATS1
Standardized loading factors (SLF) ≥ 0.30 0.72
0.30
Validitas baik
ATS2
0.77
0.13
Validitas baik
ATS3
0.54
0.39
Validitas baik
ATS4
0.41
0.49
Validitas baik
ATS5
0.37
0.71
Validitas baik
ATS6
0.44
0.62
Validitas baik
Kode indicator
Reliabilitas CR ≥ 0.70
0.80
Sumber: table diolah peneliti
Hasil perhitungan reliabilitas dapat dilihat pada tabel 4.9 CFA diatas yang menunjukan uji reliabilitas variabel tersebut menghasilkan nilai yang baik. Dapat dilihat bahwa construct reliability (CR) sebesar 0.80 atau lebih dari 0.70, sehingga variabel laten Attitude Toward SNA memiliki konsistensi yang baik.
4.3 Analisis Model 2nd CFA dan 1st CFA 4.3.1 Transformasi Model Penelitian 2ndCFA menjadi 1stCFA Setelah tahap pertama dan kedua menghasilkan model CFA dengan validitas dan reliabilitas yang baik, maka tahap kedua pun dilaksanakan. Second Order CFA menunjukan hubungan antara variable-variabel laten pada tingkat pertama sebagai indikator-indikator dari sebuah variable laten tingkat ke dua. Pada tahap ini, peneliti menambahkan model structural aslinya pada model CFA hasil pertama untuk menghasilkan model. Selain itu juga telah dilakukan perhitungan
64
LVS (Latent Variable Score) dari variabel-variabel laten 2ndCFA. Hasil LVS ini digunakan untuk mentransformasikan variabel-variabel teramati (observed variable) 2ndCFA menjadi variabel laten. Dengan transformasi ini variablevariabel teramati SBC1-5 (self brand congruity),PI1-4 (peer influence),PC1-5 (privacy concern) disederhanakan dengan pemberian skor pada variable latennya yang disebut dengan perhitungan LVS (Latent Variable Score) yaitu SBC (self brand congruity), PI (Peer Influence),dan PC (Privacy Concern) sehingga variable teramati (observed variable) telah terwakili oleh adanya variable laten tersebut. Perubahan ini digunakan untuk menyederhanakan atau mentransformasi model penelitian
sebelumnya
yang
merupakan
model
2ndCFA,
kemudian
disederhanakan menjadi gambar berikut.
65
: Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.7 Diagram Lintasan Model Penelitian Konseptual setelah Ditransformasikan selanjutnya, model konseptual yang menunjukan hubungan antara variable laten, akan dianalisis dan dievaluasi kecocokan keseluruhan modelnya dengan menggunakan Goodness of Fit (GOF). Setelah dipastikan bahwa kecocokan model fit (baik).
4.4 Estimasi Model Penelitian Setelah Ditransformasikan Gambar 4.8 dan 4.9 dibwh ini adalah gambar perhitungan standardized solution dan t-value. Pada hasil estimasi CFA nilai standardized solution dan tvalue terdapat variabel yang memiliki lintasan berbayang. Hal ini dikarenakan
66
lisrel telah menetapkan secara default, yaitu berarti variable tersebut manifest secara nyata berhubungan dengan variabel latennya.
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.8 Hasil Estimasi Akhir Model Penelitian (Standardized Solution)
67
Sumber: gambar diolah peneliti (output Lisrel) Gambar 4.9 Hasil Estimasi Akhir Model Penelitian (T-Value) Estimasi terhadap model penelitian setelah ditransformasikan ditunjukan melalui diagram lintasan (path diagram) pada gambar 4.8 dari gambar tersebut dapat dilihat bahwa variabel-variabel teramati (observed variable) SBC (Self brand congruity), PI (Peer Influence), PC (Privacy concern) berubah menjadi variabel-variabel teramati (observed variable) dengan nama yang sama. Dari gambar tersebut dapat dilihat bahwa standardized loading factor (SLF) dari semua variabel adalah >0.50. hal ini berarti variabel tersebut memiliki ukuran validitas yang baik. Kemudian juga dari gambar 4.9 diuraikan bahwa nilai t-value yang menunjukan hubungan antara variabel laten hasil yang signifikan.
68
Uji kecocokan keseluruhan model (overall model fit) dilakukan dengan memeriksa nilai Goodness of fit (GOF) hasil estimasi akhir dengan nilai GOF standar untuk kecocokan tersebut ditunjukan pada sub bab berikut.
4.5 Uji Kecocokan Keseluruhan Model pada penelitian ini, peneliti menggunakan structural equation modeling (SEM) yang terdapat dalam program lisrel dimana metode ini menguji secara bersama-sama model yang terdiri dari variable eksogen dan variabel endogen. Setelah lolos pengujian validitas dan reliabilitas dengan model CFA, maka tahap selanjutnya adalah, menganalisa kecocokan data dengan goodness of fit (GOF). Pengujian ini akan mengevaluasi apakah model yang dihasilkan merupakan fit atau tidak. Dari printed output yang dihasilkan estimasi pengukuran CFA pada program lisrel, analisis kecocokan keseluruhan model dapat dilihat dari angka statistic pada tabel 4.10. Tabel 4.10 Goodness Of Fit Index (GOFI) Model Penelitian GOFI
Nilai hasil estimasi
kesimpulan
0.89
Nilai standar untuk kecocokan baik ≥ 0.90
NNFI CFI
0.90
≥ 0.90
Good Fit
IFI
0.90
≥ 0.90
Good fit
Marginal fit
Sumber: output Lisrel hasil olahan peneliti.
69
Tabel 4.10 diatas menunjukan bahwa data sudah memenuhi syarat dimana CFI dan IFI sudah termasuk good fit karena nilainya sudah ≥ 0.90 sedangkan NNFI masuk ke dalam marginal fit karena nilai tidak mencapai standar kecocokan tetapi mendekati jadi data masih bsia diterima.
4.6 Analisa Kecocokan Model Structural Berdasarkan hasil uji hipotesis yang telah dilakukan sebelumnya, hanya dua dari tiga dari hipotesis penelitian membuktikan adanya hubungan signifikan pada tingkat keyakinan 95% dengan t-value lebih dari atau sama dengan 1,96. Secara umum tabel 4.11 adalah kesimpulan hasil uji hipotesis.
70
Tabel 4.11 Kesimpulan Uji Hipotesis hipotesis
Path
t-value
t-table
hasil
H1
Self Brand
1.74
≥1,96
-
2.55
≥1,96
Hipotesis
Congruity → Attitude Toward SNA H2
Peer Influence →
diterima
Attitude Toward SNA H3
Privacy Concern →
2.19
≥1,96
Hipotesis diterima
Attitude Toward SNA Sumber: output lisrel diolah peneliti
Tabel diatas menyimpulkan secara keseluruhan hipotesis yaitu terdapat dua hipotesis yang diterima atau terbukti berpengaruh karena nilai t-value lebih dari 1,96. Pada akhirnya, keseluruhan analisis data dan pengujian pada penelitian ini yang menggunakan metode SEM Lisrel telah selesai, dari tahap spesifiksai model hingga pengujian hipotesis dengan analisis kecocokan model dan menunjukan model yang tergolong baik.
71
