49
Tabel 4.8. Standardize Faktor Loading dan Construct dengan
Confirmatory Factor Analysis Faktor Loading
Konstrak Indikator 1 2 3 4
X11 0,998
Tangibles X
1
X12 0,596
X21 0,525
Reliability X
2
X22 0,527
X31 0,142
Responsiveness X
3
X32 0,068
X41 0,997
Assurance X
4
X42 0,151
X51 0,142
Empathy X
5
X52 0,079
Y11 0,576
Art Product Y
1
Y12 0,994
Y21 0,328
Art Service Y
2
Y22 0,996
Y31 0,994
Art Product Y
3
Y32 0,673
Z1 0,073
Z2 0,860
Customer Loyalty Z
Z3 0,084
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. Uji Construct Reliability Variance Extrated
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
50
peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Hasil perhitungan construct reliability
dan variance extracted dalam tabel berikut ini:
Tabel 4.9. Construct Reliability dan Variance Extracted
Konstrak Indikator StandarFactor
Loading SFL
Kuadrat Error
[ εj]
Construct Reliability
Variance Extrated
X11 0,998 0,996 0,004
Tangibles X
1
X12 0,596 0,355 0,645
0,797 0,676 X21 0,525 0,276
0,724 Reliability
X
2
X22 0,527 0,278 0,722
0,433 0,277 X31 0,142 0,020
0,980 Responsiveness
X
3
X32 0,068 0,005 0,995
0,022 0,012 X41 0,997 0,994
0,006 Assurance
X
4
X42 0,151 0,023 0,977
0,573 0,508 X51 0,142 0,020
0,980 Empathy
X
5
X52 0,079 0,006 0,994
0,024 0,013 Y11 0,576 0,332
0,668 Art Product
Y
1
Y12 0,994 0,988 0,012
0,784 0,660 Y21 0,328 0,108
0,892 Art Service
Y
2
Y22 0,996 0,992 0,008
0,661 0,550 Y31 0,994 0,988
0,012 Art Product
Y
3
Y32 0,673 0,453 0,547
0,833 0,720 Z1 0,073
0,005 0,995
Z2 0,860 0,740
0,260 Customer
Loyalty Z
Z3 0,084 0,007
0,993 0,315 0,251
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 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
51
4.2.5. Uji 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
ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Hasil analisis tampak pada tabel berikut :
Tabel 4.10. Assessment Of Normality
Variable min Max kurtosis
c.r. X11 4 7
-0,490 -1,048
X12 4 7 -0,945
-2,023 X21 4 7
-0,381 -0,815
X22 4 7 -0,621
-1,330 X31 1 7
0,778 1,665
X32 4 7 -1,275
-2,729 X41 4 7
-0,951 -2,037
X42 4 7 -1,052
-2,253 X51 1 7
0,529 1,132
X52 4 7 -1,014
-2,170 Y11 4 7
-0,225 -0,483
Y12 4 7 -0,276
-0,591 Y21 4 7
-0,832 -1,782
Y22 4 7 -0,462
-0,988 Y31 4 7
-0,182 -0,391
Y32 4 7 -0,313
-0,669 Z1 4
7 -1,023
-2,191 Z2 4
7 -0,959
-2,052 Z3 4
7 -1,082
-2,317
Multivariate 26,907
4,995
Batas Normal
± 2,58
Sumber : Lampiran 3
52
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 One – Step Approach to SEM