56
Tabel 4.9 Perhitungan Contruct Reliability 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
Leadership St y le
X11 0,329
0,108 0,892
0,664 0,273
X12 0,394
0,155 0,845
X13 0,759
0,576 0,424
X14 0,723
0,523 0,477
X15 0,303
0,092 0,908
X16 0,429
0,184 0,816
Job Mot iv at ion X21
- 0,319 0,102
0,898 0,752
0,358 X22
- 0,440 0,194
0,806 X23
- 0,836 0,699
0,301 X24
- 0,699 0,489
0,511 X25
- 0,688 0,473
0,527 X26
- 0,436 0,190
0,810 Job
Per for m ance Y1
0,272 0,074
0,926 0,657
0,293 Y2
0,597 0,356
0,644 Y3
0,997 0,994
0,006 Y4
0,391 0,153
0,847 Y5
0,328 0,108
0,892 Y6
0,267 0,071
0,929
Sumber : data diolah
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan
nilai construct reliability 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.
4.3.3. Uji 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-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.
57
Tabel 4.10 Assesment of normality
Var iable m in
m ax k ur t osis
c.r . X11
3 7
- 0,694 - 1,486
X12 3
7 - 0,337
- 0,721 X13
3 7
- 0,872 - 1,866
X14 3
7 - 0,838
- 1,794 X15
3 7
0,329 0,704
X16 3
7 0,983
2,105 X21
4 6
- 0,577 - 1,234
X22 4
6 - 0,620
- 1,326 X23
4 7
0,179 0,383
X24 3
7 0,877
1,878 X25
4 6
- 0,608 - 1,301
X26 4
7 - 0,522
- 1,117 Y1
3 7
- 0,208 - 0,445
Y2 3
7 - 0,380
- 0,814 Y3
3 7
- 0,245 - 0,524
Y4 3
7 - 0,879
- 1,882 Y5
3 7
- 0,522 - 1,118
Y6 3
7 - 0,091
- 0,194
M u lt iv a ria t e
- 8,004 - 1 ,5 6 4
Ba t a s N orm a l ± 2 ,5 8
Sumber : data diolah
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.
4.3.4. Uji Multicollinierity dan Singularity
Pengujian terhadap gejala multikolinieritas antar variabel bebas memperlihatkan tidak adanya gejala multikolonieritas yang merusak model
terlihat dari determinant of sample covariance matrix 20,31 dan angka ini jauh dari nol. Karena itu dapat disimpulkan bahwa tidak terjadi multikolinieritas atau
singularitas dalam data ini sehingga asumsi terpenuhi.
58
4.3.5. Uji Outlier
Uji univariat outliers dilakukan dengan mengamati nilai Zscore, semua kasus yang memiliki nilai Zscore
≥ ± 3,0 berarti outlier. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat
signifikansi 0,001 maka terjadi multivariate outliers. Tabel 4.11
Uji Outlier Multivariate
Minim um Max im um
Mean St d.
Dev iat ion N
Pr edict ed Value 16,180
98,697 55,500
19,456 110
St d. Predict ed Value - 2,021
2,220 0,000
1,000 110
St andar d Err or of Predict ed Value
7,773 14,283
11,411 1,414
110 Adj ust ed Predict ed Value
3,904 105,556
55,804 20,287
110 Residual
- 53,672 68,000
0,000 25,278
110 St d. Residual
- 1,940 2,458
0,000 0,914
110 St ud. Residual
- 2,172 2,684
- 0,005 1,006
110 Delet ed Residual
- 67,288 81,096
- 0,304 30,702
110 St ud. Delet ed Residual
- 2,219 2,782
- 0,004 1,015
110 Mahalanobis Dist ance [ MD]
7,613 2 8 ,0 6 3
17,836 4,617
110 Cook s Dist ance
0,000 0,080
0,011 0,015
110 Cent er ed Lev er age Value
0,070 0,257
0,164 0,042
110
Sumber : data diolah
Diketahui nilai χ
2
4.3.6. Structural Equation Modeling SEM dan Pengujian Hipotesis
