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 faktor
dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.9. Validitas Data
Konstrak Indikator Faktor Loading
1 2 3 4 Service
Quality X1 0,469
X2 0,813 X3 0,813
X4 0,490 Customer
Satisfaction Y1
0,772 Y2
0,714 Customer
Loyalty Z1
0,582 Z2 0,900
Z3 0,918
Sumber : Lampiran Berdasarkan hasil confirmatory faktor analysis terlihat bahwa faktor
loadings masing masing butir pertanyaan yang membentuk setiap construct sebagian besar
≥ 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 4.16. Tabel 4.10. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
Service Quality
X1 0,469 0,220
0,780 0,751 0,445
X2 0,813 0,661
0,339 X3 0,813
0,661 0,339
X4 0,490 0,240
0,760 Customer
Satisfaction Y1 0,772
0,596 0,404
0,712 0,553 Y2 0,714
0,510 0,490
Customer Loyalty
Z1 0,582 0,339
0,661 0,851 0,664
Z2 0,900 0,810
0,190 Z3 0,918
0,843 0,157
Batas Dapat
Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 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
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 4.11. Normalitas Data
Variable Min max
kurtosis c.r.
X1 2 7
1,638 3,344
X2 4 7
1,381 2,820
X3 2 7
1,953 3,987
X4 2 7
0,686 1,401
Y1 2 7
1,211 2,472
Y2 4 7
-0,980 -2,001
Z1 4 7
-0,464 -0,947
Z2 2 7
1,525 3,112
Z3 2 7
1,390 2,836
Multivariate 16,378 5,820
Batas Normal ± 2,58
Sumber : Lampiran
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak
menjadi masalah serius seperti dikatakan oleh Bentler dan 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.
4.3.6. Analisis Model SEM
Kategori