5. Menu Analyze
Terdiri dari beberapa submenu yang digunakan untuk memberikan perintah menjalankan analisis.
6. Menu Tools
Terdiri dari beberapa submenu yang digunakan sebagai perlengkapan dalam mendukung proses pengolahan data dan tampilan seperti memberi kode,
memilih karakter huruf. 7.
Menu Plugins Terdiri dari beberapa submenu yang digunakan sebagai perlengkapan dalam
melakukan analisis atau pembuatan model yang akan dianalisis seperti menggambar kovarian, menamakan parameter dan sebagainya.
8. Menu Help
Terdiri dari beberapa submenu yang dapat dimanfaatkan untuk membantu memberi penjelasan apabila terdapat masalah dalam pengoperasian Amos serta
dapat dihubungkan dengan jaringan internet atau web.
2.5.5 Uji Kesesuaian dan Uji Statistik
a.
χ 2 – Chi Square Statistic Semakin kecil nilai
χ 2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar p 0,05 atau p 0,10.
b. RMSEA The Root Mean Square Error of Approximation
Merupakan suatu indeks yang digunakan untuk mengkonpensasi chi- square
dalam sampel yang besar.
c. GFI Goodness of Fit Index
Merupakan ukuran non-statistical yang mempunyai rentang nilai antara 0 sampai dengan 1. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better
fit ”.
d. AGFI Adjusted Godness of Fit Index
Merupakan kriteria yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matrik kovarian sampel.
e. CMINDF The Minimum Sample Discrepancy Functin Devided with degree of
Freedom Merupakan statistic chi-square
χ 2 dibagi degree of freedom-nya sehingga disebut
χ 2 relative. f.
TLI Tucker Lewis Index Merupakan incremental index yang membandingkan sebuah model yang
diuji terhadap sebuah baseline model. g.
CFI Comparative Fit Index Rentang nilai sebesar 0 – 1 dimana semakin mendekati 1, semakin
mengindikasikan tingkat fit yang paling tinggi.
Goodness of Fit Index Cut off Value
χ 2 -Chi Square Diharapkan Kecil
Significance Probability ≥ 0,05
RMSEA ≤ 0,08
GFI ≥ 0,90
AGFI ≥ 0,90
CMINDF ≤ 2,00
TLI ≥ 0,95
CFI ≥ 0,95
2.6
Aplikasi Lisrel 2.6.1 Pengenalan Lisrel
Menurut Chaniago 2008, lisrel merupakan singkatan dari Linear Structural Relationship juga merupakan program yang banyak digunakan untuk
causal modeling. Hal ini disebabkan selain kemampuan Lisrel dalam
mengestimasi berbagai masalah dalam model sebab akibat, tampilan Lisrel juga paling informatif dalam menyajikan hasil-hasil statistik.
Lisrel adalah sebuah software yang dikembangkan khusus untuk menangani permasalahan causal modeling. Lisrel dikembangkan oleh dua orang
ahli psikologi pendidikan yaitu Prof. Karl Joreskog dan Prof. Dag Sorbom pada tahun 1993 Hisyam, 2009.
2.6.2 Pembagian Lisrel
Setiap file dalam Lisrel mengandung 4 bagian, yaitu: 1.
Title: Judul 2.
Data Specification: Spesifikasi Data 3.
Model Specification: Spesifikasi Model 4.
Output Specification: Spesifikasi Keluaran Untuk menggunakan Lisrel dengan baik, user harus mengetahui bahasa
yang digunakan sebagai input. Ada dua bahasa yang dapat digunakan dalam Lisrel sebagai input yaitu bahasa Lisrel dan bahasa Simplis. Kedua jenis bahasa tersebut
memiliki hasil yang relatif sama, namun dengan Lisrel pemodelan dapat dilakukan dengan hati-hati karena semua matrik yang akan diestimasi dipersiapkan terlebih
dahulu. Untuk memudahkan aplikasi Lisrel, evaluasi serta menjaga kehati-hatian,
sebelum menjalankan Lisrel sebaiknya dipersiapkan terlebih dahulu diagram jalur dan matrik yang dibutuhkan.
2.6.3 Uji Kesesuaian dan Uji Statistik