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 cukup baik.
4.3.4. Evaluasi 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 tabel 4.17. Tabel 4.17. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X11 0,482 0,232 0,768
X12 0,437 0,191 0,809
X13 0,598 0,358 0,642
X14 0,727 0,529 0,471
X15 0,576 0,332 0,668
Tangibles X16 0,341 0,116
0,884 0,702 0,293
X21 0,669 0,448 0,552
X22 0,598 0,358 0,642
Responsiveness X23 0,659 0,434
0,566 0,678 0,413
X31 0,801 0,642 0,358
X32 0,726 0,527 0,473
Knowledge X33 0,466 0,217
0,783 0,711 0,462
X41 0,729 0,531 0,469
X42 0,686 0,471 0,529
X43 0,720 0,518 0,482
Recovery X44 0,743 0,552
0,448 0,811 0,518
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X51 0,706 0,498 0,502
X52 0,807 0,651 0,349
Service Value X53 0,546 0,298
0,702 0,732 0,483
X61 0,581 0,338 0,662
X62 0,576 0,332 0,668
Satisfaction X63 0,627 0,393
0,607 0,622 0,354
Y1 0,727 0,529
0,471 Y2 0,716
0,513 0,487
Behavioral Intention
Y3 0,595 0,354
0,646 0,721 0,465
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3 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. 4.3.5. Evaluasi Normalitas
Uji normalitas sebaran dilakukan dengan Skewness 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.
Hasilnya diperoleh nilai c.r. multivariat diantara 2,58 dan itu berarti asumsi
normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.18. Normalitas Data
Variable min max kurtosis
c.r. X11 2 7
0,487 1,089
X12 2 7 -0,292
-0,653 X13 2 7
-0,446 -0,996
X14 3 7 -0,632
-1,414 X15 2 7
-0,336 -0,752
X16 2 7 -1,145
-2,559 X21 2 7
0,013 0,029
X22 2 7 -0,534
-1,194 X23 1 7
0,122 0,273
X31 3 7 -0,032
-0,072 X32 2 7
-0,412 -0,921
X33 3 7 -0,641
-1,433 X41 2 7
-0,290 -0,649
X42 2 7 -0,089
-0,199 X43 2 7
0,302 0,676
X44 2 7 -0,475
-1,063 X51 2 7
-0,438 -0,979
X52 2 7 0,166
0,370 X53 3 7
-0,348 -0,778
X61 2 7 -1,025
-2,292 X62 2 7
-0,657 -1,470
X63 1 7 -0,370
-0,827 Y1 3
7 -0,650
-1,454 Y2 2
7 -0,542
-1,211 Y3 2
7 0,106
0,237
Multivariate 6,593
0,983 Batas Normal
± 2,58
Sumber : Lampiran 3 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.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.6. Analisis Model One – Step Approach to SEM
