66
construct seluruhnya
≥ 0,5, sehingga butir-butir instrumentasi setiap
konstruk tersebut dapat dikatakan validitasnya baik.
4.4.4. Evaluasi 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 dalam koridor uji konsistensi
internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang
sama Purwanto, 2002. Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted
dapat dilihat dalam tabel 4.11. Tabel 4.11. Construct Reliability dan Variance Extracted
Const r uct Reliabilit y Var iance Ex t r at ed Konst r ak
I ndik at or St andar dize
Fact or Loading
SFL Kuadr at
Er r or [εj]
Const r uct Reliabilit y
Var iance Ex t r at ed
Ar t Pr oduct X11
0,666 0,444
0,556 0,820
0,606 X12
0,809 0,654
0,346 X13
0,848 0,719
0,281 Ar t Ser v ice
X21 0,721
0,520 0,480
0,831 0,622
X22 0,826
0,682 0,318
X23 0,815
0,664 0,336
Br and Reliabilit y
Y11 0,757
0,573 0,427
0,857 0,753
Y12 0,966
0,933 0,067
Br and I nt ent ion
Y21 0,726
0,527 0,473
0,814 0,690
Y22 0,923
0,852 0,148
Br and Loy alt y
Z1 0,768
0,590 0,410
0,813 0,592
Z2 0,729
0,531 0,469
Z3 0,810
0,656 0,344
Ba t a s D a pa t D it e r im a
≥ 0,7 ≥ 0,5
Sumber Hasil pengujian reliabilitas instrumen dengan construct reliability
dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan
: Lampiran
67
dengan nilai construct reliability 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 0,50.
4.4.5. Evaluasi Normalitas
Uji normalitas sebaran dilakukan dengan Skewness 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. Hasilnya diperoleh nilai c.r. multivariat diantara ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk
digunakan dalam estimasi selanjutnya. Hasil analisis berikut ini : Tabel 4.12. Normalitas Data
Assessm ent of nor m alit y Var iable
m in m ax
k ur t osis c.r .
X11 4
7 0,937
1,950 X12
4 7
1,159 2,412
X13 4
7 1,142
2,376 X21
3 7
- 0,113 - 0,236
X22 3
7 - 0,038
- 0,080 X23
3 7
0,160 0,334
Y11 3
7 - 0,961
- 2,001 Y12
3 7
- 0,629 - 1,309
Y21 4
7 - 0,681
- 1,417 Y22
4 7
- 0,622 - 1,294
Z1 2
5 0,142
0,295 Z2
2 5
- 0,148 - 0,309
Z3 2
5 - 0,367
- 0,764
M u lt iv a ria t e - 7,710
- 1 ,9 9 1 Ba t a s N orm a l
± 2 ,5 8
Sumber : Lampiran
68
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada 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.
4.4.6. Analisis Model SEM
