Uji Reliabilitas - Uji Validitas dan Uji Reliabilitas

Lama Menggunakan Internet

4.23 Uji Validitas dan Uji Reliabilitas

4.23.2 Uji Reliabilitas

digunakan untuk mengukur variabel peningkatan kineija telah dinilai valid. Hal ini dikarenakan seluruh nilai pearson correlation yang didapatkan bemilai positif dan berada pada tingkat signifikansi di bawah 0,05.

4.2.4 Uji Multinormalitas danUjiMultikolinearitas

Uji normalitas dan multikolinearitas ini dilakukan untuk memenuhiasumsi dalam Structural Equation Modelling sebelum meianjutkan ketahap pengolahan databerikutnya

.

Uji normalitas dan multikolinearitas ini dilakukan untuk memastikan apakah data berdistribusi normal serta tidak ada kasus multikolinearitas didalamnya.

4.2

.

4.1 Uji Multinormalitas

Pengujian distribusi multikolinearitas pada ^penelitian ini menggunakan macro minitab

.

Pengujian hipotesis untuk multikolinearitas adalah^sebagaiberikut:

Ho

: Data mengikutisebarandistribusi multinormal

Hi

: Data tidak mengikuti sebaran^distribusimultinormal

Data penelitiandapat dikatakan berdistribusimultinormal jika daerah dibawah kurva y

?

^{sebesar 50}% atau lebih

.

^Pengujian

datahasilpenelitiandapatdilihatpada gambarscatterplot sebagai berikut:

Gambar4.7PlotPengujian NormalMultivariate

Berdasarkan hasil running menggunakan software minitab^diatas, diketahui bahwa daerah dibawah kurva

X

^adalah ^sebesar

79,2857%

.

Dari hasil ini dapatdisimpulkan bahwadatayangada mengikutisebaran distribusi multinormal

.

4.2.4.2 Uji Multikolinearitas

Dalam uji multikolinearitas ini, terdapat asumsi yang hams dipenuhi yaitu tidak adanya kolerasi yang sempuma atau besar diantara variabel

-

^variabel ^{yang ada}^. ^Menumt ^Ghozali

(2009), nilai korelasi yangdiperbolehkanadalahdiantara rentang

-

^0,⁷^-⁰,7

.

Berikut adalah hasil uji multikolinearitasyang telah dilakukan:

Tabel 4.22HasilU iMultikolinearitas

MOT COM PU PEOU

COM 0,545

PU 0,318 0,445

PEOU 0,585 0,642 0,427

0,450 SE 0,386 0,503 0,350

-0,590

-

⁰^,⁴⁹⁶

ANX -0,507 -⁰^,⁶¹¹ -⁰^,³⁹⁸

0^,582 ^-0,642 PI 0,555 0,688 0,378 0,564

-0,701 PK 0,682 0,700 0,567 0,690 0,450

Berdasarkan hasil uji multikolinearitas diatas, dapat dilihatbahwa tidak ada nilaikorelasiyangberada diluarrentang

-0,7

-

^0,⁷^,^sehinggadapat disimpulkan bahwa tidak teijadi kasus multikolinearitas pada kedelapan variabel tersebut

.

4.2.5ConfirmatoryFactor Analysis (CFA)atauAnalisaFaktor Konfirmatori

Model pengukuran untuk analisis faktor konfirmatori (CFAConfirmatory Factor Analysis) dilakukan secera terpisah untukkonstruk

-

konstrukeksogendan konstruk

-

^konstruk^endogen

dimana prosedur analisis faktor konfirmatori mengacu pada Hair etal.(1995)yaitu terdiri dari:

.

Analisisoverallmodel fit

.

Analisis factor loadingsdansignifikansifactorloadings

.

Analisis reliabilitas dan validitas.

4.2.5.1 ConfirmatoryFactorAnalysisKonstrukEksogen Pengukuran konstruk eksogen ini dilakukan terhadap keenam variabel laten dimana terdapat total sembilan belas indikator, masing

-

masing variabel indikator diwujudkan dalam beberapapertanyaandalam kuisioner yang telah disebar.Variabel pertamaadalah motivation, memiliki tiga indikator yaitu MOT1, MOT2,MOT3

.

Variabel kedua adalahcompetitive, memiliki tiga indikator yaitu COM1, COM2, COM3

.

Variabel ketiga adalah perceived of usefulness, memiliki tiga indikatoryaitu PU1, PU2, PU3

.

^Variabel ^keempat adalah perceived ease of use, memiliki empat indikator yaitu PEOU1, PEOU2, PEOU3, PEOU4

.

Variabel kelima adalah self efficacy, memiliki tiga indikator yaitu SE1, SE2, SE3

.

Variabel keenam adalah computer/intemet anxiety, memiliki tiga indikator yaitu ANX1, ANX2, ANX3

.

Berikut ini merupakan hasil dari model confirmatory factor analysis untuk konstruk

-

konstrak eksogen.

11.80

Chi^-square=152,394 df=137 prob=,174 GFI=^,905 AGFI=^,868 RMSEA=,028

\ ^CFI=^,⁹⁵⁰

1 OTlw74

e1 ^,⁵⁶

1 IOT> ^MOT

'15 00

1 IOT:

,33 1 ;OM

e4 ,90

1 ^|^C

COM

e5 .13

—

.07

,23

< 2 tM

^PU1 ^,⁶²

(^e8V

-

V|PU2

l

⁴

i

'^s

— ^{^}

⁴₁ ^j^oo ^PU ₁₀ ^.¹³ ^,¹⁴

'^EOI

1 ,•34 37

^

¹¹ ₂,

'^El 11

PEOU .08 -⁰⁵

.36 1

1 'EOl

1 08

.08

,40

•34

00'

JsE

y2d -.08

1 1 ,29

.61

1 ANX

4 00

1 1

Gambar4.8AnalisisFaktorKonfirmatori Konstruk^Eksogen Untuk melihat apakah model CFA yang dibangun sudah baik atau tidak, dapatdilihat pada Tabel 4.23dibawahini

.

Tabel 4.23 Hasil GoodnessofFitKonstruk

-

Konstruk Eksogen Hasil

Estimasi Goodness^-of-fit

Cut^-off Keputusan

Indices

Chisquare (

x

²⁾ ⁴⁷⁸^,⁷⁰ ^152,39 ^Good^Fit

SignificanceProb > 0,1 0,17 Good Fit

GFI >0,9 0,91 Good Fit

AGFI > 0,9 0,87 Marginal Fit RMSEA <0,08 0,03 GoodFit

CFI >0,9 0,95 GoodFit Berdasarkan Tabel 4.23diatas, dapat dilihat bahwamasih terdapat kriteria goodness of fit yang belum memenuhi cut off value nya sehingga perlu dilakukan modifikasi. Hasil modifikasi model dapat dilihat padaGambar4.9dibawah ini:

Chi-^square=112,725 df=129 prob=^,⁸⁴⁵

GFI=^,⁹³⁰

AGFI=^,⁸⁹⁷

RMSEA=^,⁰⁰⁰

v CFI=¹^,⁰⁰⁰

11.40

1 lOTi*ⁱ^.ⁱ² ^.⁵²

1 IOT: MOT

\7^'

'⁴ 00

1 IOT:

'37 .31

1 OM

e4 ,93

.96

1 COM

e5 M 11

-⁰⁵

'⁴⁷₁ ⁰⁰

:OM:

07 .22

e7 1 PU1 66

1 PU2

-

^PU

e8 ₁₂

00 .¹⁴

,34 ₁

PU3 e9

1 Ol

i1 05 06

<31

1 Ol

.

PEOU ⁰⁸ -⁰⁵

.39 1 1

!⁴

1 1 Ol 08

.08 40

1 SE1

1 ,28

^

¹ 04

HSE

²^|

-

^SJ ^{ ^SE

-

^{^}⁴⁸ ^1.00 ^A

1 SE3

.

¹^«

'29 I-1 0

1 IX^'

1 24

1 ANX

1 oc

1 ix:

Gambar4.9ModifikasiAnalisisFaktorKonfirmatoriKonstruk Eksogen

Hasil goodness of fit konstruk

-

^konstruk eksogen pada model yang telah dimodifikasi ini menunjukkan hasil yang baik.

Semua kriteriagoodnessof fit telah memenuhicut off valuenya

.

Sehingga dapat disimpulkan bahwa model sudah baik, terbukti bahwaterdapatkesesuaianantarainput observasi dengan prediksi darimodelyangdiajukan

.

Tabel4.24HasilModifikasiGoodness ofFit Konstruk

-

^Konstruk

Eksogen Goodness^-of^-fit

Indices

Hasil Estimasi

Cut^-off Keputusan

Chisquare (

x

²⁾ ⁴⁷⁸^,⁷⁰ ¹¹²^,⁷³ ^Good^Fit

SignificanceProb 0,1 0,85 GoodFit

GFI > 0,9 0,93 GoodFit

AGFI > 0,9 0,9 GoodlFit

RMSEA < 0,08 0^,03 GoodFit

> 0,9

CFI 0,95 GoodFit

Setelah modeldinyatakan fitdengan datayangada, maka selanjutnya hams dianalisis besaran dan tingkat signifikansi parameterestimasi dati masing

-

masing indikatormenujukonstruk latennya

.

Berikut mempakan hasil analisis faktor loading yang telah dilakukan:

Tabel 4.25 FactorLoading AnalysisKonstruk

-

^Konstruk^Eksogen

HubunganIndikator

DenganVariabel ^{Std Factor}

Loading C.R Probabilitas Eksogen

MOT3<—MOT 0,86

MOT2<—MOT 0^,73 8,01 0,00 MOT1<

—

^MOT 0,16 2,31 0,02 COM3<—COM 0,62

COM2<—COM 0,66 4,99 0,00 COM1<—COM 0,62 4,99 0,00

PU3 <

—

^PU ⁰^,⁶⁵

Hubungan Indikator DenganVariabel

Eksogen

StdFactor

Loading C.R Probabilitas 0,02 2,42

0,37 PU2<—PU

0 2,99

PU1<—PU 0,45

PEOU4<—PEOU 0,68

0,03 2,23

PEOU3<—PEOU 0,25

0,18 0,18 1,34

PEOU2<—PEOU

0,07 1,82

PEOU1<—PEOU 0,2 ANX3<—ANX 0^,8

0,07 1,83

0,46 ANX2<—ANX

0,08 1,75

0,25 ANX1<—ANX

0,26 SE3<—SE

0,08 1,75

SE2<—SE 0,21

0,26 1,12

SE1<—SE 0,07

Critical value (C.R) untuk setiap factor loading menunjukkan bahwa hampir seluruhnya berada di atas ambang batas 1,96 (padataraf signifikansi 5%) maupun 2,58(pada taraf signifikansi 1%)

.

Sehingga dapat disimpulkan bahwa measured variables tersebut secara signifikan merupakan indikator

-indikator dari konstruk

-

konstruk eksogen yang digunakan dan dianalisisdalampenelitianini

.

Setelah melakukan analisis faktor loading, model tersebut perlu diuji reliabilitasnya

.

^Pengujian reliabilitas ini bertujuan untuk mengukur sejauh mana indikator

-

^indikator

tersebut dapat merepresentasikan atau mengindikasikan konstruk latennya

.

Untuk mengetahui reliabilitas konstruk eksogen, akan dihitung nilai construct reliability dengan rumus sebagai berikut:

Q] standardizedloading)² contractreliability=

(

£

standardized loading)²

+

£^ej Nilai yang dapat digunakan untuk melakukan perhitungan constructreliability terdapatpada Tabel4.16dibawah ini:

Tabel 4.26StandarLoadingdanMeasurement ErrorKonstruk

-KonstrukEksogen

Measurement Error StdLoading

M0T3 0,86 0,2604 M0T2 0,73 0,4671

MOT1 0,16 0,9744

COM3 0,62 0,6156

COM2 0,66 0,5644

COM1 0,62 0,6156

PU3 0,65 0,5775

PU2 0,37 0,8631

PU1 0,45 0,7975 PEOU4 0,68 0,5376

PEOU3 0,25 0,9375

PEOU2 0,18 0,9676

PEOU1 0,2 0,96

ANX3 0,8 0,36

ANX2 0,46 0,7884

ANX1 0,25 0,9375

SE3 0,26 0,9324

SE2 0,21 0,9559

SE1 0,07 0,9951

Perhitungan Reliabilitas:

contractreliability

=

⁽

^X

standardized^{loading )}² (

Z

standardized^loading⁾²+

Z

^£^j

(8,48)² (8,48)²+⁽¹⁴^,¹⁰⁷⁶⁾ constructreliability

=

⁰^,⁸³⁵⁵⁹²

construct reliability

=

Berdasarkan hasil perhitungan diperoieh bahwa nilai reliabilitaskonstruksebesar0,835592

.

Nilai ini diatasnilai cut

-

^off

0,7, sehingga dapat disimpulkan bahwa variabel eksogen telah memenuhisyaratconstructreliability.

4.2.5.2AnalisisFaktorKonfirmatory KonstrukEndogen Pengukuran konstruk endogen ini dilakukan terhadap kedua variabel laten dimana terdapat total sembilan indikator, masing

-

masing variabel ^indikator diwujudkan dalam beberapa pertanyaan dalamkuisioner yangtelah disebar. Variabel pertama adalah penggunaan internet, memiliki ^tiga indikator yaitu PI1, PI2, dan PI3. Variabel kedua adalah peningkatan kineija, memiliki enam indikator yaitu PK1, PK2, PK3, PK4, PK5, dan PK6.Berikut ini merupakan hasil dari model confirmatory^factor analysisuntuk konstruk

-

^konstruk^eksogen^.

A PK1 «*- (^e23j

/

^y ^W ⁽^•^»⁾

/ IZ,

— ^©

OX ^png

\ T9

©

^* ^*

(•²¹

^ ^—

^•^» ^P!² ⁷ ^P^!

0 —

^1.03

0

Chi-^square=57.687 df=26 prob=.000 GFI=918 AGFI=858 RMSEA=.094 CFI=.⁹¹⁶

PK6 •

*-Gambar 4.10 Analisis FaktorKonfirmatoriKonstruk Endogen

Untuk melihat apakah modelCFAyang dibangunsudah baikatau tidak,dapat dilihatpadaTabel 4.18 dibawah ini

.

Tabel 4.27HasilGoodnessofFitKonstruk

-

^Konstruk^Endogen

Cut^-off

Goodness^-of^-fit Hasil

Keputusan

Indices Estimasi

Chisquare (

x

²⁾ ⁴¹¹^,⁶⁷ ⁵⁷^,⁶⁹ ^{Good Fit}

SignificanceProb > 0,1 0,000 NotFit GFI > 0,9 0,92 Good Fit

>0,9

AGFI 0,86 Marginal Fit

RMSEA <0,08 0,09 NotFit

>0,9

CFI 0,92 Good Fit

BerdasarkanTabel4.27 diatas, dapatdilihatbahwamasih terdapat kriteria goodness of fit yang belum memenuhi cut off value nya sehinggaperlu dilakukan modifikasi. Hasil modifikasi model dapat dilihatpadaGambar 4.38 dibawah ini:

•²³

PK1

/y ^PK2

^

⁽^*^*^*⁾

/^c/1_•^! J \ '^rjo^ ^PKJ

—

⁽^#²⁵⁾ ^/ⁿ

_Jo

^®5^’^/

PK4 *- (^{r f e})

J j

•CO

•²² ^PI3

PK5 •²⁷

Ch»-^square=29.313 df=²³ prob=.¹⁷⁰

GFI=⁹⁵⁴ AGFI=.910 RMSEA=044 CFI=983 TLI=.974

•²⁸

PK8

Gambar 4.11Modifikasi Analisis Faktor Konfirmatori Konstruk Endogen

Hasil goodness of fit konstruk

-

konstruk eksogen pada model yang telah dimodifikasi ini menunjukkan hasil yang baik^. Semua kriteriagoodness of fit telah memenuhi cutoffvalue nya. Sehingga dapat disimpulkan bahwa model sudah baik, terbukti bahwa terdapat kesesuaian antara inputobservasidengan prediksi dari modelyang diajukan

.

Tabel 4.28 HasilModifikasiGoodnessof FitKonstruk

-

^Konstruk

Endogen Goodness^-of^-fit

Indices

Hasil Estimasi

Cut^-off Keputusan

GoodFit Chisquare (

x

²⁾ ^411,67 ²⁹^,³¹

GoodFit SignificanceProb ^>0,1 0,170

GoodFit

>0,9 0,954 GFI

Goodness^-of^-fit Indices

Hasil Estimasi

Cut^-off Keputusan

> 0,9 GoodFit

AGFI 0,9

< 0,08 ^{Good Fit}

RMSEA 0,044

GoodFit CFI >0,9 0,98

Setelah model dinyatakanfitdengandatayangada,maka selanjutnya hams dianalisis besaran dan tingkat signifikansi parameterestimasi dati masing

-

^masing^indikator^menuju^konstruk

latennya

.

Berikut mempakan hasil analisis faktor loading yang telah dilakukan:

Tabel 4.29 FactorLoading AnalysisKonstrukEndogen HubunganIndikator

DenganVariabel

Std

Probabilitas Factor

Loading

C.R

Dalam dokumen Analisis faktor faktor yang mempengaruhi penggunan internet terhadap peningkatan kinerja UKM menggunakan metode structural equation modelling (Halaman 93-106)