Uji Outlier Uji Goodness-of-Fit Model Struktural

commit to user Data yang digunakan dalam penelitian ini adalah data yang disajikan apa adanya dari penelitian yang berasal dari data primer berdasarkan jawaban responden yang sangat beragam sehingga sulit untuk memperoleh data yang mengikuti distribusi normal secara sempurna. Nilai yang tertera pada pojok kanan bawah menandakan bahwa secara multivariate data dalam penelitian ini termasuk moderately non-normal dengan nilai CR kurtosis 57,317, sehingga data ini dapat digunakan untuk estimasi pada analisis selanjutnya.

3. Uji Outlier

Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim yang memiliki karakteristik unik yang sangat berbeda dari observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk variabel tunggal maupun variabel kombinasi. Dalam analisis multivariate adanya outlier dapat diuji dengan statistic chi-square X2 terhadap nilai mahalanobis distance squared pada tingkat signifikansi 0,001 dengan degree of freedom sejumlah variabel yang digunakan dalam penelitian. Dalam hal ini variabel yang dimaksud adalah jumlah item pengukuran pada model. Dalam penelitian ini jumlah variabel yang digunakan sebanyak 26 indikator variabel. Dengan demikian, apabila terdapat nilai mahalanobis distance yang lebih besar dari X226,0.001 = 54,052 maka nilai tersebut adalah outlier multivariate. Tabel IV.8 Tabel Hasil Uji Outliers Data SIAKAD Online Observation number Mahalanobis d-squared p1 p2 34 174,413 0 0 23 174,413 0 0 50 71,851 0 0 20 64,002 0 0 8 62,755 0 0 22 62,057 0 0 commit to user 5 61,722 0 0 89 61,558 0 0 73 59,087 0 0 290 58,894 0 0 39 57,036 0 0 45 57,001 0 0 62 55,31 0,001 0 40 52,762 0,001 0 38 52,235 0,002 0 --------------- ---------------- ----------- ----------- 283 28,701 0,325 0,495 13 28,252 0,346 0,741 54 28,202 0,349 0,729 Sumber: Data Primer yang diolah. 2011. Berdasarkan tabel IV.8 dapat diketahui terdapat kasus yang dikategorikan sebagai outliers, namun kasus tersebut tidak perlu dikeluarkan. Hal ini dikarenakan dalam analisis penelitian, apabila tidak terdapat alasan khusus untuk mengeluarkan kasus yang mengindikasikan adanya outliers, maka kasus tersebut harus tetap diikutsertakan dalam analisis selanjutnya Ferdinand, 2002.

4. Uji Goodness-of-Fit Model Struktural

Hubungan hipotesis konstruk-konstruk penelitian pada model yang diajukan ditunjukkan hubungan kausal antar konstruk tersebut. Evaluasi nilai goodness of fit dari model struktural yang telah dilakukan disajikan pada tabel IV.9 berikut: Tabel IV.9 Tabel Hasil Uji Goodness-of-Fit s Data SIAKAD Online Indeks Nilai Kritis Hasil Keterangan χ 2 Diharapkan kecil 304,404 Probability level ≥ 0,05 0,062 Baik df Positif 268 Baik CMINDF ≤ 2,0 ≤ 3,0 1,136 Baik GFI ≥ 0,90 0,930 Baik commit to user AGFI ≥ 0,90 0,908 Baik CFI ≥ 0,90 0,994 Baik RMSEA ≤ 0,08 0,021 Baik RMR ≤ 0,03 0,024 Baik TLI ≥ 0,90 0,992 Baik NFI ≥ 0,90 0,949 Baik Sumber: Data Primer yang diolah. 2011. Tujuan analisis Chi-Square χ2 adalah mengembangkan dan menguji model yang sesuai dengan data. Pada tabel IV.9 dapat dilihat bahwa chi- square yang bernilai 304,404 dengan degree of freedom 268 adalah signifikan secara statistik pada level signifikansi 0,062. Probalitas sebesar 0,062 lebih besar dari 0,05 hal ini sesuai dengan tingkat signifikansi penerimaan yang direkomendasikan yaitu p0,05 Hair, et. al., 1998, yang berarti matriks input yang sebenarnya dengan matriks input yang diprediksi secara statistik tidak berbeda. Normed Chi-Square CMINDF adalah ukuran yang diperoleh dari nilai Chi-Square dibagi dengan degree of freedom. Indeks ini merupakan indeks kesesuaian parsimonious yang mengukur hubungan goodness-of-fit model dengan jumlah koefisien-koefisien estimasi yang diharapkan untuk mencapai tingkat kesesuaian. Nilai CMINDF pada model ini adalah 1,136, merupakan indikasi yang baik karena mempunyai nilai 2,0 3,0 Goodness of Fit Index GFI mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat dari model yang diperkiraan dibandingkan data yang sebenarnya. Nilai yang mendekati 1 mengisyaratkan model yang diuji memiliki kesesuaian yang baik. Nilai GFI pada model ini sebesar 0,930 merupakan indikasi yang baik. commit to user Adjusted Goodness of Fit Index AGFI adalah GFI yang disesuaikan dengan rasio antara degree of freedom dari model yang diusulkan dan degree of freedom dari null model. Nilai AGFI dalam model ini 0,908 hal ini merupakan indikasi yang baik. Comparative Fit Index CFI adalah indeks kesesuaian incremental yang membandingkan model yang diuji dengan null model. Besaran indeks ini adalah dalam rentang 0 nol sampai 1 satu dan nilai yang mendekati 1 satu mengindikasikan model memiliki tingkat kesesuaian yang baik. Indeks ini sangat dianjurkan untuk dipakai karena indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model. Dengan memperhatikan nilai yang direkomendasikan ≥ 0,90, maka nilai CFI sebesar 0,994 menunjukkan bahwa model ini memiliki kesesuaian yang baik. The Root Mean Square Error of Approximation RMSEA adalah indeks yang digunakan untuk mengkompensasi nilai Chi-Square dalam sampel yang besar. Nilai penerimaan yang direkomendasikan ≤ 0,08, maka nilai RMSEA sebesar 0,021 menunjukkan tingkat kesesuaian yang baik. Root Mean Residual RMR merupakan alat uji yang menghitung residua tau selisih kovarians sampel dengan kovarians estimate. Nilai RMR yang disyaratkan adalah sebesar ≤ 0,03, maka nilai 0,024 menunjukkan tingkat kesesuaian yang baik. Tucker Lewis Index TLI merupakan alternatif incremental fit index yang membandingkan model yang diuji dengan baseline model. TLI merupakan indeks kesesuaian model yang kurang dipengaruhi oleh ukuran commit to user sampel. Nilai yang direkomendasikan ≥ 0,90, dapat disimpulkan bahwa model menunjukkan tingkat kesesuaian yang baik dengan nilai TLI sebesar 0,992. Normed Fit Index – NFI, membandingkan proposed model dan null model. Dengan nilai penerimaan yang direkomendasikan NFI ≥ 0,90, nilai 0,949 menunjukkan model ini memiliki nilai fit yang baik. Dari keseluruhan pengukuran goodness of fit tersebut di atas mengindikasikan bahwa model yang diajukan dalam penelitian ini dapat diterima.

D. Pengujian Hipotesis

Dokumen yang terkait

Analisis Tingkat Kepuasan Mahasiswa Fakultas Ekonomi Universitas Sumatera Utara Terhadap Pelayanan Pembayaran Biaya Pendidikan Online Pada Bank SUMUT (Studi Kasus: Mahasiswa Fakultas Ekonomi Universitas Sumatera Utara)

1 43 87

Pengembangan Model Penilaian Kerja Pegawai Non Akademik Di Lingkungan Kantor pusat Administrasi Universitas Sumatera Utara

0 41 200

PROFIL GAMBARAN EKG MAHASISWA FAKULTAS KEDOKTERAN UNIVERSITAS SEBELAS MARET SURAKARTA

0 8 62

PERANCANGAN SISTEM INFORMASI LEGALISIR ONLINE BERBASIS WEB DI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA

3 18 96

MODEL BIMBINGAN PENGEMBANGAN UNTUK MENINGKATKAN KEMATANGAN KARIER MAHASISWA : Penelitian dan Pengembangan di Universitas Sebelas Maret Surakarta.

10 19 62

HUBUNGAN STRES AKADEMIK DENGAN RESILIENSI PADA MAHASISWA PROGRAM STUDI KEEDOKTERAN FAKULTAS KEDOKTERAN UNIVERSITAS SEBELAS MARET.

0 0 5

SISTEM ADMINISTRASI BEASISWA BIDIKMISI DI BAGIAN KESEJAHTERAAN MAHASISWA BIRO ADMINISTRASI KEMAHASISWAAN UNIVERSITAS SEBELAS MARET SURAKARTA.

0 0 15

KETERKAITAN ANTARA PENGALAMAN MEMBELI, KEHADIRAN SOSIAL, DAN KEPERCAYAAN DENGAN NIAT MEMBELI DALAM TRANSAKSI ONLINE (Studi pada Mahasiswa Fakultas Ekonomi Universitas Sebelas Maret Surakarta).

0 0 14

PROGRAM STUDI DIPLOMA III AKUNTANSI FAKULTAS EKONOMI UNIVERSITAS SEBELAS MARET SURAKARTA ABSTRACT - Evaluasi Sistem Penggajian Pada Rsud Dr. Moewardi Surakarta

0 0 70

ANALISIS KEPUASAN MAHASISWA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SEBELAS MARET ATAS PENGGUNAAN SISTEM INFORMASI AKADEMIK (SIAKAD) ONLINE (STUDI KASUS DI PROGRAM STUDI PENDIDIKAN ADMINISTRASI PERKANTORAN). - UNS Institutional Repository

0 1 17