4.2.4. Evaluasi 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 di bawah ini.
Tabel 4.10 : Construct Reliability dan Variance Extracted
Konst r ak I ndik at or
St andar dize Fact or
Loading SFL
Kuadr at Error [εj]
Const r uct Reliabilit y
Var iance Ex t r at ed
Ar t Pr oduct X11
0.999 0.998
0.002 0.716
0.495 X12
0.603 0.364
0.636 X13
0.352 0.124
0.876 Ar t Ser v ice
X21 0.779
0.607 0.393
0.625 0.461
X22 0.562
0.316 0.684
Ar t Purchase X31
0.563 0.317
0.683 0.780
0.656 X32
0.998 0.996
0.004 Br and Loy alt y
Y1 0.791
0.626 0.374
0.645 0.357
Y2 0.798
0.637 0.363
Y3 0.320
0.102 0.898
Y4 0.253
0.064 0.936
Ba t a s D a pa t D it e r im a
≥ 0,7 ≥ 0,5
Sumber : Lampiran 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.2.5. Evaluasi 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 4.11 : Normalitas Data
Sumber : Lampiran Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di luar ±
2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak
Var iable m in
m ax k ur t osis
c.r . X11
3 7
- 1.114 - 2.480
X12 3
7 - 0.690
- 1.537 X13
3 7
- 0.332 - 0.740
X21 3
7 - 0.744
- 1.656 X22
3 7
- 0.481 - 1.070
X31 3
7 - 0.859
- 1.912 X32
3 7
- 0.837 - 1.863
Y1 3
7 - 0.996
- 2.217 Y2
3 7
- 0.595 - 1.324
Y3 3
7 - 0.737
- 1.641 Y4
3 7
- 0.724 - 1.613
M u lt iv a ria t e
1.959 0 .6 3 2
Ba t a s N orm a l ± 2 ,5 8
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
menjadi masalah serius seperti dikatakan oleh Bentler dan Chou 1987 bahwa jika teknik estimasi dalam model SEM menggunakan maximum
likelihood estimation MLE walau distribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan
dalam estimasi selanjutnya.
4.2.6. Analisis Model SEM
Kategori