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 4.11. Validitas Data
Faktor Loading Konstrak Indikator
1 2 3 4 Z11
0.736 Z12
0.658 Kognitif
Z13 0.736
Z21 1.108
Z22 0.547
Afektif Z23
0.697 Z31
1.020 Z32
0.999 Konatif
Z33 0.873
X1 0.771
X2 0.951
Brand Image X3
0.749 Y11
0.649 Y12
0.822 Service
Y13 0.834
Y21 0.720
Y22 0.817
Purchase Y23
0.806
Sumber : Lampiran Berdasarkan hasil confirmatory faktor analysis terlihat bahwa faktor
loadings masing masing butir pertanyaan yang membentuk setiap construct belum seluruhnya
≥ 0,5, akan tetapi 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan
construct reliability dan variance extracted dapat dilihat dalam tabel berikut.
Tabel 4.12. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [εj] Construct
Reliability Variance
Extrated Z11
0.736 0.542 0.458 Z12
0.658 0.433 0.567 Kognitif
Z13 0.736 0.542 0.458
0.754 0.505 Z21
1.108 1.228 -0.228 Z22
0.547 0.299 0.701 Afektif
Z23 0.697 0.486 0.514
0.849 0.671 Z31
1.020 1.040 -0.040 Z32
0.990 0.980 0.020 konatif
Z33 0.873 0.762 0.238
0.975 0.928 X1
0.771 0.594 0.406 X2
0.951 0.904 0.096 Brand Image
X3 0.749 0.561 0.439
0.867 0.733 Y11
0.649 0.421 0.579 Y12
0.822 0.676 0.324 Service
Y13 0.834 0.696 0.304
0.815 0.597 Y21
0.720 0.518 0.482 Y22
0.817 0.667 0.333 Purchase
Y23 0.806 0.650
0.350 0.825 0.612
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber: Lampiran 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.
4.3.5. 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 : Tabel 4.13. Normalitas Data
Assessment of normality Variable min
max kurtosis
c.r. Z11
3 5 -0.689 -1.462
Z12 2 5 -0.196
-0.416 Z13
3 5 -0.778 -1.650
Z21 4 7 -0.900
-1.910 Z22
4 7 -0.542 -1.149
Z23 4 7 -0.689
-1.463 Z31
4 7 -0.806 -1.711
Z32 4 7 -0.372
-0.789 Z33
4 7 -0.817 -1.732
X1 3 7 -0.440
-0.933 X2
3 7 -0.499 -1.058
X3 3 7 -0.628
-1.332 Y11
4 7 0.981 2.080 Y12
4 7 1.214 2.575 Y13
4 7 1.186 2.516 Y21
3 7 -0.057 -0.122
Y22 3 7 0.006 0.012
Y23 3 7 0.192 0.406
Multivariate -8.440 -1.634
Batas Normal ± 2,58
Sumber : Lampiran 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.
Z1
Z2
Z3 Z
d_arb
1
d_arc
1
d_ard
1
Z13
er_3
1 1
Z12
er_2
1
Z11
er_1
1
Z23
er_6
1 1
Z22
er_5
1
Z21
er_4
1
Z33
er_9
1 1
Z32
er_8
1
Z31
er_7
1 X
X3
er_12
1
X2
er_11
1
X1
er_10
1 Y
Y1
Y11
er_13
1 1
Y12
er_14
1
Y13
er_15
1
Y2
Y21
er_16
1 1
Y22
er_17
1
Y23
er_18
1 1
0.05
d_arf
1
d_arg
1
d_arh
1 0.05
d_ari
1 0.05
d_arz
1
MODEL PENGUKURAN STRUKTURAL Attitude, Brand Image Customers Satisfactiom: One Step Approach - Base Model
4.3.6. Analisis Model SEM
