50
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 indikator 13 adalah sebesar
31,264. Hasil analisis Mahalanobis diperoleh nilai 59.528 yang lebih besar dari
dari
2
tabel 31,264 tersebut. Dengan demikian terjadi multivariate outliers, terdapat 5 data yang terkena outliers yaitu pada case ke 28: 60.074, case ke 32:
43.945, 33: 31.967, 38: 31.894, dan case ke 98: 34.879. 5 case outlier ini harus dieliminasi sehingga N pada analisis selanjutnya tinggal 110 – 5 = 105
4.2.2. Uji Reliabilitas
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala [variabel atau indikator observasian]. Sementara itu item to total
correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang
dihasilkan. Hasil selengkapnya dapat dilihat pada tabel berikut ini:
51
Tabel 4.7 Pengujian Reliability Consistency Internal
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha
X11 0.745
X12 0.759
X13 0.768
Pelayanan X14
0.556 0.624
X21 0.548
X22 0.536
X23 0.541
X24 0.641
Fasilitas X25
0.591 0.469
Y1 0.818
Keputusan Konsumen
Y2 0.734
0.342 : tereliminasi
Sumber : Lampiran 3 Proses eleminasi diperlakukan pada item to total correlation pada indikator
yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena nilai item to total correlation indikator 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 hasil kurang baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998]
52
4.2.3. 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 berikut ini.
Tabel 4.8. Standardize Faktor Loading dan Construct dengan
Confirmatory Factor Analysis Faktor Loading
Konstrak Indikator 1 2 3 4
X11 0.744 X12 0.760
X13 0.768 Pelayanan
X14 0.095 X21
0.282 X22 0.146
X23 0.086 X24 0.999
Fasilitas X25
0.298 Y1
0.940 Keputusan
Konsumen Y2
0.202 Sumber : Lampiran 3
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
53
4.2.4. Uji Construct Reliability Variance Extracted
