4.2.3. Evaluasi 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 construct akan diuji dengan melihat loading faktor
dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.8. Validitas Data Standardize Faktor Loading dan Construct
dengan Confirmatory Factor Analysis Konstrak
Indikator Faktor Loading
1 2
3 4
Perception X1
-0.180 X2
0.038 X3
0.054 Customer
Attitude Y1
0.997 Y2
-0.164 Y3
0.118 Purchase
Intention Z1
0.253 Z2
-0.067 Z3
0.176 Sumber: Lampiran
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 dalam koridor uji konsistensi
internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang
sama Purwanto, 2002. Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted
dapat dilihat dalam tabel 4.9. Tabel 4.9. Construct Reliability dan Variance Extracted
Construct Reliability Variance Extrated Konstrak
Indikator Standardize
Factor Loading
SFL Kuadrat
Error [εj]
Construct Reliability
Variance Extrated
Perception X1
-0.180 0.032
0.968 0.003
0.012 X2
0.038 0.001
0.999 X3
0.054 0.003
0.997 Customer
Attitude Y1
0.997 0.994
0.006 0.315
0.345 Y2
-0.164 0.027
0.973 Y3
0.118 0.014
0.986 Purchase
Intention Z1
0.253 0.064
0.936 0.043
0.033 Z2
-0.067 0.004
0.996 Z3
0.176 0.031
0.969
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber: Lampiran Hasil pengujian reliabilitas instrumen dengan construct reliability dan
variance extracted menunjukkan instrumen kurang reliabel, yang ditunjukkan dengan nilai construct reliability belumseluruhnya
≥ 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. Evaluasi 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. multivariat diantara
± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada
tabel 4.10 berikut : Tabel 4.10. Normalitas Data
Assessment of normality Variable
min max
Kurtosis c.r.
X11 3
7 -0.614
-1.373 X12
3 7
-0.431 -0.963
X13 3
7 -0.675
-1.510 X21
3 7
-0.360 -0.806
X22 3
7 -0.579
-1.295 X23
3 7
-0.613 -1.370
Y1 3
7 -0.744
-1.664 Y2
3 7
-0.819 -1.832
Y3 3
7 -0.884
-1.977 Y4
3 7
-0.520 -1.163
Multivariate 4.800
1.697 Batas Normal
± 2,58
Sumber: Lampiran Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 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.
4.2.6. Analisis Model SEM