43
X13 = Mengutamakan kepentingan konsumen.
Er_j = error term X1j Begitu juga variabel – variabel lain melalui proses sesuai dengan gambar.
3.6 Asumsi Model
3.6.1 Uji Normalitas dan Linearitas
Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk
permodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data dapat diuji dengan metode-metode statistik. Uji normalitas
ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariant dimana beberapa variabel digunakan sekaligus
dalam analisis akhir uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola
penyebarannya untuk menduga ada tidaknya linearitas. Ferdinand, 2002 : 52.
3.6.2 Outliers
Ouitliers adalah observasi yang muncul dengan nilai-nilai ekstrem
baik secara invariant maupun multivariant yaitu yang muncul karena kombinasi kharakteristik unik yang dimilikinya dan terlihat sangat jauh
berbeda dari observasi-observasi lainnya. Outliers pada dasarnya dapat muncul dalam 4 kategori :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
44
3.6.2.1 Outliers
muncul karena kesalahan prosedur. 3.6.2.2
Outliers muncul karena keadaan yang benar-benar khusus yang
memungkinkan profil aktanya lain daripada yang lain. 3.6.2.3
Outliers muncul karena adanya sesuatu alasan tetapi peneliti
tidak dapat mengetahui apa penyebabnya. 3.6.2.4
Outliers dapat muncul dalam mengenali yang ada, tetapi bila
dikombinasi dengan variabel lainnya. Kombinasinya menjadi tidak lazim atau sangat ekstrim atau yang biasa disebut
multivariate outlier. Perlakuan terhadap outliers dilakukan bergantung pada bagaimana
outlier itu muncul. Dalam analisis ini outliers dapat dievaluasi dengan dua cara yaitu analisis terhadap univariate outliers dan analisis terhadap
multivariate outliers .
Univariate Outlier Deteksi terhadap adanya outlier univariate dapat dilakukan dengan
menentukan nilai ambang batas yang akan dikategorikan sebagai outliers
dengan cara mengkonversi nilai data penelitian ke dalam standart score atau yang biasa disebut Z-score yang mempunyai rata-
rata nol dengan standar deviasi sebesar satu. Oleh karena itu kasus atau observasi yang mempunyai Z-score 30 akan dikategorikan sebagai
outliers. Multivariate Outlier
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
45
Evaluasi terhadap multivariate outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada
tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis the Mahalanobis
distance untuk tiap observasi dapat dihitung dan akan menunjukkan
jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap outliers multivariate dilakukan
dengan menggunakan kriteria jarak Mahalanobis pada tingkat P 0,001. jarak Mahalanobis itu dievaluasi dengan menggunakan X
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian itu. Ferdinand, 2002 : 102.
3.6.3 Multicolinearity dan Singularity
Multikolinearitas dapat dideteksi dan determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil
extremely small memberi indikasi adanya problem multikolinearitas atau singularitas.
3.6.4 Uji Validitas dan Reliabilitas
Validitas berhubungan dengan apakah suatu variabel mengukur apa yang seharusnya diukur. Seperti yang dikutip dari Wijanto 2008:65 yaitu
bagaimana mendefinisikan cara untuk menguji validitas adalah dengan melihat standard factor loadings muatan faktor standar variabel-variabel
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
46
teramati indikator terhadap variabel laten faktor merupakan estimasi validitas variabel-variabel teramati tersebut.
Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator suatu konstruk yang menunjukkan derajat sampai
dimana masing-masing indikator itu mengindikasikan sebuah konstrukfaktor laten yang umum Ferdinand, 2002 : 62. Reliabilitas diuji
dengan construct reliability dan variance extracted. construct reliability dan variance extracted dapat dihitung dengan rumus sebagai berikut :
Construct reliability =
j loading
std loading
std
2 2
Variance extracted =
j loading
std loading
std
2 2
Hair et.al 1998 menyatakan bahwa sebuah konstruk mempunyai reliabilitas yang baik adalah jika :
Nilai Construct Reliability CR nya 0,70 Nilai Variance Extracted VE nya 0,50
3.7 Pengujian Model
