Evaluasi Validitas Analisis Data

63 dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini. Tabel 13. Validitas Data Konst r ak I ndik at or Fak t or Loading 1 2 3 4 Assur ance X11 0.633 X12 0.835 X13 0.716 Per sonal I dent ificat ion X21 0.873 X22 0.663 Social I dent ificat ion X31 0.707 X32 0.540 St at us X41 0.610 X42 0.530 Cust om er Response Y1 0.719 Y2 0.766 Sumber Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct seluruhnya ≥ 0,5, sehingga butir -butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya baik. : Lampiran 4.3.4. Evaluasi Construct Realiability dan Variance Extracted 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 Purwanto, 2002. Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 13. 64 Tabel 13. Construct Realiability dan Variance Extracted Konst r ak I ndik at or St andar dize Fact or Loading SFL Kuadr at Error [εj] Const r uct Reliabilit y Var iance Ex t r at ed Assur ance X11 0.633 0.401 0.599 0.774 0.537 X12 0.835 0.697 0.303 X13 0.716 0.513 0.487 Per sonal I dent ificat ion X21 0.873 0.762 0.238 0.747 0.601 X22 0.663 0.440 0.560 Social I dent ificat ion X31 0.707 0.500 0.500 0.563 0.396 X32 0.540 0.292 0.708 St at us X41 0.610 0.372 0.628 0.491 0.327 X42 0.530 0.281 0.719 Cust om er Response Y1 0.719 0.517 0.483 0.711 0.552 Y2 0.766 0.587 0.413 Sumber Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen 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. : Lampiran

4.3.5. Evaluasi 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. multivariat diantara ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk 65 digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada table.10 berikut : Tabel 14. Normalitas Data Var iable m in m ax k ur t osis c.r . X11 3 7 - 0.881 - 1.885 X12 3 7 - 0.789 - 1.690 X13 3 7 - 0.653 - 1.398 X21 3 7 0.562 1.203 X22 3 7 0.459 0.983 X31 3 7 0.501 1.073 X32 3 7 - 0.450 - 0.963 X41 3 7 - 0.951 - 2.036 X42 4 7 - 1.056 - 2.261 Y1 4 7 - 0.326 - 0.698 Y2 4 7 - 0.641 - 1.373 M u lt iv a ria t e 2.901 0 .9 0 0 Ba t a s N orm a l ± 2 ,5 8 Sumber Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 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 ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya. : Lampiran

4.3.6. Analisis Model One – Step Approach to SEM

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