Offending Estimates Root Means Square Error of Approximation RMSEA Goodness of Fit Index GFI

Selain harus memenuhi order condition, suatu model juga harus memenuhi rank condition yang merupakan syarat cukup bagi identifikasi model. Pendekatan yang bisa digunakan pada syarat ini adalah pertama, apabila suatu peubah laten diukur dengan paling tidak oleh tiga peubah manifes three measures rule maka peubah laten tersebut akan selalu dapat diidentifikasididuga identified. Pendekatan kedua adalah aturan model rekursif recursive model rule yang menyatakan bahwa model rekursif model yang tidak memiliki hubungan timbal balik yang dicirikan dengan tidak adanya panah dua arah pada diagram lintas dengan peubah latennya tergolong dapat diidentifikasi dari three measure rule maka model rekursif tersebut akan selalu dapat diidentifikasi. 6. Evaluasi kriteria goodness-of-fit SEM tidak mempunyai alat uji statistik tunggal untuk menguji antara model dengan data yang disajikan. Beberapa indeks kesesuaian dan cut-off-value yang umumnya digunakan adalah sebagai berikut:

a. Offending Estimates

Sebelum evaluasi terhadap hasil analisis SEM dilakukan terlebih dahulu perlu diperiksa adanya offending estimates atau dugaan yang tidak wajar. Beberapa dugaan yang tergolong offending estimates antara lain: 1 ragam galat yang bernilai negatif atau ragam galat yang tidak nyata pada sembarang peubah laten, 2 koefisien terbakukan yang melebihi atau hampir bernilai 1.0, dan 3 galat baku bagi sembarang dugaan parameter yang bernilai sangat besar. Masalah ragam galat yang bernilai negatif dikenal dengan Heywood cases dapat diatasi dengan menetapkan nilai yang sangat kecil katakanlah 0.005 bagi ragam galat tersebut. Dua masalah berikutnya serupa dengan masalah multikolinier dalam analisis regresi. Masalah tersebut dapat diatasi dengan memeriksa kembali validitas peubah laten yang digunakan atau dengan membuang peubah laten yang memiliki korelasi yang sangat kuat dengan peubah lain.

b. Root Means Square Error of Approximation RMSEA

RMSEA adalah indeks untuk mengkompensasikan chi-square dalam contoh besar, menunjukkan kesesuaian yang dapat diharapkan bila model diestimasi. RMSEA ≤ 0,08 adalah syarat agar model menunjukkan close fit dari model tersebut. Formula bagi RMSEA adalah db n db F RMSEA 1 − − = θ dimana θ F merupakan fungsi yang diminimumkan pada metode pendugaan parameter. Nilai RMSEA merupakan ukuran ketidakcocokan model sehingga diharapkan kecil. Patokan antara 0,05 – 0,08 sering dijadikan acuan bagi model ideal.

c. Goodness of Fit Index GFI

Ukuran GFI mirip dengan ukuran R 2 di dalam analisis regresi biasa, yang pada dasarnya merupakan ukuran seberapa besar model mampu menerangkan keragaman data. Tidak ada kriteria yang baku mengenai kapan suatu model dikatakan layak atau mampu menerangkan data cukup berdasarkan nilai GFI. Namun batas minimal 0,9 sering dijadikan patokan suatu model dikatakan layak. Formula dari GFI tergantung dari metode pendugaan yang digunakan. • Metode kemungkinan maksimum [ ] [ ] 2 1 2 1 ˆ ˆ 1 S tr I S tr GFI − − Σ − Σ − = • Metode Unweighted Least Square ULS [ ] [ ] 2 2 ˆ 1 S tr S tr GFI Σ − − = • Metode Generalized Least Square GLS [ ] k S I tr GFI 2 1 ˆ 1 − Σ − − = dimana k = p + q dengan p = banyaknya peubah manifes untuk peubah laten endogen q = banyaknya peubah manifes untuk peubah laten eksogen

d. Adjusted