58
4.3.4. Uji 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.
Tabel 4.11. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading SFL
Kuadrat Error [
εj] Construct
Reliability Variance
Extrated X11 0,798 0,637
0,363 X12 0,552 0,305
0,695 Promosi
X
1
X13 0,692 0,479 0,521
0,725 0,473 X21 0,012 0,000
1,000 X22 -0,114 0,013
0,987 Pengelolaan
Pengetahuan Konsumen X
2
X23 0,664 0,441 0,559
0,110 0,151 X31 0,049 0,002
0,998 X32 -0,063 0,004
0,996 Keunggulan
Produk X
3
X33 0,995 0,990 0,010
0,324 0,332 Y1 0,995
0,990 0,010
Y2 0,250 0,063
0,938 Tingkat
Kesuksesan Produk Y
Y3 0,099 0,010
0,990 0,482 0,354
Z11 0,138 0,019 0,981
Z12 0,037 0,001 0,999
Kinerja Pemasaran Z
Z13 0,878 0,771 0,229
0,334 0,264
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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
59
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.
4.3.5. 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
ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Hasil analisis tampak pada tabel berikut :
Tabel 4.12. Assessment Of Normality
Variable min Max kurtosis
c.r. X11 3 5
-0,025 -0,051
X12 3 5 -0,443
-0,905 X13 3 5
-0,653 -1,333
X21 3 5 -0,965
-1,969 X22 3 5
-1,073 -2,191
X23 3 5 -1,187
-2,422 X31 3 5
-0,027 -0,055
X32 3 5 -1,085
-2,216 X33 3 5
-1,027 -2,096
Y1 3 5
-0,997 -2,035
Y2 3 5
-1,281 -2,615
Y3 3 5
-1,041 -2,126
Z1 3 5
-1,213 -2,475
Z2 3 5
-1,073 -2,191
Z3 3 5
-0,697 -1,422
Multivariate 1,155
0,256 Batas Normal
± 2,58
Sumber : Lampiran 3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
60
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.
4.3.6. Analisis Model
Kategori