4.3.4. Evaluasi Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsistensi 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 perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 4.10.
Tabel 4.9. Construct Reliability dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[ εj]
Construct Reliability
Variance Extrated
Relationship Marketing
X1 0.430
0.185 0.815
0.765 0.472
X2 0.546
0.298 0.702
X3 0.655
0.429 0.571
X4 0.988
0.976 0.024
Customer Satisfaction
Y1 0.511
0.261 0.739
0.519 0.272
Y2 0.390
0.152 0.848
Y3 0.634
0.402 0.598
Customer Loyalty Z1
0.642 0.412
0.588 0.759
0.531 Z2
0.969 0.939
0.061 Z3
0.492 0.242
0.758 Batas Dapat Diterima
≥ 0,7 ≥ 0,5
Sumber : Lampiran 3
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen kurang cukup reliabel, yang
ditunjukkan dengan nilai construct reliability belum seluruhnya ≥ 0,7. Meskipun
demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat
diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50
62
4.3.5. Evaluasi Normalitas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang 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 analisis tampak pada tabel berikut :
Tabel 4.10. Normalitas Data
Variabel min
Max kurtosis
c.r. X1
2 7
-0.440 -0.893
X2 2
7 -0.366
-0.744 X3
2 7
-0.234 -0.476
X4 2
7 -0.238
-0.484 Y1
2 7
-0.514 -1.045
Y2 2
7 -0.449
-0.912 Y3
2 7
-0.668 -1.357
Z1 3
7 -0.980
-1.990 Z2
3 7
-0.682 -1.385
Z3 2
7 -0.534
-1.084
Multivariate
13.312
4.275 Batas
Normal ±
2,58
Sumber : Lampiran 3
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak 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
ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya
63
Kategori