52
Tabel 4.13. Standardize Faktor Loading dan Construct dengan
Confirmatory Factor Analysis Konstrak
Indikator Faktor Loading
1 2
3 4
Berwujud X
1
X11 0.564
X12 0.544
X13 0.328
Keandalan X
2
X21 0.358
X22 0.637
X23 0.734
X24 0.541
Daya Tanggap X
3
X31 0.856
X32 0.787
X33 0.509
Jaminan X
4
X41 0.442
X42 0.647
X43 0.622
Empati X
5
X51 0.735
X52 0.583
X53 0.650
Kepuasan Konsumen
Y Y1
0.564 Y2
0.650 Y3
0.336
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 cukup 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
53
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 4.14. Construct Reliability
dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated Berwujud
X
1
X11 0.564
0.318 0.682
0.475 0.241
X12 0.544
0.296 0.704
X13 0.328
0.108 0.892
Keandalan X
2
X21 0.358
0.128 0.872
0.662 0.341
X22 0.637
0.406 0.594
X23 0.734
0.539 0.461
X24 0.541
0.293 0.707
Daya Tanggap
X
3
X31 0.856
0.733 0.267
0.769 0.537
X32 0.787
0.619 0.381
X33 0.509
0.259 0.741
Jaminan X
4
X41 0.442
0.195 0.805
0.594 0.334
X42 0.647
0.419 0.581
X43 0.622
0.387 0.613
Empati X
5
X51 0.735
0.540 0.460
0.695 0.434
X52 0.583
0.340 0.660
X53 0.650
0.423 0.578
Kepuasan Konsumen
Y Y1
0.564 0.318
0.682 0.528
0.284 Y2
0.650 0.423
0.578 Y3
0.336 0.113
0.887
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen cukup reliabel, yang ditunjukkan
dengan nilai construct reliability belum seluruhnya ≥ 0,7. Meskip
un demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang
dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima
54
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 4.15. Assessment Of Normality
Variable min
max kurtosis
c.r. X11
2 7
-0.238 -0.510
X12 2
7 -0.743
-1.591 X13
3 7
-0.418 -0.894
X21 2
7 0.701
1.501 X22
2 7
0.204 0.436
X23 2
7 -0.172
-0.368 X24
2 7
-0.431 -0.922
X31 2
7 0.231
0.494 X32
2 7
0.093 0.199
X33 2
7 -0.043
-0.091 X41
2 7
-0.178 -0.381
X42 2
7 -0.004
-0.009 X43
2 7
-0.392 -0.839
X51 1
7 0.265
0.568 X52
1 7
0.269 0.577
X53 2
7 0.045
0.097 Y1
2 7
0.150 0.320
Y2 2
7 -0.005
-0.010 Y3
2 7
-0.360 -0.770
Multivariate 17.487
3.246
Batas Normal ± 2,58
Sumber : Lampiran 3
55
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
