= 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut
b. Menetapkan error
ɛ dan Lambda λ terms, erros terms dapat dihitung dengan rumus 0,1 kali
σ
2
dan lambda terms dengan rumus 0,95 kali σ .
Perhitungan construct reability α telah dijelaskan pada bagian sebelumnya
dan deviasi standar σ dapat dihitung dengan bantuan program aplikasi
statistic SPSS. Setelah error ɛ dan lambda λ terms diketahui, skor-skor
tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.
3.4.10 Evaluasi Model
Pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model
teoritis dan empiris. Jika model teoritis menggambarkan “ good fit ” dengan data, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis
tidak diperkuat jika teori tersebut mempunyai suatu “ poor fit ” dengan data. Amos dapat menguji apakah model “ good fit ” atau “poor fit”. Jadi, “ good fit ”
mode. Atau l yang diuji sangat penting dalam menggunakan structural equational modeling.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 3.1 Goodness of Fit Indices GOODNESS OF
FITNESS INDEX KETERANGAN CUT-OFF
VAUE
X
2
– Chi-square Menguji apakah covariance
populasi yang diestimasi sama dengan covariance
sample apakah model sesuai dengan data.
Diharapkan kecil, 1 sd 5 atau paling baik diantara
1 dan 2
Probability Uji signifikansi terhadap
perbedaan matriks covariance data dan matriks
covariance yang diestimasi. Minimum 0,1 atau 0,2
atau ≥ 0,05
RMSEA Mengkompensasikan
kelemahan Chi-square pada sampel besar.
≤ 0,08
GFI Menghitung proporsi
tertimbang varians dalam matriks sample yang
dijelaskan oleh matriks covariance populasi yang
diestimasi Analog dengan R
2
dalam regresi berganda ≥ 0,90
AGFI GFI yang disesuaikan
terhadap DF ≥ 0,90
CMINDDF Kesesuaian antara data dan
model ≤ 2,00
TLI Pembandingan antara model
yang diuji terhadap baseline model
≥ 0,95
CFI Uji kelayakan model yang
tidak sensitive terhadap besarnya sampel dan
kerumitan model ≥ 0,95
Sumber : Hair et.al., 1998
1. X
2
CHI SQUARE STATISTIK
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Alat uji paling fundamental untuk mengukur overall fit adalah likelihoodratio chi-square ini bersifat sangat sensitive terhadap besarnya sampel yang
digunakan.Karenanya bila jumlah sampel cukup besar lebih cukup 200, statistic chi- square ini harus didampingi oleh alat uji lain. Model yang diuji akan dipandang baik
ata memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X
2
semakin baik model itu. Karena tujuan analisis adalah mengembangkan dan menguji model yang
sesuai dengan data atau yang fit terdapat data, maka yang dibuthkan justru sebuah nilai X
2
yang kecil dan signifikan. X
2
bersifat sangat sensitive terhadap besarnya sampel yaitu terhadap sampel yang terlalu kecil maupun yang terlalu besar.
2. RMSEA-THE ROOT MEAN SQUARE ERROR OF APROXXIMATION
RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi chi- square statistic dalam sampel yang besar.Nilai RMSEA menunjukkan goodness-of-fit
yang dapat diharapkan model diestimasi alam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya degress of
freedom.
3. GFI – GOODNESS of FIT INDEKS
GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians
sampel yang dijelaskan oleh kovarians natriks populasi yang terestimasi. GFI adalah sebuah ukuran non-statistika yang mempunyai rentang nilai antara 0 poor
fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4. ADJUST GOODNESS of FIT INDEX
AGFI = GFIdf tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai yang sama dengan atau lebih besar dari 0,90. GFI maupun
AGFI adalah criteria yang memperhitungkan proporsi tertimbang dari varians alam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diintepretasikan
sebagai tingkatan yang baik good overall model fit sedangkan besaran nilai antara 0,90-0,95 menunjukkan tingkatan cukup adequate fit.
5. CMINDF
Sebagai salah satu indicator untuk mengukur tingkat fitnya sebuah model. Dalam ha ini CMNIDF tidak lain adalah statistic chi-square, X
2
dibagi DFnya sehingga disebut X
2
relatif. Nilai X
2
relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X
2
relatif yang tinggi menandakan adanya perbedaan yang signifikan antara matriks
kovarians yang diobservasikan dan diestimasi.
6. TLI – TUCKER LEWIS INDEKS
TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah
penerimaan ≥ 0,95 nilai yang sangat mendekati 1 menunjukkan a very good fit.
7. CFI – COMPERATF FIT INDEX
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Besaran index ini adalah rentang nilai sebesar 0-1, Dimana semakin mendekati 1, menidentifikasikan tingkat fit yang paling tinggi a very good fit.
Nilai yang direkomendasikan adalah CFI 0,95. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk
mengukur tingkat penerimaan sebuah model.Indeks CFI adalah identik dengan Relatif Non Centrality Indeks RNI.
3.5 KERANGKA MODEL PENELITIAN
