Uji Normalitas Analisis Model One – Step Approach to SEM

bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat explatory, 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.

4.7 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 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 Uji Normalitas Variable Sumber : Lampiran Assessment of normality min max kurtosis c.r. X11 4 7 -0.728 -1.523 X12 3 7 -0.301 -0.630 X13 3 7 -0.713 -1.491 X14 1 7 0.880 1.840 X21 2 7 0.459 0.959 X22 1 7 0.766 1.602 X31 2 7 0.199 0.416 X32 2 7 0.413 0.864 X33 2 7 0.139 0.290 X41 3 7 -0.470 -0.984 X42 2 7 0.046 0.096 X44 1 7 0.344 0.720 X45 2 7 -0.466 -0.975 X51 2 7 1.222 2.556 X52 2 7 -0.561 -1.173 X53 3 7 -0.057 -0.119 Y1 2 7 1.534 3.208 Y2 1 7 0.984 2.059 Y3 3 7 0.207 0.432 Multivariate 65.282 11.840 Batas Normal ± 2,58     Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan 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 menunjukan bahwa nilai c.r. Multivariate di luar ± 2,58 itu berarti asumsi normalitas tidak terpenuhi . Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh “Bentler dan Chou [1987], bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation MLE walau distribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya”.

4.8 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 oleh terjadinya interkasi antara measurement model dan structural model yang diestimasi secara bersama-sama one step approach to SEM. “One step approach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas dan 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 dibawah ini : Gambar 4.1 MODEL PENGUKURAN STRUKTURAL Service Quality, Customer Satisfaction Model Specification : One Step Approach - Eliminasi Reliability Responsive Sumber : Lampiran Tabel 4.13 Evaluasi Kriteria Goodness of Fit Indices Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1.386 ≤ 2,00 kurang baik Probability 0.001 ≥ 0,05 kurang baik RMSEA 0.061 ≤ 0,08 kurang baik GFI 0.822 ≥ 0,90 kurang baik AGFI 0.780 ≥ 0,90 kurang baik TLI 0.673 ≥ 0,95 kurang baik CFI 0.708 ≥ 0,94 kurang baik Sumber : Lampiran X31 er_3 X32 er_4 1 1 1 X21 er_1 1 1 X33 er_5 1 Assurance X41 er_6 X42 er_7 1 1 1 Empathy X51 er_15 X52 er_16 1 1 1 1 Service Quality 0,005 d_rs 0,005 d_as 0,005 d_ep 0,005 d_re 1 1 1 Tangibles X11 er_11 0,005 d_ta 1 1 X12 er_12 1 X13 er_13 1 X14 er_14 1 1 1 er_2 X22 X53 er_17 1 Customer Satisfaction Y1 er_18 Y2 er_19 0,005 d_cs Y3 er_20 1 1 1 1 1 1 X44 1 er_9 1 er_10 X45 Terlihat dari Tabel Goodness of Fit Indice bahwa one step eliminasi ternyata dari semua criteria goodness of Fit yang digunakan, belum seluruhnya menunjukan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model masih perlu dimodifikasi sebagaimana terdapat dibawah ini : Gambar 4.2 MODEL PENGUKURAN STRUKTURAL Service Quality, Customer Satisfaction Model Specification : One Step Approach - Eliminasi - Modifikasi Reliability Responsive X31 er_3 X32 er_4 1 1 1 X21 er_1 1 1 X33 er_5 1 Assurance X41 er_6 X42 er_7 1 1 1 Empathy X51 er_15 X52 er_16 1 1 1 1 Service Quality 0,005 d_rs 0,005 d_as 0,005 d_ep 0,005 d_re 1 1 1 1 Tangibles X11 er_11 0,005 d_ta 1 1 X12 er_12 1 X22 er_2 1 X13 er_13 1 X14 er_14 1 1 X44 er_9 1 X45 er_10 1 X53 er_17 1 Customer Satisfaction Y1 er_18 Y2 er_19 0,005 d_cs Y3 er_20 1 1 1 1 1 Sumber : Lampiran Tabel 4.14 Evaluasi Kriteria Goodness of Fit Indice Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1.006 ≤ 2,00 baik Probability 0.466 ≥ 0,05 baik RMSEA 0.007 ≤ 0,08 baik GFI 0.900 ≥ 0,90 baik AGFI 0.900 ≥ 0,90 baik TLI 0.995 ≥ 0,95 baik CFI 0.996 ≥ 0,94 baik Sumber : Lampiran Dari hasil evaluasi terhadap model one step approach modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukan 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 kaual antar variabel dalam model sebagaimana terdapat dibawah ini.

4.9 Uji Kausalitas