Gambar 3.1 : Contoh Model Pengukuran Faktor Mass Customization
Keterangan: X1.1= Pertanyaan tentang Fleksibilitas yang tinggi
X2.2= Pertanyaan tentang Volume yang tinggi X3.3= Pertanyaan tentang Ekonomis dan Tepat Waktu
er_j= error tern Xij Demikian juga faktor lain yaitu kepuasan konsumen.
3.5. Asumsi Model Structural Equation Modelling
1. Uji Normalitas Sebaran dan Linieritas
a. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat
diuji dengan metode-metode statistik. b.
Menggunakan Critical ratio yang diperoleh dengan membagi koefisien sampel dengan standar errornya dan Skewness value yang biasanya
Mass Customization
X1.1
X2.2
X3.3 er_1
er_2
er_3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
disajikan dalam statistic deskriptif dimana nilai statistic untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikan 1, jika
nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal.
c. Normal Probability plot [ SPSS 10.1 ]
d. Liniertas dengan mengamati scatterplots dari data yaitu dengan memilih
pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya liniertas.
2. Evaluasi atas Outlier
a. Mengamati nilai Z-score: ketetntuannya diantara ± 3,0 non outlier.
b. Multivarate outler diuji dengan criteria jarak Mahalanobis pada tingkat p
. Jarak diuji dengan chi-square [ x ] pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari : nilai x adalah multivariate
outler. c.
Outlier adalah observasi atau data yang memilki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul
dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Ferdinand, 2002 .
3. Multicolinierity dan Singularity
Dengan mengamati determinant matriks covarian. Dengan ketentuan apabila determinant sampel matriks mendekati angka 0 [kecil], maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998 .
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4. Uji Validitas dan Realibilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
sebenarnya diukur. Sdangkan Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstrak yang
menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstrak yang umum. Karena indikator
multidimensi, maka uji validitas dari setiap laten variabel atau construct akan diuji dengan melihat loading faktor dari hubungan antara setiap observerd
variabel dan laten variabel. Sedangkan relibilitas diuji dengan construct reliability dan varience extrected dihitung dengan rumus berikut:
Construct Reliability = [ Standardize Loading ]
2
[ Standardize Loading ]
2
+ ∑ ej
[ Standardize Loading ]
2
Variance Extraced = [ Standardize Loading ]
2
+ ∑ ej
Sementara ε j dapat dihitung dengan formula ε j = 1 – [ Standardize
Loading ]. Secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,7 dan variance extracted ≥ 0,5 Hair et all,1998 . Standardize Loading dapat diperoleh dari output AMOS 4.01 dengan melihat nilai
estimasi setiap butir sebagai indikator yang didapat dari hasil perhitungan komputer.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.6. Pengujian Hipotesis dan Hubungan Kausal