30
empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai model yang diperkuat. Sebaliknya,
suatu model teoritis 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 kriteria Goodness of Fit yakni Chi-square, Probability, RMSEA, GFI,
TLI, CFI, AGFI, CMINDF. Apabila model awal tidak good fit dengan
data maka model dikembangkan dengan pendekatan two step approach to SEM.
3.4.1 Uji Kesesuaian dan Statistik
Uji hipotesis yang akan dilakukan adalah uji kesesuaian model Goodness of Fit Index
. Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Peneliti
diharapkan untuk melakukan pengujian dengan menggunakan beberapa fit indeks, untuk mengukur “kebenaran” model yang diajukan. Berikut ini
disajikan beberapa indeks kesesuaian valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak alat uji lainnya
Hair et al., 1995 : 105; Tabachnick Fidell, 1996 : 84. Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai
dengan data atau yang fit terhadap data, maka yang dibutuhkan justru
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
31
sebuah nilai X
2
yang tidak signifikan, yang menguji hipotesa nol bahwa matriks kovarian populasi tidak sama dengan kovarian sampel. Oleh
karena itu x
2
yang kecil dan tidak signifikanlah yang diharapkan agar hipotesis nol sulit ditolak.
3.4.2 RMSEA Root Mean Square Error Of Approximation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistik dalam sampel yang besar
Baumgartner Hamburg, 1996:65 dalam Ferdinand 2002:56. Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk
dapat diterimanya model yang menunjukkan sebuah close fit dari model berdasarkan degrees of freedom Brown Cudeck, 1993 : 72 dalam
Ferdinand 2002:56.
3.4.3 GFI Goodness of Fit Index
Indeks kesesuaian fit index ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarian sampel yang dijelaskan
oleh matriks kovarians populasi GFI yang diharapkan adalah ≥
0.90
3.4.4 AGFI Adjust Goodness of Fit Index
Tanaka Huba 1989 : 55 dalam Ferdinand 2002:57, menyatakan bahwa GFI adalah analog dari R
2
dalam regresi berganda. Fit index
ini dapat diajdust terhadap degrees of freedom yang tersedia untuk
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
32
menguji diterima tidaknya model Arbuckle, 1999 dalam Ferdinand 2002:57. Indeks ini diperoleh dengan rumus :
AGFI = 1 – 1-GFI
d d
ε dimana : d
b
=
∑
=
=
G g
g
bebas derajat
d p
1
,
AGFI yang diharapkan adalah sebesar ≥
0.90.
3.4.5 CMINDF Minimum sampel discrepancy function Degrees of
