39
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.
4.2.5. Uji Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsistensi internal crobach’s alpha, perlu juga dilakukan pengujian construct reliability dan variance eztracted.
Kedua pengujian tersebut masih termasuk uji konsistensi internal yang akan memberikan penelitian kepercayaan diri yang lebih besar bahwa indikator-
indikator individual mengukur suatu pengukuran yang sama.
Tabel 4.6. Construct Reliability Variance Extrated
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [εj] Construct
Reliability Variance
Extrated X11 0.519 0.269
0.731 X12 0.661 0.437
0.563 Brand Strength
X13 0.893 0.797 0.203
0.797 0.797 X21 0.128 0.016
0.984 Brand
Favorability X22 0.992 0.984
0.016 0.557 0.500
X31 0.672 0.452 0.548
Brand Uniqueness
X32 0.794 0.630 0.370
0.701 0.541 Y1 0.687
0.472 0.528
Y2 0.500 0.250
0.750 Customer
Response Y3 0.665
0.442 0.558
0.651 0.388
Sumber : Lampiran
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.\\
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
40
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen cukup 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 sepanjang
disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.2.6. Uji Normalitas
Uji normalitas sebaran dilakukan dengan Skewness 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. Hasilnya diperoleh nilai c.r. multivariat diantara
2,58 dan itu berarti asumsi normalitas tidak terpenuhi dan
data layak
untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.7. Assessment of Normality
Variable min max kurtosis
c.r. X11 4
7 -0.170
-0.347 X12 4
7 -0.422
-0.861 X13 4
7 -0.372
-0.758 X21 4
6 -0.596
-1.216
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
41
X22 4 7
-0.578 -1.180
X31 4 7
-0.423 -0.863
X32 4 7
-0.168 -0.343
Y1 4 7
-0.420 -0.857
Y2 4 7
-0.084 -0.171
Y3 3 7
0.297 0.606
M u lt iv a r ia t e -5.731
- 1 .8 5 0 Ba t a s N or m a l
± 2 ,5 8
Sumber : Lampiran 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 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.
4.2.7. Evaluasi Model One-Steep Approach to SEM