seorang peneliti dapat mengembangkan hipotesis nol atas keutuhan model yang dikembangkan.
3.5. Uji Hipotesis
Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model Hair et al, 1995 : 45. Umumnya terdapat
berbagai jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesakan dengan data yang disajikan.
3.5.1. Uji Hipotesis Uni Dimensi
Uji kausalitas adalah pemodelan yang menggambarkan hubungan-hubungan yang dihipotesakan antar konstruk, yang menjelaskan sebuah kausalitas termasuk
didalamnya kausalitas berjenjang.
3.5.1.1 Chi-Square Statistic X²
Chi-square ini sangat bersifat sensitif terhadap besarnya sampel yang digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200
sampel, maka statistik chi-square ini harus didampingi oleh alat uji lainnya Hair et al, 1995 : 105. Karena tujuan analisis adalah mengembangkan dan menguji sebuah
model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru nilai x2 yang tidak signifikan. Yang menguji hipotesa nol bahwa matrik
kovarians populasi tidak sama dengan kovarian sampel. Oleh karena itu x2 yang kecil dan tidak signifikanlah yang diharapkan agar hipotesa nol sulit ditolak.
3.5.1.2 RMSEA
Root Mean Square Error of Aproximation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness
of fit yang dapat diharapakan 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 itu, berdasarkan degrees of freedom.
3.5.1.3 GFI
Goodness of Fit Index
GFI adalah analog dari R² dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang
dijelaskan oleh matriks kovarians populasi terestimasi. 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.
3.5.1.4 AGFI
Adjusted Goodness of Fit Index
AGFI=GFIdf. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0.90. GFI maupun AGFI adalah
kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel.
3.5.1.5 CMINDF
Minimum Sample discrepancy function Degrees of Fredom
CMINDF dalam hal ini tidak lain adalah statistic chi-square, X² dibagi dengan derajat bebasnya sehingga disebut X
2
relative. Nilai X
2
relative kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikasi dari acceptable fit antara
model dengan data
3.5.1.6 TLI