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.
4.2.6. Uji Normalitas
Uji normalitas sebaran dilakukan dengan kurtotis value dari data yang digunakan yang biasanya disajikan dalam bentuk statistik deskriptif.
Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai Z lebih besar dari nilai kritis maka distribusi data adalah tidak normal.
Tabel 4.7. Assessment of Normality
Var iable m in
m ax k ur t osis
c.r . X11
4 7
- 0.120 - 0.269
X12 4
7 - 0.533
- 1.192 X13
4 7
- 0.518 - 1.157
X14 4
6 - 0.674
- 1.507 X15
4 7
- 0.632 - 1.412
X16 4
7 - 0.618
- 1.381 X17
4 7
- 0.423 - 0.945
X18 4
7 - 0.024
- 0.053 X19
4 7
- 0.314 - 0.701
X21 4
7 - 0.906
- 2.025 X22
5 7
- 1.273 - 2.846
X23 4
7 - 0.609
- 1.361 X24
4 7
- 0.689 - 1.540
X25 4
7 - 0.240
- 0.537 X31
4 7
- 0.453 - 1.012
X32 4
7 - 0.194
- 0.433 Y1
3 7
0.119 0.267
Y2 4
7 - 0.310
- 0.694 Z1
4 7
- 0.307 - 0.687
Z2 4
7 - 0.148
- 0.330 Z3
4 7
- 0.851 - 1.902
Z4 5
7 - 0.986
- 2.205
M u lt iv a ria t e
- 5.223 - 0 .8 8 0
Ba t a s N orm a l ± 2 ,5 8
Sumber : Lampiran
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.
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.
4.2.7. Evaluasi Model One-Steep 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. One – steep approach to SEM digunakan bila model dilandasi teori
yang kuat serta validitas dan reliabilitas data sangat baik Hair, et,al, 1998.
MODEL PENGUKURAN STRUKTURAL Brand Performance, Brand Satisfaction, Brand Switching
Model Specification : One Step Approach - Eliminasi - Modifikasi
Purchasing
1
Quality X12
er_2 1
X11 er_1
1
d_ps 1
Y1 er_19
1 1
X13 er_3
1 X14
er_4 1
X15 er_5
1
Y2 er_20
1
1
Risk X22
er_15 X21
er_14 X23
er_16 X24
er_17 X25
er_18 1
1 1
1 1
X16 er_6
1 X17
er_7 1
X18 er_8
1 X19
er_9 1
1
Brand X31
er_12 X32
er_13 1
1 Satisfaction
Z1 er_21
Z2 er_22
Z3 er_23
Z4 er_24
1 1
1 1
1 0,005
d_sa 1
Tabel 4.8. Evaluasi Kriteria Goodness of Fit Indeces
Kriteria Hasil
Nilai Kritis Evaluasi Model
CminDF 0.932
≤ 2,00 baik
Probability 0.734
≥ 0,05 baik
RMSEA 0.000
≤ 0,08 baik
GFI 0.900
≥ 0,90 baik
AGFI 0.900
≥ 0,90 baik
TLI 1.023
≥ 0,95 baik
CFI 1.000
≥ 0,94 baik
Sumber : Lampiran 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.
4.2.8. Uji Kausalitas