Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen cukup 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.
4.2.5. 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.
Tabel 4.14. Normalitas Data
Sumber : Lampiran
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di antara ± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi
masalah serius seperti dikatakan oleh Bentler dan Chou 1987 bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood
Var iable m in
m ax kur t osis
c.r . X11
1 5
1.152 2.467
X12 1
5 0.676
1.448 X13
1 5
1.409 3.016
X14 1
5 0.282
0.603 X21
2 5
- 0.877 - 1.877
X22 2
5 - 0.618
- 1.323 X31
2 5
- 0.257 - 0.551
X32 2
5 - 0.312
- 0.667 X33
3 5
- 0.652 - 1.397
X34 2
5 - 0.462
- 0.989 X35
2 5
- 0.293 - 0.628
X36 2
5 - 0.199
- 0.426 X41
1 5
0.961 2.057
X42 1
5 1.141
2.443 X43
2 5
- 0.273 - 0.584
X51 2
5 - 0.315
- 0.673 X52
2 5
- 0.192 - 0.411
X53 2
5 - 0.236
- 0.505 Y11
2 5
- 0.154 - 0.329
Y12 2
5 - 0.499
- 1.069 Y21
2 5
0.298 0.637
Y22 2
5 0.069
0.147
M u lt iv a r ia t e
4.093
0 .6 6 1 Ba t a sN or m a l
± 2 ,5 8
estimation MLE walau distribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam
estimasi selanjutnya.
4.3.6. Analisis Model One – Step Approach to SEM
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan
structural model yang diestimasi secara bersama-sama One Step Approach to SEM
. One step aprroach to SEM digunakan apabila model diyakini bahwa
dilandasi teori yang kuat serta validitas reliabilitas data sangat baik Hair et.al.,1998.
Hasil estimasi dan fit model one-step approach to SEM dengan menggunakan program aplikasi AMOS 4.01 terlihat pada gambar dan tabel
Goodness of Fit dibawah ini.
Gambar 4.3
Sumber : Lampiran
Tabel 4.15. Evaluasi Kriteria Goodness Of Fit Indices Model One-Step
Approach-Base Model Kriteria
Hasil Nilai
Kritis Evaluasi Model
CminDF 1.565
≤ 2,00 baik
Probability 0.000
≥ 0,05 kurang baik
RMSEA 0.072
≤ 0,08 baik
GFI 0.815
≥ 0,90 kurang baik
AGFI 0.769
≥ 0,90 kurang baik
TLI 0.860
≥ 0,95 kurang baik
CFI 0.877
≥ 0,94 kurang baik
Sumber : Lampiran
Dari hasil evaluasi terhadap model one step base model ternyata dari
semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai
MODEL PENGUKURAN STRUKTURAL Celebrity Endoser, Message Repition, Customer Learning
Model Specification : One Step Approach - Base Model
Attrcativeness X31
er_12 1
1 Likeability
Credibility
1
Celebrity Endoser
d_at 1
0,005 d_cr
d_lk 1
X32 er_13
1 X33
er_14 1
X11 er_3
1 1
1 X21
er_1 1
1
Meaningfulness 0,005
d_mn X41
er_18 X42
er_19 1
1 1
1 X22
er_2 1
X12 er_4
1 X13
er_5 X14
er_6 1
1
X43 er_20
1 X34
er_15 1
X35 er_16
1 X36
er_17 1
Generalization Stimulus
d_sg Y11
er_7 Y12
er_8 1
1 1
1 Discrimination
Stimulus d_sd
Y21 er_21
Y22 er_22
1 1
1 1
Messages Repetition
d_mr X51
er_9 X52
er_10 X53
er_11 1
1 1
1 1
Customer Learning
0,005 d_cl
1
