Tabel 4.11. Construct Reliability dan Variance Extracted
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
Brand Satisfaction
X11 0.443 0.196 0.804
0.072 0.107 X12
-0.244 0.060 0.940 X13
0.257 0.066 0.934 Brand
Performance X21
0.014 0.000 1.000 0.023 0.011
X22 0.161 0.026 0.974
X23 0.091 0.008 0.992
Brand Switching Y1
0.551 0.304 0.696 0.368 0.172
Y2 0.346 0.120 0.880
Y3 0.305 0.093 0.907
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 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.
4.3.5. Evaluasi 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 4.12. Normalitas Data
Variable min max
kurtosis c.r.
X11 2 5
-0.441 -0.944
X12 2 4
-0.604 -1.292
X13 3
5 -0.593
-1.269 X21
2 5
-0.371 -0.795
X22 2 5
-0.302 -0.647
X23 2 5
-0.150 -0.321
Y1 2
5 -0.999
-2.138 Y2
2 5
-0.731 -1.565
Y3 2 5
-0.927 -1.984
Multivariate
2.583 0.963
Batas Normal ± 2,58
Sumber : Lampiran Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 itu berarti asumsi normalitas 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.
4.3.6. Analisis Model
One-Step Approach To SEM
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model
dan structural model yang diestimasi secara bersama-sama [One Step Approach to SEM]. One step aprroach to SEM digunakan apabila model
diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik [Hair et.al.,1998]
Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dan
Tabel Goodness of Fit di bawah ini. Gambar 4.1
MODEL PENGUKURAN STRUKTURAL Brand Satisfaction, Brand Performance, Brand Switching
Model Specification : One Step Approach - Base Model
Brand Switching
1 Brand
Performance 1
Brand Satisfaction
X11 er_1
1
Y1 er_7
1 1
X21 er_4
1 X22
er_5 1
X23 er_6
1 d_bs
1 Y2
er_8 1
X12 er_2
1 X13
er_3 1
Y3 er_9
1
Sumber : Lampiran
Tabel 4.13. Evaluasi Kriteria Goodness Of Fit Indices Model One-Step
Approach-Base Model
Kriteria Hasil Nilai
Kritis Evaluasi
Model CminDF 0.742
≤ 2,00 baik
Probability 0.813 ≥ 0,05
baik RMSEA 0.000
≤ 0,08 baik
GFI 0.967 ≥ 0,90
baik AGFI 0.937
≥ 0,90 baik
TLI 5.186 ≥ 0,95
baik CFI 1.000
≥ 0,94 baik
Sumber : Lampiran Dari hasil evaluasi terhadap model one step base model ternyata
dari semua kriteria goodness of fit yang digunakan, seluruhnya
menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi
oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang terbaik untuk menjelaskan keterkaitan antar
variabel dalam model sebagaimana terdapat di bawah ini.
4.3.7. Uji Kausalitas