68
Tabel 4.12. : Outlier Data
Minimum Maximum Mean
Std. Deviation
N Predicted Value
17,082 107,947 60,500
18,300 120 Std. Predicted Value
-2,373 2,593
0,000 1,000 120
Standard Error of Predicted Value
10,630 23,296 14,923
2,391 120 Adjusted Predicted Value
14,758 112,939 60,904
20,095 120 Residual -56,305
73,603 0,000
29,582 120 Std. Residual
-1,701 2,223
0,000 0,893 120
Stud. Residual -2,009
2,347 -0,005
0,996 120 Deleted Residual
-80,090 82,063
-0,404 36,874 120
Stud. Deleted Residual -2,042
2,406 -0,004
1,004 120 Mahalanobis Distance
[MD] 11,276
57,926 23,800
8,238 120 Cooks Distance
0,000 0,074
0,010 0,013 120
Centered Leverage Value 0,095
0,487 0,200
0,069 120 a Dependent Variable :
NO. RESP
Sumber
: Lampiran
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 24 adalah sebesar 51.179. Hasil analisis Mahalanobis
diperoleh nilai 57.926 lebih dari χ
2
tabel 51.179 tersebut. Dengan demikian, terjadi multivariate outliers sebanyak 2 case.
4.4 Uji Reliabillitas Consistency Internal
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel
69 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 berikut :
Tabel 4.13. Reliabilitas Data :
Pengujian Reliability Consistency Internal Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
X11 0,545
X12 0,790
Tangibles X13
0,749 0,484
X21 0,653
X22 0,674
Reliability X23
0,510 0,179
X31 0,542
X32 0,663
Responsiveness X33
0,754 0,331
X41 0,521
X42 0,757
Assurance X43
0,536 0,173
X51 0,632
X52 0,579
Empathy X53
0,617 0,154
Y11 0,720
Y12 0,596
Art Product Y13
0,518 0,185
Y21 0,656
Y22 0,556
Art Service Y23
0,696 0,265
Y31 0,466
Y32 0,675
Art Puchase Y33
0,687 0,155
Sumber : Lampiran
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct
di atas menunjukkan hasil kurang baik terlihat dari koefisien Cronbarch’s Alpha
yang diperoleh belum seluruhnya memenuhi rules of thumb yang diisyaratkan yaitu
≥ 0.7 {Hair et.al..,1998}.
70
4.5 Uji Validitas Standarize Faktor Loading dan Construct dengan Confirmatory Faktor Analysis
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 faktor
dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah in
Tabel 4.14 Validitas Data
Faktor Loading Konstrak Indikator
1 2 3 4 X11
0,174 X12
0,573 Tangibles
X13 0,712
X21 0,351
X22 0,531
Reliability X23
0,023 X31
0,193 X32
0,654 Responsiveness
X33 0,469
X41 0,207
X42 0,427
Assurance X43
0,209 X51
0,352 X52
-0,022 Empathy
X53 0,211
Y11 0,250
Y12 -0,154
Art Product Y13
0,108 Y21
0,621 Y22
-0,004 Art Service
Y23 0,483
Y31 0,276
Y32 -0,224
Art Puchase Y33
-0,143
Berdasarkan hasil confirmatory faktor analysis terlihat bahwa faktor loadings masing masing butir pertanyaan yang membentuk setiap
construct seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap
konstruk tersebut dapat dikatakan validitasnya kurang baik.
71
4.6 Evaluasi Construct
