4.2.4. Evaluasi Construct 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 4.16. Tabel 4.9. Construct Reliability dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj]
Construct Reliability
Variance Extrated
Customer Involvement
X11 0.673
0.453 0.547
0.835 0.508
X12 0.880
0.774 0.226
X13 0.719
0.517 0.483
X14 0.624
0.389 0.611
X15 0.636
0.404 0.596
Purchase Decision
Y1 0.933
0.870 0.130
0.911 0.837
Y2 0.896
0.803 0.197
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber
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 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
: Lampiran
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.
4.2.5. 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 digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.10. Normalitas Data Variable
min max
kurtosis c.r.
X1 5
7 -0.662
-1.417 X2
4 7
-0.085 -0.182
X3 4
7 -0.825
-1.766 X4
5 7
-0.300 -0.642
X5 4
7 -0.019
-0.041 Y1
4 7
-0.044 -0.094
Y2 4
7 0.913
1.954
Multivariate 1.526
0.713 Batas Normal
± 2,58
Sumber Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang
digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik : Lampiran
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
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.
4.2.6. Analisis Model One-Step Approach to SEM