Analisis Dan Pengujian Hipotesis

Tabel karakteristik responden berdasarkan tingkat usia menunjukkan bahwa para konsumen di Hi-Tech Mall Surabaya adalah kalangan yang berusia dewasa, hal ini lebih dikarenakan keberadaan H i-Tech Mall Surabaya sebagai sarana pusat perbelanjaan produk IT mampu menyentuh lapisan masyarakat.

4.3. Analisis Dan Pengujian Hipotesis

4.3.1. Uji Outlier

Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi atau mutivariat Hair, 1998. Evaluasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair.dkk, 1998; Tabachnick Fidel, 1996. Uji terhadap outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p 1. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² chi kuadrat pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut: Tabel 4.3. Hasil Uji Outlier Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 11.25 96.12 60.50 15.997 120 Std. Predicted Value -3.079 2.226 0.000 1.000 120 Standard Error of Predicted Value 5.619 13.659 10.600 1.619 120 Adjusted Predicted Value 11.29 91.77 60.64 16.432 120 Residual -64.526 66.137 0.000 30.889 120 Std. Residual -1.981 2.030 0.000 0.948 120 Stud. Residual -2.047 2.087 -0.002 1.003 120 Deleted Residual -70.099 73.373 -0.138 34.615 120 Stud. Deleted Residual -2.079 2.121 -0.001 1.010 120 Mahalanobis Distance [MD] 2.549 19.931 11.900 3.701 120 Cooks Distance 0.000 0.055 0.009 0.011 120 Centered Leverage Value 0.021 0.167 0.100 0.031 120 a Dependent Variable : NO. RESP Terdapat Outlier Apabila Mahalanobis Distance : 37.697 =CHIINV0,001.15 Sumber : Data Diolah Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan  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  2 0.001 dengan jumlah variabel 11 adalah sebesar 31,264. Hasil analisis Mahalanobis diperoleh nilai 19,931 yang kurang dari  2 tabel 37,697 tersebut. Dengan demikian, tidak terjadi multivariate outliers.

4.3.2. Uji 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 berikut: Tabel 4.4. Uji Reliabilitas Pengujian Reliability Consistency Internal Konstrak Indikator Item to Total Correlation Koefisien Cronbachs Alpha X11 0.934 X12 0.760 Product Utility X13 0.853 0.809 X21 0.931 X22 0.740 Product Easiness Utility X23 0.899 0.821 X31 0.885 X32 0.913 Social Association X33 0.922 0.892 Y1 0.931 Y2 0.939 Refference Intention Y3 0.905 0.916 Sumber: Data Diolah 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 seluruhnya ada yang tidak ≥ 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 seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 Hair et.al.,1998; Sekaran,2003.

4.3.3. Uji 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 di bawah ini. Tabel 4.5. Uji Validitas Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis Faktor Loading Konstrak Indikator 1 2 3 4 X11 0.997 X12 0.579 Product Utility X13 0.796 X21 0.996 X22 0.505 Product Easiness Utility X23 0.883 X31 0.791 X32 0.880 Social Association X33 0.899 Y1 0.902 Y2 0.927 Refference Intention Y3 0.826 Sumber: Data Diolah Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor 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. 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, 2002. Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 4.6. Tabel 4.6. Construct Reliability dan Variance Extracted Construct Reliability Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat Error [ εj] Construct Reliability Variance Extrated X11 0.997 0.994 0.006 X12 0.579 0.335 0.665 Product Utility X13 0.796 0.634 0.366 0.844 0.654 X21 0.996 0.992 0.008 X22 0.505 0.255 0.745 Product Easiness Utility X23 0.883 0.780 0.220 0.854 0.676 X31 0.791 0.626 0.374 X32 0.880 0.774 0.226 Social Association X33 0.899 0.808 0.192 0.893 0.736 Y1 0.902 0.814 0.186 Y2 0.927 0.859 0.141 Refference Intention Y3 0.826 0.682 0.318 0.916 0.785 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber: Data Diolah 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. Uji 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 4.7. Uji Normalitas Assessment of normality Variable min max kurtosis c.r. X11 4 7 -0.934 -2.089 X12 4 7 -0.498 -1.112 X13 4 7 -0.764 -1.709 X21 4 7 -0.725 -1.620 X22 4 7 -0.339 -0.758 X23 4 7 -0.746 -1.668 X31 4 7 -0.825 -1.846 X32 4 7 -0.785 -1.755 X33 4 7 -0.875 -1.956 Y1 4 7 -0.665 -1.486 Y2 4 7 -0.665 -1.486 Y3 4 7 -0.634 -1.419 Multivariate -7.408 -2.213 Batas Normal ± 2,58 Sumber: Data Diolah

4.4. Structural Equation Modelling