Berdasarkan hasil confirmatory faktor analysis terlihat bahwa faktor loadings masing masing butir pertanyaan yang membentuk setiap construct belum
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat
dikatakan validitasnya kurang baik.
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 4.19. Tabel 4.19. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [
εj] Construct
Reliability Variance
Extrated X11
-0.184 0.034 0.966
X12 0.496 0.246
0.754 Advertising
X13 0.245 0.060
0.940 0.104 0.113
X21 0.126 0.016
0.984 X22
-0.190 0.036 0.964
Customer Attitude
X23 0.369 0.136
0.864 0.032 0.063
X31 0.233 0.054
0.946 X32
0.319 0.102 0.898
Customer Confidence
X33 -0.107 0.011
0.989 0.065 0.056
Y1 0.255 0.065
0.935 Y2
0.997 0.994 0.006
Purchase Intention
Y3 0.250 0.063
0.938 0.546 0.374
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.
4.2.5. 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 4.20. Normalitas Data
Variable min max kurtosis
c.r. X1
1 5 -0.001
-0.002 X2
1 5 1.116
2.389 X3
1 5 0.690
1.477 Y11
1 5 0.785
1.680 Y12
1 5 1.054
2.256 Y13
1 5 0.827
1.771 Y21
1 5 1.358
2.907 Y22
1 5 0.682
1.461 Y23
1 5 0.632
1.354 Z1
1 5 0.007
0.014 Z2
1 5 0.359
0.769 Z3
1 5 0.533
1.141
Multivariate
18.333 5.245
Batas Normal ± 2,58
Sumber : Lampiran
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak 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 One – Step Approach to SEM
