55
Tabel 4.9. Validitas Data
Konstrak Indikator
Faktor Loading 1
2 3
4 Pengetahuan
Merek Induk X11
0.997 X12
-0.039 X13
-0.025 Persepsi
Kualitas X21
0.998 X22
0.235 X23
0.089 Sikap Brand
Extension Y1
0.319 Y2
0.086 Y3
-0.125 Intensi
Membeli Z1
0.998 Z2
0.184 Z3
0.005
Sumber : Lampiran 3
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. Evaluasi 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.
56
Tabel 4.10. Construct Reliability
dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated Pengetahuan
Merek Induk X11
0.997 0.994
0.006 0.303
0.332 X12
-0.039 0.002
0.998 X13
-0.025 0.001
0.999 Persepsi
Kualitas X21
0.998 0.996
0.004 0.474
0.353 X22
0.235 0.055
0.945 X23
0.089 0.008
0.992 Sikap Brand
Extension Y1
0.319 0.102
0.898 0.027
0.042 Y2
0.086 0.007
0.993 Y3
-0.125 0.016
0.984 Intensi
Membeli Z1
0.998 0.996
0.004 0.417
0.343 Z2
0.184 0.034
0.966 Z3
0.005 0.000
1.000
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
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
4.2.5. 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
57
ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Hasil analisis tampak pada tabel berikut :
Tabel 4.11. Normalitas Data
Variable Min
max Kurtosis
c.r. X11
1 5
-0.509 -1.115
X12 3
5 -1.207
-2.641 X13
1 5
-0.205 -0.448
X21 1
5 -0.646
-1.414 X22
1 5
-0.454 -0.993
X23 1
5 0.028
0.061 Y1
1 5
-0.400 -0.877
Y2 1
5 -0.383
-0.839 Y3
1 5
0.273 0.598
Z1 1
5 -0.642
-1.404 Z2
1 5
-0.484 -1.059
Z3 1
5 -0.260
-0.570
Multivariate 70.420
20.599 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.
4.2.6. Analisis Model One – Step Approach to SEM
