4.3.5. Uji 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 table 11 berikut :
Tabel 11 : Hasil Uji Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [
εj] Construct
Reliability Variance
Extrated X11
0.650 0.423 0.578
X12 0.582 0.339
0.661 X13
0.643 0.413 0.587
X14 0.943
0.889 0.111 Kepercayaan
X1 X15
0.717 0.514 0.486
0.838 0.516
X21 0.720
0.518 0.482 X22
0.778 0.605 0.395
X23 0.747
0.558 0.442 Komitmen
X2 X24
0.660 0.436 0.564
0.818 0.561 Y1
0.835 0.697 0.303
Y2 0.502 0.252
0.748 Y3
0.932 0.869 0.131
Y4 0.613
0.376 0.624 Loyalitas Y
Y5 0.624
0.389 0.611 0.836 0.517
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber: Lampiran 3 Hasil pengolahan data
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan
dengan nilai construct reliability 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.
4.3.6 Uji 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 perhitungan uji normalitas dapat dilihat
dalam table 12 berikut :
Tabel 12. Hasil Uji Assessment of normality
Variable min max
kurtosis c.r.
y5 2 7
-0.509 -1.156
y4 2 7
-0.142 -0.323
y3 2 7
-0.557 -1.265
y2 2 7
0.491 1.116
y1 2 7
-0.523 -1.189
x2.1 3 7
-0.253 -0.575
x2.2 2 7
-0.503 -1.144
x2.3 2 7
-0.128 -0.292
x2.4 1 7
-0.111 -0.251
x1.5 2 7
-0.166 -0.377
x1.4 2 7
-0.517 -1.175
x1.3 2 7
-0.189 -0.429
x1.2 1 7
0.027 0.06
x1.1 3 7
-0.663 -1.507
Multivariate -1.754
-2.187
Batas Normal ± 2,58
Sumber: Lampiran 3 Hasil pengolahan data
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.
4.4. Pengujian Hipotesis
4.4.1. Evaluasi Model
One Step 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