Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct
sebagian besar ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut
dapat dikatakan validitasnya cukup baik.
4.3.4. Uji 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 4.9. Tabel 4.6. Construct Reliability dan Variance Extracted
Construct Reliability Variance Extrated Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[ εj]
Construct Reliability
Variance Extrated
X11 0.816 0.666
0.334 Relation
X13 0.907 0.823
0.177 0.853 0.744
X21 0.651 0.424
0.576 Empathy
X22 0.997 0.994
0.006 0.823 0.709
X31 0.953 0.908
0.092 Reciprocal
X32 0.838 0.702
0.298 0.892 0.805
X41 0.756 0.572
0.428 Trust
X42 0.997 0.994
0.006 0.876 0.783
Y11 0.653 0.426
0.574 Y12
0.791 0.626 0.374
Att Service Y13
0.850 0.723 0.278
0.811 0.592 Y21
0.696 0.484 0.516
Y22 0.824 0.679
0.321 Att Purchase
Y23 0.798 0.637
0.363 0.817 0.600
Z1 0.747 0.558
0.442 Z2
0.699 0.489 0.511
Customer Loyalty Z3
0.827 0.684 0.316
0.803 0.577
Batas Dapat Diterima
≥ 0,7 ≥ 0,5
Sumber: Data Diolah
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. Uji 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:
Tabel 4.7. Uji Normalitas
Assessment of normality Variable min
max kurtosis
c.r. X11
3 7 -0.921 -1.989
X12 3 7 -0.658
-1.421 X21
4 7 -0.671 -1.449
X22 4 7 -0.626
-1.351 X31
4 7 -0.643 -1.389
X32 4 7 -0.679
-1.467 X41
2 7 0.375
0.810 X42
3 7 0.132
0.284 Y11
4 7 1.017
2.197 Y12
4 7 1.261
2.724 Y13
4 7 1.233
2.664 Y21
3 7 -0.004 -0.009
Y22 3 7
0.048 0.103
Y23 3 7
0.194 0.420
Z1 2 5
0.266 0.574
Z2 2 5 -0.151
-0.327 Z3
2 5 -0.227 -0.491
Multivariate
-8.103 -1.687
Batas Normal ± 2,58
Sumber: Data Diolah
4.4. Structural Equation Modelling
