seharusnya diukur, karena indikator multidmensi, maka uji validitas dari setiap latent variabel construct akan diuji dengan melihat loading factor
dari hubungan antara setiap observed variabel dan latent variabel. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.10 Validitas Data
Konstrak Indikator
Faktor Loading 1
2 3
4
Serving Size x11
0.794 x12
0.847 x13
0.804 x14
0.532 Serving Per Container
x21 0.815
x22 0.797
x23 0.521
Kandungan Gizi x31
0.564 x32
0.658 x33
0.697 x34
0.735 Minat Beli
y1 0.720
y2 0.907
y3 0.674
Sumber: Lampiran
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 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. Hasilnya analisis tampak pada tabel berikut :
Tabel 4.11 Normalitas Data
Variabel min
max skew
c.r. kurtosis
c.r. y3
4 7
0.121 0.585
-0.346 -0.836
y2 4
7 0.21
1.012 -0.424
-1.025 y1
4 7
0.211 1.021
-0.459 -1.109
x31 4
7 0.009
0.044 -0.248
-0.6 x32
4 7
0.316 1.526
-0.516 -1.245
x33 4
7 -0.04
-0.191 -0.351
-0.848 x34
4 7
0.015 0.072
-0.352 -0.849
x21 4
7 0.005
0.024 -0.763
-1.842 x22
4 7
-0.352 -1.701
-0.415 -1.002
x23 3
7 -0.327
-1.578 0.321
0.775 x11
4 7
-0.344 -1.662
-0.014 -0.035
x12 4
7 0.258
1.246 -0.849
-2.05 x13
4 7
0.154 0.743
-0.44 -1.063
x14 3
7 -0.43
-2.075 0.257
0.621 Multivariate
-12.731 -3.559
Sumber: Lampiran
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada diatas ± 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 walaupun ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan
dalam estimasi selanjutnya
.
4.3.5 Deteksi Multicollinerity dan Singularity
Dengan mengamati Determinant matrix covarian, yang memiliki ketentunan apabila determinant matrix mendekati angka 0 [kecil], maka
terjadi Multicollinearity dan Singularity [Tabachin Fidel, 1998]. Berdasarkan hasil pengujian dengan menggunakan program
AMOS 4.0 diperoleh hasil Deternminant of Covariant Matrix adalah 0 yaitu sebesar 16,810 mengidentifikasikan tidak terjadi Multicollinearity
dan Singularity dalam data ini sehingga asumsi terpenuhi.
4.3.6 Evaluasi Construct Reliability dan Variance Extracted
