Tabel 4.10. Outlier Data
Minimum Maximum
Mean Std.
Deviation N
Predicted Value
34.680 112.190
70.500 15.421
140 Std. Predicted Value
-2.323 2.703
0.000 1.000
140 Standard Error of
Predicted Value 7.939
21.166 13.140
2.768 140
Adjusted Predicted Value 36.990
121.120 70.970
16.322 140
Residual -74.116
66.418 0.000
37.513 140
Std. Residual -1.866
1.672 0.000
0.945 140
Stud. Residual -1.975
1.753 -0.005
1.002 140
Deleted Residual
-83.032 73.363
-0.469 42.261
140 Stud. Deleted
Residual -1.999
1.768 -0.006
1.006 140
Mahalanobis Distance [MD]
4.561 38.484
14.893 6.875
140 Cooks
Distance 0.000
0.055 0.008
0.009 140
Centered Leverage Value 0.033
0.277 0.107
0.049 140
a Dependent Variable : NO. RESP
Sumber : Data diolah Lampiran 2
Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak
Mahalanobis itu dievaluasi dengan menggunakan χ
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang
mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
χ
2 0.001
dengan jumlah indikator 14 adalah sebesar 38.484. Hasil analisis Mahalanobis
diperoleh nilai 37,697 yang kurang dari χ
2
tabel 38,484 tersebut. Dengan demikian, tidak terjadi multivariate outliers.
4.3.2. Evaluasi Reliabilitas Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s
Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi indikator. Sementara itu item to total correlation
digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir- butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha
yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel 4.11 berikut :
Tabel 4.11. Reliabilitas Data
Konstrak Indikator Item to Total
Correlation Koefisien Cronbachs
Alpha X11
0.651 Price
X12 0.812
0.152 X21
0.649 X22
0.662 X23
0.603 X24
0.612 X25
0.649 X26
0.539 Facility
X27 0.715
0.744
X31 0.622
X32 0.604
X33 0.705
X34 0.635
Service X35
0.595 0.616
Purchase Decision
Y t.a t.a
Sumber : Data diolah Lampiran 3
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi
karena nilai item to total correlation indikator seluruhnya ≥ 0,5. Indikator
yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian
reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh
belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7
[Hair et.al.,1998].
4.3.3. Evaluasi Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor
dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel 4.12 di bawah ini.
Tabel 4.12. Validitas Data
Faktor Loading Konstrak Indikator
1 2 3 4 X11
0.997 Price
X12 0.074
X21 0.615
X22 0.611
X23 0.423
X24 0.504
X25 0.704
X26 0.468
Facility X27
0.663 X31
0.557 X32
0.516 X33
0.614 X34
0.494 Service
X35 0.310
Purchase Decision
Y
Sumber : Data diolah Lampiran 4
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 cukup baik.
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 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 4.13 : Tabel 4.13. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X11 0.997 0.994
0.006 Price
X12 0.074 0.005
0.995 0.534 0.500
X21 0.615 0.378
0.622 X22
0.611 0.373 0.627
X23 0.423 0.179
0.821 X24
0.504 0.254 0.746
X25 0.704 0.496
0.504 X26
0.468 0.219 0.781
Facility X27
0.663 0.440 0.560
0.773 0.334
X31 0.557 0.310
0.690 X32
0.516 0.266 0.734
X33 0.614 0.377
0.623 X34
0.494 0.244 0.756
Service X35
0.310 0.096 0.904
0.626 0.259 Purchase
Decision Y
t.a t.a t.a
t.a t.a
Batas Dapat Diterima
≥ 0,7 ≥ 0,5
Sumber : Data diolah Lampiran 5
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.
4.3.5. Evaluasi Normalitas
