construct belum seluruhnya
≥ 0,5, sehingga butir -butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya kurang baik.
4.2.4. 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 Purwanto, 2003. Variance extracted direkomendasikan pada
tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted
dapat dilihat dalam tabel berikut ini : Tabel 4.10. Construct Reliability Dan Variance Extracted
Konstrak
Indikator Standardize
Factor Loading
SFL Kuadrat
Error [εj]
Construct Reliability
Variance Extrated
Manager Behavior
X12 0.988
0.976 0.024
0.630 0.528
X13 0.281
0.079 0.921
Salesperson Trust
X21 0.270
0.073 0.927
0.464 0.241
X22 0.631
0.398 0.602
X23 0.503
0.253 0.747
Salesperson Performance
Y1 0.315
0.099 0.901
0.007 0.070
Y2 -0.204
0.042 0.958
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran Hasil pengujian reliabilitas instrumen dengan construct reliability
dan variance extracted menunjukkan instrumen kurang reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya
≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 Kurtosis Value dari data yang digunakan 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. Fenomena ini tidak menjadi masalah
serius seperti dikatakan Bentler Chou 1987 bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood
estimation MLE walau distribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam
estimasi selanjutnya.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hasil analisis tampak pada tabel berikut : Tabel 4.11. Normalitas Data
Sumber: Data diolah
4.2.6. Model Pengukuran Measurement