82
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 47,888 lebih kecil dari 55,476. Oleh karena itu diputuskan
dalam penelitian tidak terdapat outlier multivariate antar variabel.
4.3.3. Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0
diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 39,978.860 mengindikasikan tidak terjadi multikolinieritas dan
singularitas dalam data ini sehingga asumsi terpenuhi. 4.3.4.
Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya
diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana
masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent
construct akan diuji dengan melihat faktor loading faktor dari hubungan antara
setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability
dan variance extracted. Dari hasil pengolahan data didapatkan hasil sebagai berikut :
83
Tabel 4.13. Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Konstrak Indikator
Faktor Loading 1
2 3
4 Price Orientation
X11 0,794
X12 0,689
X13 0,696
X14 0,629
Comfort Orientation
X21 0,538
X22 0,613
X23 0,437
Time Orientation X31
0,525 X32
0,556 X33
0,799 X34
0,740 Perceived
Benafits Y11
0,673 Y12
0,644 Y13
0,708 Y14
0,685 Y15
0,571 Perceived Risk
Y21 0,880
Y22 0,853
Y23 0,700
Y24 0,613
Transaction Cost Z11
0,568 Z12
0,870 Z13
0,814 Purchasung
Behavior Z21
0,719 Z22
0,653 Z23
0,739 Z24
0,643
Sumber : Hasil Pengolahan Data Lampiran 5 Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor
loadings masing masing butir pertanyaan yang membentuk setiap construct
sebagian besar 0.5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik dan dapat diterima.
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian. Sementara itu item to total
correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi
butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan.
84
Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 4.14. Pengujian Reliability Consistency Internal
Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
Price Orientation X11
0,819 0,792
X12 0,771
X13 0,785
X14 0,771
Comfort Orientation
X21 0,834
0,757 X22
0,846 X23
0,782 Time Orientation
X31 0,788
0,776 X32
0,793 X33
0,768 X34
0,752 Perceived Benafits
Y11 0,742
0,785 Y12
0,699 Y13
0,774 Y14
0,746 Y15
0,722 Perceived Risk
Y21 0,870
0,843 Y22
0,882 Y23
0,783 Y24
0,766 Transaction Cost
Z11 0,768
0,790 Z12
0,877 Z13
0,871 Purchasung
Behavior Z21
0,764 0,781
Z22 0,765
Z23 0,832
Z24 0,747
: tereliminasi
Sumber : Lampiran 6 Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di
atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha yang diperoleh sebagian besar memenuhi rules of thumb yang disyaratkan yaitu
0.7 Hair et.al.,1998.
85
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. Construct reliability dan Variance-extracted
dihitung dengan rumus sebagai berikut:
[ ]
[ ]
]
j ading
dardize Lo S
Loading Stadardize
liability Construct
ε ∑
+ ∑
∑ =
2 2
tan Re
[ ]
[ ]
j ading
dardize Lo S
Loading Stadardize
xtracted Variance E
ε ∑
∑ ∑
=
2 2
tan Sementara
ε
j
dapat dihitung dengan formula ε
j
[ ]
2
tan 1
ading dardize Lo
S j
− =
ε = 1 – [Standardize loading]
secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,5 Hair at,
1998. Standardize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap
butir sebagai indikatornya.
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
86
Tabel 4.15. Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj]
Construct Reliability
Variance Extrated
Price Orientation X11
0,794 0,630
0,370 0,796
0,496 X12
0,689 0,475
0,525 X13
0,696 0,484
0,516 X14
0,629 0,396
0,604 Comfort
Orientation X21
0,679 0,461
0,539 0,761
0,519 X22
0,831 0,691
0,309 X23
0,636 0,404
0,596 Time Orientation
X31 0,525
0,276 0,724
0,755 0,443
X32 0,556
0,309 0,691
X33 0,799
0,638 0,362
X34 0,740
0,548 0,452
Perceived Benafits
Y11 0,673
0,453 0,547
0,791 0,433
Y12 0,644
0,415 0,585
Y13 0,708
0,501 0,499
Y14 0,685
0,469 0,531
Y15 0,571
0,326 0,674
Perceived Risk Y21
0,880 0,774
0,226 0,850
0,592 Y22
0,853 0,728
0,272 Y23
0,700 0,490
0,510 Y24
0,613 0,376
0,624 Transaction Cost
Z11 0,568
0,323 0,677
0,801 0,581
Z12 0,870
0,757 0,243
Z13 0,814
0,663 0,337
Purchasung Behavior
Z21 0,719
0,517 0,483
0,783 0,476
Z22 0,653
0,426 0,574
Z23 0,739
0,546 0,454
Z24 0,643
0,413 0,587
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability dan
variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan
nilai construct reliability sebagian besar ≥ 0,7, dan variance extracted yang
diperoleh sebagian besar menunjukkan nilai diatas 0,5. Yang artinya seluruh instrumen yang digunakan pada penelitian ini telah reliabel.
87
4.3.5. Pengujian Model Dengan One-Step Approach