54
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct belum
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat
dikatakan validitasnya kurang 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 4.10.
Tabel 4.11. Construct Reliability
dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated Promosi X
1
X11 0.746
0.557 0.443
0.788 0.554
X12 0.749
0.561 0.439
X13 0.737
0.543 0.457
Pengelolaan Pengetahuan
Konsumen X
2
X21 0.860
0.740 0.260
0.372 0.262
X22 0.198
0.039 0.961
X23 0.086
0.007 0.993
Keunggulan Produk Baru X
3
X31 0.253
0.064 0.936
0.534 0.368
X32 0.995
0.990 0.010
X33 0.226
0.051 0.949
Tingkat Kesuksesan
Produk Baru X Y1
0.308 0.095
0.905 0.021
0.038 Y2
0.062 0.004
0.996 Y3
-0.122 0.015
0.985 Kinerja
Pemasaran Y Z1
0.999 0.998
0.002 0.509
0.361 Z2
0.196 0.038
0.962 Z3
0.215 0.046
0.954
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
55
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 demikia
n 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. Evaluasi 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 :
56
Tabel 4.12. Assessment Of Normality
Variable min
max kurtosis
c.r. X11
3 7
-0.248 -0.511
X12 2
7 -0.663
-1.367 X13
2 7
-0.088 -0.182
X21 3
7 -0.647
-1.334 X22
1 7
-0.145 -0.299
X23 2
7 -0.157
-0.324 X31
2 7
-0.365 -0.752
X32 2
7 -0.578
-1.191 X33
2 7
-0.387 -0.798
Y1 1
7 -0.232
-0.479 Y2
2 7
-0.409 -0.843
Y3 2
7 -0.219
-0.451 Z1
2 7
-0.578 -1.192
Z2 2
7 -0.310
-0.638 Z3
2 7
-0.529 -1.091
Multivariate 73.696
16.479 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
4.3.6. Analisis Model One – Step Approach to SEM
