Tabel 4.10: Validitas Data
Konstrak Indikator
Faktor Loading 1
2 3
4 Gaya Kepemimpinan
X11 0,501
X12 0,698
Motivasi X21
0,391 X22
0,710 X23
0,519 X25
0,398 Kepuasan Kerja
Y1 0,415
Y2 0,316
Y3 0,759
Y4 0,771
Kinerja Sales Forces Z1
0,578 Z2
0,494 Z3
0,192 Z4
0,726 Sumber: data diolah
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loading masing masing butir pertanyaan yang
membentuk setiap konstruk belum seluruhnya ≥ 0,5, sehingga
butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik.
4.3.4. 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. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel
di bawah ini:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Tabel 4.11: Construct Reliability dan Variance Extracted
Konstrak Indikator
Standardi ze Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated Gaya
Kepemimpinan X11
0,501 0,251
0,749 0,533
0,369 X12
0,698 0,487
0,513 Motivasi
X21 0,391
0,153 0,847
0,583 0,271
X22 0,710
0,504 0,496
X23 0,519
0,269 0,731
X25 0,398
0,158 0,842
Kepuasan Kerja Y1
0,415 0,172
0,828 0,667
0,361 Y2
0,316 0,100
0,900 Y3
0,759 0,576
0,424 Y4
0,771 0,594
0,406 Kinerja Sales
Forces Z1
0,578 0,334
0,666 0,581
0,286 Z2
0,494 0,244
0,756 Z3
0,192 0,037
0,963 Z4
0,726 0,527
0,473
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber: data diolah
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 yang terlihat dalam
proses eksplorasi dan variance extracted direkomendasikan pada tingkat 0,50.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
4.3.5. 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 di bawah ini.
Tabel 4.12: Normalitas Data
Variable Min
Max Kurtosis
c.r. X11
2 5
-0,097 -0,225
X12 2
5 -0,660
-1,530 X21
1 5
0,286 0,662
X22 2
5 -0,820
-1,901 X23
3 5
-0,640 -1,484
X25 2
5 -0,192
-0,445 Y1
1 5
1,571 3,642
Y2 2
5 -0,561
-1,301 Y3
2 5
-0,937 -2,173
Y4 2
5 -1,030
-2,387 Z1
2 5
-0,480 -1,112
Z2 2
5 -0,364
-0,844 Z3
1 5
0,424 0,983
Z4 3
5 -0,533
-1,235
Multivariate 10,955
2,939 Batas Normal
± 2,58
Sumber: data diolah
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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
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. Analisis Model SEM
