Mahalanobis itu dievaluasi dengan menggunakann
χ²
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang
mempunyai jarak Mahalanobis lebih besar dari chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
χ²
0,001 dengan jumlah indikator 14 adalah sebesar 36,123. hasil analisis
Mahalanobis diperoleh sebesar 25,835 yang kurang dari 36,123 tersebut dengan, demikian tidak terjadi multivariate outliers.
4.3.2 Evaluasi Reliabilitas
Seperti yang telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha
ini digunakan untuk mengestimasi reliabilitas 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 ini :
Tabel 4.9 Reliabilitas Data
Konstrak Indikator
Item to Total Correlation Koefisien Cronbachs
Alpha Serving Size
x11 0.688
0.825 x12
0.720 x13
0.722 x14
0.495 Serving Per Container
x21 0.633
0.742 x22
0.634 x23
0.465 Kandungan Gizi
x31 0.486
0.757 x32
0.576 x33
0.588 x34
0.581 Minat Beli
y1 0.624
0.805 y2
0.742 y3
0.596 : tereliminasi
Sumber: Lampiran
Proses eliminansi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto, 2003]. Tidak terjdi eliminasi
karena nilai item to total correlation indikator seluruhnya ≥ 0,5. Indikator
yang tereliminasi tidak disertakan dalam perhitungn cronbach’s dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal
untuk setiap construct di atas menunjukkan hasil baik dimana koefisien Cronbach’s Alpha
yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998].
4.3.3 Evaluasi Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukran atas apa yanh
seharusnya diukur, karena indikator multidmensi, maka uji validitas dari setiap latent variabel construct akan diuji dengan melihat loading factor
dari hubungan antara setiap observed variabel dan latent variabel. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.10 Validitas Data
Konstrak Indikator
Faktor Loading 1
2 3
4
Serving Size x11
0.794 x12
0.847 x13
0.804 x14
0.532 Serving Per Container
x21 0.815
x22 0.797
x23 0.521
Kandungan Gizi x31
0.564 x32
0.658 x33
0.697 x34
0.735 Minat Beli
y1 0.720
y2 0.907
y3 0.674
Sumber: Lampiran
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 Evaluasi Normalitas
