Uji Normalitas Evaluasi Model One-Steep Approach to SEM

66

4.2.6. Uji Normalitas

Uji normalitas sebaran dilakukan dengan kurtotis value dari data yang digunakan yang biasanya disajikan dalam bentuk statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai Z lebih besar dari nilai kritis maka distribusi data adalah tidak normal. Tabel 4.11. Assessment of Normality Variable min max kurtosis c.r. X1 5 7 0.329 0.562 X2 5 7 -0.560 -0.956 X3 5 7 -0.690 -1.179 Y1 5 7 -0.628 -1.072 Y2 5 7 -0.806 -1.376 Y3 5 7 -1.008 -1.721 Y4 5 7 -0.760 -1.299 Z1 5 7 -0.082 -0.141 Z2 4 7 0.722 1.232 Z3 5 7 -0.872 -1.489 Z4 5 7 -0.515 -0.879 Z5 5 7 -0.657 -1.121 Multivariate 7.377 1.684 Batas Normal ± 2,58 Sumber : Lampiran Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood 67 estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.

4.2.7. Evaluasi Model One-Steep Approach to SEM

Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama one – steep approach to SEM. One – steep approach to SEM digunakan bila model dilandasi teori yang kuat serta validitas dan reliabilitas data sangat baik Hair, et,al, 1998. Gambar 4.1. Model Pengukuran dan Struktural MODEL PENGUKURAN STRUKTURAL Leadership Power, OCB, Job Performance Model Specification : One Step Approach - Base Model 1 OCB 1 Leadership Power X12 er_2 1 X11 0,005 er_1 1 1 0,005 d_jp Job Performance X21 er_5 1 1 X22 er_6 1 X13 er_3 1 X23 er_7 1 Y1 er_10 1 1 Y2 er_11 1 X14 er_4 1 X24 er_8 1 X25 er_9 1 1 68 Tabel 4.12. Evaluasi Kriteria Goodness of Fit Indeces Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 4.234 ≤ 2,00 kurang baik Probability 0.000 ≥ 0,05 kurang baik RMSEA 0.165 ≤ 0,08 kurang baik GFI 0.818 ≥ 0,90 kurang baik AGFI 0.733 ≥ 0,90 kurang baik TLI -0.091 ≥ 0,95 kurang baik CFI 0.107 ≥ 0,94 kurang baik Sumber : Lampiran Dari hasil evaluasi terhadap model one step approach modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang kurang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Gambar 4.2. Model Pengukuran dan Struktural MODEL PENGUKURAN STRUKTURAL Leadership Power, OCB, Job Performance Model Specification : One Step Approach - Base Model 1 OCB 1 Leadership Power X12 er_2 1 X11 0,005 er_1 1 1 0,005 d_jp Job Performance X21 er_5 1 1 X22 er_6 1 X13 er_3 1 X23 er_7 1 Y1 er_10 1 1 Y2 er_11 1 X14 er_4 1 X24 er_8 1 X25 er_9 1 1 69 Tabel 4.13. Evaluasi Kriteria Goodness of Fit Indeces Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1.145 ≤ 2,00 baik Probability 0.253 ≥ 0,05 baik RMSEA 0.035 ≤ 0,08 baik GFI 0.940 ≥ 0,90 baik AGFI 0.900 ≥ 0,90 baik TLI 0.951 ≥ 0,95 baik CFI 0.968 ≥ 0,94 baik

4.2.8. Uji Kausalitas