4.7 Uji Construct Reliability dan Variance Extrated
Selain melakukan pengujian konistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian Construct Reliability dan Variance Extracted. Kedua pengujian
tersebut masih termasuk uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur uatu
pengukuran yang sama. Adapun hasil dari pengujian construct reliability dapat dilihat pada tabel dibawah ini
:
Tabel 4.8 : Uji Construct Reliabilty dan Variance Extracted
Konst r ak I ndik ator
St andar dize Fact or
Loading SFL
Kuadr at Error [εj]
Const r uct Reliabilit y
Var iance Ex t r at ed
Adver t ising X11
0.069 0.005
0.995 0.206
0.152 X12
- 0.056 0.003
0.997 X13
0.167 0.028
0.972 X14
0.757 0.573
0.427 Br and
X21 0.998
0.996 0.004
0.996 0.996
Pur chase I nt ent ion
Y1 0.997
0.994 0.006
0.994 0.994
Ba t a s D a pa t D it e r im a ≥ 0,7
≥ 0,5
Sumber : Lampiran
Selain melakukan pengujian konistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian
tersebut masih termasuk uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu
pengukuran yang sama. Hasil pengujian reliabilitas instrument dengan construct reliability dan variance
extracted menunjukan instrument cukup reliable, yang ditunjukan dengan nilai construct
reliability belum seluruhnya
≥ 0,70 . Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat explatory, maka
nilai dibawah 0,70 pun masih dapat diterima sepanjang disertai alasan-alasan empirik yang terlihat dalam proses eksplorasi, dan variance extracted direkomendasikan pada
tingkat 0,50.
4.8 Uji Normalitas
Uji normalitas sebaran dilakukan dengan skewnes value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji
normalitas itu disebut Z-value lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat
signifikansi 0,01 1 yaitu sebesar ± 2,58. Hasilnya diperoleh nilai c.r multivariate diantara ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk
digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.9 Uji Normalitas
Sumber : Lampiran
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu
disebut Z-Value. Bila nilai –Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat
signifikansi 0,01 [ 1 ] yaitu sebesar ± 2,58.
Hasil uji menunjukan bahwa nilai c.r. Multivariate di luar ± 2,58 itu berarti asumsi normalitas terpenuhi.
Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou 1987 bahwa jika teknik estimasi dalam model SEM
menggunakan maximum likelihood estimation MLE walau distribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan
dalam estimasi selanjutnya.
Var iable m in
m ax k ur t osis
c.r . X11
3 7
- 0.616 - 1.331
X12 3
7 - 0.531
- 1.147 X13
3 7
- 0.680 - 1.468
X14 2
7 - 0.305
- 0.659 X21
3 7
- 0.535 - 1.155
Y1 2
7 - 0.007
- 0.015
M u lt iv a ria t e
3.021 1 .6 3 2
Ba t a s N orm a l ± 2 ,5 8
4.9 Analisis Model One – Step Approach to SEM
Kategori