41
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha X11 0.743
X12 0.835 X13 0.843
X14 0.721 Customer
Satisfaction X15 0.069
0.825 X21 0.853
Brand Preference
X22 0.825 0.579
Y1 0.652 Y2 0.744
Repurchase Y3 0.759
0.529
Sumber : Lampiran Proses eleminasi diperlakukan pada item to total correlation pada
indikator yang nilainya 0,5 [Purwanto,2003]. Terjadi eliminasi karena nilai item to total correlation indikator belum 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 cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang
disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998].
4.2.4. Uji Validitas Tabel 4.5. Hasil Uji Validitas
Faktor Loading Konstrak Indikator
1 2 3 4 X11
0.616 X12
0.753 X13
0.903 Customer
Satisfaction X14
0.646 X21
0.114 Brand Preference
X22 -0.181
Y1 0.373
Y2 0.689
Repurchase Y3
0.627
Sumber : Lampiran
42
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap
construct belum seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap
konstruk tersebut dapat dikatakan validitasnya cukup baik.
4.2.5. Uji Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsistensi internal crobach’s alpha, perlu juga dilakukan pengujian construct reliability dan variance eztracted.
Kedua pengujian tersebut masih termasuk uji konsistensi internal yang akan memberikan penelitian kepercayaan diri yang lebih besar bahwa indikator-
indikator individual mengukur suatu pengukuran yang sama.
Tabel 4.6. Construct Reliability Variance Extrated
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X11 0.616 0.379 0.621
X12 0.753 0.567 0.433
X13 0.903 0.815 0.185
Customer Satisfaction
X14 0.646 0.417 0.583
0.824 0.545 X21
0.114 0.013 0.987 Brand Preference
X22 -0.181 0.033 0.967
0.002 0.023 Y1
0.373 0.139 0.861 Y2
0.689 0.475 0.525 Repurchase
Y3 0.627 0.393 0.607
0.589 0.336
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
43
pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan
pada tingkat 0,50.
4.2.6. Uji Normalitas
Uji normalitas sebaran dilakukan dengan kurtotis value dari data yang digunakan yang biasanya disajikan dalam bentuk statistik deskriptif.
Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai Z lebih besar dari nilai kritis maka distribusi data adalah tidak normal.
Tabel 4.7. Assessment of Normality
Variable min max kurtosis
c.r. X11
3 7 0.378
0.845 X12
3 7 0.239
0.534 X13
3 7 0.159
0.354 X14
4 6 -0.682
-1.525 X21
4 7 -0.229
-0.512 X22
4 7 -0.248
-0.556 Y1
4 7 -0.327
-0.732 Y2
4 7 -0.609
-1.361 Y3
4 7 -0.253
-0.565
Multivariate 4.244
1.652 Batas Normal
± 2,58
Sumber : Lampiran Uji normalitas sebaran dilakukan dengan Kurtosis 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.
44
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak 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.
4.2.7. Evaluasi Model One-Steep Approach to SEM
