Uji Normalitas Analisis Model One – Step Approach to SEM

alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.

4.4.5. 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 4.12. Normalitas Data Variable min max kurtosis c.r. X11 5 7 -0.557 -1.225 X12 5 7 0.171 -1.411 X13 5 7 -0.631 -1.251 X21 4 7 -0.358 -0.670 X22 4 7 -0.196 -0.498 X23 4 7 -0.478 -0.864 X24 4 7 -0.548 -1.051 X25 4 7 -0.300 -0.652 X31 4 7 -0.291 0.382 X32 4 7 -0.387 -1.246 X33 4 7 -0.560 -0.559 Y1 4 7 -0.250 -0.518 Y2 4 7 -0.232 -0.800 Y3 4 7 -0.470 -0.438 Y4 4 7 -0.223 -1.069 Multivariate 1.751 0.425 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. Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 itu berarti asumsi normalitas 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.

4.4.6. Analisis Model One – Step Approach to SEM

Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama [One Step Approach to SEM]. One step aprroach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik [Hair et.al.,1998] Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dan Tabel Goodness of Fit di bawah ini. MODEL PENGUKURAN STRUKTURAL Display, Promotion, Service, Purchase Intention Model Specification : One Step Approach - Base Model Purchase Intention 1 Promotion X23 er_3 1 X22 er_2 1 X21 er_1 1 d_pi 1 Y2 er_13 1 Y1 er_12 1 1 1 Display X11 er_9 X12 er_10 1 1 1 Service X31 er_6 1 Y3 er_14 1 X24 er_4 1 X32 er_7 1 Y4 er_15 1 X25 er_5 1 X33 er_8 1 X13 er_11 1 Gambar 4.1 Sumber : Lampiran Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1.333 ≤ 2,00 baik Probability 0.000 ≥ 0,05 kurang baik RMSEA 0.053 ≤ 0,08 kurang baik GFI 0.894 ≥ 0,90 kurang baik AGFI 0.848 ≥ 0,90 kurang baik TLI 0.955 ≥ 0,95 baik CFI 0.964 ≥ 0,94 baik Dari hasil evaluasi terhadap model one step eliminasi ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini masih perlu dimodifikasi sebagaimana terdapat di bawah ini. Gambar 4.2 Sumber : Lampiran Tabel 4.14 Evaluasi Kriteria Goodness of Fit Indices Model One- Step Approach – Modifikasi Modifikasi : Estimate Prob. Display -- Service 0.190 0.074 er_2 -- er_1 0.097 0.001 er_12 -- Service 0.140 0.002 er_9 -- er_5 0.054 0.012 Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1.013 ≤ 2,00 baik Probability 0.446 ≥ 0,05 baik RMSEA 0.010 ≤ 0,08 baik GFI 0.921 ≥ 0,90 baik AGFI 0.900 ≥ 0,90 baik TLI 0.998 ≥ 0,95 baik CFI 0.999 ≥ 0,94 baik Sumber : Lampiran MODEL PENGUKURAN STRUKTURAL Display, Promotion, Service, Purchase Intention Model Specification : One Step Approach - Modifikasi Purchase Intention 1 Promotion X23 er_3 1 X22 er_2 1 X21 er_1 1 d_pi 1 Y2 er_13 1 Y1 er_12 1 1 1 Display X11 er_9 X12 er_10 1 1 1 Service X31 er_6 1 Y3 er_14 1 X24 er_4 1 X32 er_7 1 Y4 er_15 1 X25 er_5 1 X33 er_8 1 X13 er_11 1 Dari hasil evaluasi terhadap model one step modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini.

4.4.7. Uji Kausalitas