52
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 berikut.
Tabel 4.9. Construct Reliability
dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj] Construct
Reliability Variance
Extrated Perilaku Etis
X
1
X11 0.632
0.399 0.601
0.691 0.429
X12 0.711
0.506 0.494
X13 0.617
0.381 0.619
Orientasi Pelanggan
X
2
X21 0.742
0.551 0.449
0.746 0.497
X22 0.761
0.579 0.421
X23 0.602
0.362 0.638
Kinerja Tenaga Penjual
Y Y1
0.530 0.281
0.719 0.851
0.493 Y2
0.723 0.523
0.477 Y3
0.703 0.494
0.506 Y4
0.696 0.484
0.516 Y5
0.689 0.475
0.525 Y6
0.836 0.699
0.301
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
Hasil pengujian reliabilitas instrumen dengan construct reliability dan
variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan
nilai construct reliability 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.
53
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. Assessment Of Normality
Variable min
max kurtosis
c.r. X11
4 7
-0.245 -0.549
X12 4
7 -0.548
-1.225 X13
4 7
-0.052 -0.116
X21 4
7 -0.198
-0.443 X22
4 7
-0.245 -0.547
X23 4
7 -0.675
-1.509 Y1
4 7
-0.425 -0.951
Y2 4
7 -0.227
-0.508 Y3
4 7
-0.303 -0.679
Y4 4
7 -0.075
-0.168 Y5
4 7
-0.234 -0.523
Y6 4
7 -0.398
-0.890
Multivariate -4.079
-1.219 Batas Normal
± 2,58
Sumber : Lampiran 3
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.
54
4.3.6. Analisis Model One – Step Approach to SEM
Kategori