commit to user
81
determinant of sample covariance matrix = 0.000. Nilai ini menunjukkan bahwa terdapat masalah multikolinieritas dan singularitas pada data yang dianalisis.
Dalam penelitian perilaku, sebuah variable mempunyai kemungkinan untuk dapat mempengaruhi variable yang lain. Dalam konteks penelitian ini secara teoritis dan pengujian
empiris dari penelitian sebelumnya menunjukkan bahwa Keadilan Prosedural dapat mempengaruhi Komitmen Afektif, Discretionary Service Behavior, dan Kepuasan atas
Layanan. Adanya pengaruh antar variable inilah yang memungkinkan terjadinya multikolinearitas.
2. Uji Kesesuaian Model Goodness of Fit
Sebelum melakukan teknik pengujian hipotesis, langkah yang pertama adalah menilai kesesuaian goodness of fit. Kriteria penilaian untuk goodness of fit pada model tertera pada
tabel IV.14. Sementara itu, kriteria untuk uji hipotesis adalah hipotesis mengenai hubungan kausal dalam model akan diterima jika mempunyai nilai C.r
≥ t tabel dengan tingkat signifikansi 0,05 adalah 1,96.
commit to user
82
Tabel IV.13 Kriteria
Goodness of Fit Goodness of Fit
indeks Nilai yang
Diharapkan Hasil
Evaluasi
X - Chi Square
Diharapkan rendah 354.027
Buruk Probabilitas
0,05 0.000
Buruk GFI
0GFI1 0.817
Baik AGFI
0AGFI1 0.768
Baik RMSEA
≤ 0,08 0.056
Baik ECVI
ECVI model satured dan
independence model
4.033 Baik
AIC AIC CAIC
model satured dan independence
model 492.027
Baik
CAIC AIC CAIC
model satured dan independence
model 755.068
Baik
NFI ≥ 0,90
0.764 Marginal
CFI ≥ 0,90
0.918 Baik
Sumber data : data primer yang diolah 2010 Pada tabel IV.14 dapat dilihat bahwa chi-square yang bernilai 354.027 adalah signifikan
secara statistik pada level signifikansi 0.00. Probabilitas sebesar 0.00 lebih kecil dari 0.05 hal ini merupakan indikasi yang sangat buruk. Dengan demikian, terdapat perbedaan antara
matrik kovarian sampel dengan matrik kovarian populasi yang diamati. Nilai GFI sebesar 0.817 merupakan indikasi yang baik. Nilai RMSEA sebesar 0.056 merupakan indikasi yang
baik. Sementara dari indeks incremental fit measures didapat nilai AGFI sebesar 0.768 merupakan indikasi yang baik. Nilai ECVI sebesar 4.033 merupakan indikasi yang baik.
Nilai NFI sebesar 0.764 merupakan indikasi yang marginal. Kemudian, nilai CFI sebesar
2
commit to user
83
0.918 merupakan indikasi yang baik. Nilai AIC adalah 492.027 merupakan indikasi yang baik. Sedangkan nilai CAIC menunjukkan 755.068. Dari keseluruhan pengukuran goodness
of fit tersebut di atas diindikasikan bahwa model dalam penelitian ini belum dapat diterima. Selain itu, nilai probabilitas juga belum memenuhi syarat.
Oleh karena itu, peneliti mempertimbangkan untuk melakukan modifikasi model untuk membentuk model alternatif yang diharapkan memiliki goodness of fit yang lebih baik. Hal
ini dilakukan dengan memperhatikan modification indices yang diperoleh dari hasil output analisis menggunakan AMOS 18.00
3. Modifikasi Model
