55 komputer secara intensif yang dapat memberikan jawaban terhadap masalah
statistik dengan kelompok yang besar dengan menggunakan seluruh sampel asli untuk membuat rangkaian data dimana nilai R-Square diukur dari dari masing-
masing variabel laten endogen. Indikator tetap digunakan apabila nilai uji-t pada outer loading atau outer weight menunjukkan hasil yang signifikan pada tingkat
kepercayaan sebesar 90 persen 1,65 . Indikator tidak digunakan jika nilai t- statistic atau nilai t-hitung pada outer loading atau outer weight menunjukkan
hasil yang tidak signifikan 1,65. Hasil validasi model formatif tersaji pada lampiran 5. Hasil validasi model menyatakan bahwa satu indikator tidak
digunakan yaitu indikator pada subvariabel manfaat produk karena nilai uji-t pada outer loading maupun outer weight tidak signifkan.
Validasi model formatif juga melihat ada atau tidaknya kolinearitas antara indikator pembentuk variabel eksogen dengan variabel endogen. Kolinearitas
merupakan suatu keadaan jika semua variabel bebas dimasukkan dalam model persamaan regresi menghasilkan koefisien korelasi dan koefisien determinasi
yang rendah, namun jika variabel bebas dimasukkan satu per satu, menghasilkan koefisien korelasi dan koefisien determinasi yang besar atau signifikan. Untuk
mengetahui ada tidaknya kolinearitas pada indikator maka perlu pengecekan kolinearitas melalui VIF variance inflation factor atau faktor inflasi
penyimpangan baku kuadrat. Nilai dari VIF maksimum 10 menunjukkan bahwa validitas konstruk terdapat pada indikator yang bersifat formatif, jika memiliki
nilai lebih dari 10 maka indikator tidak digunakan Gaskin dan Lowry, 2014:137. Hasil penilaian terhadap ada atau tidaknya masalah kolinearitas yang disajikan
pada lampiran 5 menyatakan tidak ada masalah kolinearitas pada model.
56
3.9.2 Validasi Model Reflektif
Validasi model reflektif validasi yang dilakukan untuk mengukur validitas dan reliabilitas model yang bersifat reflektif yaitu pada variabel endogen variabel
dependen yang terdiri dari subvariabel Motivasi, variabel Persepsi, dan variabel Sikap. Kriteria tersebut seperti yang telah disebutkan pada Bab 3 yaitu mengukur
reliabilitas indikator indicator reliability, reliabilitas komposit composite reliability validitas konvergen convergent validity, dan validitas diskriminan
discriminant validity. Berikut merupakan hasil dari outer loading untuk mengukur reliabilitas indikator yang disajikan pada tabel 9.
Tabel 9. Hasil Awal Outer Loading
Sumber : Data Primer diolah Keterangan
MOTn : Indikator subvariabel motivasi ke-n
PERSn : Indikator subvariabel persepsi ke-n
SIKPn : Indikator subvariabel sikap ke-n
Tabel 9 memperlihatkan hasil outer loading yang memiliki nilai bervariasi dari indikator terhadap subvariabelnya. Model dikatakan memiliki reliabilitas
indikator apabila memiliki nilai outer loading lebih dari 0,7. Indikator yang Kode Indikator
Subvariabel Motivasi
Persepsi Sikap
MOT1 0,588
MOT2 0,337
MOT3 0,699
MOT4 0,737
PERS1 0,740
PERS2 0,878
PERS3 0,592
SIKP1 0,760
SIKP2 0,838
SIKP3 0,496
57 memiliki nilai indikator kurang dari 0,7 dikeluarkan dari perhitungan secara
bertahap dimulai dari yang terkecil sehingga didapatkan model yang memiliki reliabilitas indikator yang baik. Hasil tersebut disajikan pada tabel 10.
Tabel 10. Hasil Akhir Outer Loading
Sumber : Data Primer diolah Keterangan
MOTn : Indikator subvariabel motivasi ke-n PERSn : Indikator subvariabel persepsi ke-n
SIKPn : Indikator subvariabel sikap ke-n
Indikator dikeluarkan secara bertahap dikarenakan setiap indikator yang tidak memenuhi syarat apabila dikeluarkan dapat menyebabkan nilai outer
loading atau nilai korelasi indikator lainnya bertambah. Tabel 10 menyatakan bahwa dari total sepuluh indikator dengan tiga subvariabel tersisa enam indikator.
Indikator tersebut yang akan digunakan pada model akhir. Model dapat dikatakan memiliki reliabilitas komposit apabila nilai
reliabilitas kompositnya 0,7 Latan dan Ghazali, 2012:81. Perhitungan reliabilitas komposit digunakan untuk mengetahui seberapa baik sebuah konstruk
dapat diukur oleh indikator yang menyusunnya. Reliabilitas komposit dari suatu Kode Indikator
Subvariabel Motivasi
Persepsi Sikap
MOT1 Drop
MOT2 Drop
MOT3 0,783
MOT4 0,847
PERS1 0,864
PERS2 0,907
PERS3 Drop
SIKP1 0,851
SIKP2 0,866
SIKP3 Drop