Analisis jalur digunakan untuk menguji besarnya kontribusi yang ditunjukkan oleh koefisien jalur pada setiap diagram jalur dari hubungan
kausalitas antar variabel X
1
, X
2
terhadap Y
1
dan Y
2
. Untuk mengetahui derajad hubungan antar variabel Fasilitas Belajar X
1
dan Persepsi Profesi Guru X
2
terhadap Minat menjadi guru Y
1
dan Kesiapan menjadi Guru Y
2
didapat melalui angket tertutup. Untuk
mempermudah peneliti
melakukan analisis,
dalam penerapannya analisis jalur ini dilakukan dengan bantuan komputer program
aplikasi AMOS Analysis of Moment Structure dengan versi 21.0. Langkah- langkah yang dilakukan dalam analisis jalur adalah sebagai berikut:
a. Menilai Kriteria Goodness-of-fit
Sebelum dilakukan penilaian kelayakan dari model struktur, langkah yang harus dilakukan adalah menilai apakah data yang diolah
tersebut memenuhi asumsi model persamaan struktural.
1 Uji Asumsi Dasar
Asumsi dasar yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan
permodelan structural equation modeling SEM adalah sebagai berikut:
a Observasi data independen b Responden diambil secara random atau acak
c Memiliki hubungan linear
Selain itu juga dilakukan uji normalitas dan multikoliniaritas Imam Ghozali, 2008: 65.
2 Melakukan Uji Offending Estimate
Uji ini dimaksudkan guna mengetahui ada tidaknya Offending estimate, yaitu estimasi koefisien baik dalam model
struktural maupun model pengukuran yang lainnya di atas batas yang dapat diterima sesuai yang telah ditentukan sebelumnya. Indikasi
terjadinya offending estimate ditunjukkan adanya gejala berikut ini: a Variance error yang negatif atau non-signifikan error variance
untuk konstruk. b Standardized coefficient yang mendekati 1,0.
c Adanya standar error yang tinggi Apabila terjadi offending estimate, maka peneliti harus
menghilangkannya terlebih dahulu sebelum penilaian kelayakan model Imam Ghozali, 2008: 65.
3 Penilaian Overall Model Fit
a
ᵪ
2
Chi Squre Statistic dan probabilitas
Pada penelitian ini yang digunakan adalah likelihood ratio chi square statistic. Model dikatakan baik apabila memiliki
chi square = 0, dengan maksud bahwa tidak terdapatnya perbedaan.
Tingkat signifikan
penerimaan yang
direkomendasikan yaitu apabila probability p 0,05 yang
berarti matriks input sebenarnya dengan input yang diprediksi tidak berbeda secara statistik Imam Ghozali, 2008: 66.
b GFI Goodness of fit Index
Digunakan untuk menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh
matriks kovarians populasi yang terestimasikan. Indeks ini mencerminkan tingkat kesesuaian model secara keseluruhan
yang dihitung dari residual kuadrat model yang diprediksi dibandingkan dengan data sebenarnya. Nilai Goodness of Fit
Index biasanya dari 0 – 1. Nilai yang lebih baik mendekati 1
mengindikasikan model yang diuji memiliki kesesuaian yang baik. Nilai GFI dikatakan baik adalah lebih dari atau sama
dengan 0,90 Imam Ghozali, 2008: 67.
c RMSEA Root Mean Square Error of Approximation
Root Mean Square Error of Approximation merupakan ukuran yang mencoba memperbaiki kecenderungan statistic chi-
square menolak model dengan jumlah sampel yang besar. Nilai RMSEA 0,05 merupakan good fit, sedangkan 0,08
merupakan ukuran reasonable fit. Program AMOS akan memberikan nilai RMSEA dengan perintah \rmsea.
d AGFI Adjusted Goodness-of-fit Index
AGFI merupakan analog dari R
2
dalam regresi berganda. Baik AGFI atau GFI adalah kriteria yang memperhitungkan
proporsi tertimbang dari varians dalam sebuah matriks kovarians
sampel. AGFI yang diharapkan sebesar ≥ 0,90. Program AMOS akan memberikan nilai AGFI dengan perintah
\agfi Imam Ghozali, 2008: 67.
b. Membangun Diagram Jalur