bab 4 hasil dan pembahasan - thesis.binus.ac.idthesis.binus.ac.id/doc/bab4/2011-1-00521-mn 4.pdf ·...
Post on 09-Mar-2019
216 Views
Preview:
TRANSCRIPT
93
93
BAB 4
HASIL dan PEMBAHASAN
4.1 Profil Responden
4.1.1 Profil PT Unilever Indonesia Tbk.
Sejak didirikan pada 5 Desember 1933, Unilever Indonesia telah tumbuh menjadi
salah satu perusahaan terdepan untuk produk Home and Personal Care serta Foods & Ice
Cream di Indonesia. Pada Gambar 4.1 disajikan logo dari Unilever Indonesia.
Gambar 4.1 Logo PT Unilever Indonesia Tbk.
Sumber: Laporan Tahunan (Annual Report) 2009 PT Unilever Indonesia Tbk.
Rangkaian Produk Unilever Indonesia mencangkup brand-brand ternama yang
disukai di dunia seperti Pepsodent, Lux, Lifebuoy, Dove, Sunsilk, Clear, Rexona, Vaseline,
Rinso, Molto, Sunlight, Walls, Blue Band, Royco, Bango, dan lain-lain.
Selama ini, tujuan perusahaan Unilever tetap sama, dimana Unilever bekerja untuk
menciptakan masa depan yang lebih baik setiap hari; membuat pelanggan merasa nyaman,
berpenampilan baik dan lebih menikmati kehidupan melalui brand dan jasa yang memberikan
manfaat untuk mereka maupun orang lain; menginspirasi masyarakat untuk melakukan
94
tindakan kecil setiap harinya yang bila digabungkan akan membuat perubahan besar bagi
dunia; dan senantiasa mengembangkan cara baru dalam berbisnis yang memungkinkan
Unilever Indonesia untuk tumbuh sekaligus mengurangi dampak lingkungan.
Saham perseroan pertamakali ditawarkan kepada masyarakat pada tahun 1981 dan
tercatat di Bursa Efek Indonesia sejak 11 Januari 1982. Pada akhir tahun 2009, saham
perseroan menempati peringkat ketujuh kapitalisasi pasar terbesar di Bursa Efek Indonesia.
Perseroan memilik i dua anak perusahaan : PT Anugrah Lever (dalam likuidasi),
kepemilikan Perseroan sebesar 100% (sebelumnya adalah perusahaan patungan untuk
pemasaran kecap) yang telah konsolidasi dan PT Technopia Lever, kepemilikan Perseroan
sebesar 51%, bergerak di bidang distribusi ekspor, dan impor produk dengan merek
Domestos Nomos.
Bagi Unilever, sumber daya manusia adalah pusat dari seluruh aktiv itas perseroan.
Unilever memberikan prioritas pada mereka dalam pengembangan profesionalisme,
keseimbangan kehidupan, dan kemampuan mereka untuk berkontribusi pada perusahaan.
Perseroan mengelola dan mengembangkan bisnis perseroan secara bertanggung
jawab dan berkesinambungan. Nilai-nilai dan standar yang Perseroan terapkan terangkum
dalam Prinsip Bisnis Kami. Perseroan juga membagi standar dan nilai-nilai tersebut dengan
mitra usaha termasuk para pemasok dan distributor.
Perseroan memilik i enam pabrik di Kawasan Industri Jababeka, Cikarang, Bekasi, dan
dua pabrik di Kawasan Industri Rungkut, Surabaya, Jawa Timur, dengan kantor pusat di
Jakarta. Produk-produk Perseroan berjumlah sekuitar 32 brand utama dan 700 SKU,
dipasarkan melalui jaringan yang melibatkan sekitar 370 distributor independen yang
menjangkau ratusan ribu toko yang tersebar di seluruh Indonesia. Produk-produk tersebut
didistribusikan melalui pusat distribusi milik sendiri, gudang tambahan, depot dan fasilitas
distribusi lainnya.
95
Sebagai perusahaan yang mempunyai tanggung jawab sosial, Unilever Indonesia
menjalankan program Corporate Social Responsibility (CSR) yang luas. Keempat pilar
program kami adalah Lingkungan, Nutrisi, Higiene dan Pertanian Berkelanjutan. Program
CSR termasuk antara lain kampanye Cuci Tangan dnegan Sabun (Lifebuoy), program Edukasi
kesehatan Gigi dan Mulut (Pepsodent), program Pelestarian Makanan Tradisional (Bango)
serta program Memerangi Kelaparan untuk membantu anak Indonesia yang kekurangan gizi
(Blue Band).
Salah satu produk perawatan pribadi (personal care) yang dimilik i Unilever Indonesia
adalah Citra yang akan dibahas lebih lanjut pada bagian berikut ini.
4.1.1.1 Merek Citra
Gambar 4.2 Logo Citra
Sumber: Laporan Tahunan (Annual Report) 2009 PT Unilever Indonesia Tbk.
Citra adalah merek lokal di Indonesia yang mempunyai v isi untuk menjadi merek
perawatan kulit lengkap yang memberikan kecantikan alami secara keseluruhan. Pada tahun
2006, Citra mempunyai dua misi yaitu:
• Misi pertama, Citra menginginkan merek perawatan kulit lengkap yang tercermin dari
jajaran produk perawatan kulit Citra yang sudah ada. Untuk perawatan tubuh, Citra
memilik i Citra Hand & Body Lotion, Citra Liquid Soap dan Citra Body Scrub. Sementara itu,
untuk perawatan wajah, Citra memilik i Citra Hazeline Moisturizer dan Citra Face Cleanser.
Citra akan terus menciptakan inovasi strategis yang berkaitan dengan konsumennya.
96
• Misi kedua, Citra ingin membantu wanita Indonesia menyeimbangkan pik iran dan tubuh
mereka. Citra sadar bahwa wanita Indonesia memilik i peran ganda dalam menjalani hidup
dan ada permintaan tinggi dari masyarakat untuk wanita ini untuk menjalankan peran
mereka. Dengan memilik i keseimbangan pik iran dan tubuh, wanita dapat memainkan
peran dengan lebih baik dan hal ini akan membawa ke hubungan harmonis dengan
masyarakat. Berdasarkan semua alasan ini, Citra meluncurkan varian wewangian
aromaterapi, karena manfaat aromaterapi sudah dikenal luas untuk membantu
mengendurkan ketegangan panca indra dan menenangkan pik iran dan tubuh.
Untuk mendukung kedua misi ter sebut di atas, Citra meluncurkan aktivasi Rumah
Cantik Citra (RCC). RCC adalah rumah spa untuk merasakan seluruh produk Citra dalam
merawat dan mempercantik tubuh dan jiwa.
Citra diketahui sebagai merek kecantikan dengan bahan-bahan alami dari warisan
kuat budaya Indonesia, dan telah beredar di Indonesia selama lebih dari 20 tahun. Citra
dikenal pertama kali sebagai merek Hand & Body Lotion tetapi beberapa tahun belakangan
ini telah memperluas merek ke segmen lain seperti sabun cair, body scrub, pembersih wajah
dan pelembab wajah. Konsumen sasaran Citra adalah wanita berusia 15 hingga 35 tahun
yang ingin menjadi modern tanpa melupakan norma-norma sosial Indonesia. Mereka juga
percaya pada kandungan yang baik untuk merawat kulit mereka yang terdapat dalam produk
perawatan kulit alami. Berikut adalah informasi lainnya berkaitan dengan merek Citra.
• Citra telah ada di pasar produk perawatan kulit Indonesia sejak tahun 1984.
• Citra terbuat dari bahan-bahan alami Indonesia dengan warisan kuat budaya Indonesia.
• Selama beberapa tahun terakhir, Citra telah mempertahankan posisinya sebagai
pemimpin pasar Hand & Body Lotion di Indonesia.
97
Salah satu misi Citra 2006 adalah menjadi Merek Perawatan Kulit Lengkap. Untuk
mendukung misi ini, Citra telah meluncurkan berbagai inovasi seperti:
• Pada bulan Februari 2006, Citra meluncurkan kembali varian Citra Hand & Body Lotion
(Citra Bengkoang White Lotion, Citra Teh Hijau Beauty Lotion dan Citra Mangir Beauty
Lotion) dan meluncurkan Citra Sabun Cair (Citra Bengkoang White Milk Bath dan Citra Teh
Hijau Refreshing Bath).
• Inovasi terbaru pada bulan Juli 2006 adalah Citra Body Scrub (Citra Bengkoang White
Body Scrub dan Citra Teh Hijau Refreshing Body Scrub) yang secara efektif
membersihkan kotoran dari kulit dan melepaskan sel-sel kulit mati yang membuat kulit
tampak bersih dan segar.
Citra akan terus melakukan inovasi terhadap produk-produk perawatan kulit dengan
meluncurkan produk-produk yang berhubungan dengan wanita Indonesia. Fakta-fakta utama
lainnya berkaitan dengan merek Citra, yaitu sebagai berikut.
• Selama beberapa tahun terakhir, nilai dan volume Citra terus tumbuh. Pertumbuhannya
didukung oleh inovasi yang berkaitan dengan konsumen Citra.
• Citra yang terus berkomitmen untuk menggali wawasan konsumen dan menciptakan
inovasi berdasarkan wawasan telah dianugerahi hadiah ini. Ini tercermin dari berbagai
penghargaan yang diraih Citra dalam tiga tahun belakangan ini secara berturut-turut,
antara lain Indonesian Best Brand Awards dan Indonesian Consumer Satisfaction Award.
• Menurut Majalah SWA, dalam pasar Hand & Body Lotion, Citra memilik i indeks loyalitas
tertinggi. Berdasarkan temuan ini, Citra memperoleh Indonesian Consumer Loyalty
Awards pada tahun 2006.
• Pada tahun 2006, Citra meluncurkan Aktivasi Rumah Cantik Citra yang merupakan rumah
spa semi permanen untuk merasakan sepenuhnya produk-produk Citra untuk merawat
dan mempercantik jiwa.
98
4.1.2 Kondisi Perusahaan
Kondisi PT Unilever Indonesia Tbk. dari tahun ke tahun semakin mengalami
kemajuan, di mana hal ini dapat diamati dari ikhtisar data keuangan penting dari Perseroan
untuk lima tahun yang berakhir pada tanggal 31 Desember 2005, 2006, 2007, 2008 dan
2009 yang dijelaskan pada grafik-grafik berikut ini.
Gambar 4.3 Penjualan Bersih (Miliar Rupiah) Tahun 2005-2009
Sumber: Laporan Tahunan (Annual Report) 2009 PT Unilever Indonesia Tbk.
99
Gambar 4.4 Laba Kotor (Miliar Rupiah) Tahun 2005-2009
Sumber: Laporan Tahunan (Annual Report) 2009 PT Unilever Indonesia Tbk.
Gambar 4.5 Laba Usaha (Miliar Rupiah) Tahun 2005-2009
Sumber: Laporan Tahunan (Annual Report) 2009 PT Unilever Indonesia Tbk.
100
Gambar 4.6 Laba Bersih (Miliar Rupiah) Tahun 2005-2009
Sumber: Laporan Tahunan (Annual Report) 2009 PT Unilever Indonesia Tbk.
4.1.3 Struktur Perusahaan
Struktur perusahaan Unilever Indonesia didesain supaya keputusan dapat cepat
diambil, di mana pada posisi puncak terbagi ke dalam dewan komisaris dan direksi. Kegiatan
Perseoran sehari-hari dipimpin Direksi dengan dukungan badan-badan lain termasuk Komite
Audit. Direksi bertanggung jawab kepada Dewan Komisaris, yang berperan sebagai badan
pengawasan dan pemantauan yang independen sekaligus memberikan masukan kepada
Direksi. Sedangkan Dewan Komisaris bertanggung jawab kepada pemegang saham. Badan-
badan ini bekerjasama untuk mengendalikan risiko, menjalankan pengawasan, dan menjaga
akuntabilitas dalam Unilever Indonesia.
• Dewan Komisaris
Dewan komisaris adalah sebuah dewan yang bertugas untuk melakukan pengawasan dan
memberikan nasihat kepada direktur Perseroan terbatas (PT), di mana dewan komisaris
terdiri dari 1 Presiden Komisaris dan 3 Komisaris Independen. Peran dan tanggung jawab
101
Dewan Komisaris, yaitu memantau dan mengawasi kebijakan Direksi dalam menjalankan
Perseroan. Dewan Komisaris menerima laporan berkala dari Direksi dan komite lain yang
terkait, memberikan nasihat terhadap masalah yang relevan seperti diatur dalam
Anggaran Dasar Perseroan. Sebagai tambahan, Dewan Komisaris bertugas untuk
melakukan tugas-tugas lain sebagaimana ditentukan oleh Rapat Umum Pemegang Saham
Tahunan (RUPST) dari waktu ke waktu. Dewan Komisaris bertanggung jawab kepada
pemegang saham pada saat RUPST. Dewan Komisaris selanjutnya diberi wewenang oleh
RUPST untuk menunjuk Kantor Akuntan Publik yang terdaftar di Badan Pengawas Pasar
Modal dan Lembaga Keuangan (Bapepam-LK) guna mengaudit pembukuan Perseroan;
serta menetapkan pembayaran untuk Kantor Akuntan Publik tersebut.
• Direksi
Direksi adalah seseorang yang ditunjuk untuk memimpin Unilever Indonesia. Pada
Gambar 4.7 disajikan struktur organisasi direksi tersebut. Peran dan tanggung jawab
utama Direksi adalah memimpin dan mengelola Perseroan sesuai dengan tujuan
Perseroan dan memanfaatkan, memelihara, dan mengelola aset Perseroan demi
kepentingan bisnis Perseoran. Direksi bertanggung jawab kepada Dewan Komisaris.
Setelah terpilih, Direksi menerima sebuah dokumen Manual Direksi yang komprehensif
dan mendapat penjelasan terperinci mengenai tanggung jawab mereka. Direksi
diharapkan untuk terus mengembangkan diri dan keahlian mereka demi Perseroan. Untuk
itu, Direksi mengikuti pelatihan dan pendidikan eksekutif yang berkelanjutan terkait
dengan bisnis Perseroan, seperti tata kelola perusahaan dan strategi kepemimpinan.
Direksi mewakili Perseroan di dalam maupun di luar pengadilan berkaitan dengan semua
hal dan permasalahan, yang mengikat pihak Perseroan dengan pihak lain dan sebaliknya,
dan untuk melaksanakan semua tugas baik yang menyangkut manajemen maupun
permasalahan lain selama masih dalam batas-batas Anggaran Dasar Perseroan.
102
Gambar 4.7 Struktur Organisasi
Sumber: Laporan Tahunan (Annual Report) 2009 PT Unilever Indonesia Tbk.
103
4.1.4 Profil Responden yang Menjadi Unit Analisis
Profil responden di dalam penelitian ini dibedakan menurut jenis kelamin, usia,
tingkat pendidikan, profesi, dan tingkat pendapatan per bulan. Berikut disajikan penjelasan
mengenai karakteristik-karakteristik responden tersebut.
a. Profil Responden Berdasarkan Jenis Kelamin
Dari 200 orang responden, seluruh responden berjenis kelamin wanita (100%), di mana
hal tersebut tampak lebih jelas pada Gambar 4.8 berikut ini.
Gambar 4.8 Jenis Kelamin Responden
Sumber: Peneliti (2010)
b. Profil Responden Berdasarkan Usia
Dari 200 orang responden, terdapat 15 responden (7%) yang berusia di kurang dari atau
sama dengan 20 tahun, 63 responden (31%) yang berusia 21 hingga 25 tahun, 47
responden (23%) yang berusia 26 hingga 30 tahun, 30 responden (15%) yang berusia 31
hingga 35 tahun, 23 responden (12%) yang berusia 36 hingga 40 tahun, 9 responden
100%Pria
Wanita
104
(5%) yang berusia 41 hingga 45 tahun, 5 responden (3%) yang berusia 46 hingga 50
tahun, 4 responden (2%) yang berusia 51 hingga 55 tahun, 2 responden (1%) yang
berusia 56 hingga 60 tahun, dan 2 responden (1%) yang berusia di atas 60 tahun. Untuk
itu di dalam penelitian ini, responden terbanyak berada pada kisaran usia 21 hingga 25
tahun, yaitu sebesar 31% dari total responden penelitian dan responden terbanyak kedua
berada pada kisaran usia 26 hingga 30 tahun, yaitu sebesar 23% dari total responden
penelitian. Untuk lebih jelasnya mengenai usia responden dapat di lihat pada Gambar 4.9
berikut ini.
Gambar 4.9 Usia Responden
Sumber: Peneliti (2010)
c. Profil Responden Berdasarkan Tingkat Pendidikan
Dari 200 orang responden, terdapat 4 responden (2%) yang sudah meraih tingkat
pendidikan SD, 4 responden (2%) yang sudah meraih tingkat pendidikan
SMP/sederajatnya, 50 responden (25%) yang sudah meraih tingkat pendidikan
7%
31%
23%
15%
12%
5% 3%
2% 1%
1%
< 20 atau = 20
21-25
26-30
31-35
36-40
41-45
46-50
51-55
56-60
> 60
105
SMA/sederajatnya, 20 responden (10%) yang sudah meraih tingkat pendidikan D3, 117
responden (58%) yang sudah meraih tingkat pendidikan S1, dan 5 responden (3%) yang
memberikan jawaban lainnya terhadap tingkat pendidikan yang sudah diraih. Untuk itu di
dalam penelitian ini, lebih dari separuh jumlah responden, yaitu sebanyak 58% dari total
responden, yang sudah meraih tingkat pendidikan S1. Selain itu, jumlah responden
terbanyak kedua, yaitu sebanyak 25% dari total responden, adalah responden yang telah
meraih tingkat pendidikan SMA/sederajatnya. Untuk lebih jelasnya mengenai tingkat
pendidikan yang sudah diraih oleh responden dapat di lihat pada Gambar 4.10 berikut ini.
Gambar 4.10 Tingkat Pendidikan Responden
Sumber: Peneliti (2010)
d. Profil Responden Berdasarkan Profesi
Dari 200 orang responden, terdapat 36 responden (18%) yang berprofesi sebagai pelajar
atau mahasiswa, 119 responden (59%) yang berprofesi sebagai pegawai atau karyawan,
13 responden (7%) yang berprofesi sebagai wiraswasta, 14 responden (7%) yang
2% 2%
25%
10%58%
3%
SD
SMP/Sederajatnya
SMA/Sederajatnya
D3
S1
Lainnya
106
berprofesi sebagai ibu rumah tangga, dan 18 responden (9%) yang memberikan jawaban
profesi yang lainnya. Untuk itu di dalam penelitian ini, lebih dari separuh jumlah
responden, yaitu sebanyak 59% dari total responden, berprofesi sebagai pegawai atau
karyawan. Selain itu, jumlah responden terbanyak kedua, yaitu sebanyak 18% dari total
responden, adalah responden yang berprofesi sebagai pelajar atau mahasiswa. Untuk
lebih jelasnya mengenai profesi responden dapat di lihat pada Gambar 4.11 berikut ini.
Gambar 4.11 Profesi Responden
Sumber: Peneliti (2010)
e. Profil Responden Berdasarkan Tingkat Pendapatan Per Bulan
Dari 200 orang responden, terdapat 21 responden (10%) dengan tingkat pendapatan per
bulan kurang dari atau sama dengan Rp 1.000.000,00; 74 responden (37%) dengan
tingkat pendapatan per bulan Rp 1.000.001,00 hingga Rp 3.000.000,00; 70 responden
(35%) dengan tingkat pendapatan per bulan Rp 3.000.001,00 hingga Rp 5.000.000,00;
14 responden (7%) dengan tingkat pendapatan per bulan Rp 5.000.001,00 hingga Rp
18%
59%
7%7% 9%
Pelajar/Mahasiswa
Pegawai/Karyawan
Wiraswasta
Ibu Rumah Tangga
Lainnya
107
7.000.000,00; 9 responden (5%) dengan tingkat pendapatan per bulan Rp 7.000.001,00
hingga Rp 9.000.000,00; dan 12 responden (6%) dengan tingkat pendapatan per bulan
lebih dari Rp 9.000.000,00. Untuk itu di dalam penelitian ini, responden paling banyak,
yaitu sebanyak 37%, memilik i tingkat pendapatan per bulan sebesar Rp 1.000.001,00
hingga Rp 3.000.000,00 dan jumlah responden terbanyak kedua, yaitu sebanyak 35%,
memilik i tingkat pendapatan per bulan sebesar Rp 3.000.001,00 hingga Rp 5.000.000,00.
Untuk lebih jelasnya mengenai tingkat pendapatan per bulan responden dapat di lihat
pada Gambar 4.12 berikut ini.
Gambar 4.12 Tingkat Pendapatan Per Bulan Responden
Sumber: Peneliti (2010)
10%
37%35%
7%5% 6%
< Rp 1.000.000,00 atau = Rp 1.000.000,00
Rp 1.000.001,00 - Rp 3.000.000,00
Rp 3.000.001,00 - Rp 5.000.000,00
Rp 5.000.001,00 - Rp 7.000.000,00
Rp 7.000.001,00 - Rp 9.000.000,00
> Rp 9.000.000,00
108
4.2 Analisis Data
4.2.1 Spesifikasi Model
Pernyataan atau dugaan hipotesis penelitian telah dinyatakan secara rinci pada
rancangan uji hipotesis bab 3 bagian 3.7. Untuk itu, peneliti langsung berlanjut ke langkah
spesifikasi model berikutnya.
Terdapat empat variabel yang terlibat di dalam penelitian ini, yaitu dijelaskan pada
Tabel 4.1. Perlu diingat bahwa pengolahan data dengan LISREL mensyaratkan bahwa, nama
variabel manifest (indikator) dan variabel laten harus tidak lebih daripada 8 karakter (Ghozali
dan Fuad, 2008, p77). Untuk itu, di dalam tahap ini, peneliti juga memberikan keterangan
mengenai singkatan-singkatan yang peneliti gunakan dalam pengolahan data dengan LISREL
yang nantinya akan muncul di hasil pengolahan data.
Tabel 4.1 Spesifikasi Kategori Variabel
Variabel Singkatan Kategori Simbol Variabel
Manifest
Experiential
Marketing expmark Laten Eksogen Ksi1 ξ 1
13 indikator
Celebrity
Endorsement celeb Laten Eksogen Ksi2 ξ 2
5 indikator
Brand Trust trust Laten Endogen Eta1 η1 8 indikator
Brand Loyalty loyalty Laten Endogen Eta2 η 2 3 indikator
Sumber: Peneliti (2010)
Pada Tabel 4.2 hingga 4.5 dijelaskan mengenai komponen yang termasuk ke dalam
indikator-indikator pada Tabel 4.1.
109
Tabel 4.2 Variabel Manifest Experiential Marketing
Variabel Manifest Simbol Singkatan
Penglihatan X1 SENSE1
Pendengaran X2 SENSE2
Penciuman X3 SENSE3
Perasa X4 SENSE4
Peraba X5 SENSE5
Perasaan batin X6 FEEL1
Emosi X7 FEEL2
Pemikiran konvergen X8 THINK1
Pemikiran divergen X9 THINK2
Pengalaman fisik X10 ACT1
Gaya hidup X11 ACT2
Interaksi X12 ACT3
Menghubungkan orang-orang dengan
sistem sosial yang lebih luas X13 RELATE1
Sumber: Peneliti (2010)
Tabel 4.3 Variabel Manifest Celebrity Endorsement
Variabel Manifest Simbol Singkatan
Expertise X14 CREDI1
Trustworthiness X15 CREDI2
Similarity X16 ATTRAC1
Familiarity X17 ATTRAC2
Likeability X18 ATTRAC3
Sumber: Peneliti (2010)
110
Tabel 4.4 Variabel Manifest Brand Trust
Variabel Manifest Simbol Singkatan
Kemampuan untuk menepati janji Y1 RELI1
Keinginan untuk menepati janji Y2 RELI2
Kemampuan memuaskan kebutuhan
konsumen Y3 RELI3
Keinginan memuaskan kebutuhan
konsumen Y4 RELI4
Altruism Y5 INTEN1
Honesty Y6 INTEN2
Dependability Y7 INTEN3
Fairness Y8 INTEN4
Sumber: Peneliti (2010)
Tabel 4.5 Variabel Manifest Brand Loyalty
Variabel Manifest Simbol Singkatan
Perilaku pembelian ulang, karena
konsumen puas dengan merek tersebut Y9 BEHAV1
Word of mouth Y10 ATTITU1
Kerelaan untuk membayar pada harga
premium Y11 ATTITU2
Sumber: Peneliti (2010)
Berdasarkan hipotesis yang dibentuk diduga adanya hubungan-hubungan struktural
berikut ini.
• Variabel experiential marketing memilik i pengaruh langsung yang signifikan terhadap
variabel brand trust
• Variabel celebrity endorsement memilik i pengaruh langsung yang signifikan terhadap
variabel brand trust
111
• Variabel brand trust memilik i pengaruh langsung yang signifikan terhadap variabel brand
loyalty
• Variabel experiential marketing memilik i pengaruh langsung yang signifikan terhadap
variabel brand loyalty
• Variabel celebrity endorsement memilik i pengaruh langsung yang signifikan terhadap
variabel brand loyalty
• Variabel experiential marketing memilik i pengaruh tidak langsung yang signifikan
terhadap variabel brand loyalty
• Variabel celebrity endorsement memilik i pengaruh tidak langsung yang signifikan
terhadap variabel brand loyalty
Diagram jalur hubungan antara variabel-variabel laten dan antara variabel laten
beserta indikator-indikatornya digambarkan pada Gambar 4.13, di mana hubungan antara
variabel-variabel laten tersebut merupakan hubungan recursive, yaitu pola hubungan
antarvariabel yang memilik i satu arah (Yamin dan Kurniawan, 2009, p69).
112
112
Gambar 4.13 Hubungan Antarvariabel Sumber: Peneliti (2010)
KSI1
ETA1 ETA2
( )γ 11
( )β 21
KSI2
( )γ12
( )ζ1
( )ζ2
X6
X7
X8
X9
λ 182X
X3 X2
X10
X4
δ 4
X11
X5
X1
X12
X13
δ 1 δ 2
δ 3
δ 5
δ 6
δ 7
δ 8
δ 9
δ 10
δ 11
δ 12
δ 13
X15 X16 X14
δ 14
X17
δ 17 δ 16
δ 15
X18
δ 18
Y2 Y3 Y1 Y4 Y6 Y7 Y5 Y8
Y9
Y10
Y11
λ 172Xλ 162Xλ 152Xλ 142X
λ 131X
λ 121X
λ 111X
λ 101X
λ 91X
λ 81X
λ 71X
λ 61X λ 51X
λ 41X λ 31X
λ 21X λ 11X
ε1 ε 2
ε 3 ε 4
ε 5 ε 6
ε 7 ε 8
ε 9
ε 10
ε 11
λ 11Y λ 21Y λ 31Y λ 41Y λ 51Y λ 61Y λ 71Y λ 81Y
λ 92Y
λ 102Y
λ 112Y
113
113
4.2.2 Identifikasi Model
Berdasarkan informasi pada Tabel 4.1 dapat diketahui bahwa total variabel teramati
(variabel manifest) yang ada di dalam penelitian ini, yaitu sejumlah 29 variabel teramati
(indikator), dengan rincian, yaitu 13 indikator untuk experiential marketing, 5 indikator untuk
celebrity endorsement, 8 indikator untuk brand trust, dan 3 indikator untuk brand loyalty.
Berdasarkan pada jumlah variabel teramati tersebut (n = 29), maka jumlah data
yang bisa diperoleh untuk pengolahan SEM, yaitu sejumlah 435, yang diperoleh dari
perhitungan berikut ini.
Jumlah data = (n x (n + 1))/2 = (29 x (29 +1))/2 = 435
Jumlah data tersebut akan peneliti bandingkan dengan jumlah parameter yang
diestimasi. Jumlah parameter yang diestimasi pada penelitian ini, yaitu sejumlah 64
parameter, di mana jumlah tersebut diperoleh dari Parameter Specifications pada output
LISREL yang dapat dilihat pada bagian lampiran.
Dengan jumlah data (435) dan jumlah parameter (64), maka jumlah parameter yang
diestimasi lebih kecil dari jumlah data yang diketahui, sehingga model di dalam penelitian ini
termasuk ke dalam over-identified model atau dengan kata lain, model tersebut tidak
termasuk ke dalam model yang under-identified atau unidentified yang memang tidak
memilik i penyelesaian yang unik. LISREL secara otomatis juga dapat menampilkan
keterangan mengenai model yang under-identified atau unidentified yaitu dengan peringatan
adanya degree of freedom yang negatif, sehingga apabila nantinya terjadi respesifikasi
model dengan mengeluarkan variabel teramati tertentu atau dengan menambah dan
mengurangi suatu hubungan, peneliti tidak akan melakukan perhitungan manual lagi, dan
akan langsung memfokuskan pada analisis hasil pengolahan.
114
4.2.3 Screening Data
Sebelum peneliti melanjutkan ke dalam tahap estimasi model, peneliti terlebih dahulu
akan melakukan screening data. Hal ini sesuai dengan yang dinyatakan oleh Ghozali dan
Fuad (2008, p65), yaitu “Sebelum melakukan analisis Structural Equation Modeling, sangat
dianjurkan untuk melakukan screening data untuk memberikan gambaran mengenai
deskriptif data (mean, standar deviasi, dan juga yang terpenting adalah untuk memastikan
terpenuhinya asumsi-asumsi SEM seperti normalitas)”.
Skala yang digunakan dalam pengumpulan data merupakan skala ordinal, untuk itu,
sebelum screening data dilakukan, peneliti terlebih dahulu akan mengubah data yang semula
berskala ordinal menjadi data continuous, dikarenakan peneliti juga ingin menguji asumsi
multivariate normality yang akan digunakan dalam penentuan metode estimasi di tahap
selanjutnya, di mana pengujian multivariate normality tersebut tidak dapat dilakukan jika
data berada dalam skala ordinal. Pengubahan jenis data dilakukan secara otomatis dengan
bantuan LISREL 8.70. Berikut adalah ringkasan hasil dari proses screening data.
Tabel 4.6 Univariate Summary Statistics for Continuous Variables
Total Sample Size = 200
Variable Mean Standar
Deviasi Minimum Frekuensi Maximum Frekuensi
SENSE1 4.450 0.591 1.000 1 5.000 97
SENSE2 4.370 0.543 3.000 6 5.000 80
SENSE3 4.210 0.606 2.000 1 5.000 61
SENSE4 3.810 0.759 1.000 1 5.000 34
SENSE5 3.775 0.766 2.000 8 5.000 33
FEEL1 4.410 0.551 3.000 6 5.000 88
FEEL2 4.040 0.686 2.000 1 5.000 50
THINK1 4.245 0.589 3.000 16 5.000 65
THINK2 4.065 0.681 2.000 1 5.000 52
115
Variable Mean Standar
Deviasi Minimum Frekuensi Maximum Frekuensi
ACT1 4.185 0.602 2.000 1 5.000 57
ACT2 4.240 0.674 2.000 2 5.000 73
ACT3 4.330 0.550 3.000 8 5.000 74
RELATE1 3.625 0.746 2.000 9 5.000 23
CREDI1 3.905 0.734 1.000 1 5.000 39
CREDI2 3.800 0.673 2.000 1 5.000 28
ATTRAC1 3.720 0.724 2.000 4 5.000 28
ATTRAC2 3.600 0.750 1.000 1 5.000 22
ATTRAC3 3.805 0.728 1.000 1 5.000 29
RELI1 3.825 0.653 3.000 63 5.000 28
RELI2 3.920 0.613 3.000 46 5.000 30
RELI3 3.860 0.688 3.000 63 5.000 35
RELI4 3.820 0.678 2.000 1 5.000 30
INTENS1 3.970 0.657 2.000 1 5.000 39
INTENS2 3.935 0.619 3.000 45 5.000 32
INTENS3 3.715 0.668 2.000 3 5.000 21
INTENS4 3.795 0.620 2.000 1 5.000 21
BEHAV1 3.900 0.750 1.000 1 5.000 42
ATTITU1 4.070 0.630 2.000 1 5.000 46
ATTITU2 3.630 0.822 1.000 1 5.000 26
Sumber: Peneliti (2010)
Menurut Yamin dan Kurniawan (2009, p23), salah satu fungsi dari screening data
adalah untuk memeriksa ulang apakah terdapat kesalahan pengetikan data yang di-input
atau apakah terdapat missing value (responden tidak memilih salah satu dari sebuah item
pertanyaan).
Dari Tabel 4.6 dapat diketahui bahwa jumlah sample yang digunakan di dalam
penelitian ini berjumlah 200 sample. Selain itu, di dalam output hasil screening data tidak
(Lanjutan Tabel 4.6)
116
ditemukan adanya keterangan number of missing values yang berarti bahwa tidak ada data
yang hilang dalam proses pemasukan data.
Skala Likert yang digunakan dalam penelitian ini terdiri dari lima jenis kategori, yaitu
sangat tidak setuju (1), tidak setuju (2), biasa atau netral (3), setuju (4), dan sangat setuju
(5). Berarti nilai minimum yang mungkin muncul atas tanggapan terhadap masing-masing
indikator, yaitu sebesar 1 dan nilai maksimum yang mungkin muncul adalah sebesar 5.
Dengan melihat nilai minimum dan maksimum pada Tabel 4.6, dapat diamati bahwa
tidak ada nilai ekstrim yang tidak masuk akal atau dengan kata lain tidak terdeteksi adanya
outliers pada penelitian ini.
Tabel 4.7 Test of Multivariate Normality for Continuous Variables
Skewness and Kurtosis
Chi-Square P-Value
392.764 0.000
Sumber: Peneliti (2010)
Menurut Ghozali dan Fuad (2008, p67), asumsi multivariate normality jauh lebih
penting daripada univariate normality. Multivariate normality menunjukkan bahwa data tidak
normal secara simultan. Berikut adalah pengujian multivariate normality berdasarkan pada
informasi p-value di Tabel 4.7.
• Dasar Pengambilan Keputusan
Jika P-Value Skewness dan Kurtosis > 0.05, maka data normal secara simultan
Jika P-Value Skewness dan Kurtosis < 0.05, maka data tidak normal secara simultan
• Keputusan
P-Value Skewness dan Kurtosis = 0.000 < 0.05, maka data tidak normal secara simultan,
sehingga data di dalam penelitian ini tidak memenuhi asumsi multivariate normality.
117
4.2.4 Estimasi Model
Berdasarkan pada terpenuhi atau tidaknya asumsi multivariate normality, karena
data tidak normal secara simultan dan telah diubah ke dalam bentuk kontinu, maka metode
estimasi yang digunakan adalah Robust Maximum Likelihood.
4.2.5 Uji Kecocokan Keseluruhan Model
Pada bagian ini, peneliti akan menggunakan informasi tingkat kecocokan yang bisa
diterima pada suatu model yang terdapat di Tabel 3.7. Khusus untuk penilaian statistic chi-
square, menurut Hu et al. (Ghozali dan Fuad, 2008, p258) hanya Satorra-Bentler Scaled Chi-
Square yang menghasilkan estimasi chi-square yang paling valid, berapapun jumlah sampel,
dan pada penggunaan data yang tidak normal. Untuk itu nilai statistic chi-square yang akan
digunakan dalam uji kecocokan keseluruhan model adalah Satorra-Bentler Scaled Chi-Square.
Pada Tabel 4.8 disajikan hasil untuk uji kecocokan model keseluruhan.
Tabel 4.8 Uji Kecocokan Keseluruhan Model 1
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Tidak Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.79
118
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.070
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.065
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 4.07
ECVI for Saturated Model = 4.37
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 4.07
ECVI for Independence Model = 45.64
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.75
(Lanjutan Tabel 4.8)
119
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.92
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.92
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.96
(Lanjutan Tabel 4.8)
120
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.96
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
682.31/371 = 1.839
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Fit
Hasil Pengolahan
Model AIC = 810.31
Saturated AIC = 870.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 810.31
Independence AIC = 9082.92
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 1085.40
Saturated CAIC = 2739.77
(Lanjutan Tabel 4.8)
121
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 1085.40
Independence CAIC = 9207.57
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 128.54
Sumber: Peneliti (2010)
Berdasarkan pada informasi pada Tabel 4.8, dapat diamati bahwa terdapat 5 ukuran
GOF yang menunjukkan kecocokan yang tidak fit dan 13 ukuran GOF menunjukkan
kecocokan yang fit. Sebagian besar ukuran kecocokan tersebut menunjukkan hasil yang fit,
sehingga dapat dikatakan bahwa kecocokan keseluruhan model adalah baik dan peneliti
dapat melanjutkan ke tahap selanjutnya. Namun sebelum itu, kecocokan keseluruhan model
ini sebenarnya masih bisa ditingkatkan dengan memanfaatkan informasi yang ada di
Modification Index, seperti tampak pada Gambar 4.14.
(Lanjutan Tabel 4.8)
122
Gambar 4.14 Modification Index
Sumber: Peneliti (2010)
Pada Gambar 4.14 dapat diketahui bahwa modifikasi yang mungkin dilakukan antara
lain, yaitu (1) menjadikan indikator ATTRAC1 yang merupakan indikator dari variabel laten
celebrity endorsement sekaligus juga menjadi indikator dari variabel laten experiential
marketing, (2) menjadikan indikator RELATE1 yang merupakan indikator dari variabel laten
experiential marketing sekaligus juga menjadi indikator dari variabel laten celebrity
endorsement, (3) menjadikan indikator INTENS4 yang merupakan indikator dari variabel
laten brand trust sekaligus juga menjadi indikator dari variabel laten brand loyalty, dan (4)
menambahkan hubungan di antara kesalahan pengukuran antara indikator-indikator tertentu
seperti yang disarankan di gambar. Untuk melakukan modifikasi tersebut, Ghozali dan Fuad
(2008, p339) menyatakan bahwa apapun modifikasi yang dilakukan harus sesuai dan dapat
123
dipertanggung jawabkan sesuai dengan teori”, dan peneliti tidak menemukan adanya teori
yang mendukung untuk diberlakukannya modifikasi-modifikasi tersebut. Lagipula, sebagian
besar ukuran GOF telah menyatakan bahwa model ini fit dan model ini pun dibangun atas
berbagai teori dasar yang cukup kuat. Hal ini sesuai dengan salah satu konsensus yang ada
di antara para peneliti yang dipantau oleh Bollen dan Long (Wijanto, 2008, pp49-50), yaitu
bahwa “Petunjuk terbaik dalam menilai kecocokan model adalah teori substantif yang kuat.
Jika model hanya menunjukkan atau mewakili teori substantif yang tidak kuat, dan meskipun
model mempunyai kecocokan yang sangat baik, agak sukar bagi k ita untuk menilai model
tersebut”. Untuk itulah peneliti tidak mengadakan modifikasi yang disarankan oleh output
Modification Index dan melanjutkan ke tahap berikutnya, yaitu uji kecocokan model
pengukuran.
4.2.6 Uji Kecocokan Model Pengukuran
Evaluasi pada uji kecocokan model pengukuran terdiri dari evaluasi terhadap validitas
dari model pengukuran dan evaluasi terhadap reliabilitas dari model pengukuran. Sebelum
melakukan uji reliabilitas, peneliti terlebih dahulu akan melakukan uji validitas, dikarenakan
indikator yang tidak valid akan dikeluarkan dari model.
Terdapat dua jenis penilaian agar suatu variabel dikatakan mempunyai validitas yang
baik, yaitu dengan berdasarkan pada nilai t muatan faktor dan muatan faktor standar. Suatu
variabel dikatakan mempunyai validitas yang baik, jika:
(1) Nilai t muatan faktornya lebih besar dari nilai kritis (>1.96). Nilai kritis sebesar 1.96
diperoleh dari nilai t tabel dengan level signifikansi 5% dan jumlah sampel 200.
(2) Muatan faktor standarnya (standardized factor loadings) lebih besar atau sama dengan
0.70 (Rigdon dan Ferguson) atau muatan faktor standarnya > 0.50 (Igrabia, et al.).
124
Memang terdapat dua pandangan mengenai nilai minimal untuk muatan faktor
standar, namun sepengamatan peneliti, masih banyak referensi yang menggunakan nilai
minimal sebesar 0.50. Untuk itu di dalam penelitian ini, peneliti akan menggunakan standar
nilai minimal ter sebut. Sehingga, dasar pengambilan keputusan untuk pengujian validitas
pada tahap ini, yaitu suatu variabel dikatakan mempunyai validitas yang baik dengan
berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96 dan (2) Muatan faktor standar > 0.50
Pada Tabel 4.9 disajikan informasi mengenai nilai t, muatan faktor standar/
standardized factor loadings (SFL), dan juga kesimpulan mengenai validitas dari masing-
masing variabel teramati berkaitan dengan variabel laten mereka masing-masing.
Tabel 4.9 Uji Validitas (1)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE1 0.45 7.46 - - - - - - Kurang Baik
SENSE2 0.61 10.69 - - - - - - Baik
SENSE3 0.69 11.60 - - - - - - Baik
SENSE4 0.46 6.55 - - - - - - Kurang Baik
SENSE5 0.40 5.51 - - - - - - Kurang Baik
FEEL1 0.57 9.52 - - - - - - Baik
FEEL2 0.68 12.10 - - - - - - Baik
THINK1 0.72 12.99 - - - - - - Baik
THINK2 0.62 10.20 - - - - - - Baik
ACT1 0.52 8.69 - - - - - - Baik
ACT2 0.66 11.63 - - - - - - Baik
ACT3 0.52 8.54 - - - - - - Baik
RELATE1 0.52 7.63 - - - - - - Baik
CREDI1 - - 0.74 12.98 - - - - Baik
CREDI2 - - 0.65 9.01 - - - - Baik
125
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
ATTRAC1 - - 0.69 12.20 - - - - Baik
ATTRAC2 - - 0.83 14.03 - - - - Baik
ATTRAC3 - - 0.70 9.27 - - - - Baik
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.86 - - Baik
RELI3 - - - - 0.84 14.09 - - Baik
RELI4 - - - - 0.86 16.72 - - Baik
INTENS1 - - - - 0.68 11.00 - - Baik
INTENS2 - - - - 0.67 9.97 - - Baik
INTENS3 - - - - 0.65 10.15 - - Baik
INTENS4 - - - - 0.67 9.22 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.78 11.12 Baik
ATTITU2 - - - - - - 0.58 7.74 Baik
Pada Tabel 4.9 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Namun untuk muatan
faktor standar, terdapat 3 variabel teramati yang tidak valid, karena muatan faktor
standarnya lebih kecil dibanding 0.5. Ketiga variabel teramati tersebut adalah SENSE1,
SENSE4, dan SENSE5. Sehingga di dalam model penelitian ini, variabel laten yang seluruh
variabel teramatinya memilik i validitas yang baik, karena telah memenuhi dua kriteria
validitas yang baik, adalah variabel laten celebrity endorsement, brand trust, dan brand
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.9)
126
loyalty. Berbeda dengan variabel laten experiential marketing yang memilik i beberapa
variabel teramati yang kurang baik dari segi validitas, di mana adanya ukuran validitas yang
kurang baik dari beberapa variabel teramatinya tersebut akan dapat memengaruhi reliabilitas
dari variabel laten experiential marketing tersebut menjadi tidak reliabel.
4.2.7 Respesifikasi Model (A)
Berdasarkan pada hasil uji validitas pada Tabel 4.9, variabel teramati SENSE1,
SENSE4, dan SENSE5 tidak memenuhi salah satu syarat yang harus dipenuhi agar suatu
variabel teramati bisa dikatakan memilik i validitas yang baik, maka SENSE1, SENSE4, dan
SENSE5 seharusnya dikeluarkan dari model di penelitian ini. Namun, ketiganya tidak perlu
dikeluarkan sekaligus, karena ketika satu indikator dikeluarkan dari model, maka nilai muatan
faktor standar dan nilai t dari indikator-indikator lain yang masih berada di dalam model
penelitian akan ikut berubah, dan untuk itu ada kemungkinan indikator yang semula tidak
valid dapat menjadi valid, walaupun hal tersebut tidak selalu terjadi. Indikator yang pertama
kali akan dikeluarkan dari model adalah indikator dengan nilai muatan faktor standar terkecil,
yaitu SENSE5 dengan muatan faktor standar sebesar 0.40. Dengan dikeluarkannya indikator
tersebut, maka model di penelitian ini menjadi seperti apa yang ditampilkan pada Gambar
4.15. Pada gambar tersebut dapat diamati bahwa variabel laten experiential marketing yang
pada model awal memilik i 13 buah variabel teramati, k ini variabel teramatinya menjadi 12
buah, karena dikeluarkannya SENSE5 dari penelitian.
127
Gambar 4.15 Respesifikasi Model (A)
Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.15,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.10 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.15. Pada tabel tersebut dapat
diamati bahwa hasil keputusan mengenai uji kecocokan keseluruhan adalah sama dengan
hasil keputusan uji kecocokan keseluruhan pada model penelitian sebelum direspifikasi.
Walaupun dari segi keputusan terdapat hasil yang sama, yaitu terdapat 5 ukuran GOF yang
menunjukkan kecocokan yang tidak fit dan 13 ukuran GOF menunjukkan kecocokan yang fit,
128
namun dari segi angka hasil pengolahan terdapat beberapa perbedaan, yaitu tampak pada
ukuran derajat kecocokan Root Mean Square Error of Approximation (RMSEA), Expected
Cross-Validation Index (ECVI), Normed Fit Index (NFI), Normed Chi-Square, Akaike
Information Criterion (AIC), Consistent Akaike Information Criterion (CAIC), dan Critical N
(CN), hanya saja angka hasil pengolahan tersebut masih terdapat pada daerah keputusan
yang sama sehingga hasil keputusannya pun sama. Karena sebagian besar ukuran
kecocokan tersebut menunjukkan hasil yang fit, sehingga dapat dikatakan bahwa kecocokan
keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya.
Tabel 4.10 Uji Kecocokan Keseluruhan 2 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Tidak Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.79
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.070
129
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.066
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.85
ECVI for Saturated Model = 4.08
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.85
ECVI for Independence Model = 44.16
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.75
(Lanjutan Tabel 4.10)
130
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.93
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.92
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.96
(Lanjutan Tabel 4.10)
131
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.96
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
641.21/344 = 1.864
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Fit
Hasil Pengolahan
Model AIC = 765.21
Saturated AIC = 812.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 765.21
Independence AIC = 8788.63
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 1031.71
Saturated CAIC = 2557.12
(Lanjutan Tabel 4.10)
132
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 1031.71
Independence CAIC = 8908.98
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 127.61
Sumber: Peneliti (2010)
Sebenarnya setelah uji kecocokan keseluruhan selesai, tahap selanjutnya yang akan
dilakukan peneliti, adalah uji kecocokan model pengukuran. Namun, sebenarnya uji
kecocokan model keseluruhan yang ada pada Tabel 4.10 belum selesai. Dengan meninjau
kembali informasi yang tersedia di Tabel 3.7 mengenai rangkuman kriteria uji kecocokan,
maka terdapat dua kategori besar penilaian, yaitu penilaian untuk tingkat kecocokan yang
bisa diterima pada suatu model dan untuk perbandingan antarmodel, di mana pada Tabel
4.10 tersebut baru memperhitungkan tingkat kecocokan yang bisa diterima pada suatu
model. Untuk itu, peneliti juga akan melakukan uji kecocokan untuk perbandingan
antarmodel, guna membandingkan antara model awal sebelum respesifikasi dengan hasil
respesifikasi model (A), di mana hasil uji kecocokan tersebut ditampilkan pada Tabel 4.11.
(Lanjutan Tabel 4.10)
133
Tabel 4.11 Uji Kecocokan Keseluruhan 2 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Model
Awal
Respesifikasi
Model (A)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
682.31
641.21 Lebih baik
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
311.31 297.21 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
1.55655 1.48605 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.79 0.79 Tidak mengalami
perubahan
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
4.07 3.85 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.75 0.75 Tidak mengalami
perubahan
Tucker-Lewis Index
atau Non-Normed Fit
Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.92 0.93 Lebih baik
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.92 0.92 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.84 0.84 Tidak mengalami
perubahan
134
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Model
Awal
Respesifikasi
Model (A)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI berkisar
antara 0 dengan 1)
0.67 0.67 Tidak mengalami
perubahan
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
810.31 765.21 Lebih baik
Consistent Akaike
Information Criterion
(CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
1085.40 1031.71 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) model awal = 311.31/200 = 1.55655
• Scaled NCP (SNCP) respesifikasi model (A) = 297.21/200 = 1.48605
Dengan membandingkan antara model awal penelitian dengan hasil respesifikasi
model (A) pada Tabel 4.11, maka terdapat 7 ukuran derajat kecocokan yang memberikan
keputusan bahwa hasil respesifikasi model (A) dari segi ukuran derajat kecocokan
menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya. Hal ini sesuai
dengan teori bahwa terdapat beberapa alasan kenapa suatu model memilik i fit yang buruk,
salah satunya, yaitu adanya specification error. Specification error timbul bisa disebabkan
oleh beberapa penyebab, salah satunya adalah adanya indikator yang tidak valid dan
(Lanjutan Tabel 4.11)
135
memilik i reliabilitas yang kurang (Ghozali dan Fuad, 2008, pp339-340). Karena sebagian
besar hasil uji kecocokan keseluruhan dari hasil respesifikasi model (A) adalah baik (fit) dan
hasil respesifikasi model (A) ini juga lebih baik dibandingkan model penelitian awal, maka
kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap
selanjutnya, yaitu uji kecocokan model pengukuran.
Seperti yang telah dijelaskan sebelumnya bahwa uji kecocokan model pengukuran
terdiri dari uji validitas dan uji reliabilitas. Namun sebelum uji reliabilitas dilakukan, peneliti
harus memastikan bahwa seluruh variabel teramati telah baik dari segi validitas. Pada Tabel
4.12 ditampilkan hasil uji validitas untuk model penelitian hasil respesifikasi model (A).
Dasar pengambilan keputusan untuk pengujian validitas pada tahap ini, yaitu suatu
variabel dikatakan mempunyai validitas yang baik dengan berdasarkan pada dua kriteria,
yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.12 Uji Validitas (2)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE1 0.44 7.49 - - - - - - Kurang Baik
SENSE2 0.62 10.85 - - - - - - Baik
SENSE3 0.70 11.52 - - - - - - Baik
SENSE4 0.45 6.35 - - - - - - Kurang Baik
FEEL1 0.56 9.13 - - - - - - Baik
FEEL2 0.68 11.98 - - - - - - Baik
THINK1 0.73 13.06 - - - - - - Baik
THINK2 0.62 10.14 - - - - - - Baik
136
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
ACT1 0.53 8.69 - - - - - - Baik
ACT2 0.66 11.64 - - - - - - Baik
ACT3 0.52 8.48 - - - - - - Baik
RELATE1 0.52 7.49 - - - - - - Baik
CREDI1 - - 0.74 12.98 - - - - Baik
CREDI2 - - 0.65 9.01 - - - - Baik
ATTRAC1 - - 0.69 12.21 - - - - Baik
ATTRAC2 - - 0.83 14.04 - - - - Baik
ATTRAC3 - - 0.70 9.27 - - - - Baik
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.85 - - Baik
RELI3 - - - - 0.84 14.09 - - Baik
RELI4 - - - - 0.86 16.72 - - Baik
INTENS1 - - - - 0.68 10.99 - - Baik
INTENS2 - - - - 0.67 9.97 - - Baik
INTENS3 - - - - 0.65 10.15 - - Baik
INTENS4 - - - - 0.67 9.22 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.78 11.11 Baik
ATTITU2 - - - - - - 0.58 7.74 Baik
Pada Tabel 4.12 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Namun untuk muatan
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.12)
137
faktor standar atau standardized factor loadings (SFL), terdapat 2 variabel teramati yang
tidak valid, karena muatan faktor standarnya lebih kecil dibanding 0.5. Kedua variabel
teramati tersebut adalah SENSE1 dan SENSE4. Sehingga di dalam model penelitian ini,
variabel laten yang seluruh variabel teramatinya memilik i validitas yang baik, karena telah
memenuhi dua kriteria validitas yang baik, adalah variabel laten celebrity endorsement,
brand trust, dan brand loyalty.
4.2.8 Respesifikasi Model (B)
Berdasarkan pada hasil uji validitas pada Tabel 4.12, variabel teramati SENSE1 dan
SENSE4 tidak memenuhi salah satu syarat yang harus dipenuhi agar suatu variabel teramati
bisa dikatakan memilik i validitas yang baik, maka SENSE1 dan SENSE4 seharusnya
dikeluarkan dari model di penelitian ini. Namun, keduanya tidak perlu dikeluarkan sekaligus,
karena seperti yang telah dinyatakan sebelumnya bahwa ketika satu indikator dikeluarkan
dari model, maka nilai muatan faktor standar dan nilai t dari indikator-indikator lain yang
masih berada di dalam model penelitian akan ikut berubah, dan untuk itu ada kemungkinan
indikator yang semula tidak valid dapat menjadi valid, walaupun hal tersebut tidak selalu
terjadi. Indikator yang pertama kali akan dikeluarkan dari model adalah indikator dengan
nilai muatan faktor standar terkecil, yaitu SENSE1 dengan muatan faktor standar sebesar
0.44. Dengan dikeluarkannya indikator tersebut, maka model di penelitian ini menjadi seperti
apa yang ditampilkan pada Gambar 4.16. Pada gambar tersebut dapat diamati bahwa
variabel laten experiential marketing yang pada respesifikasi model (A) memilik i 12 buah
variabel teramati, k ini variabel teramatinya menjadi 11 buah, karena dikeluarkannya SENSE1
dari model penelitian.
138
Gambar 4.16 Respesifikasi Model (B)
Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.16,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.13 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.16. Pada tabel tersebut dapat
diamati bahwa hasil keputusan mengenai uji kecocokan keseluruhan hasil respesifikasi model
(B) adalah sama dengan hasil keputusan uji kecocokan keseluruhan pada respesifikasi model
(A). Walaupun dari segi keputusan terdapat hasil yang sama, yaitu terdapat 5 ukuran GOF
yang menunjukkan kecocokan yang tidak fit dan 13 ukuran GOF menunjukkan kecocokan
yang fit, namun dari segi angka hasil pengolahan terdapat beberapa perbedaan, yaitu
139
tampak pada ukuran derajat kecocokan Root Mean Square Residual (RMR), Root Mean
Square Error of Approximation (RMSEA), Expected Cross Validation Index (ECVI), Normed
Chi-Square, Akaike Information Criterion (AIC), Consistent Akaike Information Criterion
(CAIC), dan Critical N (CN), hanya saja angka hasil pengolahan tersebut masih terdapat pada
daerah keputusan yang sama sehingga hasil keputusannya pun sama.
Tabel 4.13 Uji Kecocokan Keseluruhan 3 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Tidak Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.79
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.071
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.068
140
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.69
ECVI for Saturated Model = 3.80
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.69
ECVI for Independence Model = 42.79
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.75
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.93
(Lanjutan Tabel 4.13)
141
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.92
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.96
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.96
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
613.66/318 = 1.930
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Fit
Hasil Pengolahan
Model AIC = 733.66
Saturated AIC = 756.00
(Lanjutan Tabel 4.13)
142
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 733.66
Independence AIC = 8515.11
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 991.56
Saturated CAIC = 2380.76
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 991.56
Independence CAIC = 8631.16
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 124.10
Sumber: Peneliti (2010)
Seperti yang telah dijelaskan pada respesifikasi model (A) bahwa uji kecocokan
model keseluruhan, seperti yang terdapat pada Tabel 4.13 belum selesai. Uji kecocokan
model keseluruhan yang harus dilakukan selanjutnya adalah perbandingan antarmodel, di
mana pada Tabel 4.13 tersebut baru memperhitungkan tingkat kecocokan yang bisa diterima
pada suatu model. Untuk itu, langkah selanjutnya adalah melakukan uji kecocokan
keseluruhan untuk perbandingan antarmodel yang dijelaskan pada Tabel 4.14.
(Lanjutan Tabel 4.13)
143
Tabel 4.14 Uji Kecocokan Keseluruhan 3 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (A)
Respesifikasi
Model (B)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
641.21 613.66 Lebih baik
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
297.21 295.66 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
1.48605 1.4783 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.79 0.79 Tidak mengalami
perubahan
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
3.85 3.69 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.75 0.75 Tidak mengalami
perubahan
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.92 0.92 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.84 0.84 Tidak mengalami
perubahan
144
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (A)
Respesifikasi
Model (B)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.67 0.67 Tidak mengalami
perubahan
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
765.21 733.66 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
1031.71 991.56 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (B) = 295.66/200 = 1.4783
Dengan membandingkan antara hasil respesifikasi model (A) dengan hasil
respesifikasi model (B) pada Tabel 4.14, maka terdapat 6 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (B) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya.
Karena sebagian besar hasil uji kecocokan keseluruhan dari hasil respesifikasi model (B)
adalah baik (fit) dan hasil respesifikasi model (B) ini juga lebih baik dibandingkan hasil
(Lanjutan Tabel 4.14)
145
respesifikasi model (A), maka kecocokan keseluruhan model adalah baik dan peneliti dapat
melanjutkan ke tahap selanjutnya, yaitu uji kecocokan model pengukuran.
Sebelum melakukan uji reliabilitas, peneliti harus memastikan terlebih dahulu bahwa
seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.15 ditampilkan hasil uji
validitas untuk model penelitian hasil respesifikasi model (B).
Dasar pengambilan keputusan untuk pengujian validitas pada tahap ini, yaitu suatu
variabel dikatakan mempunyai validitas yang baik dengan berdasarkan pada dua kriteria,
yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.15 Uji Validitas (3)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE2 0.62 10.56 - - - - - - Baik
SENSE3 0.70 11.44 - - - - - - Baik
SENSE4 0.44 6.24 - - - - - - Kurang Baik
FEEL1 0.55 8.99 - - - - - - Baik
FEEL2 0.68 11.95 - - - - - - Baik
THINK1 0.74 13.32 - - - - - - Baik
THINK2 0.63 10.33 - - - - - - Baik
ACT1 0.52 8.58 - - - - - - Baik
ACT2 0.66 11.51 - - - - - - Baik
ACT3 0.51 8.30 - - - - - - Baik
RELATE1 0.52 7.49 - - - - - - Baik
CREDI1 - - 0.74 12.98 - - - - Baik
CREDI2 - - 0.65 9.01 - - - - Baik
146
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
ATTRAC1 - - 0.69 12.22 - - - - Baik
ATTRAC2 - - 0.83 14.04 - - - - Baik
ATTRAC3 - - 0.70 9.27 - - - - Baik
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.87 - - Baik
RELI3 - - - - 0.84 14.11 - - Baik
RELI4 - - - - 0.86 16.74 - - Baik
INTENS1 - - - - 0.68 11.00 - - Baik
INTENS2 - - - - 0.67 9.97 - - Baik
INTENS3 - - - - 0.65 10.15 - - Baik
INTENS4 - - - - 0.67 9.22 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.78 11.09 Baik
ATTITU2 - - - - - - 0.58 7.75 Baik
Pada Tabel 4.15 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik.
Namun untuk muatan faktor standar atau standardized factor loadings (SFL),
terdapat 1 variabel teramati yang tidak valid, karena muatan faktor standarnya lebih kecil
dibanding 0.5. Variabel teramati tersebut adalah SENSE4. Sehingga di dalam model
penelitian ini, variabel laten yang seluruh variabel teramatinya memilik i validitas yang baik,
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.15)
147
karena telah memenuhi dua kriteria validitas yang baik, adalah variabel laten celebrity
endorsement, brand trust, dan brand loyalty.
4.2.9 Respesifikasi Model (C)
Berdasarkan pada hasil uji validitas pada Tabel 4.15, variabel teramati SENSE4 tidak
memenuhi salah satu syarat yang harus dipenuhi agar suatu variabel teramati bisa dikatakan
memilik i validitas yang baik, maka SENSE4 harus dikeluarkan dari model di penelitian ini.
Dengan dikeluarkannya indikator tersebut, maka model di penelitian ini menjadi seperti apa
yang ditampilkan pada Gambar 4.17. Pada gambar tersebut dapat diamati bahwa variabel
laten experiential marketing yang pada respesifikasi model (B) memilik i 11 buah variabel
teramati, k ini variabel teramatinya menjadi 10 buah, karena dikeluarkannya SENSE4 dari
model penelitian.
Gambar 4.17 Respesifikasi Model (C)
Sumber: Peneliti (2010)
148
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.17,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.16 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.17. Pada tabel tersebut dapat
diamati bahwa hasil keputusan mengenai uji kecocokan keseluruhan hasil respesifikasi model
(C) adalah sama dengan hasil keputusan uji kecocokan keseluruhan pada respesifikasi model
(B). Walaupun dari segi keputusan terdapat hasil yang sama, yaitu terdapat 5 ukuran GOF
yang menunjukkan kecocokan yang tidak fit dan 13 ukuran GOF menunjukkan kecocokan
yang fit, namun dari segi angka hasil pengolahan terdapat beberapa perbedaan, yaitu
tampak pada ukuran derajat kecocokan Root Mean Square Residual (RMR), Root Mean
Square Error of Approximation (RMSEA), Expected Cross Validation Index (ECVI), Normed
Chi-Square, Akaike Information Criterion (AIC), Consistent Akaike Information Criterion
(CAIC), dan Critical N (CN), hanya saja angka hasil pengolahan tersebut masih terdapat pada
daerah keputusan yang sama sehingga hasil keputusannya pun sama.
Tabel 4.16 Uji Kecocokan Keseluruhan 4 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
149
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Tidak Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.79
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.073
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.071
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.52
ECVI for Saturated Model = 3.53
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.52
ECVI for Independence Model = 41.46
(Lanjutan Tabel 4.16)
150
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.75
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.93
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.92
(Lanjutan Tabel 4.16)
151
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.96
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.96
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
585.00/293 = 1.997
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Fit
Hasil Pengolahan
Model AIC = 701.00
Saturated AIC = 702.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 701.00
Independence AIC = 8250.19
(Lanjutan Tabel 4.16)
152
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 950.31
Saturated CAIC = 2210.71
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 950.31
Independence CAIC = 8361.95
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 120.82
Sumber: Peneliti (2010)
Seperti yang telah dijelaskan pada respesifikasi model sebelumnya bahwa uji
kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.16 belum selesai. Uji
kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah perbandingan
antarmodel, di mana pada Tabel 4.16 tersebut baru memperhitungkan tingkat kecocokan
yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah melakukan uji
kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada Tabel 4.17.
(Lanjutan Tabel 4.16)
153
Tabel 4.17 Uji Kecocokan Keseluruhan 4 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (B)
Respesifikasi
Model (C)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
613.66 585.00 Lebih baik
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
295.66 292.00 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
1.4783 1.46 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.79 0.79 Tidak mengalami
perubahan
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
3.69 3.52 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.75 0.75 Tidak mengalami
perubahan
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.92 0.92 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.84 0.84 Tidak mengalami
perubahan
154
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (B)
Respesifikasi
Model (C)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.67 0.66 Lebih Buruk
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
733.66 701.00 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
991.56 950.31 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (C) = 292.00/200 = 1.46
Dengan membandingkan antara hasil respesifikasi model (B) dengan hasil
respesifikasi model (C) pada Tabel 4.17, maka terdapat 6 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (C) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya.
Namun terdapat 1 ukuran derajat kecocokan yang menunjukkan bahwa hasil respesifikasi
model (C) lebih buruk dibanding hasil respesifikasi model (B). Karena sebagian besar hasil uji
kecocokan keseluruhan dari hasil respesifikasi model (C) adalah baik (fit) dan hasil
(Lanjutan Tabel 4.17)
155
respesifikasi model (C) ini juga secara garis besar lebih baik dibandingkan hasil respesifikasi
model (B), maka kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan
ke tahap selanjutnya, yaitu uji kecocokan model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji
apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.18 ditampilkan
hasil uji validitas untuk model penelitian hasil respesifikasi model (C). Dasar pengambilan
keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan
mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.18 Uji Validitas (4)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE2 0.61 10.45 - - - - - - Baik
SENSE3 0.69 11.35 - - - - - - Baik
FEEL1 0.55 8.73 - - - - - - Baik
FEEL2 0.68 11.95 - - - - - - Baik
THINK1 0.75 13.38 - - - - - - Baik
THINK2 0.63 10.22 - - - - - - Baik
ACT1 0.52 8.68 - - - - - - Baik
ACT2 0.67 11.56 - - - - - - Baik
ACT3 0.50 8.15 - - - - - - Baik
RELATE1 0.52 7.43 - - - - - - Baik
CREDI1 - - 0.74 12.98 - - - - Baik
CREDI2 - - 0.65 9.00 - - - - Baik
ATTRAC1 - - 0.69 12.23 - - - - Baik
156
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
ATTRAC2 - - 0.83 14.06 - - - - Baik
ATTRAC3 - - 0.70 9.27 - - - - Baik
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.87 - - Baik
RELI3 - - - - 0.84 14.10 - - Baik
RELI4 - - - - 0.86 16.74 - - Baik
INTENS1 - - - - 0.68 11.00 - - Baik
INTENS2 - - - - 0.67 9.97 - - Baik
INTENS3 - - - - 0.65 10.15 - - Baik
INTENS4 - - - - 0.67 9.22 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.78 11.07 Baik
ATTITU2 - - - - - - 0.58 7.74 Baik
Pada Tabel 4.18 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Sama halnya dengan
uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh
variabel teramati juga memilik i nilai SFL lebih besar dari 0.5. Dapat diamati bahwa tidak ada
satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu variabel teramati
memilik i validitas yang baik. Sehingga di dalam model penelitian ini, seluruh variabel teramati
telah memilik i validitas yang baik. Karena seluruh variabel teramati telah memilik i validitas
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.18)
157
yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji kecocokan model
pengukuran adalah uji reliabilitas.
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted, di
mana LISREL tidak secara otomatis mengeluarkan nilai construct reliability dan variance
extracted, untuk itu keduanya harus dihitung secara manual. Nilai construct reliability dan
variance extracted dari masing-masing variabel laten telah dihitung pada Tabel 4.19, Tabel
4.20, Tabel 4.21, dan Tabel 4.22.
Tabel 4.19 CR dan VE Experiential Marketing (1)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
SENSE2 0.61 0.63 0.3721 CR = (6.122)/[(6.122)+6.18]
CR = 0.86
VE = 3.8122/(3.8122+6.18)
VE = 0.38
SENSE3 0.69 0.52 0.4761
FEEL1 0.55 0.70 0.3025
FEEL2 0.68 0.53 0.4624
THINK1 0.75 0.44 0.5625
THINK2 0.63 0.60 0.3969
ACT1 0.52 0.73 0.2704
ACT2 0.67 0.55 0.4489
ACT3 0.50 0.75 0.2500
RELATE1 0.52 0.73 0.2704
∑ 6.12 6.18 3.8122
Sumber: Peneliti (2010)
158
Tabel 4.20 CR dan VE Celebrity Endorsement (1)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.612)/[(3.612)+2.37]
CR = 0.85
VE = 2.6251/(2.6251+2.37)
VE = 0.53
CREDI2 0.65 0.58 0.4225
ATTRAC1 0.69 0.52 0.4761
ATTRAC2 0.83 0.32 0.6889
ATTRAC3 0.70 0.50 0.4900
∑ 3.61 2.37 2.6251
Sumber: Peneliti (2010)
Tabel 4.21 CR dan VE Brand Trust (1)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.962)/[(5.962)+3.52]
CR = 0.91
VE = 4.4920/(4.4920+3.52)
VE = 0.56
RELI2 0.79 0.37 0.6241
RELI3 0.84 0.30 0.7056
RELI4 0.86 0.26 0.7396
INTENS1 0.68 0.54 0.4624
INTENS2 0.67 0.56 0.4489
INTENS3 0.65 0.58 0.4225
INTENS4 0.67 0.55 0.4489
∑ 5.96 3.52 4.4920
Sumber: Peneliti (2010)
159
Tabel 4.22 CR dan VE Brand Loyalty (1)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
BEHAV1 0.80 0.36 0.6400 CR = (2.162)/[(2.162)+1.41]
CR = 0.77
VE = 1.5848/(1.5848+1.41)
VE = 0.53
ATTITU1 0.78 0.39 0.6084
ATTITU2 0.58 0.66 0.3364
∑ 2.16 1.41 1.5848
Sumber: Peneliti (2010)
Pada Tabel 4.23 ditampilkan hasil rangkuman besarnya nilai construct reliability dan
variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada
penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu
jika:
(1) Construct Reliability (CR)-nya > 0.70
(2) Variance extracted (VE)-nya > 0.50
Tabel 4.23 Uji Reliabilitas (1)
Variabel Laten Construct Reliability
(CR)
Variance extracted
(VE)
Keputusan
Experiential Marketing 0.86 0.38 Kurang Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.23 tampak bahwa 3 variabel laten memilik i nilai reliabilitas yang baik,
karena telah memenuhi kedua syarat untuk dinyatakan memilik i reliabilitas yang baik. Ketiga
160
variabel tersebut adalah celebrity endorsement, brand trust, dan brand loyalty. Namun,
terdapat satu variabel yang memilik i reliabilitas kurang baik dikarenakan variabel tersebut
tidak memenuhi salah satu syarat agar suatu variabel dikatakan memilik i reliabilitas yang
baik. Variabel tersebut adalah experiential marketing. Variabel laten experiential marketing
memang telah memenuhi syarat dari segi construct reliability (0.86 > 0.70), namun variabel
tersebut tidak memenuhi syarat dari segi variance extracted (0.38 < 0.50).
Untuk itulah, peneliti belum dapat melanjutkan ke tahap uji kecocokan model
struktural, karena terdapat variabel yang belum reliabel. Dengan mengamati nilai muatan
faktor standar atau standardized factor loadings (SFL) dari variabel-variabel teramati yang
dijelaskan oleh variabel laten experiential marketing, maka dapat diamati bahwa ada
beberapa variabel yang memang memilik i nilai muatan faktor standar sangat kecil, dalam arti
bahwa walaupun sudah memenuhi syarat nilai minimal dari muatan faktor standar, namun
nilainya masih mendekati nilai batasan tersebut dan bahkan ada juga yang berada tepat di
batasan minimal yang diperbolehkan. Lagipula, bila ditinjau kembali bahwa terdapat dua
pandangan mengenai batas minimal untuk muatan faktor standar agar dinyatakan memilik i
validitas yang baik, yaitu menurut pendapat Rigdon dan Ferguson, muatan faktor standarnya
(standardized factor loadings) harus lebih besar atau sama dengan 0.70, sedangkan menurut
Igrabia, et al., muatan faktor standarnya harus lebih besar atau sama dengan 0.50. Lebih
lanjut, Wijanto (2008, p139) menyatakan bahwa penggunaan batas kritikal 0.50 atau 0.70,
sepenuhnya terserah kepada peneliti, dengan mempertimbangkan teori atau substansi yang
mendasari model, banyaknya variabel teramati yang tersisa setelah penghapusan, dan
reliabilitas model pengukuran yang terkait. Berdasarkan pernyataan Wijanto tersebut, peneliti
mempertimbangkan bahwa jika peneliti mengikuti pendapat dari Rigdon dan Ferguson, maka
akan sangat banyak sekali variabel teramati dari experiential marketing yang tidak memilik i
validitas yang baik dan bahkan hanya ada satu variabel yang memilik i validitas yang baik,
yaitu THINK1 dan tidak menutup kemungkinan bahwa nantinya hanya tersisa satu variabel
161
itu saja sekalipun respesifikasi dilakukan dengan mengeluarkan satu per satu variabel yang
validitasnya paling kurang baik. Untuk itu, peneliti tetap menggunakan batas minimal seperti
yang sudah ditetapkan sebelumnya dan langkah selanjutnya adalah peneliti akan
mengeluarkan satu per satu variabel teramati yang nilai muatan faktor standarnya paling
kecil, yaitu paling mendekati batas minimal 0.50 atau bahkan sama dengan 0.50, guna
meningkatkan reliabilitas dari variabel laten experiential marketing tersebut.
4.2.10 Respesifikasi Model (D)
Pada Tabel 4.19 dapat diamati bahwa variabel teramati dengan nilai muatan faktor
standar atau standardized factor loadings (SFL) terkecil adalah ACT3 dengan nilai muatan
faktor standar sebesar 0.50 yang terletak tepat di batas terendah yang diperkenankan agar
suatu variabel dinyatakan valid menurut Igrabia, et al., selain itu, variabel teramati juga
memilik i reliabilitas indikator yang terendah di antara indikator-indikator dari variabel laten
experiential marketing, yaitu hanya sebesar 25%. Tidak hanya itu, bahkan variabel teramati
ACT3 juga merupakan variabel teramati dengan reliabilitas indikator yang paling rendah di
antara seluruh variabel-variabel teramati yang ada di penelitian ini. Perhatikan Tabel 4.24
mengenai nilai reliabilitas per indikator dari seluruh variabel teramati yang ada di penelitian
ini, di mana nilai tersebut diperoleh dari Squared Multiple Correlations for X – Variables dan
Squared Multiple Correlations for Y – Variables pada output LISREL dan nilai tersebut
merupakan hasil pembulatan terhadap kuadrat dari nilai muatan faktor standar sehingga
sama dengan output SFL2 pada Tabel 4.19, sehingga jika pada pembahasan berikutnya
peneliti membahas nilai reliabilitas indikator, maka nilai tersebut merujuk pada pembulatan
terhadap nilai SFL2 dari indikator-indikatornya.
Berdasarkan alasan-alasan yang telah dijelaskan sebelumnya, untuk itu, guna
meningkatkan reliabilitas variabel laten experiential marketing, maka ACT3 akan dikeluarkan
162
dari model penelitian. Pada Gambar 4.18 ditampilkan model penelitian yang baru setelah
indikator ACT3 dikeluarkan dari penelitian.
Tabel 4.24 Reliabilitas Per Indikator (1)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
R2 R2 R2 R2
SENSE2 0.38 - - -
SENSE3 0.48 - - -
FEEL1 0.30 - - -
FEEL2 0.47 - - -
THINK1 0.56 - - -
THINK2 0.40 - - -
ACT1 0.27 - - -
ACT2 0.45 - - -
ACT3 0.25 - - -
RELATE1 0.27 - - -
CREDI1 - 0.55 - -
CREDI2 - 0.42 - -
ATTRAC1 - 0.48 - -
ATTRAC2 - 0.68 - -
ATTRAC3 - 0.50 - -
RELI1 - - 0.64 -
RELI2 - - 0.63 -
RELI3 - - 0.70 -
RELI4 - - 0.74 -
INTENS1 - - 0.46 -
INTENS2 - - 0.44 -
INTENS3 - - 0.42 -
INTENS4 - - 0.45 -
163
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
R2 R2 R2 R2
BEHAV1 - - - 0.64
ATTITU1 - - - 0.61
ATTITU2 - - - 0.34
Sumber: Peneliti (2010)
Gambar 4.18 Respesifikasi Model (D)
Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.18,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
(Lanjutan Tabel 4.24)
164
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.25 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.18. Pada tabel tersebut dapat
diamati bahwa terdapat sedik it perbedaan antara hasil keputusan mengenai uji kecocokan
keseluruhan hasil respesifikasi model (D) dengan hasil keputusan uji kecocokan keseluruhan
pada respesifikasi model (C). Terdapat 3 keputusan yang berubah, yaitu Goodness of Fit
Index (GFI) yang pada respesifikasi model (C) tidak fit, kemudian pada respesifikasi model
(D) berubah menjadi fit yang termasuk ke dalam kategori marginal fit, sedangkan untuk
ukuran Expected Cross Validation Index (ECVI) pada salah satu keputusannya yang
membandingkan antara ECVI dengan ECVI for Saturated Model, yang pada model
sebelumnya memilik i keputusan fit, pada model ini menjadi tidak fit, begitu pula dengan
ukuran Akaike Information Criterion (AIC) pada salah satu keputusannya yang
membandingkan antara Model AIC dengan Saturated AIC, yang pada model sebelumnya
memilik i keputusan fit, pada model ini menjadi tidak fit. Selain perubahan pada ketiga
keputusan untuk ukuran-ukuran tersebut, tidak terdapat perubahan keputusan lainnya,
hanya saja terdapat perubahan nilai hasil untuk beberapa jenis ukuran yang mana masih
terdapat di daerah keputusan yang sama sehingga hasil keputusan yang timbul pun sama
dengan respesifikasi pada model (C). Ukuran-ukuran tersebut adalah Root Mean Square
Residual (RMR), Expected Cross Validation Index (ECVI) yang membandingkan antara ECVI
dengan ECVI for Independence Model, Adjusted Goodness of Fit Index (AGFI), Normed Chi-
Square, Akaike Information Criterion (AIC) yang membandingkan antara AIC dengan
Independence AIC, Consistent Akaike Information Criterion (CAIC), dan Critical N (CN). Dari
segi keputusan memang terdapat hasil yang sedik it berbeda, namun sebagian besar
keputusan pada uji kecocokan keseluruhan pada respesifikasi model (D) masih tetap
menunjukkan hasil yang fit, yaitu terdapat 12 ukuran GOF menunjukkan kecocokan yang fit
dan untuk 6 ukuran GOF lainnya menunjukkan kecocokan yang tidak fit.
165
Tabel 4.25 Uji Kecocokan Keseluruhan 5 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Marginal Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.80
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.074
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.071
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Tidak Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.28
ECVI for Saturated Model = 3.27
166
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.28
ECVI for Independence Model = 39.49
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.76
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.93
(Lanjutan Tabel 4.25)
167
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.92
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.96
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.96
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
540.19/269 = 2.008
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Tidak Fit
Hasil Pengolahan
Model AIC = 652.19
Saturated AIC = 650.00
(Lanjutan Tabel 4.25)
168
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 652.19
Independence AIC = 7858.04
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 892.89
Saturated CAIC = 2046.95
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 892.89
Independence CAIC = 7965.49
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 121.05
Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.25 belum
selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah
perbandingan antarmodel, di mana pada Tabel 4.25 tersebut baru memperhitungkan tingkat
kecocokan yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah
melakukan uji kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada
Tabel 4.26.
(Lanjutan Tabel 4.25)
169
Tabel 4.26 Uji Kecocokan Keseluruhan 5 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (C)
Respesifikasi
Model (D)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
585.00 540.19 Lebih baik
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
292.00 271.19 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
1.46 1.36 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.79 0.80 Lebih baik
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
3.52 3.28 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.75 0.76 Lebih baik
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.92 0.92 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.84 0.83 Lebih Buruk
170
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (C)
Respesifikasi
Model (D)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.66 0.66 Tidak mengalami
perubahan
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
701.00 652.19 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
950.31 892.89 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (B) = 271.19/200 = 1.36
Dengan membandingkan antara hasil respesifikasi model (C) dengan hasil
respesifikasi model (D) pada Tabel 4.26, maka terdapat 8 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (D) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya.
Namun terdapat 1 ukuran derajat kecocokan yang menunjukkan bahwa hasil respesifikasi
model (D) lebih buruk dibanding hasil respesifikasi model (C). Karena sebagian besar hasil uji
kecocokan keseluruhan dari hasil respesifikasi model (D) adalah baik (fit) dan hasil
(Lanjutan Tabel 4.26)
171
respesifikasi model (D) ini juga secara garis besar lebih baik dibandingkan hasil respesifikasi
model (C), maka kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan
ke tahap selanjutnya, yaitu uji kecocokan model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji
apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.27 ditampilkan
hasil uji validitas untuk model penelitian hasil respesifikasi model (D). Dasar pengambilan
keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan
mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.27 Uji Validitas (5)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE2 0.61 10.42 - - - - - - Baik
SENSE3 0.69 11.37 - - - - - - Baik
FEEL1 0.55 8.75 - - - - - - Baik
FEEL2 0.69 11.87 - - - - - - Baik
THINK1 0.77 13.85 - - - - - - Baik
THINK2 0.62 9.92 - - - - - - Baik
ACT1 0.50 8.42 - - - - - - Baik
ACT2 0.67 11.23 - - - - - - Baik
RELATE1 0.51 7.28 - - - - - - Baik
CREDI1 - - 0.74 12.99 - - - - Baik
CREDI2 - - 0.65 9.00 - - - - Baik
ATTRAC1 - - 0.69 12.24 - - - - Baik
ATTRAC2 - - 0.83 14.06 - - - - Baik
172
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
ATTRAC3 - - 0.70 9.26 - - - - Baik
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.88 - - Baik
RELI3 - - - - 0.84 14.10 - - Baik
RELI4 - - - - 0.86 16.76 - - Baik
INTENS1 - - - - 0.68 11.01 - - Baik
INTENS2 - - - - 0.67 9.98 - - Baik
INTENS3 - - - - 0.65 10.15 - - Baik
INTENS4 - - - - 0.67 9.22 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.78 11.01 Baik
ATTITU2 - - - - - - 0.58 7.76 Baik
Pada Tabel 4.27 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Sama halnya dengan
uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh
variabel teramati juga memilik i nilai SFL lebih besar dari 0.5. Dapat diamati bahwa tidak ada
satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu variabel teramati
memilik i validitas yang baik. Sehingga di dalam model penelitian ini, seluruh variabel teramati
telah memilik i validitas yang baik. Karena seluruh variabel teramati telah memilik i validitas
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.27)
173
yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji kecocokan model
pengukuran adalah uji reliabilitas.
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted.
Nilai construct reliability dan variance extracted dari masing-masing variabel laten telah
dihitung pada Tabel 4.28, Tabel 4.29, Tabel 4.30, dan Tabel 4.31.
Tabel 4.28 CR dan VE Experiential Marketing (2)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
SENSE2 0.61 0.62 0.3721 CR = (5.612)/[(5.612)+5.44]
CR = 0.85
VE = 3.5631/(3.5631+5.44)
VE = 0.40
SENSE3 0.69 0.52 0.4761
FEEL1 0.55 0.70 0.3025
FEEL2 0.69 0.53 0.4761
THINK1 0.77 0.41 0.5929
THINK2 0.62 0.61 0.3844
ACT1 0.50 0.75 0.2500
ACT2 0.67 0.56 0.4489
RELATE1 0.51 0.74 0.2601
∑ 5.61 5.44 3.5631
Sumber: Peneliti (2010)
174
Tabel 4.29 CR dan VE Celebrity Endorsement (2)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.612)/[(3.612)+2.37]
CR = 0.85
VE = 2.6251/(2.6251+2.37)
VE = 0.53
CREDI2 0.65 0.58 0.4225
ATTRAC1 0.69 0.52 0.4761
ATTRAC2 0.83 0.32 0.6889
ATTRAC3 0.70 0.50 0.4900
∑ 3.61 2.37 2.6251
Sumber: Peneliti (2010)
Tabel 4.30 CR dan VE Brand Trust (2)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.962)/[(5.962)+3.52]
CR = 0.91
VE = 4.4920/(4.4920+3.52)
VE = 0.56
RELI2 0.79 0.37 0.6241
RELI3 0.84 0.30 0.7056
RELI4 0.86 0.26 0.7396
INTENS1 0.68 0.54 0.4624
INTENS2 0.67 0.56 0.4489
INTENS3 0.65 0.58 0.4225
INTENS4 0.67 0.55 0.4489
∑ 5.96 3.52 4.4920
Sumber: Peneliti (2010)
175
Tabel 4.31 CR dan VE Brand Loyalty (2)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
BEHAV1 0.80 0.36 0.6400 CR = (2.162)/[(2.162)+1.42]
CR = 0.77
VE = 1.5848/(1.5848+1.42)
VE = 0.53
ATTITU1 0.78 0.40 0.6084
ATTITU2 0.58 0.66 0.3364
∑ 2.16 1.42 1.5848
Sumber: Peneliti (2010)
Pada Tabel 4.32 ditampilkan hasil rangkuman besarnya nilai construct reliability dan
variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada
penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu
jika:
(1) Construct Reliability (CR)-nya > 0.70
(2) Variance extracted (VE)-nya > 0.50
Tabel 4.32 Uji Reliabilitas (2)
Variabel Laten Construct Reliability
(CR)
Variance extracted
(VE)
Keputusan
Experiential Marketing 0.85 0.40 Kurang Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.32 uji reliabilitas menghasilkan keputusan yang sama dengan uji
reliabilitas yang telah dilakukan pada respesifikasi model sebelumnya, yaitu tampak bahwa 3
176
variabel laten memilik i nilai reliabilitas yang baik, karena telah memenuhi kedua syarat untuk
dinyatakan memilik i reliabilitas yang baik. Ketiga variabel tersebut adalah celebrity
endorsement, brand trust, dan brand loyalty. Sedangkan untuk variabel laten experiential
marketing dalam hal uji reliabilitas menghasilkan keputusan yang masih kurang baik, karena
variabel tersebut tidak memenuhi salah satu syarat agar suatu variabel dikatakan memilik i
reliabilitas yang baik. Variabel laten experiential marketing memang telah memenuhi syarat
dari segi construct reliability (0.85 > 0.70), namun variabel tersebut tidak memenuhi syarat
dari segi variance extracted (0.40 < 0.50). Namun dalam hal ini, nilai variance extracted
meningkat sehingga lebih mendekati batas minimal yang diperbolehkan, yaitu 0.50. Karena
belum seluruh variabel yang ada lolos uji reliabilitas, maka peneliti belum dapat melanjutkan
ke tahap uji kecocokan model struktural dan akan kembali melakukan respesifikasi model
yang dijelaskan pada bagian berikutnya.
4.2.11 Respesifikasi Model (E)
Dengan mengamati nilai muatan faktor standar atau standardized factor loadings
(SFL) dari variabel-variabel teramati yang dijelaskan oleh variabel laten experiential
marketing, maka dapat diamati bahwa ada beberapa variabel memang memilik i nilai muatan
faktor standar sangat kecil, dalam arti bahwa walaupun sudah memenuhi syarat nilai minimal
dari muatan faktor standar, namun nilainya masih mendekati nilai batasan tersebut dan
bahkan ada juga yang berada tepat di batasan minimal yang diperbolehkan. Untuk itu,
peneliti akan kembali mengeluarkan variabel teramati yang nilai muatan faktor standarnya
paling kecil, yaitu ACT1 dengan nilai muatan faktor standar sebesar 0.50, di mana selain
memilik i nilai muatan faktor standar yang terkecil serta berada tepat di batas terendah nilai
muatan faktor standar yang diperkenankan agar suatu variabel memilik i validitas yang baik
menurut Igrabia, et al., variabel teramati ACT1 juga memilik i reliabilitas indikator yang
terendah di antara indikator-indikator dari variabel laten experiential marketing, yaitu hanya
177
sebesar 25% dan tidak hanya itu, bahkan variabel teramati ACT1 juga merupakan variabel
teramati dengan reliabilitas indikator yang paling rendah di antara seluruh variabel-variabel
teramati yang ada di penelitian ini. Berdasarkan alasan-alasan yang telah dijelaskan
sebelumnya, untuk itu, guna meningkatkan reliabilitas variabel laten experiential marketing,
maka ACT1 akan dikeluarkan dari model penelitian. Pada Gambar 4.19 ditampilkan model
penelitian yang baru setelah indikator ACT1 dikeluarkan dari penelitian.
Gambar 4.19 Respesifikasi Model (E)
Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.19,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.33 ditampilkan hasil uji
178
kecocokan keseluruhan untuk model penelitian pada Gambar 4.19. Pada tabel tersebut dapat
diamati bahwa uji kecocokan keseluruhan untuk hasil respesifikasi model (E) memberikan
keputusan yang sama dengan uji kecocokan pada respesifikasi model (D), yaitu terdapat 6
ukuran GOF yang menunjukkan kecocokan yang tidak fit dan 12 ukuran GOF menunjukkan
kecocokan yang fit. Memang dari segi keputusan yang dihasilkan oleh ukuran-ukuran yang
tersedia adalah sama, namun terdapat perubahan nilai hasil untuk beberapa jenis ukuran
yang mana masih terdapat di daerah keputusan yang sama sehingga hasil keputusan yang
timbul pun sama dengan respesifikasi pada model (D). Ukuran-ukuran tersebut adalah Root
Mean Square Error of Approximation (RMSEA), Expected Cross Validation Index (ECVI),
Normed Chi-Square, Akaike Information Criterion (AIC), dan Consistent Akaike Information
Criterion (CAIC).
Tabel 4.33 Uji Kecocokan Keseluruhan 6 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Marginal Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.80
179
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.074
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.072
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Tidak Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.05
ECVI for Saturated Model = 3.02
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 3.05
ECVI for Independence Model = 37.70
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.76
(Lanjutan Tabel 4.33)
180
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.93
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.92
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.96
(Lanjutan Tabel 4.33)
181
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.96
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
563.62/246 = 2.291
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Tidak Fit
Hasil Pengolahan
Model AIC = 606.60
Saturated AIC = 600.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 606.60
Independence AIC = 7503.05
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 838.71
Saturated CAIC = 1889.50
(Lanjutan Tabel 4.33)
182
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 838.71
Independence CAIC = 7606.21
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 120.94
Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.33 belum
selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah
perbandingan antarmodel, di mana pada Tabel 4.33 tersebut baru memperhitungkan tingkat
kecocokan yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah
melakukan uji kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada
Tabel 4.34.
Tabel 4.34 Uji Kecocokan Keseluruhan 6 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (D)
Respesifikasi
Model (E)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
540.19 498.60 Lebih baik
(Lanjutan Tabel 4.33)
183
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (D)
Respesifikasi
Model (E)
Keputusan
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
271.19 252.60 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
1.36 1.263 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.80 0.80 Tidak mengalami
perubahan
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
3.28 3.05 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.76 0.76 Tidak mengalami
perubahan
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.92 0.92 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.83 0.83 Tidak mengalami
perubahan
(Lanjutan Tabel 4.34)
184
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (D)
Respesifikasi
Model (E)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.66 0.66 Tidak mengalami
perubahan
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
652.19 606.60 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
892.89 838.71 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (E) = 252.60/200 = 1.263
Dengan membandingkan antara hasil respesifikasi model (D) dengan hasil
respesifikasi model (E) pada Tabel 4.34, maka terdapat 6 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (E) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya,
dan untuk ukuran-ukuran lainnya tidak mengalami perubahan hasil dibandingkan dengan
respesifikasi model (D). Karena sebagian besar hasil uji kecocokan keseluruhan dari hasil
respesifikasi model (E) adalah baik (fit) dan hasil respesifikasi model (E) ini juga secara garis
(Lanjutan Tabel 4.34)
185
besar lebih baik dibandingkan hasil respesifikasi model (D), maka kecocokan keseluruhan
model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya, yaitu uji kecocokan
model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji
apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.35 ditampilkan
hasil uji validitas untuk model penelitian hasil respesifikasi model (E). Dasar pengambilan
keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan
mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.35 Uji Validitas (6)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE2 0.61 10.36 - - - - - - Baik
SENSE3 0.69 11.46 - - - - - - Baik
FEEL1 0.55 8.42 - - - - - - Baik
FEEL2 0.69 11.86 - - - - - - Baik
THINK1 0.78 13.87 - - - - - - Baik
THINK2 0.62 10.01 - - - - - - Baik
ACT2 0.66 10.63 - - - - - - Baik
RELATE1 0.50 7.03 - - - - - - Baik
CREDI1 - - 0.74 13.02 - - - - Baik
CREDI2 - - 0.65 9.01 - - - - Baik
ATTRAC1 - - 0.69 12.22 - - - - Baik
ATTRAC2 - - 0.83 14.04 - - - - Baik
ATTRAC3 - - 0.70 9.27 - - - - Baik
186
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.89 - - Baik
RELI3 - - - - 0.84 14.12 - - Baik
RELI4 - - - - 0.86 16.75 - - Baik
INTENS1 - - - - 0.68 11.00 - - Baik
INTENS2 - - - - 0.67 9.97 - - Baik
INTENS3 - - - - 0.65 10.15 - - Baik
INTENS4 - - - - 0.67 9.21 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.78 10.99 Baik
ATTITU2 - - - - - - 0.58 7.77 Baik
Pada Tabel 4.35 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Sama halnya dengan
uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh
variabel teramati juga memilik i nilai SFL lebih besar atau sama dengan 0.5. Dapat diamati
bahwa tidak ada satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu
variabel teramati memilik i validitas yang baik. Sehingga di dalam model penelitian ini, seluruh
variabel teramati telah memilik i validitas yang baik. Karena seluruh variabel teramati telah
memilik i validitas yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji
kecocokan model pengukuran adalah uji reliabilitas.
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.35)
187
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted.
Nilai construct reliability dan variance extracted dari masing-masing variabel laten telah
dihitung pada Tabel 4.36, Tabel 4.37, Tabel 4.38, dan Tabel 4.39.
Tabel 4.36 CR dan VE Experiential Marketing (3)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
SENSE2 0.61 0.62 0.3721 CR = (5.102)/[(5.102)+4.70]
CR = 0.85
VE = 3.3052/(3.3052+4.70)
VE = 0.41
SENSE3 0.69 0.52 0.4761
FEEL1 0.55 0.70 0.3025
FEEL2 0.69 0.53 0.4761
THINK1 0.78 0.40 0.6084
THINK2 0.62 0.61 0.3844
ACT2 0.66 0.57 0.4356
RELATE1 0.50 0.75 0.2500
∑ 5.10 4.70 3.3052
Sumber: Peneliti (2010)
Tabel 4.37 CR dan VE Celebrity Endorsement (3)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.612)/[(3.612)+2.37]
CR = 0.85
VE = 2.6251/(2.6251+2.37)
VE = 0.53
CREDI2 0.65 0.58 0.4225
ATTRAC1 0.69 0.52 0.4761
ATTRAC2 0.83 0.32 0.6889
ATTRAC3 0.70 0.50 0.4900
∑ 3.61 2.37 2.6251
Sumber: Peneliti (2010)
188
Tabel 4.38 CR dan VE Brand Trust (3)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.962)/[(5.962)+3.52]
CR = 0.91
VE = 4.4920/(4.4920+3.52)
VE = 0.56
RELI2 0.79 0.37 0.6241
RELI3 0.84 0.30 0.7056
RELI4 0.86 0.26 0.7396
INTENS1 0.68 0.54 0.4624
INTENS2 0.67 0.56 0.4489
INTENS3 0.65 0.58 0.4225
INTENS4 0.67 0.55 0.4489
∑ 5.96 3.52 4.4920
Sumber: Peneliti (2010)
Tabel 4.39 CR dan VE Brand Loyalty (3)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
BEHAV1 0.80 0.36 0.6400 CR = (2.162)/[(2.162)+1.42]
CR = 0.77
VE = 1.5848/(1.5848+1.42)
VE = 0.53
ATTITU1 0.78 0.40 0.6084
ATTITU2 0.58 0.66 0.3364
∑ 2.16 1.42 1.5848
Sumber: Peneliti (2010)
Pada Tabel 4.40 ditampilkan hasil rangkuman besarnya nilai construct reliability dan
variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada
penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu
jika:
189
(1) Construct Reliability (CR)-nya > 0.70
(2) Variance extracted (VE)-nya > 0.50
Tabel 4.40 Uji Reliabilitas (3)
Variabel Laten Construct Reliability
(CR)
Variance extracted
(VE)
Keputusan
Experiential Marketing 0.85 0.41 Kurang Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.40 uji reliabilitas menghasilkan keputusan yang sama dengan uji
reliabilitas yang telah dilakukan pada respesifikasi model sebelumnya, yaitu tampak bahwa 3
variabel laten memilik i nilai reliabilitas yang baik, karena telah memenuhi kedua syarat untuk
dinyatakan memilik i reliabilitas yang baik. Ketiga variabel tersebut adalah celebrity
endorsement, brand trust, dan brand loyalty. Sedangkan untuk variabel laten experiential
marketing dalam hal uji reliabilitas menghasilkan keputusan yang masih kurang baik, karena
variabel tersebut tidak memenuhi salah satu syarat agar suatu variabel dikatakan memilik i
reliabilitas yang baik. Variabel laten experiential marketing memang telah memenuhi syarat
dari segi construct reliability (0.85 > 0.70), namun variabel tersebut tidak memenuhi syarat
dari segi variance extracted (0.41 < 0.50). Namun dalam hal ini, nilai variance extracted
meningkat sehingga lebih mendekati batas minimal yang diperbolehkan, yaitu 0.50. Karena
belum seluruh variabel yang ada lolos uji reliabilitas, maka peneliti belum dapat melanjutkan
ke tahap uji kecocokan model struktural dan akan kembali melakukan respesifikasi model
yang dijelaskan pada bagian berikutnya.
190
4.2.12 Respesifikasi Model (F)
Dengan mengamati nilai muatan faktor standar atau standardized factor loadings
(SFL) dari variabel-variabel teramati yang dijelaskan oleh variabel laten experiential
marketing, maka dapat diamati bahwa ada beberapa variabel memang memilik i nilai muatan
faktor standar sangat kecil, dalam arti bahwa walaupun sudah memenuhi syarat nilai minimal
dari muatan faktor standar, namun nilainya masih mendekati nilai batasan tersebut dan
bahkan ada juga yang berada tepat di batasan minimal yang diperbolehkan. Untuk itu,
peneliti akan kembali mengeluarkan variabel teramati yang nilai muatan faktor standarnya
paling kecil, yaitu RELATE1 dengan nilai muatan faktor standar sebesar 0.50, di mana selain
memilik i nilai muatan faktor standar yang terkecil serta berada tepat di batas terendah nilai
muatan faktor standar yang diperkenankan agar suatu variabel memilik i validitas yang baik
menurut Igrabia, et al., variabel teramati RELATE1 juga memilik i reliabilitas indikator yang
terendah di antara indikator-indikator dari variabel laten experiential marketing, yaitu hanya
sebesar 25% dan tidak hanya itu, bahkan variabel teramati ACT1 juga merupakan variabel
teramati dengan reliabilitas indikator yang paling rendah di antara seluruh variabel-variabel
teramati yang ada di penelitian ini. Berdasarkan alasan-alasan yang telah dijelaskan
sebelumnya, untuk itu, guna meningkatkan reliabilitas variabel laten experiential marketing,
maka RELATE1 akan dikeluarkan dari model penelitian. Pada Gambar 4.20 ditampilkan model
penelitian yang baru setelah indikator RELATE1 dikeluarkan dari penelitian.
191
Gambar 4.20 Respesifikasi Model (F)
Sumber: Peneliti (2010)
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.20,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.41 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.20. Pada tabel tersebut dapat
diamati bahwa uji kecocokan keseluruhan untuk hasil respesifikasi model (F) agak sedik it
berbeda dengan hasil respesifikasi model (E) pada dua jenis ukuran, yaitu untuk Expected
Cross Validation Index (ECVI) yang dibandingkan dengan ECVI for Saturated Model yang
semula tidak fit kemudian menjadi fit dan juga untuk Akaike Information Criterion (AIC) yang
dibandingkan dengan Saturated AIC yang semula tidak fit kemudian menjadi fit. Untuk
ukuran-ukuran GOF lainnya menghasilkan keputusan yang sama dengan hasil respesifikasi
192
pada model (E), walaupun dari segi keputusan yang dihasilkan oleh ukuran-ukuran yang
tersedia adalah sama, tetap saja terdapat perubahan nilai hasil untuk beberapa jenis ukuran
yang mana masih terdapat di daerah keputusan yang sama sehingga hasil keputusan yang
timbul pun sama dengan respesifikasi pada model (E). Ukuran-ukuran yang bernilai berbeda
namun masih berada dalam daerah keputusan yang sama, yaitu Goodness of Fit Index (GFI),
Root Mean Square Residual (RMR), Root Mean Square Error of Approximation (RMSEA),
Adjusted Goodness of Fit Index (AGFI), Normed Fit Index (NFI), Relative Fit Index (RFI),
Incremental Fit Index (IFI), Comparative Fit Index (CFI), Normed Chi-Square, Akaike
Information Criterion (AIC) yang dibandingkan dengan Independence AIC, Consistent Akaike
Information Criterion (CAIC), dan Critical N (CN). Kesimpulannya adalah pada respesifikasi
model (F) terdapat 4 ukuran GOF yang menunjukkan kecocokan yang tidak fit dan 14 ukuran
GOF menunjukkan kecocokan yang fit.
Tabel 4.41 Uji Kecocokan Keseluruhan 7 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Marginal Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.82
193
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.062
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.069
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.70
ECVI for Saturated Model = 2.77
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.70
ECVI for Independence Model = 34.60
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.78
(Lanjutan Tabel 4.41)
194
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.94
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.93
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.97
(Lanjutan Tabel 4.41)
195
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.97
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
433.40/224 = 1.935
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Fit
Hasil Pengolahan
Model AIC = 537.40
Saturated AIC = 552.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 537.40
Independence AIC = 6884.62
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 760.91
Saturated CAIC = 1738.34
(Lanjutan Tabel 4.41)
196
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 760.91
Independence CAIC = 6983.48
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 127.80
Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.41 belum
selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah
perbandingan antarmodel, di mana pada Tabel 4.41 tersebut baru memperhitungkan tingkat
kecocokan yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah
melakukan uji kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada
Tabel 4.42.
Tabel 4.42 Uji Kecocokan Keseluruhan 7 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (E)
Respesifikasi
Model (F)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
498.60 433.40 Lebih baik
(Lanjutan Tabel 4.41)
197
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (E)
Respesifikasi
Model (F)
Keputusan
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
252.60 209.40 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
1.263 1.047 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.80 0.82 Lebih baik
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
3.05 2.70 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.76 0.78 Lebih baik
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.94 Lebih baik
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.92 0.93 Lebih baik
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.97 Lebih baik
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.97 Lebih baik
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.83 0.83 Tidak mengalami
perubahan
(Lanjutan Tabel 4.42)
198
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (E)
Respesifikasi
Model (F)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.66 0.66 Tidak mengalami
perubahan
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
606.60 537.40 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
838.71 760.91 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (F) = 209.40/200 = 1.047
Dengan membandingkan antara hasil respesifikasi model (E) dengan hasil
respesifikasi model (F) pada Tabel 4.42, maka terdapat 12 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (F) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya,
dan untuk ukuran-ukuran lainnya tidak mengalami perubahan hasil dibandingkan dengan
respesifikasi model (E). Karena sebagian besar hasil uji kecocokan keseluruhan dari hasil
(Lanjutan Tabel 4.42)
199
respesifikasi model (F) adalah baik (fit) dan hasil respesifikasi model (F) ini juga secara garis
besar lebih baik dibandingkan hasil respesifikasi model (E), maka kecocokan keseluruhan
model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya, yaitu uji kecocokan
model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji
apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.43 ditampilkan
hasil uji validitas untuk model penelitian hasil respesifikasi model (F). Dasar pengambilan
keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan
mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.43 Uji Validitas (7)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE2 0.62 10.35 - - - - - - Baik
SENSE3 0.70 11.73 - - - - - - Baik
FEEL1 0.54 8.12 - - - - - - Baik
FEEL2 0.69 11.88 - - - - - - Baik
THINK1 0.79 14.07 - - - - - - Baik
THINK2 0.62 9.87 - - - - - - Baik
ACT2 0.65 10.47 - - - - - - Baik
CREDI1 - - 0.74 13.00 - - - - Baik
CREDI2 - - 0.65 9.01 - - - - Baik
ATTRAC1 - - 0.69 12.20 - - - - Baik
ATTRAC2 - - 0.83 14.07 - - - - Baik
ATTRAC3 - - 0.70 9.27 - - - - Baik
200
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.85 - - Baik
RELI3 - - - - 0.84 14.09 - - Baik
RELI4 - - - - 0.86 16.72 - - Baik
INTENS1 - - - - 0.68 11.00 - - Baik
INTENS2 - - - - 0.66 9.95 - - Baik
INTENS3 - - - - 0.65 10.14 - - Baik
INTENS4 - - - - 0.67 9.21 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.77 11.02 Baik
ATTITU2 - - - - - - 0.58 7.78 Baik
Pada Tabel 4.43 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Sama halnya dengan
uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh
variabel teramati juga memilik i nilai SFL lebih besar dari 0.5. Dapat diamati bahwa tidak ada
satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu variabel teramati
memilik i validitas yang baik. Sehingga di dalam model penelitian ini, seluruh variabel teramati
telah memilik i validitas yang baik. Karena seluruh variabel teramati telah memilik i validitas
yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji kecocokan model
pengukuran adalah uji reliabilitas.
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.43)
201
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted.
Nilai construct reliability dan variance extracted dari masing-masing variabel laten telah
dihitung pada Tabel 4.44, Tabel 4.45, Tabel 4.46, dan Tabel 4.47.
Tabel 4.44 CR dan VE Experiential Marketing (4)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
SENSE2 0.62 0.61 0.3844 CR = (4.612)/[(4.612)+3.92]
CR = 0.84
VE = 3.0731/(3.0731+3.92)
VE = 0.44
SENSE3 0.70 0.51 0.4900
FEEL1 0.54 0.71 0.2916
FEEL2 0.69 0.52 0.4761
THINK1 0.79 0.38 0.6241
THINK2 0.62 0.61 0.3844
ACT2 0.65 0.58 0.4225
∑ 4.61 3.92 3.0731
Sumber: Peneliti (2010)
Tabel 4.45 CR dan VE Celebrity Endorsement (4)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.612)/[(3.612)+2.37]
CR = 0.85
VE = 2.6251/(2.6251+2.37)
VE = 0.53
CREDI2 0.65 0.58 0.4225
ATTRAC1 0.69 0.52 0.4761
ATTRAC2 0.83 0.31 0.6889
ATTRAC3 0.70 0.50 0.4900
∑ 3.61 2.37 2.6251
Sumber: Peneliti (2010)
202
Tabel 4.46 CR dan VE Brand Trust (4)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.952)/[(5.952)+3.51]
CR = 0.91
VE = 4.4787/(4.4787+3.51)
VE = 0.56
RELI2 0.79 0.37 0.6241
RELI3 0.84 0.30 0.7056
RELI4 0.86 0.25 0.7396
INTENS1 0.68 0.54 0.4624
INTENS2 0.66 0.56 0.4356
INTENS3 0.65 0.58 0.4225
INTENS4 0.67 0.55 0.4489
∑ 5.95 3.51 4.4787
Sumber: Peneliti (2010)
Tabel 4.47 CR dan VE Brand Loyalty (4)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
BEHAV1 0.80 0.35 0.6400 CR = (2.152)/[(2.152)+1.41]
CR = 0.77
VE = 1.5693/(1.5693+1.41)
VE = 0.53
ATTITU1 0.77 0.40 0.5929
ATTITU2 0.58 0.66 0.3364
∑ 2.15 1.41 1.5693
Sumber: Peneliti (2010)
Pada Tabel 4.48 ditampilkan hasil rangkuman besarnya nilai construct reliability dan
variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada
penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu
jika:
203
(1) Construct Reliability (CR)-nya > 0.70
(2) Variance extracted (VE)-nya > 0.50
Tabel 4.48 Uji Reliabilitas (4)
Variabel Laten Construct Reliability
(CR)
Variance extracted
(VE)
Keputusan
Experiential Marketing 0.84 0.44 Kurang Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.48 uji reliabilitas menghasilkan keputusan yang sama dengan uji
reliabilitas yang telah dilakukan pada respesifikasi model sebelumnya, yaitu tampak bahwa 3
variabel laten memilik i nilai reliabilitas yang baik, karena telah memenuhi kedua syarat untuk
dinyatakan memilik i reliabilitas yang baik. Ketiga variabel tersebut adalah celebrity
endorsement, brand trust, dan brand loyalty. Sedangkan untuk variabel laten experiential
marketing dalam hal uji reliabilitas menghasilkan keputusan yang masih kurang baik, karena
variabel tersebut tidak memenuhi salah satu syarat agar suatu variabel dikatakan memilik i
reliabilitas yang baik. Variabel laten experiential marketing memang telah memenuhi syarat
dari segi construct reliability (0.84 > 0.70), namun variabel tersebut tidak memenuhi syarat
dari segi variance extracted (0.44 < 0.50). Namun dalam hal ini, nilai variance extracted
meningkat sehingga lebih mendekati batas minimal yang diperbolehkan, yaitu 0.50. Karena
belum seluruh variabel yang ada lolos uji reliabilitas, maka peneliti belum dapat melanjutkan
ke tahap uji kecocokan model struktural dan akan kembali melakukan respesifikasi model
yang dijelaskan pada bagian berikutnya.
204
4.2.13 Respesifikasi Model (G)
Sama seperti respesifikasi pada model sebelumnya, di mana peneliti akan kembali
mengeluarkan variabel teramati yang nilai muatan faktor standar terkecil, yaitu FEEL1 yang
nilai muatan faktor standarnya sebesar 0.54, di mana selain memilik i nilai muatan faktor
standar yang terkecil, variabel teramati FEEL1 juga memilik i reliabilitas indikator yang
terendah di antara indikator-indikator dari variabel laten experiential marketing, yaitu hanya
sebesar 29% dan tidak hanya itu, bahkan variabel teramati FEEL1 juga merupakan variabel
teramati dengan reliabilitas indikator yang paling rendah di antara seluruh variabel-variabel
teramati yang ada di penelitian ini. Berdasarkan alasan-alasan yang telah dijelaskan
sebelumnya, untuk itu, guna meningkatkan reliabilitas variabel laten experiential marketing,
maka FEEL1 akan dikeluarkan dari model penelitian. Pada Gambar 4.21 ditampilkan model
penelitian yang baru setelah indikator FEEL1 dikeluarkan dari penelitian.
Gambar 4.21 Respesifikasi Model (G) Sumber: Peneliti (2010)
205
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.21,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.49 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.21. Pada tabel tersebut dapat
diamati bahwa uji kecocokan keseluruhan untuk respesifikasi model (G) menghasilkan
keputusan yang sama dengan keputusan pada respesifikasi model (F), yaitu terdapat 4
ukuran GOF yang menunjukkan kecocokan yang tidak fit dan 14 ukuran GOF menunjukkan
kecocokan yang fit.
Walaupun dari segi keputusan yang dihasilkan oleh ukuran-ukuran yang tersedia
adalah sama, tetap saja terdapat perbedaan dalam nilai hasil pengolahan untuk beberapa
jenis ukuran yang mana masih terdapat di daerah keputusan yang sama sehingga hasil
keputusan yang timbul pun sama dengan respesifikasi pada model (F). Ukuran-ukuran yang
bernilai berbeda namun masih berada dalam daerah keputusan yang sama, yaitu Root Mean
Square Residual (RMR), Root Mean Square Error of Approximation (RMSEA), Expected Cross
Validation Index (ECVI), Normed Chi-Square, Akaike Information Criterion (AIC), Consistent
Akaike Information Criterion (CAIC), dan Critical N (CN).
Tabel 4.49 Uji Kecocokan Keseluruhan 8 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
206
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Marginal Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.82
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.063
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.070
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.52
ECVI for Saturated Model = 2.54
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.52
ECVI for Independence Model = 32.74
(Lanjutan Tabel 4.49)
207
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.78
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.94
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.93
(Lanjutan Tabel 4.49)
208
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.97
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.97
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
401.22/203 = 1.977
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Fit
Hasil Pengolahan
Model AIC = 501.22
Saturated AIC = 506.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 501.22
Independence AIC = 6515.30
(Lanjutan Tabel 4.49)
209
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 716.13
Saturated CAIC = 1593.47
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 716.13
Independence CAIC = 6609.87
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 126.38
Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.49 belum
selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah
perbandingan antarmodel, di mana pada Tabel 4.49 tersebut baru memperhitungkan tingkat
kecocokan yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah
melakukan uji kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada
Tabel 4.50.
(Lanjutan Tabel 4.49)
210
Tabel 4.50 Uji Kecocokan Keseluruhan 8 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (F)
Respesifikasi
Model (G)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
433.40 401.22 Lebih baik
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
209.40 198.22 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
1.047 0.991 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.82 0.82 Tidak mengalami
perubahan
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
2.70 2.52 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.78 0.78 Tidak mengalami
perubahan
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.96 Tidak mengalami
perubahan
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.94 0.94 Tidak mengalami
perubahan
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.83 0.82 Lebih Buruk
211
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (F)
Respesifikasi
Model (G)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.66 0.66 Tidak mengalami
perubahan
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
537.40 501.22 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
760.91 716.13 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (G) = 198.22/200 = 0.991
Dengan membandingkan antara hasil respesifikasi model (F) dengan hasil
respesifikasi model (G) pada Tabel 4.50, maka terdapat 6 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (G) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya,
namun terdapat juga satu ukuran yang menunjukkan bahwa hasil respesifikasi model (G)
dari segi ukuran derajat kecocokan menunjukkan hasil yang lebih buruk dibandingkan model
sebelumnya. Untuk ukuran-ukuran lainnya tidak mengalami perubahan hasil dibandingkan
(Lanjutan Tabel 4.50)
212
dengan respesifikasi model (F). Karena sebagian besar hasil uji kecocokan keseluruhan dari
hasil respesifikasi model (G) adalah baik (fit) dan hasil respesifikasi model (G) ini juga secara
garis besar lebih baik dibandingkan hasil respesifikasi model (F), maka kecocokan
keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya, yaitu uji
kecocokan model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji
apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.51 ditampilkan
hasil uji validitas untuk model penelitian hasil respesifikasi model (G). Dasar pengambilan
keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan
mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.51 Uji Validitas (8)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE2 0.61 10.28 - - - - - - Baik
SENSE3 0.70 11.61 - - - - - - Baik
FEEL2 0.67 11.36 - - - - - - Baik
THINK1 0.81 14.54 - - - - - - Baik
THINK2 0.63 9.99 - - - - - - Baik
ACT2 0.65 10.40 - - - - - - Baik
CREDI1 - - 0.74 12.99 - - - - Baik
CREDI2 - - 0.65 9.02 - - - - Baik
ATTRAC1 - - 0.69 12.20 - - - - Baik
ATTRAC2 - - 0.83 14.09 - - - - Baik
ATTRAC3 - - 0.70 9.28 - - - - Baik
213
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.85 - - Baik
RELI3 - - - - 0.84 14.08 - - Baik
RELI4 - - - - 0.86 16.71 - - Baik
INTENS1 - - - - 0.68 11.00 - - Baik
INTENS2 - - - - 0.66 9.95 - - Baik
INTENS3 - - - - 0.65 10.12 - - Baik
INTENS4 - - - - 0.67 9.20 - - Baik
BEHAV1 - - - - - - 0.80 * Baik
ATTITU1 - - - - - - 0.77 11.05 Baik
ATTITU2 - - - - - - 0.58 7.74 Baik
Pada Tabel 4.51 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Sama halnya dengan
uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh
variabel teramati juga memilik i nilai SFL lebih besar dari 0.5. Dapat diamati bahwa tidak ada
satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu variabel teramati
memilik i validitas yang baik. Sehingga di dalam model penelitian ini, seluruh variabel teramati
telah memilik i validitas yang baik. Karena seluruh variabel teramati telah memilik i validitas
yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji kecocokan model
pengukuran adalah uji reliabilitas.
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.51)
214
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted.
Nilai construct reliability dan variance extracted dari masing-masing variabel laten telah
dihitung pada Tabel 4.52, Tabel 4.53, Tabel 4.54, dan Tabel 4.55.
Tabel 4.52 CR dan VE Experiential Marketing (5)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
SENSE2 0.61 0.63 0.3721 CR = (4.072)/[(4.072)+3.21]
CR = 0.84
VE = 2.7865/(2.7865+3.21)
VE = 0.47
SENSE3 0.70 0.51 0.4900
FEEL2 0.67 0.55 0.4489
THINK1 0.81 0.34 0.6561
THINK2 0.63 0.60 0.3969
ACT2 0.65 0.58 0.4225
∑ 4.07 3.21 2.7865
Sumber: Peneliti (2010)
Tabel 4.53 CR dan VE Celebrity Endorsement (5)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.612)/[(3.612)+2.37]
CR = 0.85
VE = 2.6251/(2.6251+2.37)
VE = 0.53
CREDI2 0.65 0.58 0.4225
ATTRAC1 0.69 0.52 0.4761
ATTRAC2 0.83 0.31 0.6889
ATTRAC3 0.70 0.50 0.4900
∑ 3.61 2.37 2.6251
Sumber: Peneliti (2010)
215
Tabel 4.54 CR dan VE Brand Trust (5)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.952)/[(5.952)+3.52]
CR = 0.91
VE = 4.4787/(4.4787+3.52)
VE = 0.56
RELI2 0.79 0.37 0.6241
RELI3 0.84 0.30 0.7056
RELI4 0.86 0.25 0.7396
INTENS1 0.68 0.54 0.4624
INTENS2 0.66 0.56 0.4356
INTENS3 0.65 0.58 0.4225
INTENS4 0.67 0.56 0.4489
∑ 5.95 3.52 4.4787
Sumber: Peneliti (2010)
Tabel 4.55 CR dan VE Brand Loyalty (5)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
BEHAV1 0.80 0.35 0.6400 CR = (2.152)/[(2.152)+1.42]
CR = 0.77
VE = 1.5693/(1.5693+1.42)
VE = 0.53
ATTITU1 0.77 0.40 0.5929
ATTITU2 0.58 0.67 0.3364
∑ 2.15 1.42 1.5693
Sumber: Peneliti (2010)
Pada Tabel 4.56 ditampilkan hasil rangkuman besarnya nilai construct reliability dan
variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada
penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu
jika:
216
(1) Construct Reliability (CR)-nya > 0.70
(2) Variance extracted (VE)-nya > 0.50
Tabel 4.56 Uji Reliabilitas (5)
Variabel Laten Construct Reliability
(CR)
Variance extracted
(VE)
Keputusan
Experiential Marketing 0.84 0.47 Kurang Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.56 uji reliabilitas menghasilkan keputusan yang sama dengan uji
reliabilitas yang telah dilakukan pada respesifikasi model sebelumnya, yaitu tampak bahwa 3
variabel laten memilik i nilai reliabilitas yang baik, karena telah memenuhi kedua syarat untuk
dinyatakan memilik i reliabilitas yang baik. Ketiga variabel tersebut adalah celebrity
endorsement, brand trust, dan brand loyalty. Sedangkan untuk variabel laten experiential
marketing dalam hal uji reliabilitas menghasilkan keputusan yang masih kurang baik, karena
variabel tersebut tidak memenuhi salah satu syarat agar suatu variabel dikatakan memilik i
reliabilitas yang baik. Variabel laten experiential marketing memang telah memenuhi syarat
dari segi construct reliability (0.84 > 0.70), namun variabel tersebut tidak memenuhi syarat
dari segi variance extracted (0.47 < 0.50). Namun dalam hal ini, nilai variance extracted
meningkat sehingga lebih mendekati batas minimal yang diperbolehkan, yaitu 0.50. Karena
belum seluruh variabel yang ada lolos uji reliabilitas, maka peneliti belum dapat melanjutkan
ke tahap uji kecocokan model struktural dan akan kembali melakukan respesifikasi model
yang dijelaskan pada bagian berikutnya.
217
4.2.14 Respesifikasi Model (H)
Pada bagian ini, peneliti akan kembali melakukan respesifikasi yang sama dengan
yang telah dijelaskan pada bagian sebelumnya, yaitu dengan mengeluarkan variabel teramati
yang nilai muatan faktor standar terkecil, yaitu SENSE2 dengan nilai muatan faktor
standarnya sebesar 0.61, di mana selain memilik i nilai muatan faktor standar yang terkecil,
variabel teramati SENSE2 juga memilik i reliabilitas indikator yang terendah di antara
indikator-indikator dari variabel laten experiential marketing, yaitu hanya sebesar 37%.
Berdasarkan alasan-alasan yang telah dijelaskan sebelumnya, untuk itu, guna meningkatkan
reliabilitas variabel laten experiential marketing, maka SENSE2 akan dikeluarkan dari model
penelitian. Pada Gambar 4.22 ditampilkan model penelitian yang baru setelah indikator
SENSE2 dikeluarkan dari penelitian.
Gambar 4.22 Respesifikasi Model (H)
Sumber: Peneliti (2010)
218
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.22,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.57 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.22. Pada tabel tersebut dapat
diamati bahwa uji kecocokan keseluruhan untuk respesifikasi model (H) menghasilkan
keputusan yang sama dengan keputusan pada respesifikasi model (G), yaitu terdapat 4
ukuran GOF yang menunjukkan kecocokan yang tidak fit dan 14 ukuran GOF menunjukkan
kecocokan yang fit.
Walaupun dari segi keputusan yang dihasilkan oleh ukuran-ukuran yang tersedia
adalah sama, tetap saja terdapat perbedaan dalam nilai hasil pengolahan untuk beberapa
jenis ukuran yang mana masih terdapat di daerah keputusan yang sama sehingga hasil
keputusan yang timbul pun sama dengan respesifikasi pada model (G). Ukuran-ukuran yang
bernilai berbeda namun masih berada dalam daerah keputusan yang sama, yaitu Goodness
of Fit Index (GFI), Root Mean Square Residual (RMR), Expected Cross Validation Index
(ECVI), Adjusted Goodness of Fit Index (AGFI), Tucker-Lewis Index atau Non-Normed Fit
Index (TLI atau NNFI), Normed Chi-Square, Akaike Information Criterion (AIC), Consistent
Akaike Information Criterion (CAIC), dan Critical N (CN).
Tabel 4.57 Uji Kecocokan Keseluruhan 9 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
219
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Marginal Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.83
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.065
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.070
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.29
ECVI for Saturated Model = 2.32
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.29
ECVI for Independence Model = 30.80
(Lanjutan Tabel 4.57)
220
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.79
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.97
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.94
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.93
(Lanjutan Tabel 4.57)
221
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.97
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.97
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
358.96/183 = 1.962
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Fit
Hasil Pengolahan
Model AIC = 454.96
Saturated AIC = 462.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 454.96
Independence AIC = 6130.04
(Lanjutan Tabel 4.57)
222
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 661.28
Saturated CAIC = 1454.91
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 661.28
Independence CAIC = 6220.30
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 128.74
Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.57 belum
selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah
perbandingan antarmodel, di mana pada Tabel 4.57 tersebut baru memperhitungkan tingkat
kecocokan yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah
melakukan uji kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada
Tabel 4.58.
(Lanjutan Tabel 4.57)
223
Tabel 4.58 Uji Kecocokan Keseluruhan 9 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (G)
Respesifikasi
Model (H)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
401.22 358.96 Lebih baik
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
198.22 175.96 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
0.991 0.880 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.82 0.83 Lebih baik
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
2.52 2.29 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.78 0.79 Lebih baik
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.96 0.97 Lebih baik
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.94 0.94 Tidak mengalami
perubahan
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.82 0.82 Tidak mengalami
perubahan
224
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (G)
Respesifikasi
Model (H)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.66 0.66 Tidak mengalami
perubahan
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
501.22 454.96 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
716.13 661.28 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (H) = 175.96/200 = 0.880
Dengan membandingkan antara hasil respesifikasi model (G) dengan hasil
respesifikasi model (H) pada Tabel 4.58, maka terdapat 9 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (H) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya,
sedangkan untuk ukuran-ukuran lainnya tidak mengalami perubahan hasil dibandingkan
dengan respesifikasi model (G). Karena sebagian besar hasil uji kecocokan keseluruhan dari
hasil respesifikasi model (H) adalah baik (fit) dan hasil respesifikasi model (H) ini juga secara
(Lanjutan Tabel 4.58)
225
garis besar lebih baik dibandingkan hasil respesifikasi model (G), maka kecocokan
keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap selanjutnya, yaitu uji
kecocokan model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji
apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.59 ditampilkan
hasil uji validitas untuk model penelitian hasil respesifikasi model (H). Dasar pengambilan
keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan
mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.59 Uji Validitas (9)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE3 0.67 10.56 - - - - - - Baik
FEEL2 0.65 10.68 - - - - - - Baik
THINK1 0.83 14.70 - - - - - - Baik
THINK2 0.65 10.25 - - - - - - Baik
ACT2 0.66 10.37 - - - - - - Baik
CREDI1 - - 0.74 12.96 - - - - Baik
CREDI2 - - 0.65 9.01 - - - - Baik
ATTRAC1 - - 0.69 12.24 - - - - Baik
ATTRAC2 - - 0.83 14.11 - - - - Baik
ATTRAC3 - - 0.70 9.29 - - - - Baik
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.82 - - Baik
RELI3 - - - - 0.84 14.05 - - Baik
226
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
RELI4 - - - - 0.86 16.70 - - Baik
INTENS1 - - - - 0.68 11.01 - - Baik
INTENS2 - - - - 0.66 9.94 - - Baik
INTENS3 - - - - 0.65 10.12 - - Baik
INTENS4 - - - - 0.67 9.21 - - Baik
BEHAV1 - - - - - - 0.81 * Baik
ATTITU1 - - - - - - 0.77 11.07 Baik
ATTITU2 - - - - - - 0.58 7.73 Baik
Pada Tabel 4.59 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Sama halnya dengan
uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh
variabel teramati juga memilik i nilai SFL lebih besar dari 0.5. Dapat diamati bahwa tidak ada
satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu variabel teramati
memilik i validitas yang baik. Sehingga di dalam model penelitian ini, seluruh variabel teramati
telah memilik i validitas yang baik. Karena seluruh variabel teramati telah memilik i validitas
yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji kecocokan model
pengukuran adalah uji reliabilitas.
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted.
Nilai construct reliability dan variance extracted dari masing-masing variabel laten telah
dihitung pada Tabel 4.60, Tabel 4.61, Tabel 4.62, dan Tabel 4.63.
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.59)
227
Tabel 4.60 CR dan VE Experiential Marketing (6)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
SENSE3 0.67 0.55 0.4489 CR = (3.462)/[(3.462)+2.58]
CR = 0.82
VE = 2.4184/(2.4184+2.58)
VE = 0.48
FEEL2 0.65 0.58 0.4225
THINK1 0.83 0.31 0.6889
THINK2 0.65 0.58 0.4225
ACT2 0.66 0.56 0.4356
∑ 3.46 2.58 2.4184
Sumber: Peneliti (2010)
Tabel 4.61 CR dan VE Celebrity Endorsement (6)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.612)/[(3.612)+2.37]
CR = 0.85
VE = 2.6251/(2.6251+2.37)
VE = 0.53
CREDI2 0.65 0.58 0.4225
ATTRAC1 0.69 0.52 0.4761
ATTRAC2 0.83 0.31 0.6889
ATTRAC3 0.70 0.50 0.4900
∑ 3.61 2.37 2.6251
Sumber: Peneliti (2010)
228
Tabel 4.62 CR dan VE Brand Trust (6)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.952)/[(5.952)+3.52]
CR = 0.91
VE = 4.4787/(4.4787+3.52)
VE = 0.56
RELI2 0.79 0.37 0.6241
RELI3 0.84 0.30 0.7056
RELI4 0.86 0.25 0.7396
INTENS1 0.68 0.54 0.4624
INTENS2 0.66 0.56 0.4356
INTENS3 0.65 0.58 0.4225
INTENS4 0.67 0.56 0.4489
∑ 5.95 3.52 4.4787
Sumber: Peneliti (2010)
Tabel 4.63 CR dan VE Brand Loyalty (6)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
BEHAV1 0.81 0.35 0.6561 CR = (2.162)/[(2.162)+1.41]
CR = 0.77
VE = 1.5854/(1.5854+1.41)
VE = 0.53
ATTITU1 0.77 0.40 0.5929
ATTITU2 0.58 0.66 0.3364
∑ 2.16 1.41 1.5854
Sumber: Peneliti (2010)
Pada Tabel 4.64 ditampilkan hasil rangkuman besarnya nilai construct reliability dan
variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada
penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu
jika:
229
(1) Construct Reliability (CR)-nya > 0.70
(2) Variance extracted (VE)-nya > 0.50
Tabel 4.64 Uji Reliabilitas (6)
Variabel Laten Construct Reliability
(CR)
Variance extracted
(VE)
Keputusan
Experiential Marketing 0.82 0.48 Kurang Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.64 uji reliabilitas menghasilkan keputusan yang sama dengan uji
reliabilitas yang telah dilakukan pada respesifikasi model sebelumnya, yaitu tampak bahwa 3
variabel laten memilik i nilai reliabilitas yang baik, karena telah memenuhi kedua syarat untuk
dinyatakan memilik i reliabilitas yang baik. Ketiga variabel tersebut adalah celebrity
endorsement, brand trust, dan brand loyalty. Sedangkan untuk variabel laten experiential
marketing dalam hal uji reliabilitas menghasilkan keputusan yang masih kurang baik, karena
variabel tersebut tidak memenuhi salah satu syarat agar suatu variabel dikatakan memilik i
reliabilitas yang baik. Variabel laten experiential marketing memang telah memenuhi syarat
dari segi construct reliability (0.82 > 0.70), namun variabel tersebut tidak memenuhi syarat
dari segi variance extracted (0.48 < 0.50). Namun dalam hal ini, nilai variance extracted
meningkat sehingga lebih mendekati batas minimal yang diperbolehkan, yaitu 0.50. Karena
belum seluruh variabel yang ada lolos uji reliabilitas, maka peneliti belum dapat melanjutkan
ke tahap uji kecocokan model struktural dan akan kembali melakukan respesifikasi model
yang dijelaskan pada bagian berikutnya.
230
4.2.15 Respesifikasi Model (I)
Pada bagian ini, peneliti akan kembali melakukan respesifikasi yang sama dengan
yang telah dijelaskan pada bagian sebelumnya, yaitu dengan mengeluarkan variabel teramati
yang nilai muatan faktor standar terkecil. Pada Tabel 4.60 terdapat dua buah variabel
teramati dengan nilai muatan faktor standar yang sama, yaitu FEEL2 dan THINK2, di mana
keduanya sama-sama memilik i nilai muatan faktor standar terkecil, yaitu sebesar 0.65. FEEL2
dan THINK2 selain memilik i nilai muatan faktor standar yang terkecil, juga memilik i
reliabilitas indikator yang terendah di antara indikator-indikator dari variabel laten
experiential marketing, yaitu hanya sebesar 42%. Dalam respesifikasi model (I), peneliti lebih
memilih untuk mengeluarkan THINK2, karena variabel teramati tersebut memilik i nilai t yang
lebih kecil jika dibandingkan dengan FEEL2 yang dapat dilihat pada Tabel 4.59. Berdasarkan
alasan-alasan yang telah dijelaskan sebelumnya, untuk itu, guna meningkatkan reliabilitas
variabel laten experiential marketing, maka THINK2 akan dikeluarkan dari model penelitian.
Pada Gambar 4.23 ditampilkan model penelitian yang baru setelah indikator THINK2
dikeluarkan dari penelitian.
Gambar 4.23 Respesifikasi Model (I)
Sumber: Peneliti (2010)
231
Dengan adanya model penelitian yang baru seperti yang tampak di Gambar 4.23,
maka nilai uji kecocokan keseluruhan juga memilik i kemungkinan untuk berubah, baik pada
sebagian atau seluruh ukuran penilaian yang tersedia. Pada Tabel 4.65 ditampilkan hasil uji
kecocokan keseluruhan untuk model penelitian pada Gambar 4.23. Pada tabel tersebut dapat
diamati bahwa terdapat sedik it perbedaan antara hasil keputusan mengenai uji kecocokan
keseluruhan hasil respesifikasi model (I) dengan hasil keputusan uji kecocokan keseluruhan
pada respesifikasi model (H). Terdapat 2 keputusan yang berubah, yaitu Expected Cross
Validation Index (ECVI) pada salah satu keputusannya yang membandingkan antara ECVI
dengan ECVI for Saturated Model, yang pada model sebelumnya memilik i keputusan fit, pada
model ini menjadi tidak fit, begitu pula dengan ukuran Akaike Information Criterion (AIC)
pada salah satu keputusannya yang membandingkan antara Model AIC dengan Saturated
AIC, yang pada model sebelumnya memilik i keputusan fit, pada model ini menjadi tidak fit.
Selain perubahan pada kedua keputusan untuk ukuran-ukuran tersebut, tidak terdapat
perubahan keputusan lainnya, hanya saja terdapat perubahan nilai hasil untuk beberapa
jenis ukuran yang mana masih terdapat di daerah keputusan yang sama sehingga hasil
keputusan yang timbul pun sama dengan respesifikasi pada model (H). Ukuran-ukuran
tersebut adalah Root Mean Square Error of Approximation (RMSEA), Expected Cross
Validation Index (ECVI) yang membandingkan antara ECVI dengan ECVI for Independence
Model, Adjusted Goodness of Fit Index (AGFI), Tucker-Lewis Index atau Non-Normed Fit
Index (TLI atau NNFI), Normed Chi-Square, yang membandingkan antara AIC dengan
Independence AIC, Consistent Akaike Information Criterion (CAIC), dan Critical N (CN). Dari
segi keputusan memang terdapat hasil yang sedik it berbeda, namun sebagian besar
keputusan pada uji kecocokan keseluruhan pada respesifikasi model (I) masih tetap
menunjukkan hasil yang fit, yaitu terdapat 12 ukuran GOF menunjukkan kecocokan yang fit
dan untuk 6 ukuran GOF lainnya menunjukkan kecocokan yang tidak fit.
232
Tabel 4.65 Uji Kecocokan Keseluruhan 10 (A)
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Statistic Chi-
square ⎟⎠⎞⎜
⎝⎛ χ 2
Dasar Pengambilan Keputusan
P > 0.05 model fit
Tidak Fit
Hasil Pengolahan
Satorra-Bentler Scaled Chi-Square (P = 0.0)
Goodness of Fit
Index (GFI)
Dasar Pengambilan Keputusan
GFI = 1 perfect fit
0,90 < GFI < 1 good fit
0.80 < GFI < 0.90 marginal fit
0 poor fit
Marginal Fit
Hasil Pengolahan
Goodness of Fit Index (GFI) = 0.83
Root Mean
Square
Residual (RMR)
Dasar Pengambilan Keputusan
Standardized RMR < 0.05 good fit
Tidak Fit
Hasil Pengolahan
Standardized RMR = 0.065
Root Mean
Square Error of
Approximation
(RMSEA)
Dasar Pengambilan Keputusan
RMSEA < 0.05 close fit
0.05 < RMSEA < 0.08 good fit
0.08 < RMSEA < 0.10 marginal fit
RMSEA > 0.10 poor fit
Good fit
Hasil Pengolahan
Root Mean Square Error of Approximation (RMSEA) = 0.073
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Saturated Model model fit
Tidak Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.17
ECVI for Saturated Model = 2.11
233
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Expected Cross
Validation
Index (ECVI)
Dasar Pengambilan Keputusan
ECVI < ECVI for Independence Model model fit
Fit
Hasil Pengolahan
Expected Cross-Validation Index (ECVI) = 2.17
ECVI for Independence Model = 28.88
Adjusted
Goodness of Fit
Index (AGFI)
Dasar Pengambilan Keputusan
AGFI = 1 perfect fit
0,90 < AGFI < 1 good fit
0.80 < AGFI < 0.90 marginal fit
(nilai AGFI berkisar antara 0 sampai 1)
Tidak Fit
Hasil Pengolahan
Adjusted Goodness of Fit Index (AGFI) = 0.78
Tucker-Lewis
Index atau
Non-Normed Fit
Index (TLI atau
NNFI)
Dasar Pengambilan Keputusan
TLI > 0.90 good fit.
0.80 < TLI < 0.90 marginal fit
(nilai TLI/NNFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Non-Normed Fit Index (NNFI) = 0.96
Normed Fit
Index (NFI)
Dasar Pengambilan Keputusan
NFI > 0.90 good fit
0.80 < NFI < 0.90 marginal fit
(nilai NFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Normed Fit Index (NFI) = 0.94
Relative Fit
Index (RFI)
Dasar Pengambilan Keputusan
RFI > 0.90 good fit
0.80 < RFI < 0.90 marginal fit
(nilai RFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Relative Fit Index (RFI) = 0.93
(Lanjutan Tabel 4.65)
234
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Incremental Fit
Index (IFI)
Dasar Pengambilan Keputusan
IFI > 0.90 good fit
0.80 < IFI < 0.90 marginal fit
(nilai IFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Incremental Fit Index (IFI) = 0.97
Comparative Fit
Index (CFI)
Dasar Pengambilan Keputusan
CFI > 0.90 good fit
0.80 < CFI < 0.90 marginal fit
(nilai CFI berkisar antara 0 sampai 1)
Good fit
Hasil Pengolahan
Comparative Fit Index (CFI) = 0.97
Normed Chi-
Square
Dasar Pengambilan Keputusan
1.0 < (X2/df) < 5.0 model fit
Fit
Hasil Pengolahan
339.45/164 = 2.070
Akaike
Information
Criterion (AIC)
Dasar Pengambilan Keputusan
AIC < Saturated AIC model fit
Tidak Fit
Hasil Pengolahan
Model AIC = 431.45
Saturated AIC = 420.00
Dasar Pengambilan Keputusan
AIC < Independence AIC model fit
Fit
Hasil Pengolahan
Model AIC = 431.45
Independence AIC = 5746.39
(Lanjutan Tabel 4.65)
235
Ukuran
Derajat
Kecocokan
Tingkat Kecocokan Yang Bisa Diterima Pada Suatu
Model
Keputusan
Consistent
Akaike
Information
Criterion (CAIC)
Dasar Pengambilan Keputusan
CAIC < Saturated CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 629.17
Saturated CAIC = 1322.65
Dasar Pengambilan Keputusan
CAIC < Independence CAIC model fit
Fit
Hasil Pengolahan
Model CAIC = 629.17
Independence CAIC = 5832.35
Critical N (CN) Dasar Pengambilan Keputusan
CN > 200 model fit
Tidak Fit
Hasil Pengolahan
Critical N (CN) = 123.56
Sumber: Peneliti (2010)
Uji kecocokan model keseluruhan, seperti yang terdapat pada Tabel 4.65 belum
selesai. Uji kecocokan model keseluruhan yang harus dilakukan selanjutnya adalah
perbandingan antarmodel, di mana pada Tabel 4.65 tersebut baru memperhitungkan tingkat
kecocokan yang bisa diterima pada suatu model. Untuk itu, langkah selanjutnya adalah
melakukan uji kecocokan keseluruhan untuk perbandingan antarmodel yang dijelaskan pada
Tabel 4.66.
(Lanjutan Tabel 4.65)
236
Tabel 4.66 Uji Kecocokan Keseluruhan 10 (B)
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (H)
Respesifikasi
Model (I)
Keputusan
Statistic Chi-square
⎟⎠⎞⎜
⎝⎛ χ 2
Nilai χ 2 semakin
kecil semakin baik
358.96 339.45 Lebih baik
Non-Centrality
Parameter (NCP)
Semakin kecil
semakin baik
175.96 175.45 Lebih baik
Scaled NCP (SNCP) Semakin kecil
semakin baik
0.880 0.877 Lebih baik
Goodness of Fit
Index (GFI)
Nilai lebih tinggi
adalah lebih baik
0.83 0.83 Tidak mengalami
perubahan
Expected Cross
Validation Index
(ECVI)
Semakin kecil
semakin baik
2.29 2.17 Lebih baik
Adjusted Goodness
of Fit Index (AGFI)
Nilai lebih tinggi
adalah lebih baik
0.79 0.78 Lebih buruk
Tucker-Lewis Index
atau Non-Normed
Fit Index (TLI atau
NNFI)
Nilai lebih tinggi
adalah lebih baik
0.97 0.96 Lebih buruk
Normed Fit Index
(NFI)
Nilai lebih tinggi
adalah lebih baik
0.94 0.94 Tidak mengalami
perubahan
Relative Fit Index
(RFI)
Nilai lebih tinggi
adalah lebih baik
0.93 0.93 Tidak mengalami
perubahan
Incremental Fit
Index (IFI)
Nilai lebih tinggi
adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan
Comparative Fit
Index (CFI)
Nilai lebih tinggi
adalah lebih baik
0.97 0.97 Tidak mengalami
perubahan
Parsimonious
Normed Fit Index
(PNFI)
Nilai PNFI tinggi
adalah lebih baik
0.82 0.81 Lebih buruk
237
Ukuran Derajat
Kecocokan
Dasar
Pengambilan
Keputusan
Respesifikasi
Model (H)
Respesifikasi
Model (I)
Keputusan
Parsimonious
Goodness of Fit
(PGFI)
Nilai PGFI yang
lebih tinggi adalah
lebih baik
(Nilai PGFI
berkisar antara 0
dengan 1)
0.66 0.65 Lebih Buruk
Akaike Information
Criterion (AIC)
Nilai AIC positif
lebih kecil adalah
lebih baik
454.96 431.45 Lebih baik
Consistent Akaike
Information
Criterion (CAIC)
Nilai positif yang
lebih kecil adalah
lebih baik
661.28 629.17 Lebih baik
Sumber: Peneliti (2010)
Untuk hasil Scaled NCP (SNCP), tidak diperoleh dari output LISREL, melainkan dari
perhitungan berikut ini.
• Scaled NCP (SNCP) = NCP/n, di mana n = jumlah sample
• Scaled NCP (SNCP) respesifikasi model (I) = 175.45/200 = 0.877
Dengan membandingkan antara hasil respesifikasi model (H) dengan hasil
respesifikasi model (I) pada Tabel 4.66, maka terdapat 6 ukuran derajat kecocokan yang
memberikan keputusan bahwa hasil respesifikasi model (I) dari segi ukuran derajat
kecocokan menunjukkan hasil yang lebih baik (lebih fit) dibandingkan model sebelumnya dan
4 ukuran derajat kecocokan yang memberikan keputusan bahwa hasil respesifikasi model (I)
dari segi ukuran derajat kecocokan menunjukkan hasil yang lebih buruk dibandingkan model
sebelumnya, sedangkan untuk ukuran-ukuran lainnya tidak mengalami perubahan hasil
(Lanjutan Tabel 4.66)
238
dibandingkan dengan respesifikasi model (H). Karena sebagian besar hasil uji kecocokan
keseluruhan dari hasil respesifikasi model (I) adalah baik (fit) dan hasil respesifikasi model
(I) ini juga secara garis besar lebih baik dibandingkan hasil respesifikasi model (H), maka
kecocokan keseluruhan model adalah baik dan peneliti dapat melanjutkan ke tahap
selanjutnya, yaitu uji kecocokan model pengukuran.
Untuk uji kecocokan model pengukuran, peneliti terlebih dahulu akan menguji
apakah seluruh variabel teramati telah baik dari segi validitas. Pada Tabel 4.67 ditampilkan
hasil uji validitas untuk model penelitian hasil respesifikasi model (I). Dasar pengambilan
keputusan untuk pengujian validitas pada tahap ini, yaitu suatu variabel dikatakan
mempunyai validitas yang baik dengan berdasarkan pada dua kriteria, yaitu jika:
(1) Nilai t muatan faktor > 1,96
(2) Muatan faktor standar > 0.50
Tabel 4.67 Uji Validitas (10)
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
SENSE3 0.67 10.29 - - - - - - Baik
FEEL2 0.67 10.65 - - - - - - Baik
THINK1 0.82 13.97 - - - - - - Baik
ACT2 0.65 9.94 - - - - - - Baik
CREDI1 - - 0.74 12.98 - - - - Baik
CREDI2 - - 0.65 9.01 - - - - Baik
ATTRAC1 - - 0.69 12.22 - - - - Baik
ATTRAC2 - - 0.83 14.10 - - - - Baik
ATTRAC3 - - 0.71 9.29 - - - - Baik
RELI1 - - - - 0.80 * - - Baik
RELI2 - - - - 0.79 13.83 - - Baik
239
Var. Laten
Var.
Teramati
Experiential
Marketing
(expmark)
Celebrity
endorsement
(celeb)
Brand Trust
(trust)
Brand Loyalty
(loyalty)
Kesimpulan
Validitas
SFL Nilai t SFL Nilai t SFL Nilai t SFL Nilai t
RELI3 - - - - 0.84 14.02 - - Baik
RELI4 - - - - 0.86 16.71 - - Baik
INTENS1 - - - - 0.68 11.00 - - Baik
INTENS2 - - - - 0.66 9.93 - - Baik
INTENS3 - - - - 0.65 10.13 - - Baik
INTENS4 - - - - 0.67 9.22 - - Baik
BEHAV1 - - - - - - 0.81 * Baik
ATTITU1 - - - - - - 0.77 11.12 Baik
ATTITU2 - - - - - - 0.58 7.70 Baik
Pada Tabel 4.67 terdapat tanda (*), di mana maksud dari tanda tersebut adalah
ditetapkan secara default oleh LISREL, yaitu nilai t tidak diestimasi. Dapat diamati bahwa
seluruh variabel teramati memilik i nilai t muatan faktor lebih besar dari 1,96 sehingga
memenuhi satu kriteria untuk dinyatakan memilik i validitas yang baik. Sama halnya dengan
uji nilai t, untuk uji muatan faktor standar atau standardized factor loadings (SFL) seluruh
variabel teramati juga memilik i nilai SFL lebih besar dari 0.5. Dapat diamati bahwa tidak ada
satupun variabel teramati yang tidak memenuhi syarat-syarat agar suatu variabel teramati
memilik i validitas yang baik. Sehingga di dalam model penelitian ini, seluruh variabel teramati
telah memilik i validitas yang baik. Karena seluruh variabel teramati telah memilik i validitas
yang baik, maka langkah selanjutnya yang harus dilakukan di dalam uji kecocokan model
pengukuran adalah uji reliabilitas.
Sumber: Peneliti (2010)
(Lanjutan Tabel 4.67)
240
Uji reliabilitas dilakukan dengan menilai construct reliability dan variance extracted.
Nilai construct reliability dan variance extracted dari masing-masing variabel laten telah
dihitung pada Tabel 4.68, Tabel 4.69, Tabel 4.70, dan Tabel 4.71.
Tabel 4.68 CR dan VE Experiential Marketing (7)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
SENSE3 0.67 0.56 0.4489 CR = (2.812)/[(2.812)+2.02]
CR = 0.80
VE = 1.9927/(1.9927+2.02)
VE = 0.50
FEEL2 0.67 0.56 0.4489
THINK1 0.82 0.33 0.6724
ACT2 0.65 0.57 0.4225
∑ 2.81 2.02 1.9927
Sumber: Peneliti (2010)
Tabel 4.69 CR dan VE Celebrity Endorsement (7)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
DELTA
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
CREDI1 0.74 0.45 0.5476 CR = (3.622)/[(3.622)+2.37]
CR = 0.85
VE = 2.6392/(2.6392+2.37)
VE = 0.53
CREDI2 0.65 0.58 0.4225
ATTRAC1 0.69 0.52 0.4761
ATTRAC2 0.83 0.31 0.6889
ATTRAC3 0.71 0.50 0.5041
∑ 3.62 2.37 2.6392
Sumber: Peneliti (2010)
241
Tabel 4.70 CR dan VE Brand Trust (7)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
RELI1 0.80 0.36 0.6400 CR = (5.952)/[(5.952)+3.52]
CR = 0.91
VE = 4.4787/(4.4787+3.52)
VE = 0.56
RELI2 0.79 0.37 0.6241
RELI3 0.84 0.30 0.7056
RELI4 0.86 0.25 0.7396
INTENS1 0.68 0.54 0.4624
INTENS2 0.66 0.56 0.4356
INTENS3 0.65 0.58 0.4225
INTENS4 0.67 0.56 0.4489
∑ 5.95 3.52 4.4787
Sumber: Peneliti (2010)
Tabel 4.71 CR dan VE Brand Loyalty (7)
Keterangan
Var.
Teramati
SFL
(std.loading)
THETA-
EPS
SFL2
(std.loading2)
Construct Reliability (CR) dan
Variance extracted (VE)
BEHAV1 0.81 0.35 0.6561 CR = (2.162)/[(2.162)+1.42]
CR = 0.77
VE = 1.5854/(1.5854+1.42)
VE = 0.53
ATTITU1 0.77 0.40 0.5929
ATTITU2 0.58 0.67 0.3364
∑ 2.16 1.42 1.5854
Sumber: Peneliti (2010)
Pada Tabel 4.72 ditampilkan hasil rangkuman besarnya nilai construct reliability dan
variance extracted, beserta keputusan mengenai reliabilitas dari variabel-variabel laten pada
penelitian ini. Dasar Pengambilan Keputusan agar reliabilitas construct dikatakan baik, yaitu
jika:
(1) Construct Reliability (CR)-nya > 0.70
(2) Variance extracted (VE)-nya > 0.50
242
Tabel 4.72 Uji Reliabilitas (7)
Variabel Laten Construct Reliability
(CR)
Variance extracted
(VE)
Keputusan
Experiential Marketing 0.80 0.50 Baik
Celebrity Endorsement 0.85 0.53 Baik
Brand Trust 0.91 0.56 Baik
Brand Loyalty 0.77 0.53 Baik
Sumber: Peneliti (2010)
Pada Tabel 4.72 uji reliabilitas menghasilkan keputusan yang baik untuk seluruh
variabel laten yang ada, di mana seluruh variabel laten telah memenuhi syarat, baik dari segi
construct reliability maupun variance extracted, sehingga dapat dikatakan bahwa seluruh
variabel telah reliabel. Karena seluruh variabel yang ada telah lolos uji reliabilitas, maka
peneliti telah menghasilkan model penelitian yang digambarkan pada Gambar 4.23, yaitu
gambar “Respesifikasi Model (I)” dan dengan model penelitian tersebut, peneliti dapat
melanjutkan ke tahap uji kecocokan model struktural.
4.2.16 Uji Kecocokan Model Struktural
Pada bagian ini peneliti akan menganalisis seluruh hipotesis yang akan diuji
kebenarannya berdasarkan persamaan-persamaan yang diperoleh hasil pengolahan.
a) Analisis Persamaan Struktural 1
Persamaan 1
trust = 0.46*expmark + 0.30*celeb, Errorvar.= 0.59 , R² = 0.41
(0.085) (0.086) (0.090)
5.34 3.47 6.52
243
• Uji Hipotesis 1
Hipotesis
Ho: Variabel experiential marketing tidak memilik i pengaruh langsung yang signifikan
terhadap variabel brand trust dari produk Citra
Ha: Variabel experiential marketing memilik i pengaruh langsung yang signifikan
terhadap variabel brand trust dari produk Citra
Dasar Pengambilan Keputusan
-1.96 < t-value < 1.96 : Ho diterima
t-value < -1.96 atau t-value > 1.96 : Ho ditolak
Hasil
t-value = 5.34 > 1.96, maka Ho ditolak dan Ha diterima
Kesimpulan
Variabel experiential marketing memilik i pengaruh langsung yang signifikan terhadap
variabel brand trust dari produk Citra, di mana variabel experiential marketing memilik i
pengaruh langsung yang positif terhadap variabel brand trust yang dapat diamati
dengan adanya tanda positif di depan t-value (5.34) dan juga di depan nilai estimasi
parameter (0.46). Nilai estimasi sebesar 0.46 berarti bahwa jika terjadi peningkatan
pada penilaian terhadap experiential marketing sebesar satu unit, maka penilaian
terhadap brand trust akan meningkat sebesar 0.46, dan berlaku pula sebaliknya,
dengan catatan bahwa variabel lain yang memengaruhi brand trust, dalam hal in i
adalah penilaian terhadap celebrity endorsement, tidak mengalami perubahan (tetap).
244
• Uji Hipotesis 2
Hipotesis
Ho: Variabel celebrity endorsement tidak memilik i pengaruh langsung yang signifikan
terhadap variabel brand trust dari produk Citra
Ha: Variabel celebrity endorsement memilik i pengaruh langsung yang signifikan
terhadap variabel brand trust dari produk Citra
Dasar Pengambilan Keputusan
-1.96 < t-value < 1.96 : Ho diterima
t-value < -1.96 atau t-value > 1.96 : Ho ditolak
Hasil
t-value = 3.47 > 1.96, maka Ho ditolak dan Ha diterima
Kesimpulan
Variabel celebrity endorsement memilik i pengaruh langsung yang signifikan terhadap
variabel brand trust dari produk Citra, di mana variabel celebrity endorsement memilik i
pengaruh langsung yang positif terhadap variabel brand trust yang dapat diamati
dengan adanya tanda positif di depan t-value (3.47) dan juga di depan nilai estimasi
parameter (0.30). Nilai estimasi sebesar 0.30 berarti bahwa jika terjadi peningkatan
pada penilaian terhadap celebrity endorsement sebesar satu unit, maka penilaian
terhadap brand trust akan meningkat sebesar 0.30, dan berlaku pula sebaliknya,
dengan catatan bahwa variabel lain yang memengaruhi brand trust, dalam hal in i
adalah penilaian terhadap experiential marketing, tidak mengalami perubahan (tetap).
• Nilai R² = 0.41, berarti bahwa variabel experiential marketing dan celebrity
endorsement bersama-sama memengaruhi variabel brand trust dari produk Citra
sebesar 41% dan 59% sisanya dipengaruhi oleh variabel lainnya di luar penelitian ini.
245
b) Analisis Persamaan Struktural 2
Persamaan 2
loyalty = 0.62*trust + 0.26*expmark + 0.018*celeb, Errorvar.= 0.36 , R² = 0.64
(0.10) (0.095) (0.075) (0.12)
5.88 2.67 0.24 2.99
• Uji Hipotesis 3
Hipotesis
Ho: Variabel brand trust tidak memilik i pengaruh langsung yang signifikan terhadap
variabel brand loyalty dari produk Citra
Ha: Variabel brand trust memilik i pengaruh langsung yang signifikan terhadap variabel
brand loyalty dari produk Citra
Dasar Pengambilan Keputusan
-1.96 < t-value < 1.96 : Ho diterima
t-value < -1.96 atau t-value > 1.96 : Ho ditolak
Hasil
t-value = 5.88 > 1.96, maka Ho ditolak dan Ha diterima
Kesimpulan
Variabel brand trust memilik i pengaruh langsung yang signifikan terhadap variabel
brand loyalty dari produk Citra, di mana variabel brand trust memilik i pengaruh
langsung yang positif terhadap variabel brand loyalty yang dapat diamati dengan
adanya tanda positif di depan t-value (5.88) dan juga di depan nilai estimasi
parameter (0.62). Nilai estimasi sebesar 0.62 berarti bahwa jika terjadi peningkatan
pada penilaian terhadap brand trust sebesar satu unit, maka penilaian terhadap brand
loyalty akan meningkat sebesar 0.62, dan berlaku pula sebaliknya, dengan catatan
bahwa variabel lain yang memengaruhi brand loyalty, dalam hal ini adalah penilaian
246
terhadap experiential marketing dan celebrity endorsement, tidak mengalami
perubahan (tetap).
• Uji Hipotesis 4
Hipotesis
Ho: Variabel experiential marketing tidak memilik i pengaruh langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra
Ha: Variabel experiential marketing memilik i pengaruh langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra
Dasar Pengambilan Keputusan
-1.96 < t-value < 1.96 : Ho diterima
t-value < -1.96 atau t-value > 1.96 : Ho ditolak
Hasil
t-value = 2.67 > 1.96, maka Ho ditolak dan Ha diterima
Kesimpulan
Variabel experiential marketing memilik i pengaruh langsung yang signifikan terhadap
variabel brand loyalty dari produk Citra, di mana variabel experiential marketing
memilik i pengaruh langsung yang positif terhadap variabel brand loyalty yang dapat
diamati dengan adanya tanda positif di depan t-value (2.67) dan juga di depan nilai
estimasi parameter (0.26). Nilai estimasi sebesar 0.26 berarti bahwa jika terjadi
peningkatan pada penilaian terhadap experiential marketing sebesar satu unit, maka
penilaian terhadap brand loyalty akan meningkat sebesar 0.26, dan berlaku pula
sebaliknya, dengan catatan bahwa variabel lain yang memengaruhi brand loyalty,
dalam hal ini adalah penilaian terhadap celebrity endorsement dan brand trust, tidak
mengalami perubahan (tetap).
247
• Uji Hipotesis 5
Hipotesis
Ho: Variabel celebrity endorsement tidak memilik i pengaruh langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra
Ha: Variabel celebrity endorsement memilik i pengaruh langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra
Dasar Pengambilan Keputusan
-1.96 < t-value < 1.96 : Ho diterima
t-value < -1.96 atau t-value > 1.96 : Ho ditolak
Hasil
t-value = 0.24 < 1.96, maka Ho diterima
Kesimpulan
Variabel celebrity endorsement tidak memilik i pengaruh langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra.
• Nilai R² = 0.64, berarti bahwa variabel experiential marketing, celebrity endorsement,
dan brand trust dari produk Citra bersama-sama memengaruhi variabel brand loyalty
sebesar 64% dan 36% sisanya dipengaruhi oleh variabel lainnya di luar penelitian ini.
Berdasarkan pada persamaan-persamaan yang disajikan, pada Tabel 4.73 disajikan
rangkuman hubungan-hubungan langsung antara variabel eksogen terhadap variabel
endogen (GAMMA) dan juga antara variabel endogen terhadap variabel endogen lainnya
(BETA).
248
Tabel 4.73 Rangkuman Hubungan Langsung
BETA
Variabel Laten Brand Trust Brand Loyalty
Brand Trust - -
Brand Loyalty 0.62 -
GAMMA
Variabel Laten Experiential Marketing Celebrity Endorsement
Brand Trust 0.46 0.30
Brand Loyalty 0.26 0.02
Sumber: Peneliti (2010)
Nilai-nilai pada Tabel 4.73 diperoleh dari output BETA dan GAMMA, di mana nilai
0.02 pada hubungan antara variabel celebrity endorsement dengan brand loyalty merupakan
pembulatan dari nilai 0.018 seperti yang tampak di persamaan 2. Perlu diingat bahwa pada
pengujian seluruh hipotesis yang telah dilakukan, seluruh hubungan memilik i pengaruh
langsung yang signifikan, kecuali pada hipotesis kelima.
Selanjutnya, pada Tabel 4.74 disajikan hasil pengolahan Indirect Effects of KSI on
ETA di mana nilai estimasi parameter pada output tersebut sama dengan hasil yang
diperoleh dari Standardized Indirect Effects of KSI on ETA yang menjelaskan besarnya
pengaruh tidak langsung dari variabel eksogen terhadap variabel endogen.
Tabel 4.74 Indirect Effects of KSI on ETA
Variabel Laten Experiential Marketing Celebrity Endorsement
Brand Trust - -
Brand Loyalty
0.28
(0.07)
4.30
0.18
(0.06)
3.12
Sumber: Peneliti (2010)
249
Berdasarkan pada Tabel 4.74, maka peneliti akan kembali melakukan uji hipotesis,
yaitu sebagai berikut ini.
• Uji Hipotesis 6
Hipotesis
Ho: Variabel experiential marketing tidak memilik i pengaruh tidak langsung yang
signifikan terhadap variabel brand loyalty dari produk Citra
Ha: Variabel experiential marketing memilik i pengaruh tidak langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra
Dasar Pengambilan Keputusan
-1.96 < t-value < 1.96 : Ho diterima
t-value < -1.96 atau t-value > 1.96 : Ho ditolak
Hasil
t-value = 4.30 > 1.96, maka Ho ditolak dan Ha diterima
Kesimpulan
Variabel experiential marketing memilik i pengaruh tidak langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra, di mana variabel experiential marketing
memilik i pengaruh tidak langsung yang positif terhadap variabel brand loyalty yang dapat
diamati dengan adanya tanda positif di depan t-value (4.30) dan juga di depan nilai
estimasi parameter (0.28).
• Uji Hipotesis 7
Hipotesis
Ho: Variabel celebrity endorsement tidak memilik i pengaruh tidak langsung yang
signifikan terhadap variabel brand loyalty dari produk Citra
Ha: Variabel celebrity endorsement memilik i pengaruh tidak langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra
250
Dasar Pengambilan Keputusan
-1.96 < t-value < 1.96 : Ho diterima
t-value < -1.96 atau t-value > 1.96 : Ho ditolak
Hasil
t-value = 3.12 > 1.96, maka Ho ditolak dan Ha diterima
Kesimpulan
Variabel celebrity endorsement memilik i pengaruh tidak langsung yang signifikan
terhadap variabel brand loyalty dari produk Citra, di mana variabel celebrity endorsement
memilik i pengaruh tidak langsung yang positif terhadap variabel brand loyalty yang dapat
diamati dengan adanya tanda positif di depan t-value (3.12) dan juga di depan nilai
estimasi parameter (0.18).
Berdasarkan pada Tabel 4.73 dan Tabel 4.74, maka peneliti menghasilkan analisis
berikut ini.
a. Total pengaruh variabel experiential marketing terhadap variabel brand trust dari produk
Citra adalah 0.46, di mana nilai tersebut merupakan penjumlahan antara pengaruh
langsung dan tidak langsung dari variabel experiential marketing terhadap variabel brand
trust. Pengaruh langsung dari variabel experiential marketing terhadap variabel brand
trust sebesar 0.46 yang dapat dilihat di output GAMMA, sedangkan pengaruh tidak
langsung dari variabel experiential marketing terhadap variabel brand trust sebesar 0 atau
dengan kata lain experiential marketing tidak memilik i pengaruh tidak langsung terhadap
brand trust, di mana hal ini jelas sekali tampak pada Gambar 4.24. Pada gambar tersebut
tampak bahwa anak panah dari experiential marketing menuju brand trust hanya melalui
satu jalur saja, yaitu langsung dari experiential marketing menuju brand trust.
251
Gambar 4.24 Pengaruh Experiential Marketing terhadap Brand Trust
Sumber: Peneliti (2010)
b. Total pengaruh variabel celebrity endorsement terhadap variabel brand trust dari produk
Citra adalah 0.30, di mana nilai tersebut merupakan penjumlahan antara pengaruh
langsung dan tidak langsung dari variabel celebrity endorsement terhadap variabel brand
trust. Pengaruh langsung dari variabel celebrity endorsement terhadap variabel brand
trust sebesar 0.30 yang dapat dilihat di output GAMMA, sedangkan pengaruh tidak
langsung dari variabel celebrity endorsement terhadap variabel brand trust sebesar 0 atau
dengan kata lain celebrity endorsement tidak memilik i pengaruh tidak langsung terhadap
brand trust, di mana hal ini jelas sekali tampak pada Gambar 4.25. Pada gambar tersebut
tampak bahwa anak panah dari celebrity endorsement menuju brand trust hanya melalui
satu jalur saja, yaitu langsung dari celebrity endorsement menuju brand trust.
Experiential Marketing
Celebrity Endorsement
Brand Trust Brand Loyalty
0.46
252
Gambar 4.25 Pengaruh Celebrity Endorsement terhadap Brand Trust
Sumber: Peneliti (2010)
c. Total pengaruh variabel experiential marketing terhadap variabel brand loyalty dari
produk Citra adalah 0.54, di mana nilai tersebut merupakan penjumlahan antara
pengaruh langsung dan tidak langsung dari variabel experiential marketing terhadap
variabel brand loyalty. Pengaruh langsung dari variabel experiential marketing terhadap
variabel brand loyalty sebesar 0.26 yang dapat dilihat di output GAMMA, sedangkan
pengaruh tidak langsung dari variabel experiential marketing terhadap variabel brand
loyalty sebesar 0.28 yang dapat dilihat pada output Standardized Indirect Effects of KSI
on ETA. Pengaruh tidak langsung tersebut juga bisa diperoleh melalui perkalian antara
pengaruh langsung dari variabel experiential marketing terhadap brand trust (0.46)
dengan pengaruh langsung dari variabel brand trust terhadap brand loyalty (0.62),
dengan catatan bahwa perbedaan nilai hasil perhitungan dengan output LISREL
disebabkan oleh pembulatan koma selama proses perhitungan.
Experiential Marketing
Celebrity Endorsement
Brand Trust Brand Loyalty
0.30
253
Gambar 4.26 Pengaruh Experiential Marketing terhadap Brand Loyalty
Sumber: Peneliti (2010)
d. Total pengaruh variabel celebrity endorsement terhadap variabel brand loyalty dari
produk Citra adalah 0.20, di mana nilai tersebut merupakan penjumlahan antara
pengaruh langsung dan tidak langsung dari variabel celebrity endorsement terhadap
variabel brand loyalty. Pengaruh langsung dari variabel celebrity endorsement terhadap
variabel brand loyalty sebesar 0.02 yang dapat dilihat di output GAMMA, sedangkan
pengaruh tidak langsung dari variabel celebrity endorsement terhadap variabel brand
loyalty sebesar 0.18 yang dapat dilihat pada output Standardized Indirect Effects of KSI
on ETA. Pengaruh tidak langsung tersebut juga bisa diperoleh melalui perkalian antara
pengaruh langsung dari variabel celebrity endorsement terhadap brand trust (0.30)
dengan pengaruh langsung dari variabel brand trust terhadap brand loyalty (0.62),
dengan catatan bahwa perbedaan nilai hasil perhitungan dengan output LISREL
disebabkan oleh pembulatan koma selama proses perhitungan. Dikarenakan, variabel
celebrity endorsement tidak memilik i pengaruh langsung yang signifikan terhadap variabel
brand loyalty, maka ada kemungkinan total pengaruh variabel celebrity endorsement
Experiential Marketing
Celebrity Endorsement
Brand Trust Brand Loyalty
0.26
0.46
0.62
254
terhadap variabel brand loyalty juga tidak signifikan, untuk itu, untuk melihat signifikan
atau tidaknya koefisien untuk total pengaruh tersebut, maka perlu diamati nilai t-value
dari output Total Effects of KSI on ETA, di mana pada output tersebut nilai t-value total
pengaruh dari variabel celebrity endorsement terhadap brand loyalty adalah 2.41, karena
nilai t-value lebih besar dari 1.96, maka pengaruh total tersebut berpengaruh secara
signifikan.
Gambar 4.27 Pengaruh Celebrity Endorsement terhadap Brand Loyalty
Sumber: Peneliti (2010)
e. Total pengaruh variabel brand trust terhadap variabel brand loyalty dari produk Citra
adalah 0.62, di mana nilai tersebut merupakan penjumlahan antara pengaruh langsung
dan tidak langsung dari variabel brand trust terhadap variabel brand loyalty. Pengaruh
langsung dari variabel brand trust terhadap variabel brand loyalty sebesar 0.62 yang
dapat dilihat di output BETA, sedangkan pengaruh tidak langsung dari variabel brand trust
terhadap variabel brand loyalty sebesar 0 atau dengan kata lain brand trust tidak memilik i
pengaruh tidak langsung terhadap brand loyalty, di mana hal ini jelas sekali tampak pada
Gambar 4.28. Pada gambar tersebut tampak bahwa anak panah dari brand trust menuju
Experiential Marketing
Celebrity Endorsement
Brand Trust Brand Loyalty
0.02
0.30
0.62
255
brand loyalty hanya melalui satu jalur saja, yaitu langsung dari brand trust menuju brand
loyalty.
Gambar 4.28 Pengaruh Brand Trust terhadap Brand Loyalty
Sumber: Peneliti (2010)
4.3 Implikasi Hasil Penelitian
Produk Citra dalam program pemasarannya mengimplementasikan experiential
marketing dengan adanya Rumah Cantik Citra dan juga mengimplementasikan celebrity
endorsement dengan menggunakan beragam selebriti. Berikut ini peneliti akan membahas
hasil-hasil yang ditemukan untuk menjawab identifikasi masalah dari penelitian ini, di mana
pembahasan disesuaikan dengan ruang lingkup penelitian, yaitu implementasi experiential
marketing di Rumah Cantik Citra (Jakarta) dan juga terhadap Maudy Koesnaedi selaku salah
satu celebrity endorser dari produk Citra.
Berdasarkan pada hasil penelitian, ditemukan bahwa implementasi experiential
marketing di Rumah Cantik Citra memilik i pengaruh langsung yang positif terhadap brand
trust dari produk Citra. Hal tersebut sesuai dengan pernyataan Delgado-Ballester dan Aleman
(2005, p193) bahwa kepercayaan dibangun melalui pengalaman, semakin positif pengalaman
Experiential Marketing
Celebrity Endorsement
Brand Trust Brand Loyalty 0.62
256
yang dimilik i oleh konsumen bersama dengan suatu merek, maka seorang konsumen akan
semakin mungkin untuk mempercayai merek tersebut. Timbulnya pengaruh langsung yang
positif dari hasil implementasi experiential marketing terhadap brand trust produk Citra dapat
disebabkan oleh pengalaman-pengalaman yang diperoleh konsumen di Rumah Cantik Citra,
antara lain pengalaman perawatan dengan menggunakan menggunakan produk-produk
Citra, sehingga responden dapat secara langsung merasakan kualitas dan manfaat dari
produk Citra yang membuat mereka lebih percaya pada merek Citra.
Adapun implementasi celebrity endorsement dengan penggunaan Maudy Koesnaedi
sebagai celebrity endorser produk Citra juga memberikan pengaruh langsung yang positif
terhadap brand trust dari produk Citra. Implementasi celebrity endorsement mampu
menghasilkan pengaruh terhadap brand trust dapat disebabkan oleh kredibilitas (credibility)
dan daya tarik (attractiveness) yang dimilik i oleh Maudy Koesnaedi yang disalurkan kepada
merek Citra dengan tampilnya Maudy Koesnaedi dalam ik lan produk Citra dan keterlibatan
Maudy Koesnaedi dalam acara-acara yang diselenggarakan berkaitan dengan produk Citra.
Hal ini sesuai dengan pernyataan Abbot dkk (Byrne, Whitehead, dan Breen, 2003, p289)
bahwa alasan untuk mengadopsi strategi celebrity endorsement adalah apa yang selebriti
lakukan adalah untuk meningkatkan merek dan menghemat waktu yang berharga untuk
dapat membuat kredibilitas perusahaan dengan cara mentransfer nilai-nilai terhadap merek.
Ketika konsumen melihat seorang selebriti yang kredibel mendukung suatu produk, mereka
akan berpik ir bahwa perusahaan dari merek tersebut pastinya merupakan perusahaan yang
baik.
Sebelum peneliti melanjutkan pembahasan untuk menjawab identifikasi masalah
yang ketiga. Terlebih dahulu peneliti ingin membandingkan antara hasil pengaruh dari
implementasi experiential marketing terhadap brand trust dengan pengaruh dari celebrity
endorsement terhadap brand trust. Jika dibandingkan antara implementasi experiential
marketing dengan celebrity endorsement, implementasi experiential marketing mampu
257
memberikan pengaruh yang lebih besar terhadap brand trust dibandingkan dengan
implementasi celebrity endorsement. Hal ini terlihat dari nilai koefisien estimasi pengaruh
langsung dari variabel experiential marketing terhadap brand trust sebesar 0.46 yang lebih
besar dibandingkan koefisien estimasi pengaruh langsung dari variabel celebrity endorsement
terhadap brand trust sebesar 0.30. Pengaruh implementasi experiential marketing yang lebih
besar dapat disebabkan oleh keterlibatan responden secara langsung dalam menikmati
perawatan dengan produk Citra di Rumah Cantik Citra, sehingga responden tidak hanya
melihat atau mengamati saja, tetapi bisa langsung merasakan sendiri bagaimana manfaat
dan kualitas dari produk Citra tersebut. Berbeda jika perusahaan menggunakan selebriti
untuk mendukung merek Citra, di mana jika responden mengenal Maudy Koesnaedi hanya
dari ik lan saja, mungkin saja kepercayaan yang timbul tidak sebesar dibandingkan dengan
mereka yang pernah langsung bertemu atau bertatap muka dengan Maudy Koesnaedi dalam
acara-acara yang diselenggarakan berkaitan dengan merek Citra atau bertemu dengan
Maudy dalam kesempatan-kesempatan lainnya. Mereka yang tidak pernah bertemu Maudy
tersebut dan hanya pernah melihatnya di ik lan produk Citra ataupun siaran acara-acara
lainnya, dapat membuat kepercayaan yang timbul tidak sebesar apabila mereka pernah
langsung bertemu dan mengenal Maudy. Alasan lainnya yang mungkin menjadi penyebab
pengaruh implementasi celebrity endorsement terhadap brand trust lebih kecil dibandingkan
dengan hasil implementasi experiential marketing, yaitu dapat disebabkan oleh beberapa
alasan, antara lain Maudy Koesnaedi tidak hanya menjadi celebrity endorser dari satu merek
produk saja, melainkan juga menjadi celebrity endorser dari merek produk lainnya, di mana
menurut Nelson (2010, p77), salah satu aspek negatif dari penerapan celebrity endorsement,
yaitu suatu perusahaan mungkin tidak mampu memperoleh selebriti yang diinginkan untuk
secara eksklusif mewakili produk perusahaan, selebriti tersebut bisa saja mendukung
beberapa produk, kadang-kadang, ada pula yang beralih untuk mendukung produk pesaing.
Lebih lanjut, menurut Tripp, Jensen, dan Carlson (Choi, 2002, pp7-8), ketika selebriti
258
dihubungkan dengan banyak produk, overexposure dapat membuat hubungan antara
celebrity endorser dengan setiap produk yang didukungnya menjadi kurang istimewa. Selain
itu, menurut Choi, konsumen dapat menjadi waspada tentang motif sebenarnya dari selebriti
tersebut dalam mendukung suatu produk. Konsumen dapat menjadi ragu-ragu tentang
pesan yang disampaikan oleh selebriti tersebut dalam suatu ik lan dan konsumen bisa
mempercayai bahwa selebriti tersebut muncul dalam suatu ik lan untuk kompensasi yang ia
dapatkan daripada dengan sungguh-sungguh percaya pada manfaat dari suatu produk atau
jasa yang didukung. Pendapat serupa diungkapkan oleh Mowen dan Brown (Cronin, 2003,
p8), yaitu mereka menemukan bahwa selebriti yang menyokong banyak produk terlihat
sebagai endorser yang kurang dapat dipercaya dibanding mereka yang hanya menyokong
sebuah produk. Selain karena alasan bahwa Maudy Koesnaedi menjadi celebrity endorser
lebih dari satu merek produk, alasan lainnya yang mungkin menjadi penyebab pengaruh
implementasi celebrity endorsement dengan Maudy sebagai endorser-nya terhadap brand
trust lebih kecil dibandingkan jika perusahaan mengimplementasikan experiential marketing,
yaitu terdapat kemungkinan penurunan popularitas dari Maudy Koesnaedi dalam pandangan
responden, di mana menurut Cronin (2003, p8), penurunan popularitas dari seorang selebriti
dapat juga memilik i dampak terhadap persepsi dari suatu produk. Setelah membandingkan
antara pengaruh dari implementasi experiential marketing dengan celebrity endorsement
terhadap brand trust, berikutnya peneliti akan kembali melanjutkan pembahasan untuk
menjawab identifikasi masalah yang ketiga.
Berdasarkan hasil penelitian, ditemukan bahwa brand trust dapat memilik i pengaruh
langsung yang positif terhadap brand loyalty dari produk Citra. Tentunya hal tersebut sesuai
dengan yang ditemukan di dalam penelitian terdahulu, salah satunya adalah seperti yang
diungkapkan oleh Chaudhuri dan Holbrook (Chi, Yeh, dan Chiou, 2009, p232) yang
mengidentifikasi bahwa ketika pelanggan meningkatkan kepercayaannya pada suatu merek,
mereka akan meningkatkan preferensi mereka terhadap suatu produk atau frekuensi
259
pembelian ulang di masa mendatang, dan brand trust tersebut berpengaruh secara positif
terhadap brand loyalty. Hal serupa ditemukan di dalam penelitian Delgado-Ballester dan
Aleman (2005, pp190-191), yaitu brand trust ditemukan dapat secara positif berpengaruh
terhadap brand loyalty, di mana di dalam penelitian ini juga ditemukan hal yang sama, yaitu
dengan meningkatnya kepercayaan merek Citra, maka loyalitas merek Citra juga akan
meningkat dan berlaku pula sebaliknya. Menurut pengamatan peneliti, salah satu hal yang
menyebabkan brand trust memilik i pengaruh yang signifikan terhadap brand loyalty adalah
dengan adanya upaya dari pihak Rumah Cantik Citra untuk mempertahankan kepercayaan
yang sudah dibangun menjadi loyalitas terhadap merek Citra. Usaha nyata tersebut terlihat
melalui dibangunnya website Rumah Cantik Citra (http://rumahcantikcitra.co.id/). Di website
tersebut, terdapat beauty stories, yang salah satunya terdapat pada menu Citra article list.
Citra article list tersebut menawarkan beragam tips-tips kecantikan sekaligus juga jenis
produk Citra apa yang cocok guna memenuhi tujuan-tujuan tertentu, serta apa manfaat dari
bahan-bahan yang terkandung dari produk Citra yang semuanya itu dapat meningkatkan
kepercayaan responden dan membuat kepercayaan tersebut berpengaruh terhadap
kesediaan responden untuk semakin setia, karena tentunya responden dapat mengetahui
bahwa pihak Rumah Cantik Citra sangat peduli terhadap kebutuhan konsumen akan
informasi guna merawat kecantikan tubuh mereka. Satu hal yang juga penting dan dapat
mengembangkan kepercayaan terhadap merek Citra menjadi suatu loyalitas, yaitu keaktifan
member pada situs web Rumah Cantik Citra akan dinilai, di mana setiap bulannya Citra akan
memberikan hadiah kepada top member dan pada akhir tahun poin setiap member akan
diakumulasikan. Beberapa member teraktif sepanjang tahun akan mendapatkan hadiah
cantik dari Citra. Selanjutnya peneliti akan menjelaskan mengenai jawaban atas identifikasi
masalah yang keempat.
Berdasarkan pada hasil penelitian, ditemukan bahwa implementasi experiential
marketing memilik i pengaruh langsung yang positif terhadap brand loyalty dari produk Citra,
260
tidak hanya itu implementasi experiential marketing juga memilik i pengaruh tidak langsung
yang positif terhadap brand loyalty dari produk Citra yang dimediasikan oleh adanya brand
trust. Hasil tersebut sesuai dengan pernyataan Schmitt (Lin, 2006, p24) bahwa experiential
marketing dapat digunakan secara menguntungkan dalam banyak situasi, di mana yang
terpenting adalah terciptanya konsumsi yang setia (loyal). Artinya jika pihak manajemen
merek Citra memang dapat mengimplementasikan experiential marketing dengan cara yang
tepat, tentunya perusahaan dapat memperoleh manfaat dari timbul atau meningkatnya
brand loyalty terhadap merek Citra. Peneliti mengamati mengenai adanya usaha-usaha yang
telah dilakukan oleh pihak Rumah Cantik Citra yang dapat menjadi penyebab timbulnya
brand loyalty terhadap produk Citra, yaitu tidak terlepas dari perawatan dengan
menggunakan produk Citra yang diperoleh di Rumah Cantik Citra. Pihak manajemen Rumah
Cantik Citra juga menawarkan pengalaman lainnya, yaitu dengan adanya Citra skin
consultation yang memberikan pemeriksaan kulit wajah secara gratis kepada konsumen di
Rumah Cantik Citra. Hal lainnya yang juga bermanfaat, yaitu adanya fasilitas ask the expert
di mana konsumen dapat menanyakan pertanyaan berkaitan dengan kecantikan jiwa dan
raga kepada para ahli melalui situs web Rumah Cantik Citra.
Berbeda dengan hasil pengimplementasian experiential marketing, peneliti
menemukan bahwa implementasi celebrity endorsement melalui penggunaan Maudy
Koesnaedi sebagai celebrity endorser ternyata tidak memberikan pengaruh langsung yang
signifikan terhadap brand loyalty produk Citra. Walaupun demikian, ternyata penggunaan
Maudy Koesnaedi tersebut secara tidak langsung mampu memberikan pengaruh positif yang
signifikan terhadap brand loyalty yang dimediasikan oleh adanya brand trust terhadap
produk Citra. Hal ini berarti bahwa keberadaan Maudy Koesnaedi belum mampu menciptakan
loyalitas merek secara langsung, tetapi baru mampu menciptakan pengaruh tidak langsung
terhadap loyalitas merek dengan dimediasikan oleh brand trust. Tidak adanya pengaruh
langsung yang signifikan bisa saja disebabkan oleh karakteristik responden yang lebih
261
mempertimbangkan kualitas produk atau sesuatu yang memang jelas bermanfaat bagi
responden. Salah satu hal yang dapat menjadi bukti, yaitu dalam konteks pengaruh tidak
langsung, implementasi experiential marketing mampu memberikan pengaruh tidak langsung
yang lebih besar terhadap brand loyalty daripada implementasi celebrity endorsement, di
mana seperti yang dapat diamati bahwa di Rumah Cantik Citra, responden dapat
memperoleh sesuatu yang memang bermanfaat bagi diri mereka, baik dari segi perawatan
maupun produk yang mereka peroleh, berbeda dengan adanya keberadaan celebrity
endorser yang tidak selalu dapat memberikan manfaat bagi diri responden tersebut. Selain
karena adanya karakteristik responden yang lebih mempertimbangkan kualitas produk atau
sesuatu yang memang jelas bermanfaat bagi responden, hal lainnya yang mungkin menjadi
penyebab keberadaan Maudy Koesnaedi tidak memberikan pengaruh langsung yang
signifikan terhadap brand loyalty produk Citra, yaitu dikarenakan adanya responden yang
belum pernah mengenal Maudy Koesnaedi secara langsung atau belum meyakini apakah
Maudy memang loyal terhadap merek Citra karena manfaat atau kualitas produknya dan
bukan semata-mata dikarenakan profesinya saja. Dalam hal ini, peneliti menyarankan untuk
meningkatkan interaksi langsung antara Maudy Koesnaedi dengan para konsumen produk
Citra, misalnya dengan merutinkan acara arisan cantik Citra di Jakarta dan mengikutsertakan
kehadiran Maudy Koesnaedi di acara tersebut atau mengadakan kegiatan sejenis lainnya
yang memungkinkan terjadinya interaksi antara Maudy Koesnaedi dengan para konsumen
sehingga Maudy dapat berinteraksi layaknya sahabat bagi konsumen tanpa adanya jarak
tertentu antara selebriti dengan konsumen yang membatasi interaksi mereka sehingga
konsumen tidak memandang Maudy sebagai sosok selebriti yang hendak mempromosikan
produk Citra, tetapi lebih memandang Maudy sebagai sosok selebriti yang memang percaya
dan loyal terhadap produk Citra karena beliau telah merasakan manfaat dan kualitasnya dan
tentunya hasil pemakaian tersebut dapat diamati langsung oleh konsumen pada diri Maudy
yang tampak cantik jasmani, jiwa, dan raga.
262
Seperti yang sudah disebutkan pada paragraf sebelumnya bahwa baik implementasi
experiential marketing maupun celebrity endorsement, keduanya mampu menghasilkan
pengaruh yang tidak langsung terhadap brand loyalty. Untuk itu, berikutnya peneliti akan
membandingkan antara pengaruh tidak langsung yang dihasilkan oleh keduanya. Dengan
membandingkan antara koefisien estimasi pengaruh tidak langsung dari implementasi
experiential marketing terhadap brand loyalty sebesar 0.28, dengan koefisien estimasi
pengaruh tidak langsung dari implementasi celebrity endorsement terhadap brand loyalty
sebesar 0.18, maka dapat diamati bahwa implementasi experiential marketing di Rumah
Cantik Citra dapat memberikan pengaruh tidak langsung yang lebih besar terhadap brand
loyalty produk Citra dibandingkan dengan pengaruh tidak langsung dari hasil implementasi
celebrity endorsement dengan Maudy Koesnaedi sebagai endorser-nya. Dengan berdasarkan
pada seluruh hasil penelitian yang telah dibahas sebelumnya, pada bagian berikutnya peneliti
akan menganalisa secara keseluruhan mengenai hasil implementasi experiential marketing
dan juga celebrity endorsement pada penelitian ini.
Secara keseluruhan, dari hasil penelitian mengenai pengaruh experiential marketing
terhadap brand trust dan juga terhadap brand loyalty, baik secara langsung maupun tidak
langsung, ternyata pada semua jenis pengaruh tersebut terdapat pengaruh yang signifikan
dan positif, hal ini berarti bahwa keputusan pihak manajemen produk Citra untuk
mengimplementasikan experiential marketing merupakan keputusan yang tepat, di mana
pihak manajemen merek Citra mampu dengan baik mengimplementasikan experiential
marketing tersebut melalui pengadaan program Rumah Cantik Citra, sehingga perusahaan
dapat memperoleh manfaat-manfaat yang mungkin timbul dari pengimplementasian
experiential marketing tersebut, baik dengan timbulnya pengaruh positif terhadap brand trust
maupun brand loyalty produk Citra. Mengenai pengimplementasian celebrity endorsement
dengan Maudy Koesnaedi sebagai endorser-nya, pihak manajemen produk Citra belum
mampu memaksimalkan manfaat yang mungkin didapatkan dengan mengimplementasikan
263
celebrity endorsement tersebut. Hal ini terlihat dari tidak signifikannya pengaruh langsung
dari implementasi celebrity endorsement terhadap brand loyalty. Walaupun demikian, pihak
manajemen dapat tetap menggunakan Maudy Koesnaedy sebagai celebrity endorser, karena
penggunaan celebrity endorser tersebut masih mampu menghasilkan pengaruh langsung
yang positif terhadap brand trust dan juga pengaruh tidak langsung yang positif terhadap
brand loyalty. Jika perusahaan ingin lebih berfokus terhadap salah satu di antara
implementasi experiential marketing dengan celebrity endorsement, maka pihak manajemen
produk Citra dapat memilih untuk lebih berfokus pada implementasi program Rumah Cantik
Citra, karena program Rumah Cantik Citra terbukti tidak hanya memilik i pengaruh langsung
yang signifikan dan positif terhadap kepercayaan merek Citra, tetapi juga berpengaruh
signifikan dan positif terhadap loyalitas merek Citra, baik secara langsung maupun tidak
langsung. Berbeda dengan implementasi celebrity endorsement dengan Maudy Koesnaedi
sebagai endorser-nya yang hanya memilik i dua dari jenis pengaruh yang telah disebutkan
sebelumnya, namun tidak memilik i pengaruh langsung yang signifikan terhadap brand loyalty
produk Citra. Lagipula, seperti yang sudah dijelaskan sebelumnya bahwa pengaruh langsung
dari implementasi experiential marketing terhadap brand trust lebih besar dibandingkan
dengan pengaruh langsung dari impementasi celebrity endorsement terhadap brand trust.
Hal tersebut serupa dengan pengaruh tidak langsung dari implementasi experiential
marketing terhadap brand loyalty yang lebih besar dibandingkan pengaruh tidak langsung
yang dihasilkan oleh implementasi celebrity endorsement. Pada dua buah paragraf
berikutnya, peneliti akan membahas mengenai manfaat yang mungkin perusahaan dapatkan
dengan dihasilkannya brand trust dan brand loyalty terhadap produk Citra.
Morgan dan Hunt (Delgado-Ballester, 2004, p573) menyatakan bahwa kepercayaan
beserta komitmen merupakan karakteristik kunci yang dibutuhkan untuk kesuksesan
hubungan pemasaran. Hal yang tidak jauh berbeda dikutip oleh Matzler, Krauter, dan Bidmon
(2008, p154), yaitu trust merupakan variabel kunci untuk pengembangan hubungan jangka
264
panjang. Selain itu, seperti yang ditemukan di dalam penelitian ini bahwa brand trust
merupakan variabel yang berpengaruh positif terhadap brand loyalty, di mana loyalitas
terhadap merek merupakan hal yang sangat penting untuk dapat dimilik i oleh suatu merek,
karena terdapat beragam manfaat dengan adanya loyalitas tersebut, seperti yang akan
dibahas berikut ini.
Dengan adanya beragam pengaruh positif terhadap timbulnya brand loyalty
diharapkan perusahaan dapat memperoleh manfaat-manfaat berikut dalam pengelolaan
merek Citra, yaitu menurut Hermawan Kartajaya, Yuswohady, Jacky Mussry, dan Taufik
(2004, p211), pertama, dapat menghemat biaya, karena meretensi pelanggan lama yang
loyal, kedua, akan mendapat jaminan ruang yang dominan di outlet karena peritel melihat
merek yang memilik i loyalitas merek tinggi akan selalu dicari pelanggan, dan ketiga, loyalitas
merek yang tinggi akan memicu “word of mouth”, karena pelanggan loyal akan cenderung
menjadi “pengik lan” anda yang sangat fanatik. Delgado-Ballester dan Munuera-Aleman
(Matzler, Krauter, dan Bidmon, 2008, p154) juga menyatakan manfaat-manfaat lainnya yang
mungkin perusahaan peroleh dengan adanya brand loyalty, yaitu sebagai halangan yang
kokoh bagi pesaing untuk masuk, kemampuan yang lebih baik untuk merespon ancaman
yang kompetitif, penjualan dan penerimaan yang lebih besar, serta kepekaan yang lebih
rendah terhadap usaha-usaha pemasaran dari para pesaing.
top related