60
Deleted Residual -83,938
81,283 -0,399
33,186 115
Stud. Deleted Residual -2,385
2,537 -0,006
1,015 115
Mahalanobis Distance [MD] 7,942
38,481 22,800 5,424
115 Cooks Distance
0,000 0,119
0,012 0,016
115 Centered Leverage Value
0,070 0,338
0,200 0,048
115
Sumber : lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD
maksimum adalah 38,481 lebih kecil dari 49,728. Oleh karena itu diputuskan
dalam penelitian tidak terdapat outlier multivariate antar variabel. 4.3.3.
Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0
diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 58,499 mengindikasikan tidak terjadi multikolinieritas dan singularitas
dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya
diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana
masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent
variabel construct akan diuji dengan melihat faktor loading faktor dari hubungan
antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji
61
dengan construct reliability dan variance extracted. Dari hasil pengolahan data didapatkan hasil sebagai berikut :
Tabel 4.9. Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Konstrak Indikator
Faktor Loading 1
2 3
4 Tangibles
X11 0,708
X12 0,826
X13 0,819
Reliability X21
0,666 X22
0,862 X23
0,879 X24
0,806 Responsiveness
X31 0,805
X32 0,751
X33 0,760
Assurance X41
0,785 X42
0,631 X43
0,820 Empathy
X51 0,751
X52 0,792
X53 0,553
Customer Satisfation
X21 0,836
X22 0,859
X23 0,777
X24 0,715
Customer Loyalty Y1
0,818 Y2
0,817 Y3
0,566
Sumber : Hasil Pengolahan Data Lampiran 5 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 dan dapat diterima.
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian. Sementara itu item to total
correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi
62
butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan.
Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 4.10. Pengujian Reliability Consistency Internal
Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
Tangibles X11
0,844 0,830
X12 0,869
X13 0,879
Reliability X21
0,751 0,872
X22 0,885
X23 0,892
X24 0,886
Responsiveness X31
0,879 0,817
X32 0,851
X33 0,837
Assurance X41
0,878 0,828
X42 0,865
X43 0,850
Empathy X51
0,845 0,749
X52 0,837
X53 0,767
Customer Satisfation
X21 0,898
0,876 X22
0,883 X23
0,833 X24
0,799 Customer Loyalty
Y1 0,868
0,778 Y2
0,885 Y3
0,739 : tereliminasi
Sumber : Lampiran 6 Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di
atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha yang diperoleh sebagian besar memenuhi rules of thumb yang disyaratkan yaitu
0.7 [Hair et.al.,1998]. Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu
juga dilakukan pengujian construct reliability dan variance extracted. Kedua
63
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. Construct reliability dan Variance-extracted
dihitung dengan rumus sebagai berikut:
Sementara ε
j
dapat dihitung dengan formula ε
j
= 1 – [ Standardize loading ]
secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,5 Hair
at, 1998. Standardize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap
butir sebagai indikatornya. ε
j
= 1 - [Standardize Loading]
Tabel 4.11.
2
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat E
rror [εj] Construct
Reliability Variance
Extrated Tangibles
X11 0,708
0,501 0,499
0,829 0,618
X12 0,826
0,682 0,318
[ Σ Standardize Loading]
2
Construct Reliability = [
Σ Standardize Loading]
2
+ Σε
j
]
Σ [Standardize Loading
2
] Variance Extracted =
Σ [Standardize Loading
2
] + Σ ε
j
64
X13 0,819
0,671 0,329
Reliability X21
0,666 0,444
0,556 0,881
0,652 X22
0,862 0,743
0,257 X23
0,879 0,773
0,227 X24
0,806 0,650
0,350 Responsiveness
X31 0,805
0,648 0,352
0,816 0,597
X32 0,751
0,564 0,436
X33 0,760
0,578 0,422
Assurance X41
0,785 0,616
0,384 0,792
0,562 X42
0,631 0,398
0,602 X43
0,820 0,672
0,328 Empathy
X51 0,751
0,564 0,436
0,745 0,499
X52 0,792
0,627 0,373
X53 0,553
0,306 0,694
Customer Satisfation
X21 0,836
0,699 0,301
0,875 0,638
X22 0,859
0,738 0,262
X23 0,777
0,604 0,396
X24 0,715
0,511 0,489
Customer Loyalty
Y1 0,818
0,669 0,331
0,783 0,552
Y2 0,817
0,667 0,333
Y3 0,566
0,320 0,680
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability dan
variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan
nilai construct reliability seluruhnya ≥ 0,7, dan variance extracted yang diperoleh
sebagian besar menunjukkan nilai diatas 0,50. Yang artinya seluruh instrumen
yang digunakan pada penelitian ini telah reliabel.
65
4.3.5. Pengujian Model Dengan One-Step Approach
