49
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 termasuk uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual
mengukur suatu pengukuran yang sama. Hasil perhitungan construct reliability dan variance extracted dalam tabel berikut ini:
Tabel 4.13. Construct Reliability
dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [
εj] Construct
Reliability Variance
Extrated X11 0.951 0.904
0.096 Produk
X
1
X12 0.610
0.372 0.628
0.771 0.638 X21 0.584 0.341
0.659 Pelayanan
X
2
X22 0.324 0.105 0.895
0.347 0.223 X31 0.528 0.279
0.721 Pembelian
X
3
X32 0.478
0.228 0.772
0.404 0.254 Y11 0.142 0.020
0.980 Cognitive
Y
1
Y12 0.962 0.925 0.075
0.536 0.473 Y21 0.195 0.038
0.962 Affective
Y
2
Y22 0.077 0.006 0.994
0.036 0.022 Y31 0.067 0.004
0.996 Conative
Y
3
Y32 0.999 0.998 0.002
0.533 0.501 Y41 0.198 0.039
0.961 Action
Y
4
Y42 0.999 0.998 0.002
0.598 0.519
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
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
50
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 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 analisis tampak pada tabel berikut :
Tabel 4.14. Normalitas Data
Variabel Min Max Kurtosis
c.r. X11 2 7
-0.338 -0.731
X12 2 7 0.031
0.067 X21 3 7
-0.522 -1.127
X22 2 7 -0.017
-0.038 X31 2 7
-0.372 -0.803
X32 2 7 -0.136
-0.293 Y11 1 7
0.457 0.987
Y12 1 7 -0.196
-0.424 Y21 2 7
-0.381 -0.823
Y22 2 7 -0.468
-1.010 Y31 2 7
-0.096 -0.208
Y32 2 7 -0.594
-1.284 Y41 2 7
-0.347 -0.751
Y42 2 7 -0.441
-0.952
Multivariate
8.046
2.012 Batas Normal
± 2,58
Sumber : Lampiran 3
51
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
4.2.6 Analisis Model One – Step Approach to SEM