Nilai positif lebih kecil menunjukkan parsimoni lebih baik digunakan untuk perbandingan antarmodel.
3.11. Asumsi-asumsi pada SEM Adapun asumsi – asumsi yang terdapat pada analisis SEM meliputi :
1. Multikolinearitas
Multikolinearitas adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara masing-masing variabel independen dalam model regresi. Pengujian hubungan pada
variabel-variabel dalam model, dapat menggunakan curve fit. Pengaruh antar variabel dinyatakan linier jika 1 model linier signifikan atau nilai Sig. Linier
≤ a, atau 2 seluruh model yang mungkin adalah nonsignifikan nilai Sig.
≤ a atau sign ifikan nilai Sig. a maka menerapkan prinsip parsimony yaitu bila seluruh model signifikan atau non
signifikan, maka model dianggap mempunyai hubungan linier. Lebih sederhananya lagi,
multikolinearitas seringkali diduga ketika R² tinggi misalnya antara 0,7 dan 1.
2. Outliers Outliers adalah pengamatan atau data yang memiliki karakteristik yang terlihat
sangat jauh berbeda dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim Hair et. al., 2006. Uji Outliers dapat dilihat dengan dengan melihat data yang memiliki
nilai Z-score ± 3,0 berarti ada nilai outliers. 3. Normalitas
Dalam YaminKurniawan dikemukakan bahwa salah satu asumsi dalam analisis multivariate dan pengujian statistik adalah asumsi normalitas normality. Asumsi normal
multivariate adalah pengujian semua variabel dan semua kombinasi diantara variabel yang mengikuti distribusi normal. Beberapa metode estimasi dalam SEM menggunakan asumsi
bahwa data harus megikuti fungsi distribusi normal multivariate.
Universitas Sumatera Utara
Gunarto M 2008 mengemukakan bahwa statistik uji yang digunakan dalam analisis data multivariat menggunakan dasar pendekatan dari sebaran distribusi normal, sehingga
untuk menghasilkan penduga parameter yang bersifat tidak bias perlu dilakukan pengujian asumsi normalitas. Semakin tinggi nilai Chi-Square, semakin besar perbedaan antara
matriks kovarian sampel dengan matriks kovarian populasi. Sehingga dapat dikatakan bahwa model yang diperoleh tidak valid. Oleh karena itu, asumsi normalitas multivariat
dalam analisis SEM sangat penting. Pengujian asumsi normalitas dilakukan dengan hipotesis :
H : Data menyebar normal asumsi normalitas multivariat terpenuhi
H
1
: Data tidak menyebar normal asumsi normalitas multivariat tidak terpenuhi Evaluasi normalitas multivariat dapat dilakukan dengan menggunakan kriteria critical ratio
multivariat sebesar ± 1,96 pada α = 0,05.
3.12. Pengujian Hipotesis 3.12.1. Uji secara SimultanSerempak Uji-F