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 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 dapat dilihat
dalam tabel 4.6.
Tabel 4.11. Construct Reliability dan Variance Extracted
Const r uct Reliabilit y Var iance Ex t r at ed Konst r ak
I ndik at or St andar dize
Fact or Loading
SFL Kuadr at
Er r or [εj]
Const r uct Reliabilit y
Var iance Ex t r at ed
Ar t Pr oduct X11
0.533 0.284
0.716 0.588
0.276 X12
0.104 0.011
0.989 X13
0.566 0.320
0.680 X14
0.229 0.052
0.948 X15
0.843 0.711
0.289 Ar t Purchase
X21 0.103
0.011 0.989
0.223 0.106
X22 0.325
0.106 0.894
X23 0.450
0.203 0.798
Br and Loy alt y
Y1 0.100
0.010 0.990
0.546 0.501
Y2 0.996
0.992 0.008
Ba t a s D a pa t D it e r im a ≥ 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 4.12. Uji Normalitas
Assessm ent of nor m alit y Var iable
m in m ax
k ur t osis c.r .
X11 4
7 - 0.201
- 0.431 X12
4 7
- 0.536 - 1.147
X13 4
7 - 0.578
- 1.238 X14
4 7
- 0.871 - 1.865
X15 4
7 - 0.566
- 1.212 X21
4 7
- 0.431 - 0.924
X22 4
7 - 0.913
- 1.954 X23
4 7
- 1.132 - 2.424
Y1 4
7 - 0.532
- 1.138 Y2
4 7
- 0.846 - 1.811
M u lt iv a ria t e - 5.819
- 1 .9 7 0 Ba t a s N orm a l
± 2 ,5 8
Sumber: Data Diolah
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 itu berarti asumsi normalitas 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.
4.4. Structural Equation Modelling
