Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak
Mahalanobis itu dievaluasi dengan menggunakan
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang
mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
2 0.001
dengan jumlah variabel 14 adalah sebesar 36,123. Hasil analisis Mahalanobis diperoleh nilai 31.825 yang kurang dari
2
tabel 36,123 tersebut. Dengan demikian, tidak terjadi multivariate outliers.
4.3.3. Uji Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha
ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi indikator. Sementara itu item to total correlation
digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir- butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha
yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel 9 berikut :
Tabel 9 : Hasil Uji Reliabilitas
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha
X11 0.519 X12 0.510
X13 0.534 X14 0.666
Kepercayaan X1
X15 0.623 0.741
X21 0.718 X22 0.746
X23 0.773 Komitmen
X2 X24 0.570
0.771 Y1 0.523
Y2 0.516 Y3 0.578
Y4 0.606 Loyalitas Y
Y5 0.547 0.706
Sumber: Lampiran 3 Hasil pengolahan data
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi
karena nilai item to total correlation indikator seluruhnya ≥ 0,5. Indikator
yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian
reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil baik dimana koefisien Cronbach’s Alpha yang diperoleh seluruhnya
memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998].
4.3.4. Uji Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor
dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel 10 di bawah ini :
Tabel 10 : Hasil Uji Validitas
Faktor Loading Konstrak Indikator
1 2 3 X11
0.553 X12
0.791 X13
0.534 X14
0.943 Kepercayaan
X1 X15
0.670 X21
0.720 X22
0.478 X23
0.747 Komitmen
X2 X24
0.536 Y1
0.563 Y2
0.541 Y3
0.932 Y4
0.413 Loyalitas Y
Y5 0.424
Sumber: Lampiran 3 Hasil pengolahan data
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.
4.3.5. Uji Construct Reliability dan Variance Extracted
