53
empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50. Purwanto, 2003
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. multivariate diantara
2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya.
Tabel 4.13. Normalitas Data
Variable min max kurtosis c.r.
X11 3 7 - 0,024
- 0,051 X12 4 7
- 0,751 - 1,593
X13 3 7 - 0,141
- 0,299 X21 3 7
- 0,369 - 0,782
X22 3 7 - 0,059
- 0,125 X23 3 7
0,493 1,047
X31 2 7 - 0,143
- 0,303 X32 3 7
- 0,783 - 1,660
X33 3 7 - 0,873
- 1,851 Y1 3
7 0,136
0,289 Y2 2
7 0,690
1,463 Y3 3
7 0,108
0,229
Multivariate 7,594
2,153 Batas Normal
± 2,58
Sumber : Lampiran 3 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
54
tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 yaitu 2,153 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.
4.3.6. Evaluasi Model One-Step Approach to SEM
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model
dan structural model yang diestimasi secara bersama-sama one – steep approach to SEM. Digunakan bila model dilandasi teori yang kuat serta
validitas dan reliabilitas data sangat baik Hair, et,al, 1998.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
55
Gambar 4.1. Model Pengukuran dan Struktural Base Model
MODEL PENGUKURAN STRUKTURAL Customer Satisfaction, Customer Loyalty
Model Specification : One Step Approach - Base Model
Brand Char.
Company Char.
1 Brand
Trust d_ar
1 d_as
1 X11
er_7 1
1 X12
er_8 1
X21 er_1
1 1
X22 er_2
1
Customer Char.
d_ap X31
er_4 X32
er_5 1
1 1
1 Brand
Loyalty d_cl
Y1 er_10
Y2 er_11
1 1
1 1
Y3 er_12
1 X13
er_9 1
X23 er_3
1
X33 er_6
1
Sumber : Data Diolah
Tabel 4.14. Evaluasi Kriteria Goodness of Fit Indices Base Model
Kr it er ia Hasil Nilai
Kr it is Ev aluasi
Model CminDF
0,969 ≤
2,00 baik
Probability 0,536
≥ 0,05
baik RMSEA
0,000 ≤
0,08 baik
GFI 0,929
≥ 0,90
baik AGFI
0,900 ≥
0,90 baik
TLI 1,005
≥ 0,95
baik CFI
1,000 ≥
0,94 baik
Sumber : Lampiran 3
Dari hasil evaluasi terhadap model one step base model ternyata
dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai
dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model
ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
56
4.3.7. Analisis Unidimensi
