4.3.4 Uji Construct Reliability Dan Variance Extracted
Selain melakukan pengujian Koefisien 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. Hasil Uji Construct Reliability dan Variance Extracted dapat dilihat pada
tabel berikut ini:
Tabel 4.16: Uji Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X11 0.106 0.011 0.989
X12 0.237 0.056 0.944
Tangibles X13 0.183 0.033
0.967 0.087 0.034
X21 0.999 0.998 0.002
Reliability X22 -0.153 0.023
0.977 0.422 0.511
X23 0.126 0.016 0.984
X31 0.790 0.624 0.376
Responsiveness X32 -0.137 0.019
0.981 0.019 0.019 X41 0.120 0.014
0.986 Assurance
X42 0.383 0.147 0.853
0.121 0.081 X51 0.173 0.030
0.970 X52 0.123 0.015
0.985 Empathy
X53 0.288 0.083 0.917
0.106 0.043 Y1 0.450 0.203
0.798 Y2 0.074 0.005
0.995 Satisfaction
Y3 0.111 0.012 0.988
0.127 0.073 Z2 0.997 0.994
0.006 Loyalty
Z5 0.280 0.078 0.922
0.637 0.536
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran
Hasil pengujian Reliabilitas Instrumen dengan Construct Reliability dan Variance Extracted
menunjukkan Instrumen kurang Reliabel, yang ditunjukkan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 dibawah 0,70 pun masih dapat diterima
sepanjang disertai alasan-alasan empirik yang terlihat dalam proses eksplorasi. Dan Variance Extracted direkomendasikan pada tingkat 0,50.
4.3.5 Uji Normalitas
Hasil Uji Normalitas dapat dilihat pada tabel berikut: Tabel 4.17 : Assessment of Normality
Variable min max kurtosis
c.r. X11
1 7 0.191 0.418
X12 1 7 -0.176
-0.385 X13
1 7 -0.070 -0.154
X21 2 7 -0.419
-0.918 X22
1 7 -0.390 -0.853
X23 2 7 -0.377
-0.825 X31
2 7 -0.185 -0.405
X32 1 7 0.414
0.906 X33
1 7 0.925 2.026
X41 2 7 0.063
0.137 X42
2 7 -0.249 -0.546
X51 2 7 -0.214
-0.468 X52
1 7 2.179 4.769
X53 2 7 2.146
4.697 Y1
3 7 -0.461 -1.009
Y2 2 7 -0.310
-0.679 Y3
3 7 0.387 0.848
Z2 2 7 1.774
3.884 Z5
2 7 0.190 0.417
Multivariate 1.561
0.296 Batas Normal
± 2,58
Sumber : Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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. Multivariate berada diluar ± 2,58 itu
berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika tehnik estimasi
dalam model SEM menggunakan Maximum Likelihood Estimation [MLE] walaupun distribusi datanya tidak normal masih dapat menghasilkan Good
Estimate , sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.3.6 Evaluasi Model One-Step Approach to SEM