48
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat
dikatakan validitasnya baik.
4.2.4. 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 dalam tabel berikut :.
Tabel 4.9. Construct Reliability dan Variance Extrated
Konstrak Indikator
Standardize Factor Loading
SFL Kuadrat
Error [εj]
Construct Reliability
Variance Extrated
Relationship Marketing
X
1
X11 0.628
0.394 0.606
0.722 0.465
X12 0.726
0.527 0.473
X13 0.688
0.473 0.527
Kualitas Layanan
X
2
X21 0.599
0.359 0.641
0.736 0.359
X22 0.659
0.434 0.566
X23 0.573
0.328 0.672
X24 0.547
0.299 0.701
X25 0.611
0.373 0.627
Loyalitas Pelanggan
Y Y1
0.718 0.516
0.484 0.807
0.587 Y2
0.651 0.424
0.576 Y3
0.907 0.823
0.177
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
Hasil pengujian reliabilitas instrumen dengan construct reliability dan
variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan
49
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, dan variance extracted direkomendasikan pada tingkat 0,50.
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
-0.261 -0.559
X12 4
7 -0.622
-1.332 X13
4 7
-0.178 -0.381
X21 4
7 -0.229
-0.490 X22
4 7
-0.300 -0.643
X23 4
7 -0.863
-1.848 X24
4 7
-0.475 -1.016
X25 4
7 -0.207
-0.444 Y1
4 7
-0.234 -0.500
Y2 4
7 -0.234
-0.501 Y3
4 7
-0.491 -1.050
Multivariate -6.611
-2.050 Batas Normal
± 2,58
Sumber : Lampiran 3
50
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di dalam± 2,58
itu berarti asumsi normalitas terpenuhi.
4.2.6 Analisis Model One – Step Approach to SEM
