Evaluasi Construct Realibility dan Variance Extracted Evaluasi Normalitas

4.3.3 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 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 5.5 : Validitas Data Konst r ak I ndik ator Fak t or Loading 1 2 3 4 Sim ilar it y X11 0,998 X12 0,582 Reput at ion X21 0,486 X22 0,508 Per ceived Risk X31 0,703 X32 0,586 I nnov at ion X41 0,571 X42 0,483 Per ceived Value Y11 0,476 Y12 0,576 Per sonalit y Y21 0,686 Y22 0,699 Organizat ion Y31 0,661 Y32 0,537 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.

4.3.4 Evaluasi Construct Realibility 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 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel berikut : Tabel 5.6 : Construct Realibility dan Variance Extracted Konst r ak I ndik ator St andar dize Fact or Loading SFL Kuadr at Error [εj] Const r uct Reliabilit y Var iance Ex t r at ed Sim ilar it y X11 0,998 0,996 0,004 0,790 0,667 X12 0,582 0,339 0,661 Reput at ion X21 0,486 0,236 0,764 0,396 0,247 X22 0,508 0,258 0,742 Per ceived Risk X31 0,703 0,494 0,506 0,588 0,419 X32 0,586 0,343 0,657 I nnov at ion X41 0,571 0,326 0,674 0,435 0,280 X42 0,483 0,233 0,767 Per ceived Value Y11 0,476 0,227 0,773 0,434 0,279 Y12 0,576 0,332 0,668 Per sonalit y Y21 0,686 0,471 0,529 0,648 0,480 Y22 0,699 0,489 0,511 Organizat ion Y31 0,661 0,437 0,563 0,530 0,363 Y32 0,537 0,288 0,712 Ba t a s D a pa t D it e r im a ≥ 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 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 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 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 pengujian normalitas pada penelitian ini akan ditampilkan pada tabel berikut : Tabel 5.7 : Hasil Pengujian Normalitas Var iable m in m ax Kur t osis c.r . X11 2 5 - 0,325 - 0,701 X12 1 5 - 0,613 - 1,324 X21 2 5 - 0,551 - 1,190 X22 2 5 - 0,861 - 1,860 X31 2 5 - 0,578 - 1,248 X32 2 5 - 0,348 - 0,751 X41 2 5 - 0,517 - 1,117 X42 2 5 - 0,411 - 0,888 Y11 2 5 - 0,204 - 0,442 Y12 2 5 - 0,621 - 1,342 Y21 2 5 - 0,481 - 1,040 Y22 2 5 - 0,654 - 1,412 Y31 2 5 - 0,265 - 0,572 Y32 1 5 - 0,314 - 0,678 M u lt iv a ria t e 12,102 3 ,0 2 5 Ba t a s N orm a l ± 2 ,5 8 Sumber : Lampiran Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara diluar 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.

4.3.6 Analisis Model One-Step Approach to SEM