58 Deteksi terhadap multivariat outliers dilakukan dengan menggunakan
kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak
Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
2 0.001
dengan jumlah indikator 12 adalah sebesar 32,909. Hasil analisis Mahalanobis diperoleh nilai 49,661 lebih
dari
2
tabel 32,909 tersebut. Dengan demikian, terjadi multivariate outliers.
4.3.1.3. Evaluasi Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau
observasi indikator. 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 Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel berikut :
59
Tabel 4.8. Reliabilitas Data :
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha Product
Quality X11
0.705 0.668
X12 0.813
X13 0.831
Brand Product X21
0.830 0.789
X22 0.839
X23 0.854
Product Packaging
X31 0.834
0.692 X32
0.762 X33
0.768 Purchase
Intention Y1
0.862 0.791
Y2 0.853
Y3 0.803
Sumber : Lampiran Proses eleminasi diperlakukan pada item to total correlation pada
indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya
≥ 0,5. Indikator yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan
cronbachs dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil baik
dimana koefisien Cronbach’s Alpha yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998].
4.3.1.4. Evaluasi Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap
60 latent variable construct akan diuji dengan melihat loading faktor dari
hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.9. Validitas Data
Konstrak Indikator Faktor Loading
1 2 3 4 Product
Quality X11
0.626 X12
0.523 X13
0.818 Brand
Product X21
0.998 X22
0.850 X23
0.936 Product
Packaging X31
0.688 X32
0.583 X33
0.738 Purchase
Intention Y1
0.636 Y2
0.670 Y3
0.807 Sumber : Lampiran
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut
dapat dikatakan validitasnya baik.
4.3.1.5 Evaluasi Construct Reliability Dan Variance Extracted
