3.4.5 Evaluasi Model
Hair et al, 1998 menjelaskan bahwa pola “confirmatiry” menunjukan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teoritis menggambarkan “good fit” dengan kata, maka model dianggap sebagai
yang diperkuat. Sebaliknya suatu model toeritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji
apakah model “good fit” atau “poor fit”. Jadi “good fit” model yang diuji sangat penting dalam penggunaan structural equation modeling.
Pengujian terhadap model yang dikembangkan dengan berbagai criteria Goodness of Fit, yakni Chi-square, probability, RMSEA, GFI,
TLI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan Two-Step Approach to
SEM.
Tabel 3. Goodness of Fit Indices
Godness of Fit Index Keterangan
Cut-Off Value
X²- Chi-square
Menguji apakah covariance populasi yang di estimas sama
dengan covariance sample apakah model sesuai dengan
Diharapkan kecil 1 s.d 5 atau paling baik diantara
1dan 2
data Probality
Uji signifikan terhadap perbedaan matriks covariance dta dan
matriks covariance yang diestimasi
Minimum 0,1 atau 0,2 atau ≥ 0,05
RMSEA Mengkompensasi kelemahan Chi-
Square pada sampel besar ≤ 0,08
GFI Menghitung proporsi tertimbang
varians dalam matriks sampel yang dijelaskan oleh matriks
covarians populasi yang diestimasi analog dengan R²
dalam regresi berganda ≥ 0,90
AGFI GFI yang disesuaikan terhadap
DF ≥ 0.90
CMIN DF Kesesuaian antara data dan model
≤ 2,00 TLI
Pembandingan antara model yang diuji terhadap baseline model
≥ 0,95 CFI
Uji kelayakan model yang tidak ensitive terhadap besarnya sampel
dan kerumitan model ≥ 0,94
Sumber: Hair et al 1998 Keterangan:
1. X² CHI SQUARE STATISTIK
Alat uji paling fundamental untuk mengukur overall fit adalah likehood ratio chi-square ini bersifat sangat sensitive terhadap besarnya sampel
yang digunakan. Karenanya bila jumlah sampel cukup besar lebih dari 200. Statistik chi-square ini harus didampingi oleh alat uji lain. Model
yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil X² semakin baik model itu. Karena tujuan analisis
adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai
X² yang kecil dan signifikan. X² bersifat sangat sensitive terhadap besarnya sampel yaitu terhadap
sampel yang teralalu kecil maupun yang terlalu besar. Penggunaan chi-
square hanya sesuai bila ukuran sampel antara 100-200, bila ukuran luar tentang itu, uji signifikan akan menjadi kurang reliable oleh karena itu
pengujian ini perlu dilengkapi dengan uji yang lain. 2.
RMSEA-THE ROOT MEAN SQUARE ERROR OF APPROXIMATION RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi
chi-square statistik dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila mode diestimasi alam populasi.
Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya degress of freedom.
3. GFI = GOODNESS of FIT INDEKS
GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi terimbang dari varians dalam matriks
covariance sampel yang dijelaskan oleh covariance matriks populasi yang terestimasi. GFI adalah sebuah ukuran non-statistika yang mempunyai
rentang nilai antara 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
4. AGFI = ADJUST GOODNESS of FIT INDEX
AGFI = GFIdf tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai yang sama dengan atau lebih besar dari 0,09. GFI
maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang
dari varians dalam sebuah matriks covariance sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik good overall model
fit sedangkan besarnya nilai antara 0,09-0,95 menunjukkan tingkatan cukup adequate fit.
5. CMIN DF
Sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMINDF tidak lain adalah statistik chi-square, X² dibagi
Df-nya sehingga disebut X² relative. Nilai X² relative ≤ 2,0 atau bahkan ≤
3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X² relative yang tinggi menandakan adanya perbedaan yang signifikan antara
matriks covariance yang diobservasikan dan diestimasi. 6.
TLI = TUCKER LEWIS INDEX TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai
yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan
≥ 0,95 dan nilai yang sangat mendekati 1 menunjukkan A Very Good Fit.
7. CFI = COMPERATIF FIT INDEX
Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengidentifikasikan tingkat fit yang paling tinggi A Very
Good Fit. Nilai yang direkomendasikan adalah CFI 0,95. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu
sangat baik untuk mengukur tingkat penerimaan sebuah model. Indeks CFI adalah identik dengan Relatif Non Indeks RNI.
BAB III METODOLOGI PENELITIAN
3.1 Definisi Operasional Variabel dan Pengukuran Variabel
3.1.1 Definisi Operasional Variabel
Variabel beserta definisi operasional yang digunakan dalam penelitian ini adalah sebagai berikut :
A. Endorser X
Endorser merupakan publik figur yang digunakan sebagai bintang iklan suatu produk, Menurut Mehta 1990 ada beberapa
dimensi yang mempengaruhi karakteristik publik figur sebagai endorser
1. Visibility X1
Merupakan tingkat kepopuleran seorang publik figur serta sejauh mana seorang bintang iklan dikenal dan bisa menimbulkan
ketertarikan publik sebagai calon konsumen, meliputi beberapa indikator yaitu:
X1.1 = Sejauh mana Agnes monica dikenal oleh masyarakat. X1.2 = Sejauh mana Agnes monica dapat menimbulkan
ketertarikan. 2.
Credibility X2 Merupakan sifat yang dimiliki seorang publik figur yang
dapat menimbulkan kepercayaan orang lain terhadap terhadap
Kategori