57
4.2.4. Uji Construct Reliability dan Variance Extracted
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. Hasil perhitungan construct reliability dan variance extracted dalam tabel berikut ini:
Tabel 4.13. Construct Reliability
dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[εj] Construct
Reliability Variance
Extrated Produk
X
1
X11 0.633
0.401 0.599
0.731 0.477
X12 0.751
0.564 0.436
X13 0.683
0.466 0.534
Harga X
2
X21 0.681
0.464 0.536
0.719 0.467
X22 0.806
0.650 0.350
X23 0.536
0.287 0.713
Distribusi X
3
X31 0.566
0.320 0.680
0.784 0.555
X32 0.878
0.771 0.229
X33 0.757
0.573 0.427
Promosi X
4
X41 0.693
0.480 0.520
0.810 0.592
X42 0.684
0.468 0.532
X43 0.910
0.828 0.172
Loyalitas Merek Y
1
Y11 0.105
0.011 0.989
0.062 0.053
Y12 -0.236
0.056 0.944
Y13 -0.302
0.091 0.909
Kesadaran Merek Y
2
Y21 0.416
0.173 0.827
0.562 0.258
Y22 0.930
0.865 0.135
Y23 0.386
0.149 0.851
Y24 0.188
0.035 0.965
Y25 0.262
0.069 0.931
Kesan Kualitas Y
3
Y31 0.315
0.099 0.901
0.587 0.393
Y32 0.996
0.992 0.008
Y33 0.297
0.088 0.912
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 3
58
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.
4.2.5. Uji 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 :
59
Tabel 4.14. Assessment Of Normality
Variable min
max kurtosis
c.r. X11
4 7
-0.255 -0.559
X12 4
7 -0.685
-1.500 X13
4 7
-0.171 -0.374
X21 4
7 -0.233
-0.510 X22
4 7
-0.267 -0.583
X23 4
7 -0.774
-1.694 X31
4 7
-0.547 -1.197
X32 4
7 -0.153
-0.334 X33
4 7
-0.347 -0.759
X41 4
7 -0.118
-0.259 X42
4 7
-0.233 -0.510
X43 4
7 -0.471
-1.032 Y11
4 7
-0.462 -1.010
Y12 4
7 -0.140
-0.307 Y13
4 7
-0.318 -0.696
Y21 4
7 -0.501
-1.097 Y22
4 7
-0.766 -1.676
Y23 4
7 -0.937
-2.051 Y24
4 7
-0.754 -1.650
Y25 4
7 -0.729
-1.596 Y31
4 7
-0.585 -1.280
Y32 4
7 -0.663
-1.452 Y33
4 7
-0.908 -1.989
Multivariate 21.106
3.337 Batas Normal
± 2,58
Sumber : Lampiran 3
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luara ± 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.
60
4.2.6 Analisis Model One – Step Approach to SEM
Kategori