39
variabel atau indikator observasian. 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
Berdasarkan Uji Reliabilitas nilai Item to Total Correlation dan Coefficient Cronbach’s Alpha setiap butir dan konstruk pengukuran dapat
dilihat pada tabel. 4.5, sebagai berikut :
Tabel. 4.5. Hasil Uji Reliabilitas
Dengan Koefisien Conbach’s Alpha
Construct Indikator
Komponen Faktor Item to total
correlation Koefficient
Cronbach’s Alpha
Sikap X1 X
1.1
0.933 0.913
X
1.2
0.907 X
1.3
0.931 Norma Subyektif X2
X
2.1
0.905 0.918
X
2.2
0.932 X
2.3
0.945 Minat beli konsumen Y
Y1 0.895
0.762 Y2
0.728 Y3
0.859
Sumber : Lampiran. 3, data diolah
Berdasarkan pada tabel 4.5 dapat diketahui bahwa nilai reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil yang
baik karena koefisien Conbach’s Alpha yang diperoleh telah memenuhi rules of thumb
yang disyaratkan yaitu ≥
0.7 Hair et al., 1998.
4.2.3. Uji Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
40
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. Berdasarkan Uji Construct Reliability dan Extracted Variance,
diperoleh hasil, sebagai berikut :
Tabel. 4.6. Hasil Uji Construct Reliability dan Variance Extacted
Konstrak Indikator
Standardize Factor
Loading
SFL Kuadrat
Error εj
Construct Reliability
Variance Extrated
Sikap X1 X
1.1
0.899 0.808
0.192 0.911
0.774 X
1.2
0.851 0.724
0.276 X
1.3
0.889 0.790
0.210 Norma Subyektif X2
X
2.1
0.836 0.699
0.301 0.920
0.793 X
2.2
0.880 0.774
0.226 X
2.3
0.951 0.904
0.096 Minat beli konsumen Y
Y1 0.988
0.976 0.024
0.777 0.580
Y2 0.275
0.076 0.924
Y3 0.830
0.689 0.311
Batas Dapat Diterima 0,07
0,5
Sumber : Lampiran. 1, data diolah
Berdasarkan pada tabel 4.6 dapat diketahui bahwa hasil dari pengujian reliabilitas instrumen dengan menggunakan construct reliability
dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan nilai construct reliability 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.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
41
4.2.4. Uji Normalitas
Uji Normalitas sebaran dilakukan dengan menggunakan Uji Skweness Value
dari data yang digunakan, yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji Normalitas itu disebut z-
value . Dengan ketentuan bahwa bila nilai-z lebih besar dari nilai kritis,
maka dapat diduga bahwa distribusi data tersebut adalah tidak normal dengan ketentuan bahwa nilai kritis dapat ditentukan berdasarkan tingkat
signifikansi 0,01 1 yaitu sebesar ±
2,58. Berdasarkan dari hasil Uji Normalitas diperoleh hasil, yaitu sebagai
berikut :
Tabel. 4.7. Hasil Uji Normalitas
Assessment of Normality Variable
Min Max
Kurtosis c.r.
X
1.1
1 5
-1.665 -3.565
X
1.2
1 5
-1.326 -2.839
X
1.3
1 5
-1.503 -3.218
X
2.1
1 5
-1.286 -2.753
X
2.2
1 5
-1.671 -3.578
X
2.3
1 5
-1.466 -3.139
Y1 1
5 -1.486
-3.182
Y2 1
5 -1.739
-3.723
Y3 1
5 -1.639
-3.509
Multivariate -0.202
-0.075 Batas Normal
± 2,58
Sumber : Lampiran. 4, data diolah
Berdasarkan pada tabel 4.7 dapat diketahui 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
42
menggunakan maximum likelihood estimation MLE walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga
data layak untuk digunakan dalam estimasi selanjutnya.
4.2.5. Uji Multicollinierity dan Singularity