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