Memilih Matriks Input dan Estimasi Model Menilai Problem Identifikasi Evaluasi Kriteria Goodness-Of-fit

Perhatian secara individual = β Empati + є Ada kesungguhanpelayanan = β Empati + є

3.8.4 Memilih Matriks Input dan Estimasi Model

Memilih matriks input dan estimasi model adalah memilih Kovarians atau korelasi. Perbedaan SEM dengan teknik-teknik multivariat lainnya adalah dalam input data yang digunakan dalam permodelan dan estimasinya. SEM hanya menggunakan matriks varianskovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya.

3.8.5 Menilai Problem Identifikasi

Salah satu persoalan dasar dalam model struktural adalah masalah identifikasi, yang memberikan indikasi sebuah model dapat diselesaikan dengan baik atau tidak dapat diselesaikan sama sekali. Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dan mengembangkan lebih banyak konstruk.

3.8.6 Evaluasi Kriteria Goodness-Of-fit

Kesesuaian model dievaluasi melalui telaah terhadap berbagai kriteria Goodness-Of-fit.Tindakan pertama adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM. Dalam model persamaan struktural digunakan asumsi sebagai berikut: 1. Ukuran sampel adalah minimum 5 lima kali parameter yang diestimasi Universita Sumatera Utara 2. Evaluasi atas asumsi normalitas data dengan z score. Bila z score lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi yang dikehendaki. 3. Evaluasi atas outlier dengan mengamati kasus atau observasi yang mempunyai nilai Z-score ≥ 3,0 akan dikategorikan sebagai outlier. Sedangkan multivariate outlier dilakukan dengan menggunakan kriteria jarak mahalanobis pada tingkat p 0,001. Jarak uji dengan chi-square ײ pada df sebesar jumlah variabel bebasnya. Ketentuan bila mahalanobis dari nilai ײ adalah multivariate outlie. 4. Evaluasi terhadap multicollinearity dan singularity dengan mengamati determinan matriks kovarians. Dengan ketentuan apabila determinan sampel kovarians menekati angka nol kecil mengindikasikan adanya multikolinearitas dan singularitas. Bila asumsi SEM terpenuhi, model dapat diuji melalui berbagai cara uji kriteria goodness of fit. Hal ini dapa dilihat pada Tabel 3.7: Tabel 3.10 Indeks Pengujian Kelayakan Model Goodness of Fit Index Cut-off Value X2 Chi- Square Statistik Significant Probability RMSEA GFI AGFI CMINDF TLI CFI Diharapkan kecil 0,05 0,08 0,90 0,90 2,00 0,95 0,95 Universita Sumatera Utara

3.8.7 Interpretasi dan Modifikasi Model