Yang dilakukan dalam two step approach to SEM adalah : Estimasi terhadap measurement model dan estimasi terhadap sructural model
Anderson dan gerbing,1998. Cara yang dilakukan dalam menganalisis SEM dengan two step approach adalah sebagai berikut :
a. Menjumlahkan skalu butir – butir setiap konstruk menjadi sebuah
indikator summed scale bagi setiap konstruk. Jika terdapat skala yang berbeda setiap indikator tersebut distandarisasi z-scores dengan mean =
0, deviasi standar = 1, yang tuannya adalah untuk mengeliminasi pengaruh – pengaruh skala yang berbeda – beda tersebut Hair t.al.,1998.
b. Menetapkan error
Є dan lambda λ terms, error terms dapat dihitung dengan rumus 0,1 kali
σ² dan lambda terms dengan rumus 0,95 kali σ Anderson dan Gerbing,1998. Perhitungan construct reliability
α dapat dihitung dengan bantuan program aplikasi statistik SPSS Statistical
Package For Social science. Setelah error Є dan lambda λ terms
diketahui, skor – skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.
3.3.4 Evaluasi Multicolinearity dan Singularity
Untuk melihat apakah dapat penelitian terdapat mulitikolinearitas atas singularity dalam kombinasi – kombinasi variabel, maka yang perlu diamati
adalah data determinasi dari matriks kovarians sampelnya. Determinasi yang kecil atau mendekati nol akan mengindikasi adanya multikolinearitas atai singularity,
sehinnga data tidak dapat digunakan untuk penelitian ferdinand,2002:108.
3.3.5 Uji Hipotesis
Umumnya dalam analisis SEM berbagai jenis fit index yang digunakan untuk mengatur derajat kesesuaian antara model yang dihipotesiskan dengan
datayang disajikan. Berikut ini adalah indeks kesesuaian dan out-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.
a. X² Chi-Square Statistic
Alat uji yang paling fundamental untuk mengukur overall fit adalah like hood ratio chi-square statistic. Model diuji akan dipandang baik atau memuaskan
apabila ada nilai chi-squareny rendah. Semakin kecil nilai X² semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off valuenya
sebesar p0.05 atau p 0,10. b.
RMSEA The Root Mean Square Error Of Approximation RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi
chi-square statistic dalam sampel yang benar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila model diestimasi dalam populasi.
Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model
ini berdasarkan degress of freedom. c.
GFI – Goodness of Fit Index GFI adalah analog dari R² dalam regresi berganda. Indeks kesesuaian ini akan
menghitung proporsi tertimbang dari Varian’s dalam matriks kovarians sampel yang dijelaskan oleh matriks populasi yang diestimasikan. GFI adalah
sebuah ukuran non – statistikal yang mempunyai rentang nilai antara 0 poor
fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
d. AGFI – Adjusted Goodness of Fit Index
AGFI = GFDF. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. GFI maupun
AGFI adalah kriteria yang memperhitungksn proporsi tertimbang dari varian’s dalam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat di
interprestasikan sebagai tingkatan yang baik-good overall model fit baik sedangkan besaran antara nilai 0,90 – 0,95 menunjukkan tingkatan cukup
adverquate fit Hulland et.al.,1996. e.
CMINDF The minimum sample discrepancy function CMIN dibagi dengan degree of
freedom nya akan menghasilkan salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMINDF tidak lain adalah statitik chi-
square. X² relatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 adalah indikasi dari accetable fit antara model dan data.
f. TLI – Tucker Lewis Index
Sebuah alternatif internal fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai
acuan untuk diterimanya sebuah model adalah penerimaan 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit.
g. CFI – Comparative Fit Index
Bersamaan index ini adalah pada rentang nilai sebesar 0 – 1 , dimana semakin mendekati 1 , mengindikasikan tingkat yang paling tinggi a very good fit.
Nilai yang direkomendasikan adalah CFI 0,95.
BAB IV HASIL DAN PEMBAHASAN
