terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50. Purwanto, 2003.
4.3.6. Uji Normalitas
Uji normalitas sebaran dilakukan dengan Skewness 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. Hasilnya diperoleh nilai c.r. multivariate diantara
2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil sebagai berikut :
Tabel 4.16. Normalitas Data
Variable min max
kurtosis c.r.
X11 2 7
0,690 1,444
X12 2 7
1,280 2,678
X13 2 7
0,963 2,014
X14 2 7
1,504 3,146
X15 2 7
1,157 2,421
X21 2 7
0,075 0,158
X22 2 7
0,769 1,609
X23 2 7
0,152 0,318
X311 3 7
- 0,360 - 0,754
X312 3 7
0,460 0,962
X313 3 7
- 0,140 - 0,294
X321 3 7
- 0,782 - 1,635
X322 2 7
- 0,192 - 0,401
X323 3 7
- 0,912 - 1,908
X331 3 7
0,029 0,062
X332 4 7
- 0,735 - 1,538
X333 3 7
- 0,049 - 0,102
X41 2 7
0,585 1,223
X42 2 7
0,286 0,598
Y1 2 7
0,439 0,917
Y2 2 7
0,512 1,071
Y3 2 7
0,612 1,279
Multivariate 9,968
1,572 Batas Normal
± 2,58
Sumber : Lampiran 3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 yaitu 1,572 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 ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga
data layak untuk digunakan dalam estimasi selanjutnya.
4.3.7. Evaluasi Model One-Steep Approach to SEM
