Evaluasi atas Outlier Deskripsi Hasil Analisis Dan Uji Hipotesis
60
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 32,158 lebih kecil dari 42,312. Oleh karena itu
diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel. 4.3.3 Deteksi
Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil,
maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998.
Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0
yaitu sebesar 15,152 mengindikasikan tidak terjadi multikolinieritas dan
singularitas dalam data ini sehingga asumsi terpenuhi. 4.3.4 Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang
menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
61
Karena indikator multidimensi, maka uji validitas dari setiap latent variabel
construct akan diuji dengan melihat faktor loading faktor dari hubungan antara setiap observed variabel dan latent variabel. Sedangkan
reliabilitas diuji dengan construct reliability dan variance extracted. Dari hasil pengolahan data didapatkan hasil sebagai berikut :
Tabel 4.13 Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Konst r ak I ndik at or
Fak t or Loading 1
2 3
4 t angible
x 11 0,637
x 12 0,611
x 13 0,768
x 14 0,628
x 15 0,451
r eliabilit y x 21
0,654 x 22
0,838 r esponsiveness
x 31 0,641
x 32 0,814
assur ance x 41
0,664 x 42
0,678 x 43
0,692 em phat y
x 51 0,855
x 52 0,612
at t r ibut es relat ed t o t he product
y 11 0,721
y 12 0,753
at t r ibut es relat ed t o pur chase
y 21 1,004
y 22 0,533
Sumber : Hasil Pengolahan Data Lampiran 5
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings
masing masing butir pertanyaan yang membentuk setiap construct
sebagian besar 0.5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik dan dapat
diterima. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi
reliabilitas setiap skala variabel atau indikator observarian. Sementara itu
62
item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan
mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha
yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam penelitian
ini dapat dilihat pada tabel berikut ini : Tabel 4.14
Pengujian Reliability Consistency Internal
Konst r ak I ndik at or
I t em t o Tot al Cor r elat ion
Koefisien Cronbachs Alpha
t angible x 11
0,535 0,747
x 12 0,510
x 13 0,620
x 14 0,531
x 15 0,405
r eliabilit y x 21
0,550 0,679
x 22 0,550
r esponsiveness x 31
0,522 0,679
x 32 0,522
assur ance x 41
0,531 0,715
x 42 0,554
x 43 0,520
em phat y x 51
0,517 0,681
x 52 0,517
at t r ibut es relat ed t o t he product
y 11 0,548
0,708 y 12
0,548 at t r ibut es relat ed
t o pur chase y 21
0,537 0,696
y 22 0,537
: t er elim inasi
Sumber : Lampiran 6
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct
di atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha
yang diperoleh sebagian besar memenuhi rules of thumb
yang disyaratkan yaitu 0.7 [Hair et.al.,1998].
63
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha,
perlu juga dilakukan pengujian construct reliability dan variance extracted.
Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang
lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Construct reliability dan Variance-extracted
dihitung dengan rumus sebagai berikut:
[ ]
[ ]
]
j ading
dardize Lo S
Loading Stadardize
liability Construct
ε ∑
+ ∑
∑ =
2 2
tan Re
[ ]
[ ]
j ading
dardize Lo S
Loading Stadardize
xtracted Variance E
ε ∑
∑ ∑
=
2 2
tan Sementara
ε
j
dapat dihitung dengan formula ε
j
[ ]
2
tan 1
ading dardize Lo
S j
− =
ε = 1 – [Standardize
loading] secara umum, nilai construct reliability yang dapat diterima
adalah ≥ 0,7 Hair at, 1998. Standardize loading dapat diperoleh dari
output AMOS 4.01, dengan melihat estimasi setiap construct standardize regression weight
terhadap setiap butir sebagai indikatornya.
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Tabel 4.15 Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj]
Construct Reliability
Variance Extrated
tangible x11
0,637 0,406
0,594 0,759
0,393 x12
0,611 0,373
0,627
64
x13 0,768
0,590 0,410
x14 0,628
0,394 0,606
x15 0,451
0,203 0,797
reliability x21
0,654 0,428
0,572 0,719
0,565 x22
0,838 0,702
0,298 responsiveness
x31 0,641
0,411 0,589
0,696 0,537
x32 0,814
0,663 0,337
assurance x41
0,664 0,441
0,559 0,719
0,460 x42
0,678 0,460
0,540 x43
0,692 0,479
0,521 emphaty
x51 0,855
0,731 0,269
0,706 0,553
x52 0,612
0,375 0,625
attributes related to the product
y11 0,721
0,520 0,480
0,704 0,543
y12 0,753
0,567 0,433
attributes related to purchase
y21 1,004
1,008 -0,008
0,769 0,646
y22 0,533
0,284 0,716
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data lampiran 7
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan
dengan nilai construct reliability seluruhnya ≥ 0,7, dan variance extracted
yang diperoleh sebagian besar menunjukkan nilai diatas 0,5. Yang artinya
seluruh instrumen yang digunakan pada penelitian ini telah reliabel. 4.3.5 Pengujian Model Dengan
One-Step Approach
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model
dan structural model yang diestimasi secara bersama-sama One Step Approach to
SEM. One step aprroach to SEM digunakan apabila model
65
diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik Hair et.al.,1998.
Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dibawah
ini :
X1
x15 er_5
1 1
x14 er_4
1
x13 er_3
1
x12 er_2
1
x11 er_1
1
X2 x22
er_7
1 1
x21 er_6
1
X3 x32
er_9 x31
er_8
1 1
1
X4 x42
er_11 x41
er_10
1 1
1
x43 er_12
1
X5 x52
er_14 x51
er_13
1 1
1
Kualitas layanan
X
1
y1 y11
er_15 y12
er_16
1 1
1
y2 y21
er_17 y22
er_18
1 1
1
Kepuasan Konsumen
Y
1
er_x1
1
er_x2
1
er_x3
1
er_x4
1
er_x5
1
er_y1
1
er_y2
1
er_Y
1
Tabel 4.16 Evaluasi Kriteria Goodness of Fit Indices
Gambar 4.1. Model Pengukuran Kausalitas One Step Approach
66
Sumber : Hasil Pengolahan data
Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya
menunjukkan hasil evaluasi model yang kurang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan
dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang belum baik untuk menjelaskan
keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini sehingga perlu diadakan modifikasi untuk memperbaiki konseptual seperti
yang nampak di bawah ini : Gambar 4.2.
Model Pengukuran Kausalitas One Step Approach
Kriteria Hasil
Nilai Kritis Evaluasi
Model CminDF
1,062 ≤ 2,00
baik Probability
0,300 ≥ 0,05
baik RMSEA
0,024 ≤ 0,08
baik GFI
0,885 ≥ 0,90
kurang baik AGFI
0,845 ≥ 0,90
kurangbaik TLI
0,979 ≥ 0,95
baik CFI
0,982 ≥ 0,94
baik
67
X1
x15 er_5
1 1
x14 er_4
1
x13 er_3
1
x12 er_2
1
x11 er_1
1
X2 x22
er_7
1 1
x21 er_6
1
X3 x32
er_9 x31
er_8
1 1
1
X4 x42
er_11 x41
er_10
1 1
1
x43 er_12
1
X5 x52
er_14 x51
er_13
1 1
1
Kualitas layanan
X
1
y1 y11
er_15 y12
er_16
1 1
1
y2 y21
er_17 y22
er_18
1 1
1
Kepuasan Konsumen
Y
1
er_x1
1
er_x2
1
er_x3
1
er_x4
1
er_x5
1
er_y1
1
er_y2
1
er_Y
1
Tabel 4.17 Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil
Nilai Kritis Evaluasi
Model CminDF
0,691 ≤ 2,00
baik Probability
0,995 ≥ 0,05
baik RMSEA
0,000 ≤ 0,08
baik GFI
0,928 ≥ 0,90
baik AGFI
0,900 ≥ 0,90
baik TLI
1,107 ≥ 0,95
baik CFI
1,000 ≥ 0,94
baik
Sumber : Hasil Pengolahan data
68
Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya
menunjukkan hasil evaluasi model yang baik, berarti model sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh
teori sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang baik untuk menjelaskan keterkaitan antar variabel dalam
model sebagaimana terdapat di bawah ini. Dilihat dari angka determinant of sample covariance matrix :
15,152 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran
koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas dibawah ini.