Gambar 4.6. CFA Kepatuhan Pembayaran Pajak
Berdasarkan output AMOS diketahui bahwa seluruh indikator pembentuk konstruk firs order kepatuhan pembayaran pajak memiliki nilai loading factor
signifikan, dimana seluruh nilai loading factor melebihi angka 0,5. Jika seluruh indikator pembentuk konstruk sudah signifikan maka dapat digunakan dalam
mewakili analisis data.
4.4.4. Pengujian Kesesuaian Model Goodness of Fit Model
Pengujian kesesuaian model penelitian digunakan untuk menguji baik tingkat goodness of fit dari model penelitian. Ukuran GFI pada dasarnya
merupakan ukuran kemampuan suatu model menerangkan keragaman data. Nilai GFI berkisar antara 0 – 1. Sebenarnya, tidak ada kriteria standar tentang batas
nilai GFI yang baik. Namun bisa disimpulkan, model yang baik adalah model yang memiliki nilai GFI mendekati 1. Dalam prakteknya, banyak peneliti yang
menggunakan batas minimal 0,9. Berikut hasil analisa AMOS :
Universita Sumatera Utara
Gambar 4.7. Kerangka Output Amos
Universita Sumatera Utara
Tabel 4.22. Hasil Pengujian Kelayakan Model Penelitian Untuk Analisis SEM
Goodness of Fit Indeks
Cut of Value Hasil
Analisis Evalua
si Model
Chi-square Diharapkan kecil
1354,68 Fit
Probability P
≥ 0,05 P =0.089
Fit Goodness of Fit Index
GFI ≥ 0,90
0,919 Fit
Adjusted Goodness of Fit Index AGFI
≥ 0,90 0,906
Fit Comparative Fit Index
CFI ≥ 0,90
Bentler,2000 0,926
Fit Root Mean Square Error of
Approx RMSEA ≤ 0,08
0,067 Fit
CMINDF ≤ 2,00
1,261 Fit
Tucker-Lewis Index TLI
≥ 0,90 0,931
Fit Sumber : Ghozali 2005; 2008, output Amos
Berdasarkan hasil Penilaian Model Fit diketahui bahwa seluruh analisis model telah memiliki syarat yang baik sebagai suatu model SEM. Untuk melihat
hubungan antara masing-masing variabel dilakukan dengan analisis jalur path analysis dari masing-masing variabel baik hubungan yang bersifat langsung
direct maupun hubungan tidak langsung indirect. Hasil pengujian tersebut dapat dilihat pada tabel di bawah ini.
a. Uji Kecocokan Chi-Square
Uji kecocokan ini mengukur seberapa dekat antara implied covariance matrix matriks kovarians hasil prediksi dan sample covariance matrix
matriks kovarians dari sampel data. Dalam prakteknya, P-value diharapkan bernilai lebih besar sama dengan 0,05 agar H0 dapat diterima yang
menyatakan bahwa model adalah baik. Pengujian Chi-square sangat sensitif terhadap ukuran data. Yamin dan Kurniawan 2009 menganjurkan untuk
ukuran sample yang besar lebih dari 200, uji ini cenderung untuk menolak
Universita Sumatera Utara
