73
73 diukur, karena indikator multidimensi, maka uji validitas dari setiap latent
variableconstruct akan diuji dengan melihat loading factor dari hubungan antara
setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini.
Tabel 4.10. Validitas data
Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis
Konstrak Indikator Faktor Loading
1 2 3 4 Satisfaction
X11 0.345
X12 0.442
X13 0.667
Trust X21
0.710 X22 0.323
X23 0.496
Relationship Marketing
X31 0.561
X32 0.541
X33 0.606
Loyalty Y1
0.682 Y2
0.456 Y3
0.477
Sumber : Lampiran 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 cukup baik.
4.3.4. Evaluasi
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 dalam koridor uji konsistensi internal yang akan memberikan penelitian kepercayaan diri yang lebih besar bahwa indicator-
indikator individual mengukur suatu pengukuran yang sama Purwanto, 2003.
74
74 Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan
Construct reliability dan variance extracted dapat dilihat dalam tabel 8.
Tabel 4.11. Construct Reliability dan Variance Extracted
Construct Reliability Variance Extrated Konstrak
Indikat or
Standardize Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated
Satisfaction X11 0.345 0.119
0.881 0.485 0.253
X12 0.442 0.195 0.805
X13 0.667 0.445 0.555
Trust X21 0.710 0.504
0.496 0.521 0.285
X22 0.323 0.104 0.896
X23 0.496 0.246 0.754
Relationship Marketing
X31 0.561 0.315 0.685
0.590 0.325 X32 0.541 0.293
0.707 X33 0.606 0.367
0.633 Loyalty
Y1 0.682 0.465
0.535 0.554 0.300
Y2 0.456 0.208
0.792 Y3 0.477
0.228 0.772
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran Hasil pengujian reliabilitas instrument dengan construct reliability dan
variance extracted menunjukkan instrument kurang reliable, 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 empiris 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 statistic deskriptif. Nilai statistic untuk
menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis
75
75 maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat
ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam
estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.12. Normalitas Data
Assessment of normality Variable Min
max kurtosis
c.r. X11 4
7 0.039
0.087 X12 4
7 0.323
0.721 X13 4
7 1.350
3.018 X21 4
7 0.195
0.436 X22 4
7 0.208
0.465 X23 4
7 0.250
0.558 X31 4
7 0.103
0.231 X32 4
7 -0.094
-0.209 X33 4
7 0.900
2.012 Y1 4
7 -0.005
-0.011 Y2 4
7 0.293
0.656 Y3 4
7 0.598
1.336
Multivariate 0.769
0.230 Batas Normal
± 2,58
Sumber : Lampiran Hasil uji menunjukkan bahwa nilai c.r. multivariate berada diantara ± 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 distribusi datanya tidak normal masih dapat menghasilkan good estimate,
sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.3.6. Analisis Model
