53
4.2.4. 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 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 :.
Tabel 4.9. Construct Reliability
dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated Tangibles
X
1
X11 0.669
0.448 0.552
0.629 0.458
X13 0.685
0.469 0.531
Reliability X
2
X21 0.543
0.295 0.705
0.173 0.149
X22 0.053
0.003 0.997
Responsiveness X
3
X31 0.093
0.009 0.991
0.509 0.465
X32 0.960
0.922 0.078
Assurance X
4
X41 0.542
0.294 0.706
0.177 0.149
X42 0.063
0.004 0.996
Emphaty X
5
X51 0.092
0.008 0.992
0.542 0.500
X52 0.996
0.992 0.008
Kepuasan Y
Y1 0.113
0.013 0.987
0.439 0.341
Y2 0.996
0.992 0.008
Y3 0.135
0.018 0.982
Cognitive Z
1
Z11 0.088
0.008 0.992
0.540 0.500
Z12 0.996
0.992 0.008
Affective Z
2
Z21 0.146
0.021 0.979
0.048 0.025
Z22 0.168
0.028 0.972
Conative Z
3
Z31 0.996
0.992 0.008
0.514 0.497
Z32 0.035
0.001 0.999
Action Z
4
Z41 0.410
0.168 0.832
0.044 0.091
Z42 -0.120
0.014 0.986
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
54
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen kurang 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.
4.2.5. Uji 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 :
55
Tabel 4.10. Assessment Of Normality
Variable Min
max kurtosis
c.r. X11
3 5
-0.014 -0.030
X12 3
5 -0.795
-1.694 X21
3 5
-0.538 -1.146
X22 3
5 -1.464
-3.121 X31
3 5
-1.134 -2.417
X32 3
5 -1.273
-2.713 X41
3 5
0.206 0.438
X42 3
5 -1.373
-2.926 X51
3 5
-1.177 -2.509
X52 3
5 -1.281
-2.731 Y1
3 5
-1.441 -3.072
Y2 3
5 -1.538
-3.278 Y3
3 5
-1.299 -2.769
Z11 3
5 -1.455
-3.101 Z12
3 5
-1.301 -2.772
Z21 3
5 -0.747
-1.591 Z22
3 5
-1.521 -3.241
Z31 3
5 -1.565
-3.334 Z32
3 5
-1.335 -2.845
Z41 3
5 -1.513
-3.225 Z42
3 5
-1.520 -3.239
Multivariate
65.650
11.026 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.
56
4.2.6. Analisis Model One – Step Approach to SEM