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
4.2.4. Uji Construct Reliability Variance Extrated
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 ini:
Tabel 4.13. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading SFL
Kuadrat Error
[ εj]
Construct Reliability
Variance Extrated
X11 0,737 0,543 0,457
X12 0,511 0,261 0,739
Berwujud X
1
X13 0,394 0,155 0,845
0,155 0,155 X21 0,716 0,513
0,487 X23 0,971 0,943
0,057 Keandalan
X
2
X24 -0,113 0,013 0,987
0,618 0,489 X31 0,998 0,996
0,004 X32 -0,052 0,003
0,997 Daya Tanggap
X
3
X33 0,022 0,000 1,000
0,319 0,333 X41 0,992 0,984
0,016 Jaminan
X
4
X42 0,002 0,000 1,000
0,493 0,492 X51 0,133 0,018
0,982 X52 0,095 0,009
0,991 Empati
X
5
X53 0,282 0,080 0,920
0,082 0,035 Y1 0,177 0,031
0,969 Y2 0,179 0,032
0,968 Kepuasan
Pelanggan Y Y3 0,010 0,000
1,000 0,044 0,021
Z1 0,850 0,723
0,278 Z2 -0,035
0,001 0,999
Loyalitas Pelanggan Z
Z3 -0,041 0,002
0,998 0,208 0,242
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.14. Assessment Of Normality
Variable Min max kurtosis
c.r. X11 3 5
0,206 0,421
X12 3 5 -0,831
-1,696 X13 3 5
-0,659 -1,344
X21 3 5 -1,522
-3,107 X22 3 5
-1,103 -2,251
X24 3 5 -1,543
-3,149 X31 3 5
-1,357 -2,769
X32 3 5 -1,260
-2,572 X33 3 5
-1,294 -2,641
X41 3 5 -0,047
-0,096 X42 3 5
-1,336 -2,727
X51 3 5 0,210
0,428 X52 3 5
-1,461 -2,982
X53 3 5 -1,341
-2,736 Y1 3
5 -1,245
-2,542 Y2 3
5 -1,258
-2,569 Y3 3
5 -0,570
-1,163 Z1 3
5 -1,436
-2,931 Z2 3
5 -1,555
-3,174 Z3 3
5 -1,259
-2,570
Multivariate 66,986
11,291 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 distribusi datanya tidak normal masih dapat menghasilkan good estimate,
sehingga data layak untuk digunakan dalam estimasi selanjutnya
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.2.6 Analisis Model