Tabel 4.11 : Uji Validitas Konstruk
Konstrak Indikator
Standardize Factor Loading
Motivasi X
1
x1.1 0.631
x1.2 0.693
x1.3 0.581
x1.4 0.576
Kemampuan X
2
x2.1 0.860
x2.2 0.655
x2.3 0.607
Kompensasi X
3
x3.1 0.796
x3.2 0.529
Kinerja Y y1
0.658 y2
0.701 y3
0.711 y4
0.745 y5
0.539 Sumber : Lampiran 5
Berdasarkan nilai Standardize Factor Loading terlihat bahwa semua indikator memiliki faktor loadings diatas 0,50 maka dapat dikatakan bahwa
setiap konstruk tersebut memiliki validitas yang baik.
4.2.3.4. Uji Construct Reliability Dan Variance Extracted
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Hasil perhitungan construct reliability dan variance extracted dapat dilihat 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
Motivasi X
1
X
1.1
0.631 0.398
0.602 0.715
0.387 X
1.2
0.693 0.480
0.520 X
1.3
0.581 0.338
0.662 X
1.4
0.576 0.332
0.668
Kemampuan X
2
X
2.1
0.860 0.740
0.260 0.755
0.512 X
2.2
0.655 0.429
0.571 X
2.3
0.607 0.368
0.632 Kompensasi
X
3
X
3.1
0.796 0.634
0.366 0.618
0.457 X
3.2
0.529 0.280
0.720
Kinerja Y Y
1
0.658 0.433
0.567
0.805 0.455
Y
2
0.701 0.491
0.509 Y
3
0.711 0.506
0.494 Y
4
0.745 0.555
0.445 Y5
0.539 0.291
0.709
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Sumber : Lampiran 5 Hasil pengujian reliabilitas instrumen dengan construct reliability
menunjukkan instrumen cukup reliabel, dilihat dari sebagian besar variabel kecuali kompensasi X
3
memiliki nilai construct reliability melebihi 0,70. Angka 0,70 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. Sedangkan nilai variance extracted direkomendasikan pada tingkat 0,50.
4.2.3.5. Multicolearity Atau Singularity
Untuk mengetahui apakah terdapat multicolearity atau singularity dalam sebuah kombinasi variabel, perlu mengamati
determinan matriks kovarians. Determinan yang benar-benar kecil mengindikasikan adanya multicolearity atau singularity sehingga data
tidak dapat digunakan untuk analisis yang sedang dilakukan. Angka determinan matriks kovarians pada penelitian ini sebesar
0,000, hal ini peneliti menganggap bahwa tidak terjadi multicolearity atau singularity dalam data. Hal ini didukung oleh Byrne 2009: 168
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
bahwa nilai standardized estimate lebih dari angka 1, maka terjadi multikolinieritas yang serius.
Hasil penelitian ini menunjukkan bahwa nilai standardized estimate lihat tabel 4.13 dari masing-masing indikator kurang dari angka 1, maka
tidak terjadi multikolinieritas yang serius.
4.2.3.6. Uji Normalitas
