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 kurang baik.
4.3.4. Uji 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, 2003. Dan variance extracted direkomendasikan pada tingkat
0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel di bawah ini.
Tabel 4.8. Construct Reliability dan Variance Extracted.
Construct Reliability Variance Extrated Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[ εj]
Construct Reliability
Variance Extrated
X2 0,998
0,996 0,004
TV Ads Effectiveness
X4 0,016
0,000 1,000
0,506 0,498 Y1
0,000 0,000
1,000 Y2
0,994 0,998
0,012 Purchase
Intention Y3
0,087 0,008
0,992 0,368 0,332
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
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. Uji Normalitas
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. Hasilnya diperoleh nilai c.r. multivariat di luar 2,58 dan itu berarti asumsi normalitas tidak terpenuhi dan data masih layak
untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.9. Uji Normalitas
Assessment of normality Variable Min max
kurtosis c.r.
X2 5 7 -1,255
-2,806 X4 5 7
-1,226 -2,741
Y1 5 7 -0,739
-1,653 Y2 5 7
-0,687 -1,537
Y3 5 7 -0,706
-1,579
Multivariate -3,943
-2,581 Batas Normal
± 2,58
Sumber :Lampiran 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.
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.
4.3.6. Uji Multicolinierity dan singularity
