Egi Andiyana - Tesis Final

1.
UNIVERSITAS ESA UNGGUL
BAGAIMANA KETAHANAN PENGGUNA MEREK

TERHADAP INFORMASI NEGATIF MELALUI
LOYALITAS, PERSEPSI DAN DAYA TARIK
BERDASARKAN NILAI PELANGGAN
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar

Magister Manajemen (MM)
EGI ANDIYANA
NIM: 20180103185
PROGRAM STUDI MAGISTER MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ESA UNGGUL
TAHUN 2021
HALAMAN PERNYATAAN KEASLIAN
Tesis ini adalah hasil karya sendiri, dan semua sumber baik yang dikutip
maupun yang dirujuk telah saya nyatakan dengan benar
Nama : Egi Andiyana

NIM : 20180103185
Tanda Tangan :
Tanggal : 22 Juli 2021
2
HALAMAN PENGESAHAN
Tesis ini diajukan oleh
Nama : Egi Andiyana

NIM : 20180103185
Program Studi : Magister Manajemen
Judul Tesis : Bagaimana Ketahanan Pengguna Merek Terhadap Informasi
Negatif Melalui Loyalitas, Persepsi Dan Daya Tarik
Berdasarkan Nilai Pelanggan
Telah berhasil dipertahankan di hadapan Tim Penguji dan diterima sebagai

bagian persyaratan yang diperlukan untuk memperoleh gelar Magister
Manajemen pada Program Studi Magister Manajemen Fakultas Ekonomi
dan Bisnis, Universitas Esa Unggul.
TIM PENGUJI
Pembimbing : Dr. Unggul Kustiawan.
Penguji : Dr. Tantri Yanuar R.Syah SE., MSM.
Penguji : Dr. Dimas Angga Negoro, MM.
Ditetapkan di : Jakarta
Tanggal : 22 Juli 2021
Ketua Program Studi: Dr. Rina Anindita, SE, MM.
3
UCAPAN TERIMA KASIH
Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa, karena atas berkat dan
rahmat-Nya, saya dapat menyelesaikan tesis ini. Penulisan tesis ini dilakukan dalam
rangka memenuhi salah satu syarat untuk mendapatkan gelar Magister Manajemen
pada Fakultas Ekonomi dan Bisnis Universitas Esa Unggul.
Saya menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, cukup sulit
bagi saya untuk menyelesaikan tesis ini. Oleh sebab itu, saya mengucapkan terima
kasih kepada:
1. Bapak Dr. Ir. Arief Kusuma Among Praja, MBA, IPU selaku Rektor
Universitas Esa Unggul.
2. Bapak Dr. Tantri Yanuar R. Syah, MSM selaku Dekan Fakultas Ekonomi dan
Bisnis Universitas Esa Unggul sekaligus Dosen Penguji, yang telah
memberikan saran dan perbaikan dalam penyusunan tesis ini.
3. Ibu Dr. Rina Anindita, SE, MM selaku Ketua Program Studi Magister
Manajemen.
4. Bapak Dr. Unggul Kustiawan, SE, MM selaku Dosen pembimbing yang telah
memberikan arahan serta bimbingan dalam penyusunan tesis ini.
5. Dr. Ir. Dimas Angga Negara, MM selaku dosen penguji yang telah
memberikan saran dan perbaikan dalam penyusunan tesis ini
6. Orang tua, Mertua, Istri (Hedi Ai Arya), anak (Fahriza), dan segenap keluarga
yang sudah memberikan dukungan dan semangatnya.
7. Seluruh teman-teman MM Citra Raya Angkatan 69 dan semua orang yang
telah memberi dukungan, kebersamaan dan membantu terselesaikannya tesis
ini.
8. Seluruh responden pengguna transportasi online di Indonesia yang telah
bersedia meluangkan waktunya untuk menjawab kuesioner penelitian, serta
berbagai pihak yang tidak dapat penulis sebutkan satu persatu.
Semoga tesis ini dapat bermanfaat dan memberikan kontribusi pada perkembangan
ilmu pengetahuan dan memberikan implikasi manajerial yang postif pada banyak
pihak.
Tangerang, 22 Juli 2021
Egi Andiyana
4
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademika Universitas Esa Unggul, saya yang bertanda tangan di
bawah ini:
Nama : Egi Andiyana
NIM : 20180103185.
Program Studi : Magister Manajemen
Fakultas : Ekonomi dan Bisnis
Jenis Karya Ilmiah : Tesis
demi pengembangan ilmu pengetahuan, teknologi, dan seni, menyetujui untuk

memberikan kepada Universitas Esa Unggul Hak Bebas Royalti Noneksklusif atas
karya ilmiah saya yang berjudul:
BAGAIMANA KETAHANAN PENGGUNA MEREK TERHADAP
INFORMASI NEGATIF MELALUI LOYALITAS, PERSEPSI DAN DAYA
TARIK BERDASARKAN NILAI PELANGGAN.
beserta perangkat yang ada (apabila diperlukan). Dengan Hak Bebas Royalti
Noneksklusif ini, Universitas Esa Unggul berhak menyimpan, mengalihmediakan,
mengelola dalam bentuk pangkalan data, merawat, dan mempublikasikan tugas akhir
saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai
pemilik Hak Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Tangerang
Pada tanggal : 22 Juli 2021
Yang menyatakan
Egi Andiyana
5
ABSTRAK
Tujuan dari penelitian ini adalah untuk mengeksplorasi pengaruh brand prestige,
brand attractiveness dan value congruity terhadap customer brand identification
yang kemudian membangun customer brand enggagement dan brand loyalty
sehingga menimbulkan resilence to negative information pada merek transportasi
online. Selain itu juga tentang pengaruh brand prestige dan value congruity
terhadap brand attractiveness serta value congruity terhadap customer brand
enggagement juga terhadap brand loyalty. Hal ini merupakan pengembangan dari
studi yang dilakukan sebelumnya pada pelanggan dari merek hotel. Kontribusi
dari penelitian ini diharapkan memberikan suatu informasi pada tataran
teori/keilmuan manajemen pemasaran dan juga strategi pemasaran yang bersifat
positif pada pengguna merek. Penelitian ini pengumpulan datanya didesign
dengan metode survey dimana penyebaran kuesioner dilakukan secara online,
responden dipilih dengan metode purpose sampling pada pelanggan transportasi
online. Untuk analisa menggunakan analisis faktor serta permodelan persamaan
struktural (SEM) Lisrel.
Temuan dari studi ini adalah brand prestige, brand attractiveness dan value
congruity merupakan driver utama customer brand identification yang
menghasilkan customer brand enggagement dan brand loyalty yang
mengakibatkan resilence to negative information.
Kata Kunci – Brand Prestige, Brand Attractiveness, Value Congruity, Customer

Brand Identification, Customer Brand Enggagement, Brand Loyalty, Resilence To
Negative Information
6
ABSTRACT
This study seeks to examine the influence of brand prestige, brand attractiveness,
and value congruity on customer brand identification that builds customer brand
engagement and brand loyalty that thereby generating resilience to negative
information on online transportation brands. It investigated the influence of brand
prestige and value congruity on brand attractiveness as well as value congruity on
customer brand engagement and brand loyalty. This work is a development from a
previous study on customers of hotel brands. The findings is expected to provide
information at the theoretical/scientific level of marketing management and
positive marketing strategies for brand users. In this study, the data collection was
carried out using a survey with online questionnaires. Respondents were selected
using a purposive sampling.
Data analysis used factor analysis and Lisrel-structural equation modeling (SEM).
This research revealed that brand prestige, brand attractiveness, and value
congruity had positive affect to customer brand identification, which influence the
customer brand engagement and brand loyalty. Furthermore, brand loyalty
generating resilience to negative information.
Keywords – Brand Prestige, Brand Attractiveness, Value Congruity, Customer

Brand Identification, Customer Brand Enggagement, Brand Loyalty, Resilence To
Negative Information
7
DAFTAR ISI
Halaman
Halaman Judul.....................................................................................................i
Halaman Pernyataan Keaslian.............................................................................ii
Halaman Pengesahan..........................................................................................iii
Ucapan Terimakasih............................................................................................iv
Halaman Pernyataan Persetujuan Publikasi Karya Ilmiah Untuk Kepentingan
Akadimis.............................................................................................................v
Abstrak................................................................................................................vi
Daftar Isi..............................................................................................................viii
Daftar Lampiran.................................................................................................. ix
Daftar Tabel........................................................................................................x
Daftar Gambar.....................................................................................................xi
1. Pendahuluan.................................................................................................1
2. Tinjauan Pustaka..........................................................................................2
2.1. Brand Prestige........................................................................................2
2.2. Brand Attractiveness..............................................................................2
2.3. Customer Brand Identification...............................................................3
2.4. Value Congruity......................................................................................3
2.5. Customer Brand Engagement.................................................................4
2.6. Brand Loyalty..........................................................................................4
2.7. Resilience To Negative Information.......................................................5
3. Hipotesis Hubungan Antar Variabel...........................................................5
3.1. Hubungan Antara Brand Prestige Terhadap Brand Attractiveness
dan Customer Brand Identification.........................................................5
3.2. Hubungan Antara Value Congruity Terhadap Customer Brand
Identification, Customer Brand Engagement dan Brand
Attractiveness..........................................................................................6
3.3. Hubungan Antara Brand Attractiveness Terhadap Customer Brand
Identification...........................................................................................6
3.4. Hubungan Antara Customer Brand Identification Terhadap Customer
Brand Engagement dan Brand Loyalty...................................................7
3.5. Hubungan Antara Customer Brand Engagement Terhadap Brand
Loyalty.....................................................................................................7
3.6. Hubungan Antara Brand Loyalty Terhadap Resilience To Negative
Information..............................................................................................8
4. Metode Penelitian........................................................................................9
5. Hasil.............................................................................................................9
6. Diskusi.........................................................................................................11
7. Kesimpulan..................................................................................................13
Daftar Pustaka.....................................................................................................15
Daftar Lampiran..................................................................................................21
8
DAFTAR LAMPIRAN
Lampiran:
1. Daftar Penelitian Terdahulu....................................................................21
2. Definisi Oprasional Variabel...................................................................23
3. Kuesioner Penelitan.................................................................................26
4. Data Responden Penelitian......................................................................31
5. Analisa Statistik Hasil Penelitian............................................................32
6. Laporan Cek Plagiarisme........................................................................88
7. Artikel Jurnal...........................................................................................107
8. Sekilas Bio Data Penulis.........................................................................140
9
DAFTAR TABEL
Tabel
1. Uji Hipotesis Model................................................................................11
10
DAFTAR GAMBAR
Gambar:
1. Model Penelitian.....................................................................................8
2. Hasil Path Diagram T-Value...................................................................10
11
I.
12
Universitas Esa Unggul
PENDAHULUAN
Perusahaan telah banyak mengeluarkan pengeluaran untuk iklan di media digital, hal ini
membuat manajer membutuhkan ketepatan dalam membidik target lewat media online
seperti lewat search engines, display ad networks dan social media platforms (Graham &
Wilder, 2020). Menurut eMarketer, pada tahun 2019 pengeluaran iklan digital di dunia
meningkat sebesar 4,2% dengan jumlah 333,25 miliar dolar dibanding dengan tahun
sebelumnya (eMarketer, 2019). Pada tahun 2020 terjadi penurunan sebesar 8,8% yang
diakibatkan efek dari pandemi COVID-19, namun perkiraan pengeluaran akan pulih
dengan pertumbuhan 5,8% pada tahun 2021 sebesar 579 miliar dolar (eMarketer, 2021).
Bisnis online di Indonesia perkembangannya sangat pesat hal ini meunjukan bahwa era
pemanfaatan teknologi sangat baik (Rahmat et al., 2019; Syah et al., 2020). Ramainya
penggunaan media digital menjadikan layanan transportasi berbasis aplikasi dengan
penggunaanya sangat ramai (Nguyen-phuoc et al., 2020).
Layanan transportasi online atau ride sharing memiliki sistem yang hanya dapat
memesan tumpangan atau makanan melalui aplikasi mobile serta direspon kembali oleh
pengemudi menggunakan aplikasi mobile (Farin et al., 2016). Dengan peningkatan
teknologi yang signifikan, model baru transportasi telah beralih menjadi mobilitas
transportasi dari pintu ke pintu dengan layanan yang disebut ride-hailing seperti uber,
grab atau lyft (Nguyen-phuoc et al., 2020). Dengan adanya hal ini maka keuntungan
diperoleh antara keduabelah pihak seperti mengetahui lokasi satu sama lain secara akurat
antara pengemudi maupun pelanggan, pelanggan juga dapat melihat informasi pengemudi
dan kendaraannya, serta mudahnya menemukan transportasi untuk penggunaanya agar
lebih cepat (efisiensi waktu) (Farin et al., 2016). Dalam transportasi online pengguna
dapat melacak keberadaan pengemudi, kapan pengemudi datang dan berapa biaya yang
harus dibayar (Nguyen-phuoc et al., 2019).
Corporate brand dan identitas perusahaan merupakan sebuah asset strategis yang dimiliki
oleh perusahaan yang akan meningkatkan keingintahuan masyarakat akan perusahaan
(Tuškej & Podnar, 2018a). Selain itu dalam dua dekade ini, penelitian tentang customer
identification telah menjadi suatu topik penelitian yang penting (Tuškej & Podnar,
2018b). Berdasarkan pada social identity dan congruity theory, pada pelanggan hotel
bintang 4 dan 5 di India, diketahui bahwa value congruity mempunyai pengaruh terhadap
customer brand identification dan customer brand engagement. Pada penelitian tersebut
juga diketahui bahwa customer brand identification meningkatkan customer brand
engagement dan brand loyalty (Rather et al., 2018). Selain itu antecedent dari customer
brand identification, brand prestige serta consumer brand engagement, dengan
consequence nya adalah brand loyalty (Tuškej & Podnar, 2018b).
Customer dari mobile phone dan laptop mempunyai persepsi bahwa brand prestige dan
brand distinctiveness akan menaikkan brand attractiveness, dimana selanjutnya brand
attractiveness akan meningkatkan brand loyalty dari pelanggan. Loyalitas dari pelanggan
mobile phone dan laptop yang loyal tersebut mampu mengurangi informasi negatif yang
diterima oleh mereka (Zarei et al., 2020). Selain itu, brand attractiveness mempunyai
efek yang signifikan terhadap customer brand identification (So et al., 2017; Elbedweihy
et al., 2016; Zarei et al., 2020). Kemudian diketahui bahwa value congruity mempunyai
1
pengaruh terhadap brand attractiveness, sedangkan brand attractiveness meningkatkan

customer brand identification, brand loyalty dan resilence to negative information (e.g.,
Bhattacharya et al., 2003; Choi et al., 2017; Doorn et al., 2010; Elbedweihy et al., 2016;
Islam et al., 2018; Lee & Jeong, 2014; Marin & Ruiz, 2007; Tuškej et al., 2013; Zarei et
al., 2020).
Penelitian sebelumnya telah menjelaskan bahwa customer brand identification telah

menjadi salah satu pendorong utama dalam pengembangan strategis dari customer brand
engagement dan brand loyality (e.g., Elbedweihy et al., 2016; Fullerton, 2003; Rather et
al., 2018; So et al., 2013; Tuškej & Podnar, 2018b; Vivek et al., 2012). Dengan demikian
brand identification secara positif mempengaruhi customer brand engagement, bahwa
salah satu cara agar kosumen lebih loyal terhadap merek dapat terlibat aktif dalam
kegiatan merek yakni dengan memperkuat customer brand identification (Rather et al.,
2018). Namun demikian belum banyak dilakukan penelitian di Indonesia dan juga
penelitian ini mengembangkan model yang menyelidiki hubungan brand prestige dan
brand attractiveness semuanya dapat mempengaruhi resilience to negative information
yang diukur dari pelanggan transportasi online. Dengan demikian maka dilakukan
penelitian dengan tujuan untuk mengetahui faktor-faktor suatu merek yang dapat
mempengaruhi customer brand identification dan memiliki pengaruh terhadap customer
brand engagement, brand loyalty dan resilience to negative information serta apakah
hasilnya mempengaruhi pelanggan untuk dapat memiliki resilience to negative
information pada suatu merek di Indonesia. Diharapkan penelitian ini dapat memberikan
kontribusi pada tataran keilmuan mengenai merek dan memberikan dampak yang positif
pada merek transportasi online.
TINJAUAN PUSTAKA
Brand Prestige
Salah satu penggerak yang sangat penting dari daya tarik merek adalah brand prestige
(Stokburger-sauer et al., 2012). Dimana brand prestige mempertahankan status sosial
konsumen serta menjadikan suatu motivasi dalam mencapai dan mempertahankan
identitas sosial secara positif (Cheng et al., 2013; Fuller et al., 2006). Lye et al. (2001),
berpendapat bahwa brand prestige adalah suatu konsep statis daripada konsep
operasional, dan oleh karena itu sangat berkaitan dengan konsep diri, kekayaan,
kekuasaan serta citra sosial, maka hal tersebut sangat penting bagi para pelanggan.
Menurut Stokburger-sauer et al. (2012) bahwa brand prestige adalah seberapa besar suatu
merek memiliki keterkaitan antara gengsi dan reputasi. Saat ini, para konsumen tidak
selalu menggunakan produk ataupun layanan untuk suatu nilai fungsional, namun juga
untuk kesenangan serta nilai sosial yang dirasakan (Walsh et al., 2013). Dikarenakan
penggunaan merek sangat dipengaruhi oleh teori adaptasi diri, maka merek yang
mencerminkan identitas diri mereka sangat disukai oleh para konsumen, serta brand
prestige sangat berkaitan dengan fitur yang ditawarkan secara menyeluruh (Chu et al.,
2014; Klink & Athaide, 2012)
Brand Attractiveness
2
Brand attractiveness mengacu pada suatu evaluasi positif dari fitur dan asosiasi merek
yang memiliki perbedaan secara original serta memiliki ketahanan (Pe´rez et al., 2009).
Selain itu brand attractiveness juga mengacu pada seberapa besar tingkat kemampuan
konsumen untuk mengevaluasi karateristik merek tersebut (Ahearne & Gruen, 2005).
Brand attractiveness adalah bagaimana merek tersebut dapat disukai, menarik serta
memiliki suatu ciri (Sophonsiri et al., 2009). Hal yang paling penting agar merek sukses
ialah dengan adanya daya tarik (Kim et al., 2001). Daya tarik merek tidak hanya sekedar
sebagai fungsi atribut, akan tetapi apabila suatu asosiasi merek merasa sesuai dengan
perasaan konsumen, maka merek tersebut dianggap menarik (Bhattacharya et al., 2003).
Customer Brand Identification

Customer brand identification dapat didefinisikan sebagai seberapa besar konsumen
dapat memahami citra dari suatu merek dan dapat menutupi citra merek tersebut (Bagozzi
& Dholakia, 2006). Customer brand identification juga didefinisikan sebagai keadaan
psikologis pelanggan yang dapat merasakan, mempersepsikan dan mengevaluasi seberapa
besar rasa memiliki terhadap merek (Lam et al., 2010). Kedua definisi tersebut mengacu
pada teori identisas sosial yang memberikan landasan sebuah teori untuk dapat
mengidentifikasi dalam pemasaran serta dalam organisasi (Tajfel et al., 1986;
Elbedweihy et al., 2016; Lam et al., 2012). Atas dasar teori identitas sosial dan
identifikasi organisasi yang diungkapkan oleh Bhattachary et al. (2003), bahwa customer
brand identification mampu memperluas konsep identifikasi dalam hubungan antara
konsumen dan perusahaan. Namun, bertentangan dengan banyaknya definisi sebelumnya
mengenai customer brand identification yang ditafsirkan dari konteks organisasi
kedalam merek konsumen, pendapat mengenai customer brand identification adalah
sebuah hubungan dasar identitas antara konsumen dengan merek (Papista & Dimitriadis,
2012). Oleh karena itu, konsep customer brand identification mengacu pada teori
identitas sosial yang mendefinisikan suatu merek sebagai kontruksi persepsi yang
membedakan antara pencocokan dan kecocokan identitas (So et al., (2013).
Value Congruity
Value congruity adalah tingkat kemiripan antara satu atau sekelompok orang dalam
mepropagandakan pembeli dan konsumen pada setiap langkah pengambilan keputusan
yang dapat memperhatikan karakteristik dari dua sisi yakni dari sisi merek dan
konsumen, serta memanfaatkan kemiripan untuk membentuk suatu konsep struktur yang
berisi produk, merek, pusat perbelanjaan atau bahkan konsumen dan iklan (Tuškej et al.,
2013). Citra dapat ditingkatkan melalui value congruity (Chen et al., 2014). Teori
congruity menjelaskan kecenderungan seseorang yang memiliki sikap positif terhadap
suatu objek individu untuk menggambarkan fenomena secara konsisten atas apa yang
diyakini (Lee & Jeong, 2014). Hal tersebut terjadi karena adanya ketidaksesuaian antara
opini individu dan objek (Lee & Jeong, 2014). Peristiwa merek secara individu berperan
halnya suatu ide dengan gagasan yang berfungsi untuk memperkuat dan meyakinkan
persepsi yang ada dengan banyaknya suatu keyakinan antara dua keyakinan yang dapat
menciptakan suatu pilihan (Islam et al., 2018; Ally & Jeong, 2014). Pemahaman
mengenai congruity merupakan suatu proses yang mencocokan antara konsumen dengan
karakter suatu merek (Swaminathan et al., 2007). Value congruity merupakan sesuatu
yang menjadi kontrol manajer (contohnya, melalui aktivitas positioning serta aktivitas
3
pemasaran), dalam memenuhi kebutuhan konsumen, maka merek dapat dilakukan

pengontrolan agar tetap terus berkesinambungan (Lam et al., 2013; Tuškej et al., 2013).
Customer Brand Engagement

Konsep keterlibatan (engagement) meskipun baru muncul dalam litelatur pemasaran,
namun saat ini mendapat perhatian besar dalam beberapa disiplin ilmu (misalnya
psikologi, pendidikan dan perilaku organisasi) (Gambetti & Graffigna, 2010; Hollebeek,
2011). Konsep keterlibatan (engagement) menurut para peneliti pemasaran, engagement
dapat melibatkan suatu subjek tertentu (misalnya pengguna, pelanggan, konsumen) dan
objek (misalnya produk, perusahaan, aktivitas perusahaan, saluran media) (e.g., Gambetti
& Graffigna, 2010; Hollebeek, 2011; Hollebeek et al., 2014; Patterson & Robots, 2015;
Doorn et al., 2010). Penelitian yang dilakukan Higgins (2006) dan Higgins & Scholer
(2009) mengenai engagement bahwa keterlibatan dapat dilakukan dengan cara
memusatkan perhatian pada suatu aspek kognisi, dengan alasan bahwa salah satu ciri
keterlibatan ialah minat dan suatu objek pekerjaan. Iklan memiliki keterkaitan dengan
aspek emosional dari suatu keterlibatan (Heath at al., 2009). Para peneliti secara fokus
mengamukakan bahwa aspek fisik dari keterlibatan dapat didefinisikan sebagai salah satu
manifestasi perilaku pelanggan yang dapat menghasilkan dorongan motivasi diluar
pembelian serta fokus terhadap perusahaan (Gummerus et al., 2012; Kumar et al., 2010;
Bergh et al., 2010; Wallace, 2014; Doorn et al., 2010).
Anggapan mengenai customer brand engagement yang dilakukan oleh sekelompok

peneliti yakni sebagai keadaan psikologis multidimensi (e.g., Dholakia & Herrmann,
2005; Ilic et al., 2011; Brodie et al., 2013; Dessart, 2015; Dwivedi, 2015; Hollebeek,
2011; Mollen & Wilson, 2010; Vivek et al., 2012). Hollebeek (2011) mendefinisikan
customer brand engagement sebagai perilaku interaksi pelanggan pada merek tertentu
dalam menjadikan suatu investasi intelektual dan emosional. Dikarenakan customer
brand engagement dianggap multidimensi (i.e., emosional, intelektual dan keinginan)
maka suatu keadaan psikologis yang bergantung pada konteks dan berbasis proses, semua
dianggap menghasilkan sebuah interaksi dua arah yang tercipta antara pelanggan dan
aktivitas merek (Hollebeek, 2011; Ilic et al., 2011).
Brand Loyalty
Loyalitas merek dapat didefinisikan sebagai suatu sikap dan komitmen yang erat terhadap
merek, serta dibangun untuk kepuasan konsumen yang mengarah pada pemeliharaan dan
pembelian yang berkelanjutan dari merek (Ballantyne et al., 2006). Loyalitas merek
merupakan suatu kinerja merek yang didalamnya terdiri dari prilaku loyalitas dan
perilaku konsumen (Yeh et al., 2016). Secara spesifik, pangsa pasar dan keuntungan
dapat ditingkatkan dengan suatu perilaku loyalitas yang berhubungan secara positif
dengan pengakuan dari mulut ke mulut dan harga premium (Shankar et al., 2002).
Apabila suatu merek menawarkan konsumen untuk beralih pada merek tertentu, maka
konsumen berhak untuk menolak tawaran dan bahkan konsumen akan cenderung untuk
bersikeras dalam membeli merek yang sama dengan cara membuat konsumen memiliki
kesan lebih baik terhadap merek dibandingkan pesaing lainnya (Hanzaee & Andervazh,
2012; Keller, 2009). Dengan demikian merek dapat mempengaruhi proses pengambilan
4
keputusan konsumen untuk dapat membeli produk yang sama (Lam, 2007; Martenson,
2007; Nyadzayo & Khajehzadeh, 2016).
Pernyataan mengenai loyalitas merek yang merupakan hasil dari suatu kepercayaan
konsumen sebagai salah satu penentu utama (Alhaddad, 2015; Flaviań & Guinalıú,
2005). Loyalitas merek merupakan komitmen yang diciptakan untuk mengulangi suatu
pembelian atau promosi yang disukai konsumen, baik berupa produk atau layanan
tertentu dimasa depan (Fatema et al., 2013; Rahi, 2017; Sasmita & Suki, 2015; Rahmat et
al., 2019). Loyalitas juga merupakan suatu faktor yang dapat mempengaruhi niat agar
konsumen dapat membeli kembali serta dapat mengidentifikasi kualitas suatu merek,
seperti pengalaman terhadap merek, kualitas layanan, kepercayaan, kepuasan dan
komitmen (Chen et al., 2016). Beberapa konsumen akan membuat keputusan pembelian
dikarenakan adanya dorongan serta diyakinkan oleh orang lain (Kim et al., 2020).
Apabila merek memberikan kepuasan dengan kualitas layanan yang diberikan, maka
merek tersebut mampu mendorong suatu keputusan pembelian terutama orang-orang
disekitar karena adanya pengakuan dari mulut ke mulut oleh konsumen (Azad & Safaei,
2012).
Resilience To Negative Information

Dalam lingkungan bisnis saat ini, suatu informasi dan berita mengenai perusahaan,
merek, serta segala jenis aktivitas yang ada didalamnya dapat dengan cepat menyebar
kepada calon konsumen dan informasi tersebut mampu mempengaruhi perilaku mereka,
terutama berita negatif yang mampu menyebar dengan cepat melalui berbagai macam
media terutama media online yang berakibat pada suatu keputusan pembelian
(Elbedweihy et al., 2016). Menurut Torres & Augusto (2018) dalam memahami segala
sesuatu proses yang dapat mengarah pada informasi negatif sangatlah penting. Ketahanan
terhadap informasi negatif dapat dilihat sebagai perilaku peran tambahan. Menurut
pendapat Reilly & Chatman (1986) bahwa ketahanan terhadap informasi negatif
merupakan suatu perilaku atau peran tambahan yang terjadi ketika pelanggan sepenuhnya
mendukung merek tanpa berpikir atas kepentingannya. Ketahanan terhadap informasi
negatif adalah salah satu perilaku yang menjadikan peran terpenting serta sangat
mempengaruhi keputusan pembelian konsumen (Torres & Augusto, 2018).
HIPOTESIS HUBUNGAN ANTAR VARIABEL

Hubungan Antara Brand Prestige Terhadap Brand Attractiveness dan
Customer Brand Identification
Hubungan antara brand prestige, customer brand identification dan brand attractiveness
berasal dari teori yang sama yakni teori identitas sosial, dimana orang-orang akan
mempertahankan citra diri mereka secara positif dengan cara berusaha menghubungkan
antara identitas dengan kategori sosial yang dapat memenuhi kebutuhannya (Abrams &
Hogg, 2008; Cheng et al., 2013; Fuller et al., 2006). Hubungan antara brand prestige dan
customer brand identification beranggapan bahwa merek lain tidak begitu bergengsi
dibanding dengan merek tertentu yang dilihat serta dirasakan sebagai bagian dari diri
mereka yang menjadikan merek tersebut menjadi lebih baik (Tuškej & Podnar, 2018b).
5
Brand prestige dapat ditentukan oleh konsumen dengan cara membandingkan merek
yang memiliki pengalaman intelektual, perilaku, dan emosional (Choi et al., 2017).
Dalam penelitian yang dilakukan Bhattachary et al. (2003) dan Hwang & Han (2014)
bahwa konsumen akan menjamin suatu perusahaan yang bergengsi dengan memandang
identitas suatu merek serta akan semakin menarik jika terdapat berhubungan dengan
brand attractiveness. Brand prestige dimata konsumen mempengaruhi attractiveness
sesuai dengan identitas merek (Zarei et al., 2020). Berdasarkan penelitian Hwang & Han
(2014) dan So et al. (2017) merek akan terlihat lebih menarik apabila konsumen
berasumsi bahwa merek tersebut sesuai dengan identitas mereka yang diperkenalkan oleh
merek. Maka diajukan Hipotesa sebagai berikut:
H1. Brand prestige berpengaruh positif terhadap brand attractiveness
H2. Brand prestige berpengaruh positif terhadap terhadap customer brand identification
Hubungan Antara Value Congruity Terhadap Customer Brand

Identification, Customer Brand Engagement dan Brand Attractiveness
Value congruity mengacu pada kesesuaian terhadap suatu merek dimana terdapat
keterkaitan antara suatu nilai pribadi konsumen dan persepsi (Lee & Jeong, 2014; Zhang
& Bloemer, 2008). Para peneliti telah mengusulkan value congruity sebagai suatu
hubungan antara konsumen terhadap merek yang menjadi gagasan utama dalam
mempertahankan dan mengembangkan merek (Islam et al., 2018; Lee & Jeong, 2014).
Secara signifikan nilai dapat berpengaruh pada aktivitas atau tindakan konsumen serta
sebagai faktor penghubung utama antara konsumen dan merek (Tuškej et al., 2013).
Secara teoritis dimensi customer brand identification telah merekomendasikan efek
positif terhadap customer brand engagement (Doorn et al., 2010). Verifikasi secara
empiris bahwa hubungan tersebut secara konsisten layak hingga saat ini (Romero, 2017;
Tuškej & Podnar, 2018a). Oleh karena itu, customer brand identification dapat menjadi
referensi utama dari customer brand engagement (Romero, 2017; Tuškej & Podnar,
2018a ; Doorn et al., 2010).
Dalam penelitian menggambarkan bahwa adanya ketertarikan suatu merek yang
berkesinambungan serta menjelaskan karakteristik daya tarik yang dirasakan merek
(Marin & Ruiz, 2007). Dengan kata lain, kecenderungan suatu merek yang memiliki
identitas serta daya tarik yang sesuai dengan perasaan konsumen (Bhattacharya et al.,
2003). Apabila suatu merek yang memiliki nilai sejalan dengan kepribadian konsumen
maka akan lebih cenderung untuk mengekspresikan serta menunjukkan karakteristik dan
nilai dalam konsep diri mereka secara lengkap dan benar (Dutton et al., 1994). Kesamaan
identitas antara kesesuaian nilai merek dan nilai konsumen menjadikan pendorong
penting bagi daya tarik yang kebermanfaatannya dirasakan secara individu, seperti
perusahaan atau merek (Bhattacharya et al., 2003). Maka diajukan Hipotesa sebagai
berikut:
H3. Value congruity berpengaruh positif terhadap customer brand identification
H4. Value congruity berpengaruh positif terhadap customer brand engagement
H5. Value congruity berpengaruh positif terhadap brand attractiveness
Hubungan Antara Brand Attarctiveness Terhadap Customer Brand

Identifaction
6
Daya tarik yang melibatkan konsumen memiliki pengaruh signifikan dan tidak dapat
dipengaruhi oleh perilaku konsumen (Elbedweihy et al., 2016). Menurut pendapat
Bhattachary et al. (2003), bahwa merek yang menarik cenderung lebih disukai oleh
konsumen, serta terdapat keselarasan antara identitas merek dengan emosi konsumen.
Oleh karena itu karakteristik merek perlu arahan serta dukungan sikap dan prilaku
konsumen agar lebih baik (He et al., 2012). Customer brand identification
memungkinkan akan terbentuk dari suatu merek yang menarik, serta pentingnya
pertimbangan konsumen dalam meningkatkan identitas merek (Ahearne & Gruen, 2005;
Marıń & Maya, 2013). Dengan demikian, konsumen akan menganggap bahwa identitas
suatu merek cenderung mengidentifikasi dan melibatkan identitas merek (So et al., 2017).
Oleh karena itu diajukan hipotesis sebagai berikut:
H6. Brand attractiveness berpengaruh positif terhadap customer brand identification
Hubungan Antara Customer Brand Identification Terhadap Customer

Brand Engagement dan Brand Loyalty
Strategi branding digunakan dalam persaingan suatu merek dalam mengatur produk dan
layanan yang berbeda dari para pesaingnya dalam mengamati pentingnya customer brand
identification dalam mempelajari hubungan konsumen dan merek (Rather, 2017; So et
al., 2013) Secara khusus, dalam hubungan antara customer brand engagement dengan
loyalty memperlihatkan adanya informasi yang dimanifulasi secara akurat agar mampu
mempengaruhi terhadap marketing engagement (Islam et al., 2018). Brand loyalty
mewakili sikap komitmen terhadap suatu merek atau penawaran untuk dapat mengulangi
aktivitas pembelian pelanggan (Liu et al., 2012; Elizar et al., 2020). Secara teoritis telah
merekomendasikan bahwa customer brand engagement berpengaruh positif terhadap
brand loyalty (Hollebeek, 2018; Vivek et al., 2012). Menurut Doorn et al. (2010) dalam
model teoritis telah mengusulkan efek positif customer brand identification pada
customer brand engagement, diverifikasi secara empiris bahwa hubungan ini cukup
komperhensif (Romero, 2017; Tuškej & Podnar, 2018b). Oleh karena itu, customer
identification dapat menjadi suatu representasi inti dari customer brand engagement
(Romero, 2017; Tuškej & Podnar, 2018b; Doorn et al., 2010). Dikarenakan segala
kebutuhan konsumen terpenuhi, dengan adanya pernyataan atas diri mereka sehingga
mampu meningkatkan sikap atau perilaku terhadap merek (Elbedweihy et al., 2016;
Tuškej & Podnar, 2018b). Dengan demikian maka diajukan hipotesa sebagai berikut:
H7. Customer brand identification berpengaruh positif terhadap customer brand
engagement
H8. Customer brand identification berpengaruh positif terhadap brand loyalty
Hubungan Antara Customer Brand Engagement Terhadap Brand

Loyalty
Secara spesifik, pengaruh customer brand engagement terhadap loyalty menunjukkan
bagian inti dari keterlibatan yang memiliki pengaruh pemasaran secara akurat (Islam et
al., 2018). Hubungan brand loyalty dapat menimbulkan sikap positif konsumen terhadap
merek serta dapat menimbulkan suatu penawaran yang mampu mengulangi perilaku
pembelian (Liu et al., 2012; Rather, 2017; Agung et al., 2019). Dikarenakan adanya
rekomendasi model teoritis tentang pengaruh positif customer brand engagement
7
terhadap brand loyalty, maka ditegaskan kembali secara empiris bahwa hubungan antara
customer brand engagement dengan brand loyalty sejauh ini masih terbatas (e.g., Doorn
et al., 2010; Hollebeek, 2018; Vivek et al., 2012; Hapsari et al., 2017; Harrigan et al.,
2017; Islam et al., 2018; Sharma & Rather, 2016). Sikap positif perlu dibangun oleh
konsumen yang terlibat secara langsung daripada konsumen yang tidak terlibat secara
langsung agar timbul suatu sikap loyal terhadap merek (Harrigan et al., 2017; So et al.,
2014). Dengan demikian diajukan hipotesa sebagai berikut:
H9. Customer brand engagement berpengaruh positif dengan brand loyalty
Hubungan Antara Brand Loyalty Terhadap Resilience To Negative

Information
Brand loyalty tergantung pada kelangsungan finansial bisnis untuk memastikan
kelancaran suatu bisnis agar tetap berkesinambungan (Zarei et al., 2020). Brand loyalty
menyesuaikan pada niat pelanggan untuk dapat membeli kembali merek dari layanan atau
produk (Choi et al., 2017; Syah et al., 2020). Hasil penelitian yang dilakukan Bartikowski
& Walsh (2011) menjelaskan bahwa prilaku dan peran yang berlebih akan menjadikan
kesetiaan terhadap konsumen. Penelitian yang dilakukan Riketta (2005) menjelaskan
bahwa komitmen secara struktural terdapat kemiripan dengan loyalitas, dan menurut
Bartikowski & Walsh (2011) menjelaskan bahwa konsumen akan cenderung tetap
berkomitmen terhadap hubungan dengan merek tertentu serta akan lebih
memeperlihatkan perilaku dalam mendukung suatu merek. Konsumen tersebut cenderung
akan mengabaikan informasi negatif yang mereka terima dari merek yang dianggap
favorit dan akan memaafkan merek favorit mereka atas suatu kesalahan yang dilakukan
(Liu et al., 2010). Harapan pelanggan setia akan memperlihatkan perilaku serta peran
ekstra untuk tetap mengabaikan informasi negatif yang diterima dengan terus mendukung
merek favorit mereka (Zarei et al., 2020). Oleh karena itu kami mengajukan hipotesa
sebagai berikut:
H10. Brand loyalty berpengaruh positif terhadap Resilience to negative information
Berdasarkan kerangka hipotesa diatas, sebagaimana model penelitian dapat digambarkan

pada gambar 1 berikut:
Gambar 1. Kerangka Model Penelitian

8
METODOLOGI PENELITIAN
Pengumpulan data menggunakan metode survei dengan menyebarkan kuesioner secara
online. Pengukuran dilakukan menggunakan skala Likert dengan skala 1 – 7 (1 = sangat
tidak setuju dan 7= sangat setuju) agar memberikan keleluasaan kepada responden untuk
dapat memilih sesuai keinginan mereka secara lebih spesifik. Unit analisa yang
digunakan pada penelitian ini ialah persepsi konsumen terhadap suatu brand transportasi
online. Salah satu contoh variabel brand identification pada kuesioner,responden
ditanyakan tentang persepsi apakah brand online transportation yang biasa mereka pakai
dapat memenuhi kebutuhannya. Pertanyaan diadopsi dari Rather et al. (2018) untuk
pengukuran variabel value congruity (VC) terdiri dari empat pertanyaan dan variabel
brand loyalty (BL) terdiri dari enam pertanyaan. Untuk pengukuran customer brand
identification (CBI) terdiri dari enam pertanyaan diadopsi dari (Tuškej & Podnar, 2018a).
Variabel customer brand engagement (CBE) terdiri dari enam pertanyaan dan variabel
brand prestige (BP) terdiri dari lima pertanyaan yang diadopsi dari (Tuškej & Podnar,
2018b). Variabel brand atractiveness (BA) terdiri dari tiga pertanyaan dan variabel
resilience to negative information (RNI) terdiri dari tiga pertanyaan yang diadopsi dari
(Zarei et al., 2020). Maka total pengukuran menggunakan 33 pertanyaan yang terdapat
pada Lampiran 3.
Responden penelitian ini dilakukan pengambilan sampel secara purposive (purposive

sampling) di Jabodetabek dengan kriteria sampel adalah pengguna transportasi online
yang sudah menggunakan kurang dari satu bulan. Teknik pengumpulan data diawali
dengan penyebaran kuesioner awal (pre test) kepada 30 orang responden. Penelitian
dilakukan secara kuantitatif dengan metode SEM (Structural Equation Model),
sedangkan pengolahan data maupun analisa menggunakan perangkat lunak IBM SPSS 24
dan Lisrel 8.8. Pada saat pre test, peneliti melakukan analisis faktor untuk uji validitas
dan reliabilitas dengan SPSS 24. Uji validitas dilakukan dengan melihat nilai pengukuran
Kaiser-Meyer-Olkin (KMO) dan Measure of Sampling Adequacy (MSA). Hasil nilai
KMO (0,806 hingga 0,885) dan MSA (0,695 hingga 0,947) lebih besar dari 0,500 yang
artinya analisis faktornya sudah sesuai. Uji reliabilitas menggunakan pengukuran
Cronbach’s Alpha dimana hasilnya (0,929 hingga 0,972), karena mendekati 1 maka
semakin baik (Hair et al., 2014). Dari hasil pre test dengan menggunakan 33 pertanyaan
dengan definisi operasional variable pada Lampiran 2, variabel customer brand
engagement dari 6 pertanyaan hanya 4 pertanyaan yang dinyatakan valid dan variabel
brand loyalty dari 6 pertanyaan hanya 5 pertanyaan yang dinyatakan valid, sedangkan
pertanyaan pada variabel yang lainnya dinyatakan valid semua. Maka yang dinyatakan
valid untuk dijadikan kuesioner pada penelitian ini adalah 54 pertanyaan . Hasil analisa
Pre Test terdapat pada Lampiran 4. Karena menggunakan SEM (Structural Equation
Model) dimana penentuan jumlah sampel penelitian adalah minimal 5 kali jumlah
pertanyaan (Hair et al., 2014). Maka jumlah sampel pada penelitian ini sebanyak 170
orang dengan mempertimbangkan cadangan apabila ada ketidak sesuaian pengisian
kuesioner.
9
HASIL
Responden dari hasil pengujian didapatkan bahwa 92,9% berusia 20 hingga 30 tahun dan
64,7% nya merupakan pelanggan perempuan. Hal ini berbeda dengan pengujian
sebelumnya pada pelanggan hotel oleh Rather et al. (2018) yang menunjukkan responden
37% berumur antara 31 hingga 40 tahun dan 55% pelanggan laki-laki. Responden
penelitian ini ialah pelanggan dari suatu merek transportasi online, dimana sampel dalam
populasi yang diminati secara total yakni 34,1% pelanggan dengan pengguna merek grab
dan 65,9% pelanggan dengan pengguna merek gojek. Data demografi responden terdapat
pada Lampiran 4.
Menurut rekomendasi dari Hair et al. (2014) pengukuran validitas konstruk dapat
diterima dan dinyatakan valid, karena sebagian besar indikator pada tiap variabel
memiliki loading factor lebih dari 0,50. Tidak terdapat indikator yang memiliki loading
faktor dibawah 0,50. Dari hasil perhitungan construct reliability (CR) dan variable
extracted (VE) dapat dikatakan memenuhi syarat secara keseluruhan dimana sesuai
dengan Hair et al. (2014) bahwa nilai construct reliability harus memenuhi syarat
reliabilitas dengan CR diatas 0,60 dan nilai VE diatas 0,50 yaitu brand prestige
(CR=0,86; VE=0,56), brand attractiveness (CR=0,88; VE=0,70), customer brand
identification (CR=0,89; VE=0,58), value congruity (CR=0,91; VE=0,71), customer
brand engagement (CR=0,90; VE=0,70), brand loyalty (CR=0,85; VE=0,53) dan
resilience to negative information (CR=0,78; VE=0,54). Tentang uji validitas dan
reliabilitas secara lengkap pada Lampiran 6.
Berdasarkan analisis uji kesesuaian, sebagaian besar menunjukkan kecocokan yang baik
diantaranya X2/df = 1,065.; degree of freedom = 382; Chi Square = 435,44; RMSEA =
0,02; ECVI = 3,39; AIC = 573,13; CAIC = 916,40; NFI = 0,97; Critical N =175,35 dan
GFI = 0,85 Dengan demikian ada kecocokan keseluruhan model (Goodness of Fit)
meskipun beberapa pada tingkat marginal fit, data selengkapnya bisa dilihat pada
Lampiran 8 dan hasilnya sebagaimana yang digambarkan dalam PATH diagram pada
Gambar 2. dan dapat disajikan model pengujian hipotesis seperti Tabel 1.
10
Gambar 2. Hasil Path Diagram T-Value

Tabel 1. Uji Hipotesis Model
Hipotesi Pernyataan Nilai
Keterangan
s Hipotesis T-value
Brand prestige berpengaruh positif Data mendukung
H1 2,76
terhadap terhadap brand attractiveness hipotesis
Brand prestige berpengaruh positif Data mendukung
H2 8,42
terhadap customer brand identification hipotesis
Value congruity berpengaruh positif Data mendukung

H3 6,08
terhadap customer brand identification hipotesis

H4 4,92
terhadap customer brand engagement hipotesis

H5 4,52
terhadap brand attractiveness hipotesis
Brand attractiveness berpengaruh
Data mendukung
H6 positif terhadap customer brand 3,50
hipotesis
identification
Customer brand identification
Data mendukung
H7 berpengaruh positif terhadap brand 3,92
hipotesis
loyalty
11
Customer brand identification

Data mendukung
H8 berpengaruh positif terhadap customer 2,17
hipotesis
brand engagement
Customer brand engagement
Data mendukung
H9 berpengaruh positif dengan brand 6,76
hipotesis
loyalty
Brand loyalty berpengaruh positif

Data mendukung
H10 terhadap Resilience to negative 2,17
hipotesis
information
Sumber: Data olahan Lisrel 2021
Berdasarkan tabel uji hipotesa diatas, diketahui bahwa seluruh variabel memiliki nilai T-
Value diatas 1,96 dan dengan demikian data dalam penelitian ini mendukung seluruh
hipotesis penelitian yang dibangun. Informasi lengkap tentang analisa SEM penelitian ini
dapat dilihat pada lampiran 7.
DISKUSI
Tujuan penelitian ini adalah untuk mengidentifikasi dan memeriksa faktor-faktor
pendorong utama proses CBI dan mengintegrasikannya untuk menjadi model yang
komprehensif. Pada gambar 1 dan gambar 2 terlihat bahwa brand prestige dan value
congruity merupakan independen variabel, sedangkan variabel lainnya merupakan
dependen variabel. Pada pengujian hipotesa menunjukan semua hasil hipotesa (H1
sampai H10) diterima. Brand prestige, value congruity dan brand attractiveness
merupakan pendorong utama varibel CBI (H2, H3 dan H6), hal ini sesuai dengan studi
sebelumnya bahwa pendorong CBI adalah value congruity, brand prestige dan brand
attractiveness (Rather et al., 2018; Tuškej & Podnar, 2018b; So et al., 2017). Dengan
kata lain bahwa ketika suatu merek mampu diidentifikasi oleh pelanggan dengan sangat
mudah maka merek tersebut akan terus menerus digunakan oleh pelanggan karena merek
tersebut memiliki suatu kemanfaatan, tingkat gengsi yang tinggi serta menarik sehingga
mampu menjadikan pelanggan untuk terus menikmati merek tersebut. Hal ini sejalan
dengan penelitian sebelumnya bahwa pelanggan memiliki komitmen dan hubungan yang
mendalam dengan merek sehingga merek tersebut akan terbentuk sebagai predator paling
penting dalam meningkatkan keinginan konsumen untuk terus mengidentifikasi merek.
CBI berpengaruh positif terhadap customer brand engagement (H7) dan brand loyalty
(H8). Dengan demikian mendukung bahwa identifikasi merek yang dilakukan konsumen
memiliki ikatan yang sangat erat dalam menjadikan pelanggan merasa loyal terhadap
merek, meskipun suatu merek terdapat informasi yang dimanifulasi secara akurat namun
dengan adanya faktor emosioal pelanggan, sehingga mampu mengulangi aktivitas
transaksi pembelian atau pemesanan transportasi online, komitmen yang tinggi akan
terbentuk atas terpenuhinya kebutuhan pelanggan yang akan membentuk suatu sikap dan
prilaku (e.g. Rather, 2017; Islam et al., 2018; Elizar et al., 2020; Ramadhan et al., 2020;
Doorn et al., 2010; Elbedweihy et al., 2016; Tuškej & Podnar, 2018b). Seseorang akan
merasakan sikap dan prilaku yang diperoleh dari merek, kemudian menurut mereka
merek tersebut merasa puas ketika menggunakannya sehingga akan sukar bagi mereka
12
untuk berpindah meskipun merek lain menawarkan berbagai jenis keunggulan dan
manfaat yang dapat menguntungkan konsumen, hal ini akan muncul dikarenakan
pelanggan dan merek merasa adanya sikap saling membutuhkan yang erat.
Value congruity berpengaruh positif terhadap customer brand identification (H3),

customer brand engagement (H4) dan brand attractiveness (H5), sejalan dengan
pendapat Rather (2017), Bhattacharya et al. (2003) dan Lee & Jeong (2014) bahwa suatu
merek akan dirasakan apabila suatu nilai dapat dipersepsikan oleh pelanggan, yang
kemudian akan menimbulkan suatu keterikatan dan kepercayaan. Dengan kata lain bahwa
pelanggan akan terlibat langsung dalam suatu merek melalui suatu dasar nilai yang sesuai
dengan dirinya, kesamaan identitas menjadikan pelanggan terus terlibat dalam merek
transportasi online yang akan mendorong pelanggan ikut serta mempromosikan merek
tersebut. Suatu merek yang dirasakan kebermanfaatannya akan menjadikan pelanggan
semakin percaya dan yakin atas apa yang mereka pilih, sehingga kecenderungan untuk
dapat berpindah pada merek lain sangatlah kecil.
Studi ini membuktikan pengaruh dari brand prestige dengan brand attractiveness (H1).
Hal ini sejalan dengan penelitian sebelumnya bahwa daya tarik suatu merek merupakan
salahsatu struktur manajemen yang berkelanjutan, dimana prilaku pelanggan akan
dipengaruhi untuk memahami hubungan dengan merek (Zarei et al., 2020). Gengsi merek
mampu memperkuat daya tarik suatu merek dengan cara pelanggan memandang suatu
manfaat dan keuntungan yang dirasakan. Hubungan merek dalam meningkatkan gengsi
harus terus ditingkatkan agar menciptakan pengalaman baru yang unik serta diinginkan
pelanggan. Penelitian yang dilakukan Cheng et al. (2013) dan Fuller et al. (2006),
menjelaskan bahwa dengan cara pelanggan dalam mempertahankan citra diri mereka
yang dapat memenuhi kebutuhannya. Jika merek transportasi online merupakan merek
yang memilki tingkat gengsi yang sangat tinggi maka pelanggan akan merasakan daya
tarik untuk menggunakannya, dimana dalam penelitian yang dilakukan oleh Bhattachary
et al. (2003) dan Hwang & Han (2014), menegaskan bahwa konsumen akan menjamin
perusahaan apabila identitas merek semakin menarik dan memiliki identitas yang sama.
Customer brand enggagement juga berpengaruh positif terhadap brand loyalty (H9).
Apabila pelanggan terlibat langsung dengan sebuah merek maka akan timbul rasa loyal
terhadap merek tersebut, sikap loyal yang terjadi mengakibatkan pelanggan akan tetap
dan terus mengulangi pembelian atau pemesanan. Sejalan dengan penelitian sebelumnya
bahwa sikap loyal pelanggan pada merek dapat menghubungkan prilaku positif dalam
pembelian atau penawaran yang berulang meskipun tidak terlibat secara langsung (Liu et
al., 2012; Rather, 2017; Harrigan et al., 2017; So et al., 2014).
Hasil studi ini selaras dengan pendapat Zarei et al. (2020) yang menyatakan bahwa
dengan cara menjadi penggemar suatu merek sehingga pelanggan loyal yang dapat
menunjukan prilaku ekstra dalam mendukung merek untuk memiliki ketahanan terhadap
informasi negatif merupakan level tertinggi dari strategy branding. Untuk membuat
pelanggan setia dan kemudian tahan terhadap informasi negatif maka perlu dorongan
pelanggan dalam mengidentifikasi merek (H8) yang kemudian merek akan tertanam
dalam fikirannya apabila keinginannya terpenuhi. Brand loyalty berpengaruh positif
13
terhadap resilience to negative information (H10). Menurut penelitian yang dilakukan

Bartikowski & Walsh (2011) bahwa peran serta prilaku yang lebih akan menimbulkan
kesetiaan pelanggan pada suatu merek. Apabila pelanggan sudah merasa setia pada suatu
merek maka akan timbul rasa percaya yang dapat mengabaikan segala informasi negatif
pada merek tersebut. Hal ini juga dikemukanan oleh Liu et al. (2010) dan Zarei et al.
(2020), apabila konsumen cenderung akan mengabaikan informasi negatif yang mereka
terima dari merek maka merek tersebut dianggap favorit dan akan memaafkan merek
favorit mereka atas suatu kesalahan yang dilakukan serta mendukung terus merek
tersebut. Misalnya pelanggan pengguna merek gojek merasa bahwa merek tersebut
memberikan apa yang diharapkan, ketika ada informasi negatif yang beredar dimasyarkat
seperti pengemudi ugal-ugalan saat berkendara, maka pelanggan akan menghiraukan
informasi tersebut dan akan terus loyal pada merek tersebut.
KESIMPULAN
Semua hipotesis dalam penelitian sudah dibuktikan bahwa ada hubungan dalam setiap
variabelnya, penelitian ini mengakui bahwa pendorong utama CBI ialah brand prestige,
value congruity dan brand attractiveness kemudian menjadi pendorong customer brand
engagement dan brand loyalty yang berujung pada resilience to negative information di
pengguna transportasi online. Dengan cara suatu merek yang diidentifikasi oleh
pelanggan akan menjadikan perasaan yang mampu mengevaluasi merek tersebut, yang
kemudian akan menimbulkan rasa memiliki serta meningkatnya komitmen untuk terus
loyal terhadap merek, sehingga merek tersebut akan tahan terhadap berbagai informasi
negatif yang diterima. Dengan adanya kekuatan yang mempu menahan berbagai
informasi negatif, diharapkan pelanggan akan terus loyal terhadap merek dan mampu
memberikan informasi yang sama pada pelanggan baru agar menjadi loyal. Dengan
memahami karateristik pelanggan, maka pemasaran bisa menerapkan strategi yang efektif
dalam pemasaran merek pengguna transportasi online.
Keterbatasan dimiliki dalam studi ini serta menunjukan beberapa arahan untuk
dilakukannya perbaikan dimasa yang akan datang pada penelitian selanjutnya yakni
pertama, penelitian ini terbatas pada pengguna transportasi online pada satu jenis yakni
penumpang sehingga pada masa pandemi seperti ini untuk tipe penumpang jarang
dilakukan, oleh karena itu dimasa depan dapat menguji pada online transportasi jenis
makanan ataupun barang yang lebih dominan digunakan konsumen pada masa pandemi.
Kedua, model atau kerangka pada penelitian ini masih perlu pengembangan sehingga
untuk penelitian selanjutnya dapat menguji kerangka yang berbeda dengan menambahkan
variabel seperti affective commitment atau variable purchase intention. Ketiga, dalam hal
ini masih belum membahas menganai demografi usia untuk selanjutnya dapat
menganalisa pelanggan berdasarkan rentan usia serta membandingkannya.
Temuan studi ini bagi pemasar memiliki implikasi hubungan dengan strategi dalam
membangun suatu merek yang bergengsi, memiliki daya tarik, memberikan manfaat,
membentuk kepuasan, kepercayaan, keterlibatan, loyalitas hingga merek tersebut kuat
akan suatu informasi negatif. Implikasi yakni : pertama, dalam penggunaan produk jasa
untuk transportasi online maka pemasar sebaiknya memfokuskan pada pengelolaan brand
prestige untuk menghasilkan customer brand identification yang kemudian membentuk
14
resilience to negative information melalui brand loyalty dibanding dengan brand

attractiveness. Dengan meningkatnya kualitas merek, maka merek tersebut cenderung
akan lebih dihargai dan semakin bergengsi. Dengan demikian, merek ini menjawab
kebutuhan pelanggan sehingga akan setia dan tidak akan memperhatikan komentar
negatif dari orang lain.
Kedua, pemasar perlu lebih fokus pada strategi yang dibangun oleh value congruity
melalui keterlibatan konsumen dalam bisnis dengan merek, sehingga dengan adanya
bisnis yang melibatkan konsumen serta dapat menjadikan konsumen bagian dari merek
yang akan ikut dalam memajukan merek, bisnis bersama konsumen bertujuan untuk
memberikan value yang berlebih bagi pelanggan sehingga tingkat loyal pada merek akan
semakin besar. Dengan dorongan tersebut maka merek akan tahan terhadap berbagai
informasi negaif dikarenakan pelanggan akan loyal terhadap merek yang didalamnya
terdapat keterlibatan langsung dengan konsumen, keterlibatan langsung dilakukan dangan
cara melakukan bisnis bersama dengan merek. Bisnis yang dibangun antara konsumen
dangan merek akan menjadikan suatu ikatan yang kuat, hal tersebut menjadikan
pelanggan akan mengabaikan informasi-informasi negatif yang akan diterima dan bahkan
informasi negatif yang ada bisa segera hilang akibat adanya keterlibatan konsumen yang
membantu merek.
15
DAFTAR PUSTAKA
Abrams, D., & Hogg, M. A. (2008). Collective Identity : Group Membership and Self-
Conception. Blackwell Handbook of Social Psychology, 425–460.
Agung, L., Rahmat, S. T. Y., & Angga, N. D. (2019). The Relationship Of Brand
Communication, Brand Image, And Brand Trust To Brand Loyalty Of Samsung
Cellular Phone Product. Russian Journal of Agricultural and Socio-Economic
Sciences, 4(88), 138–143.
Ahearne, M., & Gruen, T. (2005). Antecedents and Consequences of Customer –
Company Identification : Expanding the Role of Relationship Marketing. Journal of
Applied Psychology, 90(3), 574–585.
Alhaddad, A. (2015). Perceived Quality , Brand Image and Brand Trust as Determinants
of Brand Loyalty. Journal of Research in Business and Management, 3(4), 1–8.
Azad, N., & Safaei, M. (2012). Management Science Letters. Management Science
Letters, 2, 1233–1238.
Bagozzi, R. P., & Dholakia, U. M. (2006). Antecedents and purchase consequences of
customer participation in small group brand communities. International Journal of
Research in Marketing, 23, 45–61.
Ballantyne, R., Warren, A., & Nobbs, K. (2006). The evolution of brand choice. Brand
Management, 13(4), 339–352.
Bartikowski, B., & Walsh, G. (2011). Investigating mediators between corporate
reputation and customer citizenship behaviors. Journal of Business Research, 64(1),
39–44.
Bergh, F. P. Y. K., Van, Den., Hadden, R. D. M., Bouche, P., Cornblat, D. R., Hahn, A.,
Illa, I., & Schaik, I. N. (2010). European Federation of Neurological Societies /
Peripheral Nerve Society Guideline on management of chronic inflammatory
demyelinating polyradiculoneuropathy : Report of a joint task force of the European
Federation of Neurological Societies and the Perip. European Journal of Neurology,
17, 356–363.
Bhattacharya, C.B., & Sen, S. (2003). Consumer-company identification: A framework
for understanding consumers’ relationships with companies. Jurnal of Marketing,
(67), 76–88.
Brodie, R. J., Ilic, A., Juric, B., & Hollebeek, L. (2013). Consumer engagement in a
virtual brand community : An exploratory analysis. Journal of Business Research,
66(1), 105–114.
Chen, H., Yeh, S., & Huan, T. (2014). Nostalgic emotion , experiential value , brand
image , and consumption intentions of customers of nostalgic-themed restaurants ☆
NE-A. Journal of Business Research, 67(3), 354–360.
Chen, Y., Chen, T., & Lin, C. (2016). The Analyses of Purchasing Decisions and Brand
Loyalty for Smartphone Consumers. Open Journal of Social Sciences, 4(July), 108–
116.
Cheng, J. T., Tracy, J. L., Kingstone, A., Foulsham, T., & Henrich, J. (2013). Two ways
to the top: evidence that dominance and prestige are distinct yet viable avenues to
social rank and influence. Journal of Personality and Social Psychology, 104(1),
103–125.
Choi, Y. G., Ok, C., & Hyun, S. S. (2017). Relationships between brand experiences,
personality traits, prestige, relationship quality, and loyalty An empirical analysis of
16
coffeehouse brands. International Journal of Contemporary Hospitality

Management, 29(4), 1185–1202.
Chu, R., Liu, M., & Shi, G. J. (2014). How rural-urban identification influences
consumption patterns ? Evidence from Chinese migrant workers. Asia Pacific
Journal of Marketing and Logistics, 27(1), 40–60.
Dessart, L. (2015). Consumer Engagement in Online Brand Communities.
Dholakia, U. M., & Herrmann, A. (2005). The Social Influence of Brand Community :
Evidence from. Journal of Marketing, 69(July), 19–34.
Doorn, J. Van, Lemon, K. N., Mittal, V., Pirner, P., Verhoef, P. C., & Nass, S. (2010).
Customer Engagement Behavior : Theoretical Foundations and Research Directions.
Journal of Service Research, 13(3), 253–266.
Dutton, J. E., Dukerich, J. M., & Harquail, C. V. (1994). Images Organizational and
Member Identification. Administrative Science Quarterly, 39(2), 239–263.
Dwivedi, A. (2015). A higher-order model of consumer brand engagement and its impact
on loyalty intentions. Journal of Retailing and Consumer Services, 24, 100–109.
Elbedweihy, A. M., Jayawardhena, C., Elsharnouby, M. H., & Elsharnouby, T. H. (2016).
Customer relationship building: The role of brand attractiveness and consumer-
brand identification. Journal of Business Research, 69(8), 2901–2910.
Elizar, C., Indrawati, R., & Rahmat, S. T. Y. (2020). Service Quality, Customer
Satisfaction, Customer Trust, and Customer Loyalty in Service of Paediatric
Polyclinic Over Private H Hospital of East Jakarta, Indonesia. Journal of
Multidisciplinary Academic, 04(02), 105–111.
eMarketer. (2019). Global Digital Ad Spending. Retrieved from
https://www.emarketer.com/%0Acontent/global-digital-ad-spending-2019
eMarketer. (2021). Global Ad Spend Forecasts. Retrieved from
https://www.emarketer.com
Farin, N. J., Ahsan, N., Rimon, A., Momen, S., Uddin, M. S., & Mansoor, N. (2016). A
Framework for Dynamic Vehicle Pooling and Ride-Sharing System. International
Workshop on Computational Intelligence, (12–13), 204–208.
Fatema, M., Kadar, A., & Masum, M. (2013). Impact of Brand Image and Brand Loyalty
in Measuring. Asian Business Review, 2(3), 42–46.
Flaviań, C., & Guinalıú, M. (2005). The influence of corporate image on consumer trust
A comparative analysis in traditional versus internet banking. Internet Research,
15(4), 447–470.
Fuller, J. B., Hester, K., Barnett, T., Frey, L., Relyea, C., & Beu, D. (2006). Perceived
external prestige and internal respect: New insights into the organizational
identification process. Human Relations, 59(6), 815–846.
Fullerton, G. (2003). When Does Commitment Lead to Loyalty? Journal of Service
Research, 5(4), 333-344v.
Gambetti, R. C., & Graffigna, G. (2010). The concept of engagement : a systematic
analysis of the ongoing marketing debate. International Journal of Market
Research, 52(6), 801–826.
Graham, K. W., & Wilder, K. M. (2020). Consumer-brand identity and online advertising
message elaboration: Effect on attitudes, purchase intent and willingness to share.
Journal of Research in Interactive Marketing, 14(1), 111–132.
Gummerus, J., Liljander, V., & Pihlstro, M. (2012). Customer engagement in a Facebook
17
brand community. Management Research Review, 35(9), 857–877.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data
Analysis.
Hanzaee, K. H., & Andervazh, L. (2012). The Influence of Brand Loyalty on Cosmetics
purchase Intention of Iranian Female Consumers Brand loyalty : Journal of Basic
and App, 2(5), 5389–5398.
Hapsari, R., Dean, D., & Clemes, M. D. (2017). The impact of service quality, customer
engagement and selected marketing constructs on airline passenger loyalty.
International Journal of Quality and Service Sciences, 9(1), 21–40.
Harrigan, P., Evers, U., Miles, M. P., & Daly, T. (2017). Customer engagement and the
relationship between involvement , engagement , self-brand connection and brand
usage intent. Journal of Business Research, 88, 388–396.
He, H., Li, Y., & Harris, L. (2012). Social identity perspective on brand loyalty ☆.
Journal of Business Research, 65, 648–657.
Heath, R. (2009). Emotional Engagement : How Television Builds Big Brands At Low
Attention. Journal of Advertising Research, 49(1), 62–73.
Higgins, E. T. (2006). Value From Hedonic Experience and Engagement. Psychological
Review, 113(3), 439–460.
Higgins, E. T., & Scholer, A. A. (2009). Engaging the consumer : The science and art of
the value creation process. Journal of Consumer Psychology, 19(2), 100–114.
Hollebeek, L. (2011). Exploring customer brand engagement : definition and themes.
Journal of Strategic Marketing, 19(7), 555–573.
Hollebeek, L. D. (2018). propositions and implications Individual-level cultural consumer
engagement styles Conceptualization, propositions and implications. International
Marketing Review, 35(1), 42–71.
Hollebeek, L. D., Glynn, M. S., & Brodie, R. J. (2014). ScienceDirect Consumer Brand
Engagement in Social Media : Conceptualization, Scale Development and
Validation. Journal of Interactive Marketing, 28(2), 149–165.
Hwang, J., & Han, H. (2014). Examining strategies for maximizing and utilizing brand
prestige in the luxury cruise industry. Tourism Management, 40, 244–259.
Ilic, A., Brodie, R. J., Hollebeek, L. D., & Juric, B. (2011). Customer Engagement :
Conceptual Domain, Fundamental Propositions, and Implications for Research.
Journal of Service Research, 14(3), 252–271.
Islam, J. U., Rahman, Z., & Hollebeek, L. D. (2018). Consumer engagement in online
brand communities : a solicitation of congruity theory. Internet Research, 28(1), 23–
45.
Keller, K. L. (2009). Building strong brands in a modern marketing communications
environment. Journal of Marketing Communications, 15(2–3), 139–155.
Kim, C. K., Han, D., & Park, S. (2001). The effect of brand personality and brand
identification on brand loyalty : Applying the theory of social identification.
Japanese Psychological Research, 43(4), 195–206.
Kim, J., Lee, H., & Lee, J. (2020). Smartphone preferences and brand loyalty : A discrete
choice model reflecting the reference point and peer effect. Journal of Retailing and
Consumer Services, 52, 101907.
Klink, R. R., & Athaide, G. A. (2012). Creating brand personality with brand names.
(23), 109–117.
18
Kumar, V., Aksoy, L., Donkers, B., Venkatesan, R., Wiesel, T., & Tillmanns, S. (2010).
Undervalued or Overvalued Customers : Journal of Service Research, 13(3), 297–
310.
Lam, D. (2007). Cultural Influence on Proneness to Brand Loyalty Cultural Influence on
Proneness to Brand Loyalty. Journal of International Consumer Marketing, 19(3),
37–41.
Lam, S. K., Ahearne, M., Hu, Y., & Schillewaert, N. (2010). Resistance to Brand
Switching When a Radically New Brand Is Introduced : Journal Of Marketing, 74,
128–146.
Lam, S. K., Ahearne, M., Mullins, R., Hayati, B., & Schillewaert, N. (2013). Exploring
the dynamics of antecedents to consumer – brand identification with a new brand.
Jurnal of The Academy Marketing Science, 41, 234–252.
Lam, S. K., Ahearne, M., & Schillewaert, N. (2012). A multinational examination of the
symbolic – instrumental framework of consumer – brand identification. Journal of
International Business Studies, 43, 306–331.
Lee, S. (Ally), & Jeong, M. (2014). Enhancing online brand experiences : An application
of congruity theory. International Journal of Hospitality Management, 40, 49–58.
Liu, F., Li, J., Mizerski, Di., & Soh, H. (2012). Self-congruity, brand attitude, and brand
loyalty: a study on luxury brands. European Journal of Marketing, 46(7/8), 922–
937.
Liu, T., Wang, C., & Wu, L.-W. (2010). Moderators of the Negativity Effect :
Commitment, Identification and Consumer Sensitivity to Corporate Social
Performance. Psychology & Marketing, 27(1), 54–70.
Lye, A., Venkateswarlu, P., & Barrett, J. (2001). Brand Extensions : Prestige Brand
Effects. Australasian Marketing Journal, 9(2), 53–65.
Marin, L., & Ruiz, S. (2007). ‘“ I Need You Too !”’ Corporate Identity Attractiveness for
Consumers and The Role of Social Responsibility. Journal of Business Ethics, 71,
245–260.
Marıń, L., & Maya, S. R. De. (2013). The role of affiliation , attractiveness and personal
connection in consumer-company identification. European Journal of Marketing,
47(3/4), 655–673.
Martenson, R. (2007). Corporate brand image , satisfaction and store loyalty A study of
the store as a brand , store brands and manufacturer brands. International Journal of
Retail & Distribution Management, 35(7), 544–555.
Mollen, A., & Wilson, H. (2010). Engagement , Telepresence and Interactivity in Online
Consumer Experience : Cranfield School of Management, 63(9), 919–925.
Nguyen-phuoc, D. Q., Anh, H., Gruyter, C. D., & Ngoc, D. (2019). Exploring the
prevalence and factors associated with self-reported traffic crashes among app-
based motorcycle taxis in Vietnam. Transport Policy, 81(November 2018), 68–74.
Nguyen-phuoc, D. Q., Oviedo-trespalacios, O., & Nguyen, T. (2020). The effects of
unhealthy lifestyle behaviours on risky riding behaviours – A study on app-based
motorcycle taxi riders in Vietnam. Journal of Transport & Health, 16(January),
100666.
Nyadzayo, M. W., & Khajehzadeh, S. (2016). The antecedents of customer loyalty : A
moderated mediation model of customer relationship management quality and brand
image. Journal of Retailing and Consumer Services, 30, 262–270.
19
O’Reilly, C., & Chatman, J. (1986). Organizational Commitment and Psychological

Attachment : The Effects of Compliance , Identification , and Internalization on
Prosocial Behavior. Journal of Applied Psychology, 71(3), 492–499.
Papista, E., & Dimitriadis, S. (2012). Exploring consumer-brand relationship quality and
identification. Qualitative Market Research: An International Journal, 15(1), 33–
56.
Patterson, P. G., & Robots, S. (2015). European Journal of Marketing Article
information : European Journal of Marketing, 49(3/4), 491–511.
Pe´rez, R. C., Alcan˜iz, E. B., & Herrera, A. A. (2009). The Role of Self-Definitional
Principles in Consumer Identification with a Socially Responsible Company.
Journal of Business Ethics, 89, 547–564.
Rahi, S. (2017). Measuring The Role Of Website Design , Assurance , Customer Service
And Brand Image Towards Customer Loyalty And. Journal of Internet Banking and
Commerce, 22(S8), 1–18.
Rahmat, F., Rahmat, S. T. Y., Rhian, I., & Semerdanta, P. (2019). The Role Of Service
Quality And Customer Satisfaction: A Case Study For Applications Of Go-Food.
Russian Journal of Agricultural and Socio-Economic Sciences, 7(91), 263–269.
Ramadhan, F., Yanuar, T., Hilmy, M. R., & Kusumapradja, R. (2020). The Social Media
Marketing Effect On Brand Awareness And Brand Loyalty In Lasik Clinic Jakarta ,
Indonesia. Journal of Multidisciplinary Academic, 04(05), 313–318.
Rather, R. A. (2017). Investigating the Impact of Customer Brand Identification on
Hospitality Brand Loyalty : A Social Identity Perspective. Journal of Hospitality
Marketing and Management, 27(5), 487-513s.
Rather, R. A., Tehseen, S., & Parrey, S. H. (2018). Promoting customer brand
engagement and brand loyalty through customer brand identification and value
congruity. Spanish Journal of Marketing - ESIC, 22(3), 321–341.
Riketta, M. (2005). Organizational identification : A meta-analysis. Journal of Vocational
Behavior, 66(2), 358–384.
Romero, J. (2017). Customer Engagement Behaviors in Hospitality : Customer-Based
Antecedents. Journal of Hospitality Marketing & Management, 0(0), 1–20.
Sasmita, J., & Suki, N. M. (2015). Young consumers’ insights on brand equity Effects of
brand association, brand loyalty, brand awareness, and brand image. International
Journal of Retail & Distribution Management, 43(3), 276–292.
Shankar, V., Smith, A. K., & Rangaswamy, A. (2002). Customer Satisfaction and
Loyalty in Online and Offline Environments.
Sharma, J., & Rather, R. A. (2016). The Role of Customer Engagement in Ensuring
Sustainable Development in Hospitality Sector. International Journal of Hospitality
and Tourism Systems, 9(1), 33–43.
So, K. K. F., King, C., Hudson, S., & Meng, F. (2017). The missing link in building
customer brand identification: The role of brand attractiveness. Tourism
Management, 59, 640–651.
So, K. K. F., King, C., Sparks, B. A., & Wang, Y. (2013). The influence of customer
Brand identification on hotel Brand evaluation and loyalty development.
International Journal of Hospitality Management, 34, 31–41.
So, K. K. F., King, C., Sparks, B. A., & Wang, Y. (2014). The Role of Customer
Engagement in Building Consumer Loyalty to Tourism Brands. Journal of Travel
20
Research, 55(1f), 64–78.

Sophonsiri, S., and Polyorat, K. (2009). The impact of brand personality dimensions on
brand association and brand attractiveness: the case study of KFC in Thailand.
Journal of Global Business and Technology, 5(2), 51–62.
Stokburger-sauer, N., Ratneshwar, S., & Sen, S. (2012). Intern . J . of Research in
Marketing Drivers of consumer – brand identi fi cation. International Journal of
Research in Marketing, 29, 406–418.
Swaminathan, V., Page, L. K., & Gürhan, C. Z. (2007). “ My ” Brand or “ Our ” Brand :
The Effects of Brand Relationship Dimensions and Self- Construal on Brand
Evaluations. Journal of Consumer Research, Inc., 34(2), 248–259.
Syah, T. Y. R., Anindita, R., & Kiki. (2020). Relationship Between E-Commerce Website
and Product Quality Over Customer Satisfaction. Journal of Multidisciplinary
Academic, 4(3), 164–169.
Tajfel, H. and Turner, J. C. (1986). The Social Identity Theory of Intergroup Behavior.
Psychology of Intergroup Relations, Nelson-Hall Publishers, Chicago, IL, 7–24.
Torres, P., & Augusto, M. (2018). Building resilience to negative information and
increasing purchase intentions in a digital environment. Journal of Business
Research, (June), 0–1.
Tuškej, U., & Podnar, K. (2018a). Consumers’ identification with corporate brands:
Brand prestige, anthropomorphism and engagement in social media. Journal of
Product and Brand Management, 27(1), 3–17. 9
Tuškej, U., & Podnar, K. (2018b). Exploring selected antecedents of consumer–brand
identification: The nature of consumer’s interactions with product brands. Baltic
Journal of Management, 13(4), 451–470.
Tuškej, U., Podnar, K., & Golob, U. (2013). The role of consumer – brand identi fi cation
in building brand relationships ☆. Journal of Business Research, 66, 53–59.
Vivek, S. D., Beatty, S. E., & Morgan, R. M. (2012). Customer Engagement : Exploring
Customer Relationships Beyond Purchase. Journal of Marketing Theory and
Practice, 20(2), 127–145.
Wallace, E. (2014). Consumer Engagement with Self-expressive Brands : Brand Love
and WOM Outcomes (Vol. 2).
Walsh, G., Shiu, E., & Hassan, L. M. (2013). Replicating , validating , and reducing the
length of the consumer perceived value scale. Journal of Business Research, 8–15.
Yeh, C., Wang, Y., & Yieh, K. (2016). Predicting smartphone brand loyalty : Consumer
value and consumer-brand identification perspectives. International Journal of
Information Management, 36, 245–257.
Zarei, A., Feiz, D., & Moradi, H. (2020). Promoting consumer loyalty and resilience to
negative information through brand identity sub-components: an empirical
investigation in the luxury electronics goods. Journal of Islamic Marketing, (1).
Zhang, J., & Bloemer, J. (2008). Impact of value congruence on affective commitment :
examining the moderating effects. Journal of Service Management, 22(2), 160–182.
21
Lampiran 1. Ringkasan Daftar Penelitian Terdahulu

No. Nama Peneliti Judul Penelitian Hasil Penelitian
1 (Rather et al., Promoting customer Bahwa value congruity secara
2018) brand engagement and positif mempengaruhi customer
brand loyalty brand identification, customer
identification and value brand engagement dan brand
congruity. affective commitment, dengan
demikian manajer perlu
memahami nilai-nilai penting
yang diyakini konsumen sebagai
salah satu target.
2 (Bhattacharya et Consumer-company Kontribusi consumer

al., 2003) identification: A identification dengan perusahaan
framework for perlu adanya kontribusi sebagai
understanding peran interaksi konsumen dengan
consumers’ relationships perusahaan dalam memfasilitasi
with companies. keterikatan merek dalam
menghasilkan loyalitas terhadap
perusahaan serta dapat mengubah
persepsi konsumen tentang
kesamaan dan identification
prestige..
3 (Hwang & Han, Examining strategies for Hubungan positif antara hiburan
2014) maximizing and utilizing dengan brand prestige kapal
brand prestige in the pesiar dengan kualitas yang
luxury cruise industry. dirasakn konsumen.
4 (So et al., 2017) The missing link in Brand experience membentuk

building customer brand proyeksi dari brand attractiveness
identification: The role of dengan karakteristik brand
brand attractiveness. identification melalui komunikasi
eksternal untuk meningkatkan
brand attractiveness dalam
meningkatkan persepsi konsumen.
5 (Romero, 2017) Customer Engagement Customer Engagement Behaviors

Behaviors in Hospitality : melibatkan perilaku yang
Customer-Based memengaruhi profitabilitas
Antecedents perusahaan melalui WOM dan co-
creation dengan anteseden
berbasis pelanggan: hubungan
kualitas, identifikasi perusahaan,
peningkatan diri, integrasi sosial,
dan sumber daya pelanggan.
22
No Nama Peneliti Judul Penelitian Hasil Penelitian

6 (Tuškej & Podnar, Exploring selected Ketika customer brand
2018b) antecedents of identification dilakukan cara yang
consumer–brand lebih kuat maka konsumen
identification: The nature cenderung akan berkomitmen
of consumer’s secara emosional dengan terus
interactions with product melakukan pembelian, konsumen
brands. akan sulit terpengaruh terhadap
tawaran dimasa depan meski
situasi berpotensi mengalihkan
prilaku kosnumen.
7 (Marin & Ruiz, ‘‘ I Need You Too !’’ Kontribusi corporate social
2007) Corporate Identity responsibility kepada perusahaan
Attractiveness for yang memiliki identity
Consumers and The Role attractiveness jauh lebih kuat
of Social Responsibility daripada corporate ability.
8 (Riketta, 2005) Organizational Hubungan yang signifikan dengan
identification : A meta- berbagai variabel organizational
analysis identification menjadi prediktor
yang merupakan anteseden atau
konsekuensi, termasuk masa
jabatan, ruang lingkup / tantangan
pekerjaan, organitation prestige,
niat untuk pergi, dan kinerja
dalam peran dan prilaku
perusahaan.
23
Lampiran 2. Definisi Operasional Variabel

No. Variabel Original Pengukuran
1 Brand Prestige 1. [B] has a high status 1. Gengsi yang tinggi dimiliki
(Tuškej & Podnar, 2. [B] is known for its merek ini.
2018b) higher quality 2. Merek ini dikenal dengan
3. [B] is regarded as kualitasnya yang lebih baik
more successful than 3. Merek ini dianggap lebih
other brands sukses dari merek lain
4. People in general 4. Secara umum merek ini
appreciate (highly dihargai
value) [B] 5. Merek ini merupakan
5. [B] is prestigious merek bergengsi
2 Brand 1. I like what (#brand) 1. Apa yang ditunjukan merek

Attractiveness represents ini saya menyukainya
(Zarei et al., 2020) 2. I think that (#brand) 2. Menurut saya merek ini
is an attractive brand sangat menarik
3. I like what (#brand) 3. Saya suka pada apa yang
embodies merek ini lakukan
3 Customer Brand 1. a reflects who I am 1. Merek ini memikirkan

Identification 2. [B] help me show kebutuhan saya
(Tuškej & Podnar, what I believe in 2. Merek ini menjawab apa
2018a) 3. [B] embodies my yang saya perlukan
personal beliefs 3. Merek ini memenuhi apa
4. [B] embodies beliefs yang saya yakini
that I share with 4. Merek ini selalu sesuai
other members of the dengan kebutuhan yang
community saya ikuti dengan
5. I have a lot in komunitas lain
common with other 5. Saya memiliki banyak
people using [B] kesamaan dengan orang
6. We who use [B] lain yang menggunakan
share common values merek ini.
6. Sebagai pengguna merek
ini kami memiliki nilai
yang sama.
4 Value Congruity 1. I have a clear 1. Saya merasakan secara jelas

(Rather et al., 2018) understanding of the kemafaatan yang diberikan.
core values of this 2. Saya mendukung maksud
brand. merek untuk memberikan
2. I really support the suatu kemanfaatan
intent of the core 3. Saya sepakat akan
values of this brand. kemafaatan yang diberikan
3. I have a great deal of merek ini.
agreement about 4. Nilai serta kebutuhan yang
what this brand’s diberikan merek ini sangat
core values represent relevan dengan saya
4. This brand is relevant
to my values and
24
needs
5 Customer Brand 1. I always like to track 1. Saya suka mencari hal-hal
Engagement the novelties about baru tentang merek ini
(Tuškej & Podnar, [B] 2. Saya mencoba untuk ikut
2018b) 2. I try to be on the ball serta dalam mengontrol
(on track) about [B] merek ini.
3. I watch the ads about 3. Saya suka menonton iklan
[B] tantang merek ini.
4. I like to be engaged 4. Saya suka berpartisipasi
in novelties about [B] dalam hal baru yang
5. When possible, I like dilakukan merek ini
to adjust [B] 5. Jika memungkinkan, merek
products tomy needs ini selalu menyesuaikan
and desires kebutuhan dan keinginan
6. If I could be among saya.
the first ones who try 6. Saya sangat senang
brand’s novelties, I melakukan sesuatu yang
would be happy to do ditawarkan merek ini
it apabila saya menjadi orang
pertama yang mencoba hal-
hal baru.
6 Brand Loyalty 1. I would recommend 1. Saya akan

(Rather et al., 2018) this brand to merekomendasikan merek
someone who seeks ini kepada siapapun yang
my advice meminta saran saya
2. I would encourage 2. Saya akan medorong teman
friends to do business saya untuk bergabung
with this brand dengan bisnis merek ini
3. I would say positive 3. Saya akan mendorong
things about this teman-teman saya untuk
brand to other people berbisnis dengan merek ini
4. I would do more 4. Saya akan melakukan lebih
business with this banyak bisnis dengan
brand in the next few merek ini dalam beberapa
years tahun ke depan
5. I am a loyal customer 5. Saya merupakan pelanggan
of this brand setia dari merek ini
6. I am willing to 6. Saya bersedia menjaga
maintain my hubungan dengan merek
relationship with this ini.
brand
25

7 Resilience To 1. If (#brand) did 1. Saya akan memberikan
Negative something I did not kesempatan apabila merek
Information like, I would be ini melakukan susatu yang
(Zarei et al., 2020) willing to give it tidak saya sukai.
another chance I 2. Saya akan mengabaikan
2. I will disregard any informasi negatif yang saya
negative information dengar atau saya baca
that I hear or read mengenai merek ini
about (#brand) 3. Saya akan memaafkan
3. I will forgive merek ini apabila membuat
(#brand) when it kesalahan.
makes mistakes
26
Lampiran 3. Kuesioner Penelitian
KUESIONER
Hal : Permohonan Mengisi Kuesioner Penelitian
Kepada Yth:
Bapak /Ibu/Anda Responden
di-
tempat
Dengan hormat,
Dalam rangka penyelesaian tesis saya pada Program Magister Manajemen - Universitas
Esa Unggul, dengan judul "Bagaimana Merek Memiliki Ketahanan Terhadap
Informasi Negatif Melalui Loyalitas, Persepsi Dan Daya Tarik Berdasarkan Nilai
Pelanggan" maka dengan segala kerendahan hati memohon bantuan Bapak/Ibu/Sdr
untuk bersedia mengisi kuesioner ini. Pengumpulan data melalui kuesioner ini semata-
mata hanya digunakan untuk maksud penyusunan tesis dan saya sepenuhnya menjamin
kerahasiaan Bapak/Ibu/Sdr.
Kesediaan dan kerja sama yang Bapak / Ibu/Sdr berikan dalam bentuk informasi yang
benar dan lengkap akan sangat mendukung keberhasilan penelitian ini. Selain itu jawaban
yang Bapak/Ibu/Sdr berikan merupakan masukan yang sangat berharga bagi
pengembangan retailer di Indonesia. Akhir kata saya mengucapkan terima kasih yang
sebesar-besarnya atas bantuan dan kesediaan Bapak/Ibu/Sdr yang telah meluangkan
waktunya dalam pengisian kuesioner ini.
Hormat saya,
Egi Andiyana
Mahasiswa Magister Manajemen
Telp: +62 8132 0304 824
Email: andiyana.egi@gmail.com
27
PETUNJUK PENGISIAN
Berilah tanda silang (√) pada angka jawaban yang Anda anggap paling sesuai dan
isilah semua bagian tanpa ada yang terlewatkan.
BAGIAN A: IDENTITAS RESPONDEN

Data Diri :
1. Nama/Initial
__________________________________________
2. Jenis Kelamin *
Centang salah satu yang sesuai.
Laki-Laki
Perempuan
3. Usia *
< 20 tahun
20 – 30 tahun
30 – 40 tahun
41 – 50 tahun
> 50 tahun
4. Pernahkah anda Menggunakan Transportasi Online *?
Pernah
Tidak Pernah
(Apabila jawaban Anda adalah “Tidak pernah” maka pengisian kuesioner tidak
bisa dilanjutkan)
5. Kapan terakhir anda Menggunakan Transportasi Online *?

< 1 Bulan
> 1 Bulan
(Apabila jawaban Anda adalah “> 1 Bulan” maka pengisian kuesioner tidak bisa
dilanjutkan)
6. Merek Transportasi online apa yang anda gunakan *?
Gojek
Grab
Blue Bird
lain-lain
“SEMUA PERTANYAAN PADA BAGIAN B AKAN BERKAITAN

DENGAN MEREK TERSEBUT”
28
BAGIAN B: PERTANYAAN INTI

PETUNJUK PENGISIAN
Petunjuk pengisian untuk bagian berikut: (Silakan memilih salah satu)
1. STSS : Sangat Tidak Setuju 4. N : Antara Setuju dan Tidak
Sekali setuju
2. STS : Sangat Tidak Setuju 5. S : Setuju
3. TS : Tidak Setuju 6. SS : Sangat Setuju
7. SSS : Sangat Setuju Sekali
“SEMUA PERTANYAAN PADA BAGIAN “B” AKAN
BERKAITAN DENGAN MEREK YANG DISEBUTKAN PADA
PERTANYAAN BAGIAN “A” NOMER 6”
I. Brand Prestige
Pertanyaan berikut menyangkut bagaimana merek memiliki status atau harga diri
dimana saling keterkaitan dengan merek lain.
Jawablah pertanyaan berikut di bawah ini :
1. Gengsi yang tinggi dimiliki merek ini.
STSS 1 2 3 4 5 6 7 SSS
2. Merek ini dikenal dengan kualitasnya yang lebih baik
STSS 1 2 3 4 5 6 7 SSS
3. Merek ini dianggap lebih sukses dari merek lain
STSS 1 2 3 4 5 6 7 SSS
4. Secara umum merek ini dihargai.
STSS 1 2 3 4 5 6 7 SSS
5. Merek ini merupakan merek bergengsi
STSS 1 2 3 4 5 6 7 SSS
II. Brand Attractivenes
Pertanyaan berikut menyangkut daya tarik merek yang diselaraskan dengan
emosional pelanggan.
1. Apa yang ditunjukan merek ini saya menyukainya.
STSS 1 2 3 4 5 6 7 SSS
2. Menurut saya merek ini sangat menarik
STSS 1 2 3 4 5 6 7 SSS
3. Saya suka pada apa yang merek ini lakukan
STSS 1 2 3 4 5 6 7 SSS
III. Mengidentifikasi merek konsumen (Consumer Brand Identification)
Pertanyaan berikut menyangkut bagaimana Mengidentifikasi merek yang
digunakan. Yakni sebuah keadaan psikologis dalam mempersepsikan, merasakan,
dan menilai suatu merek.
1. Merek ini memikirkan kebutuhan saya.
STSS 1 2 3 4 5 6 7 SSS
2. Merek ini menjawab apa yang saya perlukan
STSS 1 2 3 4 5 6 7 SSS
3. Merek ini memenuhi apa yang saya yakini
STSS 1 2 3 4 5 6 7 SSS
4. Merek ini selalu sesuai dengan kebutuhan yang saya ikuti dengan komunitas lain
STSS 1 2 3 4 5 6 7 SSS
5. Saya memiliki banyak kesamaan dengan orang lain yang menggunakan merek ini.
STSS 1 2 3 4 5 6 7 SSS
6. Sebagai pengguna merek ini kami memiliki kebutuhan yang sama.
STSS 1 2 3 4 5 6 7 SSS
29
IV. Kesesuaian sebuah nilai (Value Congruity).

Pertanyaan berikut menyangkut bagaimana pendapat Anda mengenai Nilai-Nilai
Kesesuaian dari Transportasi online. Nilai yang dimaksud ialah sebuah kesamaan
antara konsumen dan nilai yang didapat oleh merek, seperti pelayanan, fasilitas,
harga yang diberikan serta apapun yang menyangkut nilai terhadap konsumen dan
berkaitan dengan merek.
1. Saya merasakan secara jelas kemanfaatan yang diberikan.
STSS 1 2 3 4 5 6 7 SSS
2. Saya mendukung merek untuk memberikan suatu kemanfaatan.
STSS 1 2 3 4 5 6 7 SSS
3. Apa sepakat akan kemanfaatan yang diberikan merek ini.
STSS 1 2 3 4 5 6 7 SSS
4. Nilai serta kebutuhan yang diberikan merek ini sangat relevan dengan saya
STSS 1 2 3 4 5 6 7 SSS
V. Keterlibatan Merek Pelanggan (Customer Brand Engagement)
Pertanyaan berikut menyangkut bagaimana keterlibatan atau partisipasi dalam
suatu merek.
1. Saya suka mencari hal-hal baru tentang merek ini
STSS 1 2 3 4 5 6 7 SSS
2. Saya mencoba untuk ikut serta dalam mengontrol merek ini.
STSS 1 2 3 4 5 6 7 SSS
3. Saya suka menonton iklan tantang merek ini.
STSS 1 2 3 4 5 6 7 SSS
4. Saya suka berpartisipasi dalam hal baru yang dilakukan merek ini
STSS 1 2 3 4 5 6 7 SSS
5. Jika memungkinkan, merek ini selalu menyesuaikan kebutuhan dan keinginan
saya.
STSS 1 2 3 4 5 6 7 SSS
6. Saya sangat senang melakukan sesuatu yang ditawarkan merek ini apabila saya
menjadi orang pertama yang mencoba hal-hal baru.
STSS 1 2 3 4 5 6 7 SSS
VI. Loyalitas Merek (Brand Loyalty)
Pertanyaan berikut menyangkut bagaimana loyalitas konsumen untuk dapat
komitmen menggunakan kembali, mendukung kembali merek ini secara konsisten.
1. Saya akan merekomendasikan merek ini kepada siapapun yang meminta saran saya
STSS 1 2 3 4 5 6 7 SSS
2. Saya akan medorong teman saya untuk bergabung dengan bisnis merek ini
STSS 1 2 3 4 5 6 7 SSS
3. Saya akan mendorong teman-teman saya untuk berbisnis dengan merek ini
STSS 1 2 3 4 5 6 7 SSS
4. Saya akan melakukan lebih banyak bisnis dengan merek ini dalam beberapa tahun
ke depan
STSS 1 2 3 4 5 6 7 SSS
5. Saya merupakan pelanggan setia dari merek ini
STSS 1 2 3 4 5 6 7 SSS
6. Saya bersedia menjaga hubungan dengan merek ini
STSS 1 2 3 4 5 6 7 SSS
30
VII.Resilience To Negative Information

Pertanyaan berikut menyangkut bagaimana konsumen memiliki ketahan informasi
negatif yang diakibatkan oleh merek yang digunakan.
1. Saya akan memberikan kesempatan apabila merek ini melakukan susatu yang tidak
saya sukai.
STSS 1 2 3 4 5 6 7 SSS
2. Saya akan mengabaikan informasi negatif yang saya dengar atau saya baca
mengenai merek ini
STSS 1 2 3 4 5 6 7 SSS
3. Saya akan memaafkan merek ini apabila membuat kesalahan
STSS 1 2 3 4 5 6 7 SSS
Terima kasih Atas perhatian dan kerjasamanya telah mengisi kuesioner ini.
31
Lampiran 4. Data Responden Penelitian
Jenis Kelamin Jumlah %

Laki-laki 60 35,29
Perempuan 110 64,71
Total 170 100,00
Merek Jumlah %
Grab 58 34,12
Gojek 112 65,88
Blue Bird 0 0,00
Lain-Lain 0 0,00
Total 170 100,00
Usia Jumlah %
< 20 Tahun 2 1,18
20 - 30 Tahun 158 92,94
31 - 40 Tahun 9 5,29
41 - 50 Tahun 0 0,00
>50 Tahun 1 0,59
Total 170 100
32
Lampiran 5. Analisa Statistik Hasil Penelitian
A. Output Analisa Validitas dan Reliabilitas dengan SPSS 25
FACTOR
/VARIABLES BP1 BP2 BP3 BP4 BP5
/MISSING LISTWISE
/ANALYSIS BP1 BP2 BP3 BP4 BP5
/PRINT INITIAL CORRELATION SIG DET KMO INV REPR AIC EXTRACTION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/METHOD=CORRELATION.
Factor Analysis
Notes
Output Created 25-NOV-2020 00:23:40
Comments
Input Data D:\PASCA SARJANA (MM)\

TUGAS\SEMESTER 4\TESIS\
NEW (Mr. Unggul)\Run
Pretest.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 30
Missing Value Handling Definition of Missing MISSING=EXCLUDE: User-

defined missing values are
treated as missing.
Cases Used LISTWISE: Statistics are based

on cases with no missing values
for any variable used.
33
Syntax FACTOR
/VARIABLES BP1 BP2 BP3
BP4 BP5
/MISSING LISTWISE
/ANALYSIS BP1 BP2 BP3
BP4 BP5
/PRINT INITIAL
CORRELATION SIG DET KMO
INV REPR AIC EXTRACTION
/CRITERIA MINEIGEN(1)
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
Resources Processor Time 00:00:00,05
Elapsed Time 00:00:00,16
Maximum Memory Required 4100 (4,004K) bytes
Correlation Matrixa
BP1 BP2 BP3 BP4 BP5
Correlation BP1 1,000 ,725 ,676 ,513 ,536
BP2 ,725 1,000 ,426 ,390 ,465
BP3 ,676 ,426 1,000 ,562 ,551
BP4 ,513 ,390 ,562 1,000 ,681
BP5 ,536 ,465 ,551 ,681 1,000
Sig. (1-tailed) BP1 ,000 ,000 ,002 ,001
BP2 ,000 ,009 ,017 ,005
BP3 ,000 ,009 ,001 ,001
BP4 ,002 ,017 ,001 ,000
BP5 ,001 ,005 ,001 ,000
a. Determinant = ,077
Inverse of Correlation Matrix
BP1 BP2 BP3 BP4 BP5

BP1 3,272 -1,677 -1,321 -,215 -,100
BP2 -1,677 2,210 ,368 ,035 -,356
BP3 -1,321 ,368 2,187 -,448 -,362
BP4 -,215 ,035 -,448 2,077 -1,070
BP5 -,100 -,356 -,362 -1,070 2,147
KMO and Bartlett's Test

34
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,756
Bartlett's Test of Sphericity Approx. Chi-Square 68,090
df 10
Sig. ,000
Anti-image Matrices
BP1 BP2 BP3 BP4 BP5
Anti-image Covariance BP1 ,306 -,232 -,185 -,032 -,014
BP2 -,232 ,452 ,076 ,008 -,075
BP3 -,185 ,076 ,457 -,099 -,077
BP4 -,032 ,008 -,099 ,481 -,240
BP5 -,014 -,075 -,077 -,240 ,466
Anti-image Correlation BP1 ,705a -,624 -,494 -,082 -,038
BP2 -,624 ,708a ,167 ,016 -,163
BP3 -,494 ,167 ,785a -,210 -,167
BP4 -,082 ,016 -,210 ,795a -,506
BP5 -,038 -,163 -,167 -,506 ,803a
a. Measures of Sampling Adequacy(MSA)
Communalities
Initial Extraction
BP1 1,000 ,749
BP2 1,000 ,555
BP3 1,000 ,649
BP4 1,000 ,614
BP5 1,000 ,650
Extraction Method: Principal

Component Analysis.
Total Variance Explained

Extraction Sums of
Initial Eigenvalues Squared Loadings
Component Total % of Variance Cumulative % Total % of Variance

1 3,217 64,343 64,343 3,217 64,343
2 ,768 15,354 79,697
35
3 ,507 10,143 89,840
4 ,312 6,243 96,083
5 ,196 3,917 100,000

Extraction Sums of Squared Loadings
Component Cumulative %
1 64,343
2
3
4
5
Extraction Method: Principal Component Analysis.
Component
Matrixa
Component
1
BP1 ,865
BP2 ,745
BP3 ,806
BP4 ,783
BP5 ,807
Extraction Method:
Principal Component
Analysis.a
a. 1 components
extracted.
Reproduced Correlations
BP1 BP2 BP3 BP4 BP5
Reproduced Correlation BP1 ,749a ,645 ,697 ,678 ,698
BP2 ,645 ,555a ,600 ,583 ,601
BP3 ,697 ,600 ,649a ,631 ,650
BP4 ,678 ,583 ,631 ,614a ,632
BP5 ,698 ,601 ,650 ,632 ,650a
Residualb BP1 ,080 -,021 -,165 -,162
BP2 ,080 -,174 -,194 -,135
BP3 -,021 -,174 -,069 -,099
BP4 -,165 -,194 -,069 ,050
BP5 -,162 -,135 -,099 ,050
36
a. Reproduced communalities
b. Residuals are computed between observed and reproduced correlations. There are 8 (80,0%)
nonredundant residuals with absolute values greater than 0.05.
RELIABILITY
/VARIABLES=BP1 BP2 BP3 BP4 BP5
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.
Reliability
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
Matrix Input
Missing Value Handling Definition of Missing User-defined missing values are
treated as missing.
Cases Used Statistics are based on all cases
with valid data for all variables in
the procedure.
Syntax RELIABILITY
/VARIABLES=BP1 BP2 BP3
BP4 BP5
/SCALE('ALL VARIABLES')
ALL
/MODEL=ALPHA.
Scale: ALL VARIABLES

Case Processing Summary
N %
Cases Valid 30 100,0
Excludeda 0 ,0
Total 30 100,0
a. Listwise deletion based on all variables in the

procedure.
Reliability Statistics
Cronbach's
Alpha N of Items
,856 5
FACTOR
/VARIABLES BA1 BA2 BA3
37
/MISSING LISTWISE
/ANALYSIS BA1 BA2 BA3
/EXTRACTION PC
/ROTATION NOROTATE
Factor Analysis
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
treated as missing.
Syntax FACTOR
/VARIABLES BA1 BA2 BA3
/MISSING LISTWISE
/ANALYSIS BA1 BA2 BA3
/PRINT INITIAL
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE

Correlation Matrixa
BA1 BA2 BA3

Correlation BA1 1,000 ,752 ,617
BA2 ,752 1,000 ,522
BA3 ,617 ,522 1,000
Sig. (1-tailed) BA1 ,000 ,000
38
BA2 ,000 ,002
BA3 ,000 ,002
BA1 BA2 BA3

BA1 2,737 -1,617 -,844
BA2 -1,617 2,330 -,218
BA3 -,844 -,218 1,634

df 3
Sig. ,000
Anti-image Matrices
BA1 BA2 BA3
Anti-image Covariance BA1 ,365 -,254 -,189
BA2 -,254 ,429 -,057
BA3 -,189 -,057 ,612
Anti-image Correlation BA1 ,624a -,640 -,399
BA2 -,640 ,665a -,112
BA3 -,399 -,112 ,792a
Communalities
Initial Extraction
BA1 1,000 ,840
BA2 1,000 ,771
BA3 1,000 ,654

Component Analysis.
Component Initial Eigenvalues Extraction Sums of Squared
Loadings
39
Total % of Variance Cumulative % Total % of Variance

1 2,265 75,503 75,503 2,265 75,503
2 ,500 16,672 92,175
3 ,235 7,825 100,000
1 75,503
2
3

Component
Matrixa
Component
1
BA1 ,916
BA2 ,878
BA3 ,809
Extraction Method:
Principal Component
Analysis.a
a. 1 components
extracted.
BA1 BA2 BA3
Reproduced Correlation BA1 ,840a ,805 ,741
BA2 ,805 ,771a ,710
BA3 ,741 ,710 ,654a
Residualb BA1 -,053 -,124
BA2 -,053 -,189
BA3 -,124 -,189

b. Residuals are computed between observed and reproduced correlations.
There are 3 (100,0%) nonredundant residuals with absolute values greater
than 0.05.
RELIABILITY
/VARIABLES=BA1 BA2 BA3
/MODEL=ALPHA.
Reliability
Notes
40

Comments
Pretest.sav

Filter <none>
Weight <none>
Split File <none>
Matrix Input
treated as missing.

the procedure.
Syntax RELIABILITY
/VARIABLES=BA1 BA2 BA3
ALL
/MODEL=ALPHA.


N %
Excludeda 0 ,0
Total 30 100,0

procedure.
Cronbach's
Alpha N of Items
,836 3
FACTOR
/VARIABLES CBI1 CBI2 CBI3 CBI4 CBI5 CBI6
/MISSING LISTWISE
/ANALYSIS CBI1 CBI2 CBI3 CBI4 CBI5 CBI6
/EXTRACTION PC
/ROTATION NOROTATE
41
Factor Analysis
Notes
Comments
Input Data D:\PASCA SARJANA

(MM)\TUGAS\
SEMESTER 4\TESIS\
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working 30
Data File
Missing Value Definition of Missing
Handling MISSING=EXCLUDE:
User-defined missing
values are treated as
missing.
Cases Used
LISTWISE: Statistics are
based on cases with no
missing values for any
variable used.
Syntax
FACTOR
/VARIABLES CBI1
CBI2 CBI3 CBI4 CBI5
CBI6
/MISSING LISTWISE
/ANALYSIS CBI1 CBI2
CBI3 CBI4 CBI5 CBI6
/PRINT INITIAL
CORRELATION SIG
DET KMO INV REPR
AIC EXTRACTION
/CRITERIA
MINEIGEN(1)
ITERATE(25)
/EXTRACTION PC
/ROTATION
NOROTATE
/
METHOD=CORRELATI
ON.
42
Maximum Memory 5544 (5,414K) bytes

Required
Correlation Matrixa
CBI1 CBI2 CBI3 CBI4 CBI5 CBI6

Correlation CBI1 1,000 ,749 ,425 ,712 ,725 ,374
CBI2 ,749 1,000 ,739 ,671 ,652 ,341
CBI3 ,425 ,739 1,000 ,614 ,312 ,395
CBI4 ,712 ,671 ,614 1,000 ,581 ,465
CBI5 ,725 ,652 ,312 ,581 1,000 ,186
CBI6 ,374 ,341 ,395 ,465 ,186 1,000
Sig. (1- CBI1 ,000 ,010 ,000 ,000 ,021

tailed)
CBI2 ,000 ,000 ,000 ,000 ,033
CBI3 ,010 ,000 ,000 ,047 ,015
CBI4 ,000 ,000 ,000 ,000 ,005
CBI5 ,000 ,000 ,047 ,000 ,162
CBI6 ,021 ,033 ,015 ,005 ,162

CBI1 3,875 -2,171 1,219 -1,320 -,933 -,401
CBI2 -2,171 5,145 -2,859 ,440 -1,182 ,202
CBI3 1,219 -2,859 3,240 -1,208 ,735 -,336
CBI4 -1,320 ,440 -1,208 2,913 -,565 -,428
CBI5 -,933 -1,182 ,735 -,565 2,498 ,258
43
CBI6 -,401 ,202 -,336 -,428 ,258 1,365

Kaiser-Meyer-Olkin Measure of Sampling ,744
Adequacy.
Bartlett's Test of Approx. Chi-Square 101,850
Sphericity
df 15
Sig. ,000
Anti-image Matrices

Anti-image CBI1 ,258 -,109 ,097 -,117 -,096 -,076
Covariance
CBI2 -,109 ,194 -,172 ,029 -,092 ,029
CBI3 ,097 -,172 ,309 -,128 ,091 -,076
CBI4 -,117 ,029 -,128 ,343 -,078 -,108
CBI5 -,096 -,092 ,091 -,078 ,400 ,076
CBI6 -,076 ,029 -,076 -,108 ,076 ,733
Anti-image CBI1 ,752a -,486 ,344 -,393 -,300 -,175

Correlation
CBI2 -,486 ,711a -,700 ,114 -,330 ,076
CBI3 ,344 -,700 ,613a -,393 ,258 -,160
CBI4 -,393 ,114 -,393 ,821a -,209 -,215
CBI5 -,300 -,330 ,258 -,209 ,812a ,140
CBI6 -,175 ,076 -,160 -,215 ,140 ,839a
Communalities
Initial Extraction
CBI1 1,000 ,749
CBI2 1,000 ,812
CBI3 1,000 ,548
44
CBI4 1,000 ,754
CBI5 1,000 ,568
CBI6 1,000 ,291

Component Analysis.

Extraction Sums of Squared
Initial Eigenvalues Loadings
1 3,722 62,031 62,031 3,722 62,031
2 ,931 15,513 77,544
3 ,666 11,102 88,646
4 ,322 5,369 94,015
5 ,249 4,147 98,162
6 ,110 1,838 100,000

1 62,031
2
3
4
5
6
Component
Matrixa
Component
1
CBI1 ,865
CBI2 ,901
CBI3 ,740
CBI4 ,868
CBI5 ,754
CBI6 ,539
Extraction Method:
Principal Component
Analysis.a
a. 1 components
extracted.
CBI1 CBI2 CBI3 CBI4 CBI5
Reproduced Correlation CBI1 ,749a ,780 ,641 ,752 ,652
CBI2 ,780 ,812a ,667 ,783 ,679
45
CBI3 ,641 ,667 ,548a ,643 ,558

CBI4 ,752 ,783 ,643 ,754a ,654
CBI5 ,652 ,679 ,558 ,654 ,568a
CBI6 ,467 ,486 ,399 ,468 ,406
Residualb CBI1 -,031 -,216 -,040 ,073
CBI2 -,031 ,071 -,111 -,027
CBI3 -,216 ,071 -,029 -,246
CBI4 -,040 -,111 -,029 -,074
CBI5 ,073 -,027 -,246 -,074
CBI6 -,093 -,145 -,004 -,003 -,220
CBI6
Reproduced Correlation CBI1 ,467
CBI2 ,486
CBI3 ,399
CBI4 ,468
CBI5 ,406
CBI6 ,291a
Residualb CBI1 -,093
CBI2 -,145
CBI3 -,004
CBI4 -,003
CBI5 -,220
CBI6

b. Residuals are computed between observed and reproduced correlations. There are 9 (60,0%) nonredundant
residuals with absolute values greater than 0.05.
RELIABILITY
/VARIABLES=CBI1 CBI2 CBI3 CBI4 CBI5 CBI6
/MODEL=ALPHA.
Reliability
Notes
Comments
TUGAS\SEMESTER 4\
TESIS\NEW (Mr. Unggul)\
Run Pretest.sav

Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 30
File
Matrix Input
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
46
Cases Used Statistics are based on all

cases with valid data for all
variables in the procedure.
Syntax RELIABILITY
/VARIABLES=CBI1 CBI2
CBI3 CBI4 CBI5 CBI6
ALL
/MODEL=ALPHA.


N %
Excludeda 0 ,0
Total 30 100,0

procedure.
Cronbach's
Alpha N of Items
,874 6
FACTOR
/VARIABLES VC1 VC2 VC3 VC4
/MISSING LISTWISE
/ANALYSIS VC1 VC2 VC3 VC4
/EXTRACTION PC
/ROTATION NOROTATE
Factor Analysis
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
treated as missing.
47

Syntax FACTOR
/VARIABLES VC1 VC2 VC3
VC4
/MISSING LISTWISE
/ANALYSIS VC1 VC2 VC3
VC4
/PRINT INITIAL
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
Correlation Matrixa
VC1 VC2 VC3 VC4

Correlation VC1 1,000 ,705 ,594 ,358
VC2 ,705 1,000 ,765 ,561
VC3 ,594 ,765 1,000 ,451
VC4 ,358 ,561 ,451 1,000
Sig. (1-tailed) VC1 ,000 ,000 ,026
VC2 ,000 ,000 ,001
VC3 ,000 ,000 ,006
VC4 ,026 ,001 ,006
VC1 VC2 VC3 VC4

VC1 2,026 -1,286 -,274 ,121
VC2 -1,286 3,625 -1,632 -,836
VC3 -,274 -1,632 2,454 -,095
VC4 ,121 -,836 -,095 1,469
48

df 6
Sig. ,000
Anti-image Matrices
VC1 VC2 VC3 VC4
Anti-image Covariance VC1 ,494 -,175 -,055 ,041
VC2 -,175 ,276 -,183 -,157
VC3 -,055 -,183 ,407 -,026
VC4 ,041 -,157 -,026 ,681
Anti-image Correlation VC1 ,799a -,475 -,123 ,070
VC2 -,475 ,680a -,547 -,363
VC3 -,123 -,547 ,783a -,050
VC4 ,070 -,363 -,050 ,823a
Communalities
Initial Extraction
VC1 1,000 ,659
VC2 1,000 ,864
VC3 1,000 ,745
VC4 1,000 ,475

Component Analysis.
1 2,743 68,566 68,566 2,743 68,566
2 ,669 16,727 85,293
3 ,395 9,887 95,180
4 ,193 4,820 100,000

1 68,566
2
3
49
Component
Matrixa
Component
1
VC1 ,812
VC2 ,929
VC3 ,863
VC4 ,689
Extraction Method:
Principal Component
Analysis.a
a. 1 components
extracted.
VC1 VC2 VC3 VC4
Reproduced Correlation VC1 ,659a ,754 ,701 ,559
VC2 ,754 ,864a ,802 ,641
VC3 ,701 ,802 ,745a ,595
VC4 ,559 ,641 ,595 ,475a
Residualb VC1 -,049 -,107 -,202
VC2 -,049 -,037 -,080
VC3 -,107 -,037 -,144
VC4 -,202 -,080 -,144

50
b. Residuals are computed between observed and reproduced correlations. There are 4
(66,0%) nonredundant residuals with absolute values greater than 0.05.
RELIABILITY
/VARIABLES=VC1 VC2 VC3 VC4
/MODEL=ALPHA.
Reliability
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
Matrix Input
treated as missing.
the procedure.
Syntax RELIABILITY
/VARIABLES=VC1 VC2 VC3
VC4
ALL
/MODEL=ALPHA.

N %
Excludeda 0 ,0
Total 30 100,0
51

procedure.
Cronbach's
Alpha N of Items
,831 4
FACTOR
/VARIABLES CBE1 CBE2 CBE3 CBE4 CBE5 CBE6
/MISSING LISTWISE
/ANALYSIS CBE1 CBE2 CBE3 CBE4 CBE5 CBE6
/EXTRACTION PC
/ROTATION NOROTATE
Factor Analysis
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
treated as missing.

Syntax FACTOR
/VARIABLES CBE1 CBE2
CBE3 CBE4 CBE5 CBE6
/MISSING LISTWISE
/ANALYSIS CBE1 CBE2 CBE3
CBE4 CBE5 CBE6
/PRINT INITIAL
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE

52
Correlation Matrixa
CBE1 CBE2 CBE3 CBE4 CBE5 CBE6
Correlation CBE1 1,000 ,191 ,331 ,492 ,101 ,206
CBE2 ,191 1,000 ,668 ,575 ,110 ,112
CBE3 ,331 ,668 1,000 ,514 -,135 ,152
CBE4 ,492 ,575 ,514 1,000 ,102 ,551
CBE5 ,101 ,110 -,135 ,102 1,000 ,063
CBE6 ,206 ,112 ,152 ,551 ,063 1,000
Sig. (1-tailed) CBE1 ,156 ,037 ,003 ,298 ,137
CBE2 ,156 ,000 ,000 ,281 ,278
CBE3 ,037 ,000 ,002 ,238 ,211
CBE4 ,003 ,000 ,002 ,297 ,001
CBE5 ,298 ,281 ,238 ,297 ,370
CBE6 ,137 ,278 ,211 ,001 ,370

CBE1 1,454 ,511 -,422 -,888 -,183 ,208
CBE2 ,511 2,499 -1,329 -1,259 -,413 ,536
CBE3 -,422 -1,329 2,202 -,199 ,508 -,021
CBE4 -,888 -1,259 -,199 2,971 -,019 -1,281
CBE5 -,183 -,413 ,508 -,019 1,138 -,055
CBE6 ,208 ,536 -,021 -1,281 -,055 1,610

Adequacy.
Sphericity
df 15
Sig. ,000
Anti-image Matrices
Anti-image CBE1 ,688 ,141 -,132 -,206 -,111 ,089
Covariance CBE2 ,141 ,400 -,242 -,170 -,145 ,133
CBE3 -,132 -,242 ,454 -,030 ,203 -,006
CBE4 -,206 -,170 -,030 ,337 -,006 -,268
53
CBE5 -,111 -,145 ,203 -,006 ,879 -,030

CBE6 ,089 ,133 -,006 -,268 -,030 ,621
Anti-image CBE1 ,558a ,268 -,236 -,427 -,142 ,136
Correlation CBE2 ,268 ,532a -,567 -,462 -,245 ,267
CBE3 -,236 -,567 ,639a -,078 ,321 -,011
CBE4 -,427 -,462 -,078 ,607a -,010 -,586
CBE5 -,142 -,245 ,321 -,010 ,229a -,040
CBE6 ,136 ,267 -,011 -,586 -,040 ,470a
Communalities
Initial Extraction
CBE1 1,000 ,412
CBE2 1,000 ,683
CBE3 1,000 ,825
CBE4 1,000 ,822
CBE5 1,000 ,482
CBE6 1,000 ,520

Component Analysis.

1 2,594 43,241 43,241 2,594 43,241
2 1,148 19,135 62,375 1,148 19,135
3 ,968 16,129 78,504
4 ,778 12,975 91,478
5 ,317 5,280 96,759
6 ,194 3,241 100,000
1 43,241
2 62,375
54
Component Matrixa
Component
1 2
CBE1 ,598 ,231
CBE2 ,758 -,328
CBE3 ,769 -,483
CBE4 ,891 ,170
CBE5 ,102 ,687
CBE6 ,516 ,504

Component Analysis.a
a. 2 components extracted.
CBE1 CBE2 CBE3 CBE4 CBE5
Reproduced Correlation CBE1 ,412a ,378 ,348 ,572 ,220
CBE2 ,378 ,683a ,741 ,620 -,147
CBE3 ,348 ,741 ,825a ,603 -,253
CBE4 ,572 ,620 ,603 ,822a ,207
CBE5 ,220 -,147 -,253 ,207 ,482a
CBE6 ,425 ,226 ,153 ,545 ,399
Residualb CBE1 -,187 -,018 -,080 -,119
CBE2 -,187 -,073 -,045 ,258
CBE3 -,018 -,073 -,089 ,118
CBE4 -,080 -,045 -,089 -,106
CBE5 -,119 ,258 ,118 -,106
CBE6 -,219 -,114 -,002 ,006 -,335
CBE6
Reproduced Correlation CBE1 ,425
CBE2 ,226
CBE3 ,153
55
CBE4 ,545
CBE5 ,399
CBE6 ,520a
Residualb CBE1 -,219
CBE2 -,114
CBE3 -,002
CBE4 ,006
CBE5 -,335
CBE6
FACTOR
/VARIABLES CBE1 CBE2 CBE3 CBE4 CBE6
/MISSING LISTWISE
/ANALYSIS CBE1 CBE2 CBE3 CBE4 CBE6
/EXTRACTION PC
/ROTATION NOROTATE
Factor Analysis
Notes
Comments
Input Data
D:\PASCA SARJANA (MM)\
TUGAS\SEMESTER 4\
Run Pretest.sav

Filter <none>
Weight <none>
Split File <none>
File
Missing Value Handling Definition of Missing
MISSING=EXCLUDE: User-
treated as missing.
Cases Used
LISTWISE: Statistics are
based on cases with no
missing values for any
variable used.
56
Syntax
FACTOR
CBE3 CBE4 CBE6
/MISSING LISTWISE
/ANALYSIS CBE1 CBE2
CBE3 CBE4 CBE6
/PRINT INITIAL
CORRELATION SIG DET
KMO INV REPR AIC
EXTRACTION
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE

Correlation Matrixa
Correlation CBE1 1,000 ,191 ,331 ,492 ,206
CBE2 ,191 1,000 ,668 ,575 ,112
CBE3 ,331 ,668 1,000 ,514 ,152
CBE4 ,492 ,575 ,514 1,000 ,551
CBE6 ,206 ,112 ,152 ,551 1,000
Sig. (1-tailed) CBE1 ,156 ,037 ,003 ,137
CBE2 ,156 ,000 ,000 ,278
CBE3 ,037 ,000 ,002 ,211
CBE4 ,003 ,000 ,002 ,001
CBE6 ,137 ,278 ,211 ,001

CBE1 1,424 ,445 -,341 -,891 ,199
CBE2 ,445 2,349 -1,144 -1,266 ,516
CBE3 -,341 -1,144 1,974 -,191 ,004
CBE4 -,891 -1,266 -,191 2,970 -1,282
CBE6 ,199 ,516 ,004 -1,282 1,607
57
df 10
Sig. ,000
Anti-image Matrices

Anti-image Covariance CBE1 ,702 ,133 -,121 -,211 ,087
CBE2 ,133 ,426 -,247 -,181 ,137
CBE3 -,121 -,247 ,506 -,033 ,001
CBE4 -,211 -,181 -,033 ,337 -,269
CBE6 ,087 ,137 ,001 -,269 ,622
Anti-image Correlation CBE1 ,585a ,243 -,203 -,433 ,131
CBE2 ,243 ,563a -,531 -,479 ,266
CBE3 -,203 -,531 ,719a -,079 ,002
CBE4 -,433 -,479 -,079 ,598a -,587
CBE6 ,131 ,266 ,002 -,587 ,469a
Communalities
Initial Extraction
CBE1 1,000 ,418
CBE2 1,000 ,823
CBE3 1,000 ,792
CBE4 1,000 ,836
CBE6 1,000 ,787

Component Analysis.
1 2,588 51,761 51,761 2,588 51,761
2 1,068 21,370 73,131 1,068 21,370
3 ,780 15,608 88,740
4 ,361 7,222 95,962
5 ,202 4,038 100,000
58

1 51,761
2 73,131
3
4
5
Component Matrixa
Component
1 2
CBE1 ,595 ,253
CBE2 ,757 -,500
CBE3 ,779 -,431
CBE4 ,889 ,215
CBE6 ,514 ,723

Reproduced Correlation CBE1 ,418a ,324 ,355 ,583 ,489
CBE2 ,324 ,823a ,805 ,565 ,028
CBE3 ,355 ,805 ,792a ,599 ,089
CBE4 ,583 ,565 ,599 ,836a ,612
CBE6 ,489 ,028 ,089 ,612 ,787a
Residualb CBE1 -,133 -,024 -,092 -,282
CBE2 -,133 -,137 ,010 ,084
CBE3 -,024 -,137 -,086 ,063
CBE4 -,092 ,010 -,086 -,061
CBE6 -,282 ,084 ,063 -,061

59
FACTOR
/VARIABLES CBE1 CBE2 CBE3 CBE4
/MISSING LISTWISE
/ANALYSIS CBE1 CBE2 CBE3 CBE4
/EXTRACTION PC
/ROTATION NOROTATE
Factor Analysis
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
treated as missing.
Syntax FACTOR
CBE3 CBE4
/MISSING LISTWISE
/ANALYSIS CBE1 CBE2 CBE3
CBE4
/PRINT INITIAL
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
Correlation Matrixa
CBE1 CBE2 CBE3 CBE4
60
Correlation CBE1 1,000 ,191 ,331 ,492
CBE2 ,191 1,000 ,668 ,575
CBE3 ,331 ,668 1,000 ,514
CBE4 ,492 ,575 ,514 1,000
Sig. (1-tailed) CBE1 ,156 ,037 ,003
CBE2 ,156 ,000 ,000
CBE3 ,037 ,000 ,002
CBE4 ,003 ,000 ,002
CBE1 CBE2 CBE3 CBE4

CBE1 1,400 ,381 -,341 -,732
CBE2 ,381 2,183 -1,146 -,854
CBE3 -,341 -1,146 1,974 -,188
CBE4 -,732 -,854 -,188 1,947

df 6
Sig. ,000
Anti-image Matrices
CBE1 CBE2 CBE3 CBE4
Anti-image Covariance CBE1 ,714 ,125 -,123 -,269
CBE2 ,125 ,458 -,266 -,201
CBE3 -,123 -,266 ,506 -,049
CBE4 -,269 -,201 -,049 ,514
Anti-image Correlation CBE1 ,575a ,218 -,205 -,443
CBE2 ,218 ,608a -,552 -,414
CBE3 -,205 -,552 ,697a -,096
CBE4 -,443 -,414 -,096 ,689a
61
Communalities
Initial Extraction
CBE1 1,000 ,356
CBE2 1,000 ,663
CBE3 1,000 ,688
CBE4 1,000 ,706

Component Analysis.

1 2,414 60,338 60,338 2,414 60,338
2 ,873 21,820 82,158
3 ,442 11,055 93,213
4 ,271 6,787 100,000

1 60,338
2
3
4
Component Matrixa
Component
1
CBE1 ,597
CBE2 ,815
CBE3 ,830
CBE4 ,840
Extraction Method:
Principal Component
Analysis.a
62
a. 1 components
extracted.
CBE1 CBE2 CBE3 CBE4
Reproduced Correlation CBE1 ,356a ,486 ,495 ,501
CBE2 ,486 ,663a ,676 ,684
CBE3 ,495 ,676 ,688a ,697
CBE4 ,501 ,684 ,697 ,706a
Residualb CBE1 -,295 -,164 -,009
CBE2 -,295 -,008 -,109
CBE3 -,164 -,008 -,183
CBE4 -,009 -,109 -,183

b. Residuals are computed between observed and reproduced correlations. There are 4
(66,0%) nonredundant residuals with absolute values greater than 0.05.
RELIABILITY
/VARIABLES=CBE1 CBE2 CBE3 CBE4
/MODEL=ALPHA.
Reliability
Notes
Comments
63
Input Data
TUGAS\SEMESTER 4\
Run Pretest.sav

Filter <none>
Weight <none>
Split File <none>
File
Matrix Input

Syntax
RELIABILITY
/VARIABLES=CBE1 CBE2
CBE3 CBE4
ALL
/MODEL=ALPHA.

N %
Excludeda 0 ,0
Total 30 100,0

procedure.
Cronbach's
Alpha N of Items
,779 4
FACTOR
/VARIABLES BL1 BL2 BL3 BL4 BL5 BL6
/MISSING LISTWISE
/ANALYSIS BL1 BL2 BL3 BL4 BL5 BL6
64
/EXTRACTION PC
/ROTATION NOROTATE
Factor Analysis
Notes
Comments
Input Data
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
treated as missing.
Cases Used
LISTWISE: Statistics are based
Syntax
FACTOR
/VARIABLES BL1 BL2 BL3
BL4 BL5 BL6
/MISSING LISTWISE
/ANALYSIS BL1 BL2 BL3 BL4
BL5 BL6
/PRINT INITIAL
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE

Correlation Matrixa
BL1 BL2 BL3 BL4 BL5 BL6

Correlation BL1 1,000 ,243 ,351 ,413 ,401 ,259
65
BL2 ,243 1,000 ,767 ,474 ,534 ,211
BL3 ,351 ,767 1,000 ,417 ,596 ,246
BL4 ,413 ,474 ,417 1,000 ,489 ,484
BL5 ,401 ,534 ,596 ,489 1,000 ,455
BL6 ,259 ,211 ,246 ,484 ,455 1,000
Sig. (1-tailed) BL1 ,098 ,028 ,012 ,014 ,083
BL2 ,098 ,000 ,004 ,001 ,132
BL3 ,028 ,000 ,011 ,000 ,095
BL4 ,012 ,004 ,011 ,003 ,003
BL5 ,014 ,001 ,000 ,003 ,006
BL6 ,083 ,132 ,095 ,003 ,006

BL1 1,333 ,290 -,354 -,404 -,283 ,005
BL2 ,290 2,722 -1,813 -,625 -,288 ,232
BL3 -,354 -1,813 2,849 ,137 -,658 ,005
BL4 -,404 -,625 ,137 1,777 -,196 -,568
BL5 -,283 -,288 -,658 -,196 1,990 -,515
BL6 ,005 ,232 ,005 -,568 -,515 1,458

Adequacy.
Sphericity
df 15
Sig. ,000
Anti-image Matrices
66

Anti-image BL1 ,750 ,080 -,093 -,171 -,107 ,003
Covariance BL2 ,080 ,367 -,234 -,129 -,053 ,058
BL3 -,093 -,234 ,351 ,027 -,116 ,001
BL4 -,171 -,129 ,027 ,563 -,056 -,219
BL5 -,107 -,053 -,116 -,056 ,502 -,177
BL6 ,003 ,058 ,001 -,219 -,177 ,686
Anti-image Correlation BL1 ,789a ,152 -,182 -,262 -,174 ,004
BL2 ,152 ,683a -,651 -,284 -,124 ,116
BL3 -,182 -,651 ,708a ,061 -,276 ,003
BL4 -,262 -,284 ,061 ,783a -,104 -,353
BL5 -,174 -,124 -,276 -,104 ,848a -,302
BL6 ,004 ,116 ,003 -,353 -,302 ,728a
Communalities
Initial Extraction
BL1 1,000 ,429
BL2 1,000 ,854
BL3 1,000 ,856
BL4 1,000 ,646
BL5 1,000 ,665
BL6 1,000 ,715

Component Analysis.

1 3,159 52,650 52,650 3,159 52,650
2 1,005 16,754 69,405 1,005 16,754
3 ,745 12,424 81,828
4 ,514 8,575 90,403
5 ,368 6,136 96,539
6 ,208 3,461 100,000

1 52,650
2 69,405
3
4
67
5
6
Component Matrixa
Component
1 2
BL1 ,584 ,297
BL2 ,776 -,502
BL3 ,807 -,452
BL4 ,752 ,283
BL5 ,816 ,015
BL6 ,578 ,617

BL1 BL2 BL3 BL4 BL5
Reproduced Correlation BL1 ,429a ,303 ,337 ,523 ,480
BL2 ,303 ,854a ,853 ,441 ,625
BL3 ,337 ,853 ,856a ,479 ,651
BL4 ,523 ,441 ,479 ,646a ,618
BL5 ,480 ,625 ,651 ,618 ,665a
BL6 ,520 ,139 ,188 ,609 ,481
Residualb BL1 -,061 ,015 -,110 -,079
BL2 -,061 -,086 ,033 -,091
BL3 ,015 -,086 -,062 -,055
BL4 -,110 ,033 -,062 -,129
BL5 -,079 -,091 -,055 -,129
BL6 -,261 ,072 ,058 -,125 -,026
BL6
Reproduced Correlation BL1 ,520
BL2 ,139
BL3 ,188
BL4 ,609
BL5 ,481
BL6 ,715a
Residualb BL1 -,261
BL2 ,072
BL3 ,058
68
BL4 -,125
BL5 -,026
BL6

FACTOR
/VARIABLES BL1 BL2 BL3 BL4 BL5
/MISSING LISTWISE
/ANALYSIS BL1 BL2 BL3 BL4 BL5
/EXTRACTION PC
/ROTATION NOROTATE
69
Factor Analysis
Notes
Comments
Input Data
Pretest.sav
Filter <none>
Weight <none>
Split File <none>

treated as missing.
Cases Used
LISTWISE: Statistics are based
Syntax
FACTOR
/VARIABLES BL1 BL2 BL3
BL4 BL5
/MISSING LISTWISE
/ANALYSIS BL1 BL2 BL3 BL4
BL5
/PRINT INITIAL
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
Correlation Matrixa
70
BL1 BL2 BL3 BL4 BL5

Correlation BL1 1,000 ,243 ,351 ,413 ,401
BL2 ,243 1,000 ,767 ,474 ,534
BL3 ,351 ,767 1,000 ,417 ,596
BL4 ,413 ,474 ,417 1,000 ,489
BL5 ,401 ,534 ,596 ,489 1,000
Sig. (1-tailed) BL1 ,098 ,028 ,012 ,014
BL2 ,098 ,000 ,004 ,001
BL3 ,028 ,000 ,011 ,000
BL4 ,012 ,004 ,011 ,003
BL5 ,014 ,001 ,000 ,003
BL1 BL2 BL3 BL4 BL5

BL1 1,333 ,289 -,354 -,402 -,282
BL2 ,289 2,685 -1,814 -,534 -,206
BL3 -,354 -1,814 2,849 ,139 -,656
BL4 -,402 -,534 ,139 1,555 -,397
BL5 -,282 -,206 -,656 -,397 1,809

df 10
Sig. ,000
Anti-image Matrices
BL1 BL2 BL3 BL4 BL5
Anti-image Covariance BL1 ,750 ,081 -,093 -,194 -,117
BL2 ,081 ,372 -,237 -,128 -,043
BL3 -,093 -,237 ,351 ,031 -,127
BL4 -,194 -,128 ,031 ,643 -,141
BL5 -,117 -,043 -,127 -,141 ,553
Anti-image Correlation BL1 ,755a ,153 -,182 -,279 -,181
BL2 ,153 ,686a -,656 -,262 -,094
BL3 -,182 -,656 ,692a ,066 -,289
BL4 -,279 -,262 ,066 ,796a -,237
BL5 -,181 -,094 -,289 -,237 ,852a
71
Communalities
Initial Extraction
BL1 1,000 ,344
BL2 1,000 ,674
BL3 1,000 ,719
BL4 1,000 ,523
BL5 1,000 ,647

Component Analysis.

1 2,907 58,131 58,131 2,907 58,131
2 ,860 17,204 75,335
3 ,566 11,316 86,652
4 ,458 9,158 95,810
5 ,210 4,190 100,000

1 58,131
2
3
4
5
Component
Matrixa
Component
1
BL1 ,587
BL2 ,821
72
BL3 ,848
BL4 ,723
BL5 ,804
Extraction Method:
Principal Component
Analysis.a
a. 1 components
extracted.
BL1 BL2 BL3 BL4 BL5
Reproduced Correlation BL1 ,344a ,482 ,498 ,424 ,472
BL2 ,482 ,674a ,696 ,593 ,660
BL3 ,498 ,696 ,719a ,613 ,682
BL4 ,424 ,593 ,613 ,523a ,581
BL5 ,472 ,660 ,682 ,581 ,647a
Residualb BL1 -,239 -,146 -,011 -,070
BL2 -,239 ,071 -,119 -,126
BL3 -,146 ,071 -,196 -,086
BL4 -,011 -,119 -,196 -,092
BL5 -,070 -,126 -,086 -,092

RELIABILITY
/VARIABLES=BL1 BL2 BL3 BL4 BL5
/MODEL=ALPHA.
Reliability
Notes
Comments
TUGAS\SEMESTER 4\
Run Pretest.sav
Filter <none>
Weight <none>
Split File <none>
File
Matrix Input
73

Syntax RELIABILITY
/VARIABLES=BL1 BL2 BL3
BL4 BL5
ALL
/MODEL=ALPHA.

N %
Excludeda 0 ,0
Total 30 100,0

procedure.
Cronbach's
Alpha N of Items
,813 5
FACTOR
/VARIABLES RNI1 RNI2 RNI3
/MISSING LISTWISE
/ANALYSIS RNI1 RNI2 RNI3
/EXTRACTION PC
/ROTATION NOROTATE
Factor Analysis
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
74
Split File <none>

treated as missing.
Syntax FACTOR
/VARIABLES RNI1 RNI2 RNI3
/MISSING LISTWISE
/ANALYSIS RNI1 RNI2 RNI3
/PRINT INITIAL
ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE

Correlation Matrixa
RNI1 RNI2 RNI3

Correlation RNI1 1,000 ,583 ,625
RNI2 ,583 1,000 ,478
RNI3 ,625 ,478 1,000
Sig. (1-tailed) RNI1 ,000 ,000
RNI2 ,000 ,004
RNI3 ,000 ,004
RNI1 RNI2 RNI3

RNI1 1,984 -,732 -,890
RNI2 -,732 1,566 -,291
RNI3 -,890 -,291 1,696
75

df 3
Sig. ,000
Anti-image Matrices
RNI1 RNI2 RNI3
Anti-image Covariance RNI1 ,504 -,236 -,265
RNI2 -,236 ,638 -,110
RNI3 -,265 -,110 ,590
Anti-image Correlation RNI1 ,642a -,415 -,485
RNI2 -,415 ,736a -,179
RNI3 -,485 -,179 ,698a
Communalities
Initial Extraction
RNI1 1,000 ,777
RNI2 1,000 ,656
RNI3 1,000 ,694

Component Analysis.

1 2,127 70,891 70,891 2,127 70,891
2 ,525 17,498 88,388
3 ,348 11,612 100,000

1 70,891
2
3
76
Component Matrixa
Component
1
RNI1 ,882
RNI2 ,810
RNI3 ,833
Extraction Method:
Principal Component
Analysis.a
a. 1 components
extracted.
RNI1 RNI2 RNI3
Reproduced Correlation RNI1 ,777a ,714 ,734
RNI2 ,714 ,656a ,675
RNI3 ,734 ,675 ,694a
Residualb RNI1 -,131 -,109
RNI2 -,131 -,196
RNI3 -,109 -,196

b. Residuals are computed between observed and reproduced correlations.
There are 3 (100,0%) nonredundant residuals with absolute values greater
than 0.05.
RELIABILITY
/VARIABLES=RNI1 RNI2 RNI3
/MODEL=ALPHA.
Reliability
Notes
Comments
Pretest.sav
Filter <none>
Weight <none>
Split File <none>
Matrix Input
treated as missing.
the procedure.
77
Syntax RELIABILITY
/VARIABLES=RNI1 RNI2 RNI3
ALL
/MODEL=ALPHA.
N %
Excludeda 0 ,0
Total 30 100,0

procedure.
Cronbach's
Alpha N of Items
,794 3
78
B. Data Perhitungan Construct Reliability (CR) dan Variance Extracted

(VE)
VE
FAKTOR ∑ Faktor (∑ Faktor ∑ (Faktor
VARIABEL INDIKATOR ERROR ∑ Error CR (Variance
LOADING Loading Loading)2 Lading)2
Extracted)
BP1 0,83 0,31

BP2 0,73 0,47
BP BP3 0,74 0,46 3,73 13,9129 2,22 0,86 2,79 0,56
BP4 0,73 0,47
BP5 0,70 0,51
BA1 0,78 0,39
BA BA2 0,84 0,30 2,51 6,3001 0,89 0,88 2,11 0,70
BA3 0,89 0,20
CBI1 0,81 0,35
CBI2 0,73 0,47
CBI3 0,75 0,44
CBI 4,57 20,8849 2,53 0,89 3,48 0,58
CBI4 0,76 0,42
CBI5 0,76 0,42
CBI6 0,76 0,43
VC1 0,83 0,32
VC2 0,82 0,33
VC 3,37 11,3569 1,16 0,91 2,84 0,71
VC3 0,85 0,28
VC4 0,87 0,23
CBE1 0,83 0,32
CBE2 0,81 0,34
CBE 3,35 11,2225 1,19 0,90 2,81 0,70
CBE3 0,87 0,24
CBE4 0,84 0,29
BL1 0,72 0,48
BL2 0,68 0,53
BL BL3 0,77 0,40 3,64 13,2496 2,34 0,85 2,65 0,53
BL4 0,74 0,46
BL5 0,73 0,47
RNI1 0,54 0,61
RNI RNI2 0,82 0,33 2,14 4,5796 1,32 0,78 1,57 0,54
RNI3 0,78 0,38
79
C. OUTPUT ANALISIS SEM DENGAN LISREL
DATE: 4/25/2021
TIME: 22:05
L I S R E L 8.80
BY
Karl G. Jöreskog & Dag Sörbom
This program is published exclusively by
Scientific Software International, Inc.
7383 N. Lincoln Avenue, Suite 100
Lincolnwood, IL 60712, U.S.A.
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Copyright by Scientific Software International, Inc., 1981-2006
Use of this program is subject to the terms specified in the
Universal Copyright Convention.
Website: www.ssicentral.com
The following lines were read from file D:\PASCA SARJANA (MM)\TUGAS\
SEMESTER 4\TESIS\HASIL\ANALISA.spl:
RAW DATA FROM FILE ANALISA.psf

LATENT VARIABLES: BP BA CBI VC CBE BL RNI
RELTIONSHIPS
CBI1=CBI
CBI2=CBI
CBI3=CBI
CBI4=CBI
CBI5=CBI
CBI6=CBI
CBE1=CBE
CBE2=CBE
CBE3=CBE
CBE4=CBE
BL1=BL
BL2=BL
BL3=BL
BL4=BL
BL5=BL
RNI1=RNI
RNI2=RNI
RNI3=RNI
VC1=VC
VC2=VC
VC3=VC
VC4=VC
BP1=BP
BP2=BP
80
BP3=BP
BP4=BP
BP5=BP
BA1=BA
BA2=BA
BA3=BA
BA=BP
CBI=BP
CBI=BA
CBI=VC
CBE=VC
BA=VC
BL=CBI
CBE=CBI
BL=CBE
RNI=BL
SET ERROR COVARIANCE OF BP5 AND BL5 FREE

SET ERROR COVARIANCE OF BL2 AND BL1 FREE
SET ERROR COVARIANCE OF BL1 AND CBI6 FREE
SET ERROR COVARIANCE OF BL4 AND BL3 FREE
SET ERROR COVARIANCE OF BL4 AND CBE3 FREE
SET ERROR COVARIANCE OF RNI AND BA FREE
SET ERROR COVARIANCE OF VC4 AND VC3 FREE
SET ERROR COVARIANCE OF CBE3 AND CBE1 FREE
SET ERROR COVARIANCE OF VC1 AND BA3 FREE
SET ERROR COVARIANCE OF RNI1 AND CBE FREE
OPTIONS:SC
PATH DIAGRAM
END OF PROBLEM
Sample Size = 170
Covariance Matrix
BA1 BA2 BA3 CBI1 CBI2 CBI3

-------- -------- -------- -------- -------- --------
BA1 1.01
BA2 0.64 0.87
BA3 0.67 0.67 0.91
CBI1 0.42 0.47 0.52 0.95
CBI2 0.25 0.32 0.35 0.52 0.83
CBI3 0.28 0.33 0.35 0.56 0.51 1.01
CBI4 0.36 0.40 0.43 0.63 0.49 0.65
CBI5 0.39 0.40 0.47 0.61 0.50 0.57
CBI6 0.33 0.37 0.41 0.56 0.49 0.52
CBE1 0.34 0.34 0.35 0.35 0.27 0.36
CBE2 0.32 0.32 0.41 0.32 0.26 0.39
CBE3 0.28 0.33 0.38 0.40 0.32 0.42
CBE4 0.37 0.36 0.38 0.44 0.38 0.45
81
BL1 0.22 0.32 0.33 0.39 0.26 0.34

BL2 0.25 0.34 0.31 0.35 0.25 0.34
BL3 0.23 0.30 0.29 0.38 0.34 0.37
BL4 0.24 0.28 0.29 0.32 0.30 0.37
BL5 0.31 0.36 0.41 0.50 0.42 0.52
RNI1 0.07 0.11 0.10 0.28 0.17 0.18
RNI2 -0.15 -0.14 -0.17 0.03 0.02 0.12
RNI3 -0.06 -0.05 -0.08 0.11 0.04 0.11
BP1 0.22 0.30 0.32 0.54 0.46 0.49
BP2 0.20 0.22 0.18 0.41 0.35 0.41
BP3 0.21 0.23 0.28 0.48 0.48 0.41
BP4 0.32 0.36 0.35 0.47 0.40 0.44
BP5 0.22 0.27 0.31 0.51 0.44 0.50
VC1 0.27 0.29 0.30 0.50 0.42 0.58
VC2 0.34 0.35 0.42 0.48 0.37 0.58
VC3 0.36 0.36 0.48 0.51 0.43 0.58
VC4 0.33 0.35 0.47 0.55 0.49 0.58
Covariance Matrix
CBI4 CBI5 CBI6 CBE1 CBE2 CBE3

-------- -------- -------- -------- -------- --------
CBI4 1.07
CBI5 0.67 1.00
CBI6 0.51 0.53 0.86
CBE1 0.41 0.39 0.30 0.71
CBE2 0.42 0.42 0.34 0.53 0.87
CBE3 0.45 0.41 0.32 0.51 0.64 0.94
CBE4 0.42 0.39 0.36 0.58 0.60 0.69
BL1 0.40 0.35 0.24 0.37 0.41 0.47
BL2 0.37 0.36 0.34 0.35 0.37 0.40
BL3 0.42 0.36 0.36 0.44 0.51 0.54
BL4 0.39 0.33 0.29 0.44 0.44 0.62
BL5 0.43 0.45 0.42 0.41 0.48 0.56
RNI1 0.22 0.19 0.19 0.24 0.21 0.28
RNI2 0.15 0.11 0.00 0.10 0.05 0.06
RNI3 0.11 0.13 0.04 0.15 0.07 0.09
BP1 0.46 0.44 0.50 0.25 0.27 0.31
BP2 0.37 0.39 0.42 0.14 0.17 0.16
BP3 0.37 0.33 0.49 0.25 0.27 0.26
BP4 0.42 0.39 0.46 0.22 0.27 0.29
BP5 0.43 0.45 0.43 0.22 0.25 0.28
VC1 0.64 0.58 0.47 0.38 0.40 0.53
VC2 0.51 0.53 0.41 0.41 0.41 0.50
VC3 0.56 0.55 0.41 0.55 0.58 0.63
VC4 0.65 0.64 0.44 0.51 0.56 0.63
82
Covariance Matrix
CBE4 BL1 BL2 BL3 BL4 BL5

-------- -------- -------- -------- -------- --------
CBE4 0.95
BL1 0.52 0.86
BL2 0.46 0.56 0.84
BL3 0.56 0.55 0.48 0.94
BL4 0.56 0.52 0.44 0.67 0.94
BL5 0.52 0.48 0.43 0.52 0.51 0.94
RNI1 0.27 0.13 0.04 0.13 0.17 0.17
RNI2 0.07 0.05 0.03 0.08 0.08 0.03
RNI3 0.13 0.11 0.10 0.13 0.10 0.08
BP1 0.38 0.43 0.32 0.34 0.35 0.42
BP2 0.23 0.22 0.39 0.19 0.19 0.27
BP3 0.33 0.26 0.29 0.37 0.31 0.44
BP4 0.31 0.28 0.37 0.28 0.36 0.34
BP5 0.30 0.28 0.33 0.31 0.29 0.58
VC1 0.49 0.39 0.38 0.40 0.37 0.38
VC2 0.48 0.34 0.29 0.36 0.39 0.41
VC3 0.66 0.45 0.41 0.44 0.50 0.49
VC4 0.65 0.43 0.43 0.43 0.50 0.55
Covariance Matrix
RNI1 RNI2 RNI3 BP1 BP2 BP3

-------- -------- -------- -------- -------- --------
RNI1 0.98
RNI2 0.44 0.93
RNI3 0.43 0.56 0.84
BP1 0.14 0.06 0.04 0.92
BP2 0.08 0.04 0.05 0.50 0.78
BP3 0.17 -0.02 0.05 0.63 0.50 1.01
BP4 0.04 -0.05 -0.06 0.54 0.48 0.51
BP5 0.04 -0.05 -0.01 0.53 0.44 0.47
VC1 0.25 0.19 0.22 0.37 0.31 0.26
VC2 0.20 0.01 0.09 0.32 0.24 0.26
VC3 0.30 0.07 0.12 0.37 0.26 0.30
VC4 0.26 0.08 0.14 0.39 0.31 0.34
Covariance Matrix
BP4 BP5 VC1 VC2 VC3 VC4

-------- -------- -------- -------- -------- --------
BP4 0.89
BP5 0.44 0.83
VC1 0.28 0.34 1.04
VC2 0.30 0.26 0.70 1.04
VC3 0.31 0.35 0.76 0.78 1.20
VC4 0.31 0.40 0.81 0.83 1.03 1.26
Number of Iterations = 13
83
LISREL Estimates (Maximum Likelihood)
Measurement Equations
BA1 = 0.78*BA, Errorvar.= 0.39 , R² = 0.61

(0.052)
7.48
BA2 = 0.78*BA, Errorvar.= 0.26 , R² = 0.70

(0.068) (0.040)
11.61 6.45
BA3 = 0.85*BA, Errorvar.= 0.18 , R² = 0.80

(0.069) (0.038)
12.23 4.67
CBI1 = 0.79*CBI, Errorvar.= 0.33 , R² = 0.65

(0.042)
7.92

(0.063) (0.046)
10.44 8.45

(0.069) (0.053)
10.90 8.34

(0.071) (0.055)
11.07 8.29

(0.068) (0.050)
11.16 8.26

(0.063) (0.044)
11.10 8.29
CBE1 = 0.70*CBE, Errorvar.= 0.22 , R² = 0.68

(0.033)
6.84

(0.062) (0.037)
12.15 7.91

(0.071) (0.037)
11.84 6.04
84

(0.064) (0.036)
12.84 7.46
BL1 = 0.67*BL, Errorvar.= 0.41 , R² = 0.52

(0.051)
8.05
BL2 = 0.63*BL, Errorvar.= 0.46 , R² = 0.47

(0.057) (0.056)
11.11 8.22
BL3 = 0.75*BL, Errorvar.= 0.38 , R² = 0.60

(0.079) (0.052)
9.53 7.27
BL4 = 0.71*BL, Errorvar.= 0.43 , R² = 0.54

(0.079) (0.056)
9.08 7.70
BL5 = 0.69*BL, Errorvar.= 0.42 , R² = 0.53

(0.072) (0.054)
9.50 7.79
RNI1 = 0.24*CBE + 0.53*RNI, Errorvar.= 0.60 , R² = 0.39

(0.068) (0.084) (0.075)
3.56 6.36 8.06
RNI2 = 0.79*RNI, Errorvar.= 0.31 , R² = 0.67

(0.079)
3.91
RNI3 = 0.72*RNI, Errorvar.= 0.32 , R² = 0.62

(0.096) (0.069)
7.50 4.70
BP1 = 0.80*BP, Errorvar.= 0.29 , R² = 0.69

(0.061) (0.042)
13.06 6.84
BP2 = 0.64*BP, Errorvar.= 0.36 , R² = 0.53

(0.059) (0.045)
10.84 8.02
BP3 = 0.74*BP, Errorvar.= 0.46 , R² = 0.54

(0.069) (0.058)
10.75 7.93
BP4 = 0.69*BP, Errorvar.= 0.42 , R² = 0.53

(0.065) (0.052)
85
10.60 7.99
BP5 = 0.61*BP, Errorvar.= 0.39 , R² = 0.49

(0.058) (0.048)
10.63 8.16
VC1 = 0.85*VC, Errorvar.= 0.34 , R² = 0.68

(0.066) (0.047)
12.91 7.17
VC2 = 0.83*VC, Errorvar.= 0.34 , R² = 0.67

(0.066) (0.047)
12.60 7.36
VC3 = 0.93*VC, Errorvar.= 0.33 , R² = 0.72

(0.070) (0.052)
13.26 6.40
VC4 = 0.98*VC, Errorvar.= 0.30 , R² = 0.77

(0.071) (0.050)
13.91 5.93
Error Covariance for CBE3 and CBE1 = -0.08

(0.024)
-3.48
Error Covariance for BL1 and CBI6 = -0.09

(0.029)
-3.23
Error Covariance for BL2 and BL1 = 0.15

(0.038)
3.90
Error Covariance for BL4 and CBE3 = 0.099

(0.029)
3.38
Error Covariance for BL4 and BL3 = 0.13

(0.040)
3.29
Error Covariance for BP1 and BL1 = 0.12

(0.031)
3.91

(0.034)
4.30
86
(0.040)
5.71
Error Covariance for VC1 and BA3 = -0.08

(0.028)
-2.86
Error Covariance for VC4 and VC3 = 0.12

(0.042)
2.80
Structural Equations
BA = 0.24*BP + 0.42*VC, Errorvar.= 0.66 , R² = 0.34

(0.089) (0.092) (0.12)
2.76 4.52 5.55
CBI = 0.20*BA + 0.55*BP + 0.39*VC, Errorvar.= 0.10 , R² = 0.90

(0.058) (0.066) (0.063) (0.032)
3.50 8.42 6.08 3.16
CBE = 0.23*CBI + 0.56*VC, Errorvar.= 0.44 , R² = 0.56

(0.11) (0.11) (0.077)
2.17 4.92 5.68
BL = 0.32*CBI + 0.64*CBE, Errorvar.= 0.22 , R² = 0.78

(0.081) (0.095) (0.058)
3.92 6.76 3.77
RNI = 0.20*BL, Errorvar.= 0.97 , R² = 0.031

(0.093) (0.19)
2.17 5.20
Error Covariance for RNI and BA = -0.25

(0.083)
-3.08
Reduced Form Equations
BA = 0.24*BP + 0.42*VC, Errorvar.= 0.66, R² = 0.34

(0.089) (0.092)
2.76 4.52
CBI = 0.60*BP + 0.47*VC, Errorvar.= 0.13, R² = 0.87

(0.069) (0.064)
8.72 7.35
CBE = 0.14*BP + 0.66*VC, Errorvar.= 0.45, R² = 0.55

(0.066) (0.086)
2.12 7.71
87
BL = 0.28*BP + 0.58*VC, Errorvar.= 0.43, R² = 0.57

(0.066) (0.077)
4.29 7.43
RNI = 0.057*BP + 0.12*VC, Errorvar.= 0.98, R² = 0.023

(0.029) (0.054)
1.98 2.16
Correlation Matrix of Independent Variables
BP VC
-------- --------
BP 1.00
VC 0.50 1.00
(0.07)
7.47
Covariance Matrix of Latent Variables
BA CBI CBE BL RNI BP

-------- -------- -------- -------- -------- --------
BA 1.00
CBI 0.66 1.00
CBE 0.45 0.66 1.00
BL 0.50 0.74 0.85 1.00
RNI -0.15 0.10 0.16 0.18 1.00
BP 0.46 0.84 0.47 0.57 0.12 1.00
VC 0.54 0.77 0.74 0.72 0.14 0.50
Covariance Matrix of Latent Variables
VC
--------
VC 1.00
Goodness of Fit Statistics
Degrees of Freedom = 382

Minimum Fit Function Chi-Square = 435.44 (P = 0.030)
Normal Theory Weighted Least Squares Chi-Square = 407.13 (P = 0.18)
Estimated Non-centrality Parameter (NCP) = 25.13
90 Percent Confidence Interval for NCP = (0.0 ; 77.73)
Minimum Fit Function Value = 2.58

Population Discrepancy Function Value (F0) = 0.15
90 Percent Confidence Interval for F0 = (0.0 ; 0.46)
Root Mean Square Error of Approximation (RMSEA) = 0.020
90 Percent Confidence Interval for RMSEA = (0.0 ; 0.035)
P-Value for Test of Close Fit (RMSEA < 0.05) = 1.00
Expected Cross-Validation Index (ECVI) = 3.39
88
90 Percent Confidence Interval for ECVI = (3.24 ; 3.70)

ECVI for Saturated Model = 5.50
ECVI for Independence Model = 74.14
Chi-Square for Independence Model with 435 Degrees of Freedom = 12468.95

Independence AIC = 12528.95
Model AIC = 573.13
Saturated AIC = 930.00
Independence CAIC = 12653.02
Model CAIC = 916.40
Saturated CAIC = 2853.15
Normed Fit Index (NFI) = 0.97

Non-Normed Fit Index (NNFI) = 0.99
Parsimony Normed Fit Index (PNFI) = 0.85
Comparative Fit Index (CFI) = 1.00
Incremental Fit Index (IFI) = 1.00
Relative Fit Index (RFI) = 0.96
Critical N (CN) = 175.35
Root Mean Square Residual (RMR) = 0.049

Standardized RMR = 0.053
Goodness of Fit Index (GFI) = 0.86
Adjusted Goodness of Fit Index (AGFI) = 0.83
Parsimony Goodness of Fit Index (PGFI) = 0.71
Standardized Solution
LAMBDA-Y
BA CBI CBE BL RNI

-------- -------- -------- -------- --------
BA1 0.78 -- -- -- --
BA2 0.78 -- -- -- --
BA3 0.85 -- -- -- --
CBI1 -- 0.79 -- -- --
CBI2 -- 0.66 -- -- --
CBI3 -- 0.75 -- -- --
CBI4 -- 0.78 -- -- --
CBI5 -- 0.76 -- -- --
CBI6 -- 0.70 -- -- --
CBE1 -- -- 0.70 -- --
CBE2 -- -- 0.76 -- --
CBE3 -- -- 0.85 -- --
CBE4 -- -- 0.82 -- --
BL1 -- -- -- 0.67 --
BL2 -- -- -- 0.63 --
BL3 -- -- -- 0.75 --
BL4 -- -- -- 0.71 --
89
BL5 -- -- -- 0.69 --
RNI1 -- -- 0.24 -- 0.53
RNI2 -- -- -- -- 0.79
RNI3 -- -- -- -- 0.72
LAMBDA-X
BP VC
-------- --------
BP1 0.80 --
BP2 0.64 --
BP3 0.74 --
BP4 0.69 --
BP5 0.61 --
VC1 -- 0.85
VC2 -- 0.83
VC3 -- 0.93
VC4 -- 0.98
BETA
BA CBI CBE BL RNI

-------- -------- -------- -------- --------
BA -- -- -- -- --
CBI 0.20 -- -- -- --
CBE -- 0.23 -- -- --
BL -- 0.32 0.64 -- --
RNI -- -- -- 0.20 --
GAMMA
BP VC
-------- --------
BA 0.24 0.42
CBI 0.55 0.39
CBE -- 0.56
BL -- --
RNI -- --
Correlation Matrix of ETA and KSI

-------- -------- -------- -------- -------- --------
BA 1.00
CBI 0.66 1.00
CBE 0.45 0.66 1.00
BL 0.50 0.74 0.85 1.00
RNI -0.15 0.10 0.16 0.18 1.00
BP 0.46 0.84 0.47 0.57 0.12 1.00
VC 0.54 0.77 0.74 0.72 0.14 0.50
90
VC
--------
VC 1.00
PSI
BA CBI CBE BL RNI

-------- -------- -------- -------- --------
BA 0.66
CBI -- 0.10
CBE -- -- 0.44
BL -- -- -- 0.22
RNI -0.25 -- -- -- 0.97
Regression Matrix ETA on KSI (Standardized)
BP VC
-------- --------
BA 0.24 0.42
CBI 0.60 0.47
CBE 0.14 0.66
BL 0.28 0.58
RNI 0.06 0.12
Completely Standardized Solution
LAMBDA-Y
BA CBI CBE BL RNI

-------- -------- -------- -------- --------
BA1 0.78 -- -- -- --
BA2 0.84 -- -- -- --
BA3 0.89 -- -- -- --
CBI1 -- 0.81 -- -- --
CBI2 -- 0.73 -- -- --
CBI3 -- 0.75 -- -- --
CBI4 -- 0.76 -- -- --
CBI5 -- 0.76 -- -- --
CBI6 -- 0.76 -- -- --
CBE1 -- -- 0.83 -- --
CBE2 -- -- 0.81 -- --
CBE3 -- -- 0.87 -- --
CBE4 -- -- 0.84 -- --
BL1 -- -- -- 0.72 --
BL2 -- -- -- 0.68 --
BL3 -- -- -- 0.77 --
BL4 -- -- -- 0.74 --
BL5 -- -- -- 0.73 --
RNI1 -- -- 0.24 -- 0.54
91
RNI2 -- -- -- -- 0.82
RNI3 -- -- -- -- 0.78
LAMBDA-X
BP VC
-------- --------
BP1 0.83 --
BP2 0.73 --
BP3 0.74 --
BP4 0.73 --
BP5 0.70 --
VC1 -- 0.83
VC2 -- 0.82
VC3 -- 0.85
VC4 -- 0.87
BETA
BA CBI CBE BL RNI

-------- -------- -------- -------- --------
BA -- -- -- -- --
CBI 0.20 -- -- -- --
CBE -- 0.23 -- -- --
BL -- 0.32 0.64 -- --
RNI -- -- -- 0.20 --
GAMMA
BP VC
-------- --------
BA 0.24 0.42
CBI 0.55 0.39
CBE -- 0.56
BL -- --
RNI -- --

-------- -------- -------- -------- -------- --------
BA 1.00
CBI 0.66 1.00
CBE 0.45 0.66 1.00
BL 0.50 0.74 0.85 1.00
RNI -0.15 0.10 0.16 0.18 1.00
BP 0.46 0.84 0.47 0.57 0.12 1.00
VC 0.54 0.77 0.74 0.72 0.14 0.50
92
VC
--------
VC 1.00
PSI
BA CBI CBE BL RNI
-------- -------- -------- -------- --------
BA 0.66
CBI -- 0.10
CBE -- -- 0.44
BL -- -- -- 0.22
RNI -0.25 -- -- -- 0.97
THETA-EPS

-------- -------- -------- -------- -------- --------
BA1 0.39
BA2 -- 0.30
BA3 -- -- 0.20
CBI1 -- -- -- 0.35
CBI2 -- -- -- -- 0.47
CBI3 -- -- -- -- -- 0.44
CBI4 -- -- -- -- -- --
CBI5 -- -- -- -- -- --
CBI6 -- -- -- -- -- --
CBE1 -- -- -- -- -- --
CBE2 -- -- -- -- -- --
CBE3 -- -- -- -- -- --
CBE4 -- -- -- -- -- --
BL1 -- -- -- -- -- --
BL2 -- -- -- -- -- --
BL3 -- -- -- -- -- --
BL4 -- -- -- -- -- --
BL5 -- -- -- -- -- --
RNI1 -- -- -- -- -- --
RNI2 -- -- -- -- -- --
RNI3 -- -- -- -- -- --
THETA-EPS

-------- -------- -------- -------- -------- --------
CBI4 0.42
CBI5 -- 0.42
CBI6 -- -- 0.43
CBE1 -- -- -- 0.32
CBE2 -- -- -- -- 0.34
CBE3 -- -- - - -0.10 -- 0.24
CBE4 -- -- -- -- -- --
BL1 -- - - -0.11 -- -- --
BL2 -- -- -- -- -- --
BL3 -- -- -- -- -- --
93
BL4 -- -- -- -- -- 0.11
BL5 -- -- -- -- -- --
RNI1 -- -- -- -- -- --
RNI2 -- -- -- -- -- --
RNI3 -- -- -- -- -- --
THETA-EPS
-------- -------- -------- -------- -------- --------
CBE4 0.29
BL1 -- 0.48
BL2 -- 0.17 0.53
BL3 -- -- -- 0.40
BL4 -- -- -- 0.14 0.46
BL5 -- -- -- -- -- 0.47
RNI1 -- -- -- -- -- --
RNI2 -- -- -- -- -- --
RNI3 -- -- -- -- -- --
THETA-EPS
RNI1 RNI2 RNI3
-------- -------- --------
RNI1 0.61
RNI2 -- 0.33
RNI3 -- -- 0.38
THETA-DELTA-EPS
-------- -------- -------- -------- -------- --------
BP1 -- -- -- -- -- --
BP2 -- -- -- -- -- --
BP3 -- -- -- -- -- --
BP4 -- -- -- -- -- --
BP5 -- -- -- -- -- --
VC1 -- - - -0.08 -- -- --
VC2 -- -- -- -- -- --
VC3 -- -- -- -- -- --
VC4 -- -- -- -- -- --
THETA-DELTA-EPS
-------- -------- -------- -------- -------- --------
BP1 -- -- -- -- -- --
BP2 -- -- -- -- -- --
BP3 -- -- -- -- -- --
BP4 -- -- -- -- -- --
BP5 -- -- -- -- -- --
VC1 -- -- -- -- -- --
VC2 -- -- -- -- -- --
VC3 -- -- -- -- -- --
VC4 -- -- -- -- -- --
THETA-DELTA-EPS
94
-------- -------- -------- -------- -------- --------

BP1 -- 0.13 -- -- -- --
BP2 -- -- 0.18 -- -- --
BP3 -- -- -- -- -- --
BP4 -- -- -- -- -- --
BP5 -- -- -- -- -- 0.27
VC1 -- -- -- -- -- --
VC2 -- -- -- -- -- --
VC3 -- -- -- -- -- --
VC4 -- -- -- -- -- --
THETA-DELTA-EPS
RNI1 RNI2 RNI3
-------- -------- --------
BP1 -- -- --
BP2 -- -- --
BP3 -- -- --
BP4 -- -- --
BP5 -- -- --
VC1 -- -- --
VC2 -- -- --
VC3 -- -- --
VC4 -- -- --
THETA-DELTA
BP1 BP2 BP3 BP4 BP5 VC1
-------- -------- -------- -------- -------- --------
BP1 0.31
BP2 -- 0.47
BP3 -- -- 0.46
BP4 -- -- -- 0.47
BP5 -- -- -- -- 0.51
VC1 -- -- -- -- -- 0.32
VC2 -- -- -- -- -- --
VC3 -- -- -- -- -- --
VC4 -- -- -- -- -- --
THETA-DELTA
VC2 VC3 VC4
-------- -------- --------
VC2 0.33
VC3 -- 0.28
VC4 -- 0.10 0.23
Regression Matrix ETA on KSI (Standardized)

BP VC
-------- --------
BA 0.24 0.42
CBI 0.60 0.47
CBE 0.14 0.66
BL 0.28 0.58
RNI 0.06 0.12
95
Time used: 0.312 Seconds
Loading Factor (Path Analysis)
T-Value (Path Analysis)
96
97
D. Hasil Analisis Goodness of Fit

Group Indicator Value Keterangan
Degrees of Freedom 382
Minimum Fit Function
435,44
Chi-Square
1 Normal Theory WLS Close Fit
407,13
Chi-Square
NCP 25,13
Confidence Interval 0,0 ; 77,73
RMSEA 0,02
2 Confidence Interval 0,0 ; 0,035 Close Fit
P Value 1,00
ECVI Model 3,39
3 ECVI Saturated 3,24 ; 3,70 Good Fit
ECVI Independence 74,17
AIC Model 573,13
AIC Saturated 930,00
AIC Independence 12528,95
4 Good Fit
CAIC Model 916,40
CAIC Saturated 2853,15
CAIC Independence 12653,02
NFI 0,97
NNFI 0,99
PNFI 0,85
5 Good Fit
CFI 1,00
IFI 1,00
RFI 0,96
6 Critical N 175,35 Good Fit
RMR 0,049
SRMR 0,053
7 GFI 0,86 Marginal Fit
AGFI 0,83
PGFI 0,71
Sumber: hasil uji SEM (2021)
Lampiran 6. Laporan Cek Plagiarisme
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
Lampiran 7. Artikel Jurnal

A. Author Guide
117
118
119
120
121
122
B. Submission Jurnal
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
C. Schimago Jurnal Rankings
149
Lampiran 8. Sekilas Bio Data Penulis
Egi Andiyana, dilahirkan di Sumedang, 5 September 1994.

Sebagai anak kedua dari dua bersaudara dari pasangan Bapak
Abdul Rohman dan Ibu Enok Casinah. Penulis dari sejak usia
Pendidikan Sekola dasar sudah dibentuk dan dituntut menjadi
karakter serta pribadi yang mandiri. Penulis pernah menempuh
pendidikan di SDN Margamulya, Sumedang, dan melanjutkan ke
jenjang SLTP di SMP Negri 1 Ujungjaya, Sumedang, serta
SLTA di SMA Negri 2 Cimalaka, Sumedang. Gelar D-IV diperoleh penulis dari
Jurusan Teknik Tekstil Politeknik STTT Bandung.
Penulis sejak bangku SMP, telah aktif pada kegiatan sekolah khususnya dalam
bidang organisasi seperti OSIS, Pramuka dan Paskibra. Sampai dengan kuliah
penulis juga aktif dalam kegiatan kemahasiswaan seperti menjadi Mentri Dalam
Negri Badan Eksekutif Mahasiswa, juga Penulis menjadi pendiri unit kegiatan
mahasiswa dan komunitas seperti bela diri silat, bola volly dan komunitas daerah.
Saat ini Penulis bekerja selama 4 tahun di PT.Tifico Fiber Indonesia Tbk.
Kepeminatan yang tinggi akan manajemen dan penguatan kapasitas organisasi
serta cita-citanya untuk selalu belajar mendorong penulis melanjutkan
pendidikannya ke jenjang pasca sarjana pada program studi Magister Manajemen
di Fakultas Ekonomi dan Bisnis Universitas Esa Unggul dan telah menulis tugas
akhir dengan Judul
“Bagaimana Ketahanan Pengguna Merek Terhadap Informasi Negatif Melalui
Loyalitas, Persepsi Dan Daya Tarik Berdasarkan Nilai Pelanggan”
Dengan mengucap syukur kepada Tuhan Yang Maha Esa, Penulis mengharap agar
tulisan/tugas akhir ini dapat memberikan manfaat bagi banyak pihak dan
kontribusi positif pada bidang keilmuan, khususnya manajemen.
150

Egi Andiyana - Tesis Final

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Egi Andiyana - Tesis Final

Diunggah oleh

Hak Cipta:

Format Tersedia

1.

UNIVERSITAS ESA UNGGUL

BAGAIMANA KETAHANAN PENGGUNA MEREK

Diajukan sebagai salah satu syarat untuk memperoleh gelar

PROGRAM STUDI MAGISTER MANAJEMEN

Nama : Egi Andiyana

Tanggal : 22 Juli 2021

Tesis ini diajukan oleh

Nama : Egi Andiyana

Telah berhasil dipertahankan di hadapan Tim Penguji dan diterima sebagai

Pembimbing : Dr. Unggul Kustiawan.

Penguji : Dr. Tantri Yanuar R.Syah SE., MSM.

Penguji : Dr. Dimas Angga Negoro, MM.

Ketua Program Studi: Dr. Rina Anindita, SE, MM.

Tangerang, 22 Juli 2021

demi pengembangan ilmu pengetahuan, teknologi, dan seni, menyetujui untuk

Kata Kunci – Brand Prestige, Brand Attractiveness, Value Congruity, Customer

Keywords – Brand Prestige, Brand Attractiveness, Value Congruity, Customer

pengaruh terhadap brand attractiveness, sedangkan brand attractiveness meningkatkan

Penelitian sebelumnya telah menjelaskan bahwa customer brand identification telah

Customer Brand Identification

pemasaran), dalam memenuhi kebutuhan konsumen, maka merek dapat dilakukan

Customer Brand Engagement

Anggapan mengenai customer brand engagement yang dilakukan oleh sekelompok

Resilience To Negative Information

HIPOTESIS HUBUNGAN ANTAR VARIABEL

Hubungan Antara Value Congruity Terhadap Customer Brand

Hubungan Antara Brand Attarctiveness Terhadap Customer Brand

Hubungan Antara Customer Brand Identification Terhadap Customer

Hubungan Antara Customer Brand Engagement Terhadap Brand

Hubungan Antara Brand Loyalty Terhadap Resilience To Negative

Berdasarkan kerangka hipotesa diatas, sebagaimana model penelitian dapat digambarkan

Gambar 1. Kerangka Model Penelitian

Responden penelitian ini dilakukan pengambilan sampel secara purposive (purposive

Gambar 2. Hasil Path Diagram T-Value

Value congruity berpengaruh positif Data mendukung

Value congruity berpengaruh positif Data mendukung

Value congruity berpengaruh positif Data mendukung

Customer brand identification

Brand loyalty berpengaruh positif

Value congruity berpengaruh positif terhadap customer brand identification (H3),

terhadap resilience to negative information (H10). Menurut penelitian yang dilakukan

resilience to negative information melalui brand loyalty dibanding dengan brand

coffeehouse brands. International Journal of Contemporary Hospitality

brand community. Management Research Review, 35(9), 857–877.

O’Reilly, C., & Chatman, J. (1986). Organizational Commitment and Psychological

Research, 55(1f), 64–78.

Lampiran 1. Ringkasan Daftar Penelitian Terdahulu

2 (Bhattacharya et Consumer-company Kontribusi consumer

4 (So et al., 2017) The missing link in Brand experience membentuk

5 (Romero, 2017) Customer Engagement Customer Engagement Behaviors

No Nama Peneliti Judul Penelitian Hasil Penelitian

Lampiran 2. Definisi Operasional Variabel

2 Brand 1. I like what (#brand) 1. Apa yang ditunjukan merek

3 Customer Brand 1. a reflects who I am 1. Merek ini memikirkan

4 Value Congruity 1. I have a clear 1. Saya merasakan secara jelas

6 Brand Loyalty 1. I would recommend 1. Saya akan

No. Variabel Original Pengukuran

Lampiran 3. Kuesioner Penelitian

BAGIAN A: IDENTITAS RESPONDEN

5. Kapan terakhir anda Menggunakan Transportasi Online *?

“SEMUA PERTANYAAN PADA BAGIAN B AKAN BERKAITAN

BAGIAN B: PERTANYAAN INTI