55
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. multivariate diantara
2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya.
Tabel 4.13. Normalitas Data
Variable min max kurtosis c.r.
X11 3 7 - 0,369
- 0,782 X12 3 7
0,493 1,047
X13 3 7 - 0,059
- 0,125 X21 3 7
- 0,783 - 1,660
X22 2 7 - 0,143
- 0,303 X23 3 7
- 0,873 - 1,851
X31 3 7 - 0,024
- 0,051 X32 4 7
- 0,751 - 1,593
X33 3 7 - 0,141
- 0,299 Y1 3
7 0,108
0,229 Y2 2
7 0,690
1,463 Y3 3
7 0,136
0,289
Multivariate 7,594
2,153 Batas Normal
± 2,58
Sumber : Lampiran 3 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.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
56
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 yaitu 2,153
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.
4.3.6. Evaluasi 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 – steep approach to SEM
. Digunakan bila model dilandasi teori yang kuat serta validitas dan reliabilitas data sangat baik Hair, et,al, 1998.
Gambar 4.1. Model Pengukuran dan Struktural Base Model
MODEL PENGUKURAN STRUKTURAL Ad Message, Purchase Intention
Model Specification : One Step Approach - Base Model
Content X11
er_1 1
1 1
Ad Message d_co
1 X12
er_2 1
X13 er_3
1
Purchase Intention
d_pi Y1
er_10 1
1 1
Format X21
er_4 d_fo
X22 er_5
X23 er_6
1 1
1 1
1 Source
d_so X31
er_7 1
1 1
Y2 er_11
1 Y3
er_12 1
X32 er_8
1 X33
er_9 1
Sumber : Data Diolah
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
57
Tabel 4.14. Evaluasi Kriteria Goodness of Fit Indices Base Model
Kr it er ia Hasil Nilai
Kr it is Ev aluasi
Model CminDF
1,144 ≤
2,00 baik
Probability 0,237
≥ 0,05
baik RMSEA
0,035 ≤
0,08 baik
GFI 0,939
≥ 0,90
baik AGFI
0,900 ≥
0,90 baik
TLI 0,972
≥ 0,95
baik CFI
0,981 ≥
0,94 baik
Sumber : Lampiran 3
Dari hasil evaluasi terhadap model one step base model 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.
4.3.7. Analisis Unidimensi
Kategori