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 dapat dilihat dalam
tabel 4.11 Tabel 4.11 Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
Brand Characteristic
X11 -0.021 0.000 1.000
0.024 0.010 X12 0.083 0.007
0.993 X13 0.154 0.024
0.976 X14 0.098 0.010
0.990 Company
Characteristic X21 0.993 0.986
0.014 0.415 0.335
X22 0.095 0.009 0.991
X23 0.102 0.010 0.990
Customer Brand
Characteristic X31 0.343 0.118
0.882 0.639 0.521
X32 0.961 0.924 0.076
Brand Loyalty Y1 0.244
0.060 0.940
0.090 0.032 Y2 0.004
0.000 1.000
Y3 0.186 0.035
0.965 Y4 0.186
0.035 0.965
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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 4.12 Normalitas Data
Sumber : Lampiran 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 Chou [1987] bahwa
Variable min max kurtosis
c.r. X11 2 5
0.963 1.966
X12 3 5 -0.424
-0.866 X13 2 5
2.560 5.225
X14 2 5 -0.376
-0.767 X21 3 5
-0.063 -0.129
X22 3 5 -1.322
-2.699 X23 2 5
-0.683 -1.395
X31 3 5 -0.154
-0.314 X32 3 5
-0.435 -0.888
Y1 3 5
-0.920 -1.879
Y2 2 5
-0.096 -0.195
Y3 3 5
-0.655 -1.337
Y4 2 5
0.077 0.157
Multivariate 13.010
3.294 Batas Normal
± 2,58
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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. Evaluasi Model
Kategori