67
Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan nilai MD maksimum adalah 48,793 lebih kecil dari 51,179. Oleh karena
itu diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel.
4.3.1.3. Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 [kecil],
maka terjadi multikolinieritas dan singularitas [Tabachnick Fidell,1998].
Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix
adalah 0 yaitu sebesar 50.156.070 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi
terpenuhi. 4.3.1.4. Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang
menunjukkan derajad sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
68
Karena indikator multidimensi, maka uji validitas dari setiap latent variabel construct akan diuji dengan melihat faktor loading faktor dari
hubungan antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Dari
hasil pengolahan data didapatkan hasil sebagai berikut :
Tabel 4.11. Faktor Loading dan Construct dengan Confirmatory Factor
Analysis
Konstrak Indikator
Faktor Loading 1
2 3
4
Product Attribute X11
0,854 X12
0,855 X13
0,831 X14
0,871 X15
0,764 X16
0,774 X17
0,780 X18
0,750 Price
X21 0,785
X22 0,847
X23 0,873
X24 0,888
Promotion X31
0,814 X32
0,796 X33
0,843 X34
0,713 X35
0,705 Product
Distribution X41
0,952 X42
0,684 Switching
Behavior Y1
0,698 Y2
0,697 Y3
0,835 Y4
0,952 Y5
0,921
Sumber : Hasil Pengolahan Data Lampiran 6 Berdasarkan hasil confirmatory factor analysis terlihat bahwa
factor loadings masing masing butir pernyataan yang membentuk setiap construct seluruhnya
≥ 0,5, sehingga butir -butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya baik.
69
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala [variabel atau indikator observasian]. Sementara itu
item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien
Cronbach’s Alpha yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam penelitian
ini dapat dilihat pada tabel berikut ini :
Tabel 4.12. Pengujian Reliability Consistency Internal
Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
Product Attribute X11
0,871
0,937 X12
0,870 X13
0,851 X14
0,875 X15
0,797 X16
0,818 X17
0,808 X18
0,795 Price
X21 0,858
0,911 X22
0,889 X23
0,899 X24
0,909 Promotion
X31 0,844
0,878 X32
0,825 X33
0,850 X34
0,793 X35
0,807 Product
Distribution X41
0,923 0,783
X42 0,893
Switching Behavior
Y1 0,923
0,912 Y2
0,893 Y3
0,871 Y4
0,934 Y5
0,919 : tereliminasi
Sumber : Lampiran 5 Proses eleminasi diperlakukan pada item to total correlation pada
indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya
≥ 0,5. Indikator
70
yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi.
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil baik dimana koefisien Cronbach’s
Alpha yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998]. Selain melakukan pengujian konsistensi internal Cronbach’s Alpha,
perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi
internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang
sama. Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut :
Sementara ε
j
dapat dihitung dengan formula ε
j
= 1 – [ Standardize loading ] secara umum, nilai construct reliability yang dapat diterima
adalah ≥ 0,5 Hair at, 1998. Standardize loading dapat diperoleh dari
output AMOS 4.01, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap butir sebagai indikatornya.c.
ε
j
= 1 - [Standardize Loading]
2
Σ [Standardize Loading
2
] Variance Extracted =
Σ [Standardize Loading
2
] + Σ ε
j
[ Σ Standardize Loading]
2
Construct Reliability = [
Σ Standardize Loading]
2
+ Σε
j
]
71
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.13. Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated
Product Attribute
X11 0,854
0,729 0,271
0,939 0,658
X12 0,855
0,731 0,269
X13 0,831
0,691 0,309
X14 0,871
0,759 0,241
X15 0,764
0,584 0,416
X16 0,774
0,599 0,401
X17 0,780
0,608 0,392
X18 0,750
0,563 0,438
Price X21
0,785 0,616
0,384 0,912
0,721 X22
0,847 0,717
0,283 X23
0,873 0,762
0,238 X24
0,888 0,789
0,211 Promotion
X31 0,814
0,663 0,337
0,883 0,602
X32 0,796
0,634 0,366
X33 0,843
0,711 0,289
X34 0,713
0,508 0,492
X35 0,705
0,497 0,503
Product Distribution
X41 0,952
0,906 0,094
0,810 0,687
X42 0,684
0,468 0,532
Switching Behavior
Y1 0,698
0,487 0,513
0,914 0,685
Y2 0,697
0,486 0,514
Y3 0,835
0,697 0,303
Y4 0,952
0,906 0,094
Y5 0,921
0,848 0,152
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Hasil Pengolahan Data Lampiran 7 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.
72
4.3.2. Pengujian Model Dengan One-Step Approach
