52
Tabel 4.6. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X1 0.485 0.235
0.765 X2 0.088
0.008 0.992
X3 0.292 0.085
0.915 X4 0.268
0.072 0.928
Store Image X5 0.386
0.149 0.851
0.341 0.110 Y1 0.868
0.753 0.247
Y2 0.294 0.086
0.914 Y3 0.020
0.000 1.000
Satisfction Y4 -0.127
0.016 0.984
0.261 0.214 Z2 0.123
0.015 0.985
Loyalty Z2 0.999
0.998 0.002
0.561 0.507
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran Hasil pengujian reliabilitas instrumen dengan construct reliability
dan variance extracted menunjukkan instrumen kurang 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. Evaluasi Normalitas
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-Zlebih 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.
53
Tabel 4.7. Assessment of normality
Variable min max kurtosis
c.r. X1 2
7 -0.313
-0.699 X2 2
7 -0.344
-0.768 X3 2
7 0.346
0.775 X4 1
7 -0.662
-1.480 X5 2
7 -0.554
-1.240 Y1 2
7 -0.448
-1.003 Y2 2
7 -0.229
-0.513 Y3 3
7 1.272
2.843 Y4 3
7 0.924
2.065 Z2 2
7 -0.204
-0.456 Z3 2
7 -0.324
-0.725
Multivariate 23.685
7.671 Batas Normal
± 2,58
Sumber : Lampiran
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luar 2,58 itu berarti asumsi normalitas tidak 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-step approach to SEM.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
54
One-step approach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas dan 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 dibawah ini.
Gambar 4.1. Model Pengukuran dan Struktural One Step Approach
MODEL PENGUKURAN STRUKTURAL Store Image, Satisfaction, Loyalty
Model Specification : One Step Approach - Base Model
Loyalty
1
Store Image
Z1 er_1
1 1
X1 er_4
1 X2
er_5 1
Saisfaction Y1
er_9 Y2
er_10 1
1 1
0,005 d_st
1 Y3
er_11 1
Z2 er_2
1
X3 er_6
1 X4
er_7 1
Z3 0,005
er_3 1
Y4 er_12
1
X5 er_8
1 0,005
d_lo 1
Tabel 4.8. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF
4.142 ≤ 2,00
kurang baik Probability
0.000 ≥ 0,05
kurang baik RMSEA
0.162 ≤ 0,08
kurang baik GFI
0.788 ≥ 0,90
kurang baik AGFI
0.693 ≥ 0,90
kurang baik TLI 0.387
≥ 0,95 kurang baik
CFI 0.499
≥ 0,94 kurang baik
Sumber : Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
55
Dari hasil evaluasi terhadap model one step approach base model 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. Model Pengukuran dan Struktural One Step Approach - Modifikasi
MODEL PENGUKURAN STRUKTURAL Store Image, Satisfaction, Loyalty
Unstandardized estimates : One Step Approach - Elimination Modification Model
Loyalty
1 Store
Image X1
er_4 1
X2 er_5
1 Saisfaction
Y1 er_9
Y2 er_10
1 1
1
0,005 d_st
1 Y3
er_11 1
Z2 er_2
1 1
X3 er_6
1 X4
er_7 1
Z3 0,005
er_3 1
Y4 er_12
1
X5 er_8
1 0,005
d_lo 1
Sumber : Lampiran Tabel 4.9. Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF
1.065 ≤ 2,00
baik Probability
0.363 ≥ 0,05
baik RMSEA
0.023 ≤ 0,08
baik GFI
0.948 ≥ 0,90
baik AGFI
0.907 ≥ 0,90
baik TLI 0.989
≥ 0,95 baik
CFI 0.993
≥ 0,94 baik
Sumber : Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
56
Dari hasil evaluasi terhadap model one step approach 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 dibawah ini.
4.3.7. Uji Kausalitas