Uji Construct Reliability Variance Extrated Uji Normalitas

49 Tabel 4.8. Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis Konstrak Indikator Faktor Loading 1 2 3 4 Organizational Citizenship Behavior X Alturism X1 X11 0,587 X12 0,357 Concientiouness X2 X21 0,490 X22 0,048 Courtesy X3 X31 0,719 X32 0,488 Service Quality Y Tangibles Y1 Y11 0,734 Y12 0,830 Reliability Y2 Y21 0,635 Y22 0,971 Responsiveness Y3 Y31 0,268 Y32 0,036 Assurance Y4 Y41 0,183 Y42 -0,216 Emphaty Y5 Y51 0,610 Y52 0,998 Trust Z Z1 0,906 Z3 0,866 Z4 0,751 Z5 0,583 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 Standardize Factor Loading SFL Kuadrat Error [εj] Construct Reliability Variance Extrated Organizational Citizenship Behavior X Alturism X1 X11 0,587 0,345 0,655 0,368 0,236 X12 0,357 0,127 0,873 Concientiouness X2 X21 0,490 0,240 0,760 0,141 0,121 X22 0,048 0,002 0,998 Courtesy X3 X31 0,719 0,517 0,483 0,539 0,378 X32 0,488 0,238 0,762 Service Quality Y Tangibles Y1 Y11 0,734 0,539 0,461 0,760 0,614 Y12 0,830 0,689 0,311 Reliability Y2 Y21 0,635 0,403 0,597 0,798 0,673 Y22 0,971 0,943 0,057 Responsiveness Y3 Y31 0,268 0,072 0,928 0,046 0,037 Y32 0,036 0,001 0,999 Assurance Y4 Y41 0,183 0,033 0,967 0,001 0,040 Y42 -0,216 0,047 0,953 Emphaty Y5 Y51 0,610 0,372 0,628 0,804 0,684 Y52 0,998 0,996 0,004 Trust Z Z1 0,906 0,821 0,179 0,863 0,619 Z3 0,866 0,750 0,250 Z4 0,751 0,564 0,436 Z5 0,583 0,340 0,660 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 51 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 -0,227 -0,459 X12 4 7 -0,739 -1,494 X21 4 7 -0,112 -0,226 X22 4 7 -0,271 -0,547 X31 4 7 -0,252 -0,510 X32 4 7 -0,697 -1,408 Y11 4 7 -0,130 -0,263 Y12 4 7 -0,321 -0,648 Y21 4 7 -0,163 -0,330 Y22 4 7 -0,255 -0,515 Y31 4 7 -0,500 -1,010 Y32 4 7 -0,266 -0,538 Y41 4 7 -0,222 -0,450 Y42 4 7 -0,760 -1,536 Y51 4 7 -0,168 -0,340 Y52 4 7 -0,258 -0,520 Z1 4 7 -0,524 -1,058 Z3 4 7 -0,466 -0,941 Z4 4 7 -0,149 -0,302 Z5 4 7 -0,304 -0,615 Multivariate 270,072 45,063 Batas Normal ± 2,58 Sumber : Lampiran 3 52 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak 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