Adopsi Deskripsi Analisis Penggunaan E-Commerce di Kalangan UMK di

53

4.3 Model Measurement

Analisis model measurement akan menguji validitas dan reliabilitas dari konstruk yang digunakan. Penelitian ini menggunakan konstruk indikator refleksif . Kriteria validitas dari konstruk ini diukur dengan convergent validity, sedangkan reliabilitasnya diukur dengan cronbachs alpha dan average variance extracted AVE.

4.3.1 Uji Validitas

Untuk uji validitas dari konstruk dengan indikator refleksif dapat dilihat dari korelasi antara skor indikator dengan skor konstruknya. Indikator individu akan dianggap valid jika memiliki nilai korelasi diatas 0.70. Namun, untuk loading 0.50 sampai 0.60 masih dapat diterima dengan melihat hasil output korelasi antara indikator dengan konstruknya. Seperti yang dikatakan oleh Prof. Imam Ghozali 2008, skor faktor loadings untuk setiap konstuk dikatakan vallid dan dapat diterima yaitu faktor loadings yang ≥ dari 0.5 . Pada penelitian ini sendiri peneliti mengambil nilai 0.70. Selanjutnya untuk menentukan apakah discriminan validity konstruk telah memadai dilihat dari nilai cross loadings, yaitu dengan cara membandingkan korelasi indikator suatu konstruk tersebut dengan konstruk lainnya. Jika korelasi indikator konstruk memiliki nilai lebih tinggi dibandingkan dengan korelasi indikator tersebut terhadap konstruk lain, maka dikatakan konstruk memiliki diskriminan validitas yang tinggi. 54 Gambar 4.1 Model antar Konstruk Output SmartPLS awal Sumber: Hasil dari pengolahan data dengan SmartPLS Gambar 4.1 memperlihatkan bentuk awal dari model antar konstruk. Pada model awal terlihat bahwa kontruk telah valid karena memiliki nilai korelasi diatas 0.7. Namun meski telah memenuhi nilai korelasi, ternyata konstruk ini tidak memiliki nilai discriminant validity yang memadai. Hal ini disebabkan karena nilai korelasi indikator konstruk yang tidak lebih tinggi jika dibandingkan dengan indikator konstruk lainnya. Oleh karena itu diperlukan re-estimasi model konstruk awal dengan mendrop indikator – indikator yang masuk kedalam katagori discriminant validity yang rendah, sehingga hasil akhir output SmartPLS tampak sebagai berikut: