44
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct belum
se luruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut
dapat dikatakan validitasnya cukup baik.
4.2.4. 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 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 dalam tabel berikut :.
Tabel 4.11. Construct Reliability dan Variance Extrated
Konstrak Indikator Std Factor
Loading SFL
Kuadrat Error [
εj] Construct
Reliability Variance
Extrated X11 0.481 0.231
0.769 X12 0.725 0.526
0.474 Produk X
1
X13 0.603 0.364 0.636
0.635 0.374 X21 0.978 0.956
0.044 Harga X
2
X22 0.138 0.019 0.981
0.549 0.488 X31 0.930 0.865
0.135 X32 -0.153 0.023
0.977 Ditribusi X
3
X33 0.037 0.001 0.999
0.239 0.297 X41 0.994 0.988
0.012 X42 0.030 0.001
0.999 Promosi X
4
X43 0.107 0.011 0.989
0.390 0.333 Y1 0.962
0.925 0.075
Y2 0.195 0.038
0.962 Kepuasan
Konsumen Y Y3 0.073
0.005 0.995
0.427 0.323
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
45
Hasil pengujian reliabilitas instrumen dengan construct reliability dan
variance extracted menunjukkan instrumen cukup 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
sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.2.5. 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 analisis tampak pada tabel berikut :
46
Tabel 4.12. Assessment Of Normality Variable min Max
kurtosis c.r.
X11 3 5 0.015
0.033 X12 3 5
-0.831 -1.796
X13 3 5 -0.636
-1.374 X21 3 5
-1.536 -3.319
X22 3 5 -1.521
-3.286 X31 3 5
-1.399 -3.021
X32 3 5 -1.189
-2.569 X33 3 5
-1.347 -2.910
X41 3 5 0.127
0.274 X42 3 5
-1.432 -3.092
X43 3 5 -1.298
-2.804 Y1 3
5 -1.463
-3.159 Y2 3
5 -1.502
-3.244 Y3 3
5 -1.296
-2.800
Multivariate 34.628
8.657 Batas Normal
± 2,58
Sumber : Lampiran 3
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 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 Analisis Model
