derajat ketepatan, ketelitian atau keakuratan yang ditunjukkan oleh instumen pengukuran.Analisis kehandalan bertujuan untuk mengukur konsistensi dari setiap
item pertanyaan dalam penelitian dengan meggunakan teknik Alpha Cronbach, seperti yang dikatakan oleh Alpha Cronbach dalam Azwar 1997:9 bahwa
besarnya koefisien reliabilitas berkisar dari 0,0 sampai dengan 1,0 akan tetapi kenyataannya koefisien sebesar 1,0 dan sekecil 0,0 tidak pernah dijumpai.
Instrumen pengukuran dikatak reliabel apabila memberikan nilaai Alpha Cronbach 0,6.
Uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable.
Sedangkan reliabilitas diuji dengan construct reliability dan variance-extracted. Construct reliability dan variance-extracted dihitung dalam rumus berikut :
Construct Reliability =
j
Loading e
Standardiz Loading
e Standardiz
2
Variance Extracted =
j
Loading e
Standardiz Loading
e Standardiz
2
3.3.2 Uji Univariant dan Multivariant
Outlier adalah observasi yang muncul dengan nilai – nilai ekstrim baik secara univaret maupun multivariate yaitu yang muncul karena kombinasi
karakteristik untuk yang dimilikinya dan terlihat sangat jauh berbeda dari observasi – observasi lainnya Ferdinand, 2002 : 52.
3.3.2.1 Uji Outlier Univariat
Deteksi terhadap Outlier Univariat dapat dilakukan dengan menentukan ambang batas yang akan dikategorikan sebagai outlier dengan cara mengkonversi
nilai data penelitian ke dalan standard score atau yang bias disebut dengan z- score, yang mempunyai rata – rata nol dengan standard deviasi sebesar 1,00
Hair.et.al.,1995. Bila nilai – nilai itu dinyatakan dengan dalam format yang standard z-score, maka pertandingan antar besaran nilai dengan mudah dapat
dilakukan. Untuk sampel besar diatas 80 observasi, pedoman evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 Hair
dkk, 1995 dalam Ferdinand, 2002 : 98. Oleh karena itu apabila ada observasi – observasi yang memiliki z-score
≥ 3,0 akan dikategorikan sebagai outlier.
3.3.2.2 Uji Outlier Multivariat
Evaluasi terhadap outlier multivariat perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariat, tetapi
observasi itu dapat menjadi outlier bila sudahsaling dikombinasikan. Jarak Mahalanalobis The Mahalanobis distance untuk tiap observasi dapat dihitung
dan menunjukkan jarak sebuah observasi dari rata – rata semua variabel dalam sebuah variabel dalam sebuah ruang multidimensional. Uji terhadap multivariat
dilakukan dengan menggunakan criteria jarak Mahalanolobis pada tingkat p 0,001. Jarak Mahalanolobis itu dapat dievaluasikan dengan menggunakan nilai X²
pada derajat kebebasan sebesar jumlah item yang digunakan dalam penelitian. Dan apabila jarak Mahalanolobis lebih besar dari nilai X² tabel adalah Outlier
Multivariat.
3.3.2.3 Uji Normalitas Data
Sebaran data harus dianalisis. Untuk mengetahui apakah asuransi normalitas di penuhi, sehingga data dapat diolah lanjut pada path diagram. Untuk
menguji normalitas dan distribusi data yang digunakan dalam analisis, peneliti dapat menggunakan uji – uji statistic. Nilai statistic untuk menguji normalitas itu
disebut sebagai z-value yang dihasilkan melalui rumus berikut ini : Nilai - z =
N 6
Skewness dimana N adalah ukuran sampel
Bila nilai z lebih besar dari nilai kritis atau critical rasio Ferdinand, 2000 : 95, maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis
dapat ditentukan berdasarkan tingkat signifikan yang dikehendaki. Misalnya bila nilai yang dihitung lebih besar dari ± 2,58 berarti kita dapat menolak asumsi
mengenai normalitas dan distribusi pada tingkat 0,01.
3.3.3 Analisis Path Dengan Menggunakan Permodelan SEM
