Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu
dievaluasi dengan menggunakan χ
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis
lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
χ
2 0.001
dengan jumlah variabel 9 adalah sebesar 27,877. Hasil analisis Mahalanobis diperoleh nilai 18,935 yang kurang dari
χ
2
tabel 27,877 tersebut. Dengan demikian, tidak terjadi multivariate outliers.
4.3.2. Uji Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi
indikator. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan
memperkecil koefisien Cronbach’s Alpha yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel berikut:
Tabel 4.8. Uji Reliabilitas
Pengujian Reliability Consistency Internal Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
Visibility X11
0.582 0.735
X12 0.582
Kredibilitas X21
0.617 0.763
X22 0.617
Attraction X31
0.717 0.835
X32 0.717
Minat Beli Y1
0.822 0.906
Y2 0.840
Y3 0.778
: tereliminasi
Sumber: Data Diolah
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Terjadi eliminasi karena nilai item
to total correlation indikator seluruhnya ada yang tidak ≥ 0,5. Indikator yang
tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas
konsistensi internal untuk setiap construct di atas menunjukkan hasil cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh seluruhnya memenuhi rules of
thumb yang disyaratkan yaitu ≥ 0,7 Hair et.al.,1998; Sekaran,2003.
4.3.3. Uji Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya
diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable atau construct akan diuji dengan melihat loading factor dari hubungan
antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.9. Uji Validitas
Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis
Konstrak Indikator Faktor Loading
1 2 3 4 Visibility
X11 0.680
X12 0.856
Kredibilitas X21
0.568 X22
1.086 Attraction
X31 0.595
X32 1.205
Minat Beli Y1
0.896 Y2
0.904 Y3
0.836
Sumber: Data Diolah
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
