49
4.2.4. 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 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 ini:
Tabel 4.12. Construct Reliability dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj] Construct
Reliability Variance
Extrated Tangibles
X11 0.407
0.166 0.834
0.704 0.383
X12 0.674
0.454 0.546
X13 0.742
0.551 0.449
X14 0.600
0.360 0.640
Reliability X21
0.591 0.349
0.651 0.508
0.264 X22
0.561 0.315
0.685 X23
0.359 0.129
0.871 Responsiveness
X31 0.845
0.714 0.286
0.772 0.537
X32 0.766
0.587 0.413
X33 0.558
0.311 0.689
Assurance X41
0.430 0.185
0.815 0.584
0.325 X42
0.628 0.394
0.606 X43
0.628 0.394
0.606 Empathy
X51 0.740
0.548 0.452
0.671 0.410
X52 0.519
0.269 0.731
X53 0.642
0.412 0.588
Customer Satisfaction
Y1 0.553
0.306 0.694
0.551 0.250
Y2 0.666
0.444 0.556
Y3 0.313
0.098 0.902
Y4 0.389
0.151 0.849
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
50
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 demik
ian 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. 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 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 :
51
Tabel 4.13. Normalitas Data
Variable min
Max kurtosis
c.r. X11
2 7
0.816 1.665
X12 2
7 0.395
0.806 X13
2 7
-0.164 -0.334
X14 2
7 -0.344
-0.703 X21
2 7
-0.274 -0.560
X22 2
7 -0.630
-1.285 X23
3 7
-0.453 -0.925
X31 2
7 0.087
0.177 X32
2 7
0.042 0.086
X33 2
7 -0.016
-0.032 X41
2 7
-0.182 -0.372
X42 2
7 -0.030
-0.062 X43
2 7
-0.578 -1.180
X51 1
7 0.129
0.263 X52
1 7
0.236 0.482
X53 2
7 -0.021
-0.043 Y1
2 7
0.135 0.276
Y2 2
7 -0.247
-0.505 Y3
2 7
-0.485 -0.990
Y4 1
7 0.046
0.093
Multivariate 16.758
2.825 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 One – Step Approach to SEM
Kategori