dapat disimpulkan mempunyai distribusi normal jika nilai critical ratio skewness value di bawah harga mutlak 2,58 Ghozali, 2011:226.
3.8.1.2 Uji Outlier
Outlier adalah kondisi observasi dari suatu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi
lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi Hair dalam Ghozali, 2011:227. Pengujian ada tidaknya
outlier dilakukan dengan menganalisis nilai Z score dari data penelitian yang digunakan. Apabila terdapat nilai Z score berada pada rentang ≥ ± 3,0, maka akan
dikategorikan sebagai univariate outliers.
3.8.2 Analisis Konfirmatori
Analisis konfirmatori digunakan untuk menguji sebuah konsep yang dibangun dengan menggunakan beberapa indikator terukur. Dalam penelitian ini
analisis konfirmatori digunakan untuk menguji apakah indikator-indikator yang dibentuk dari sebuah variabel secara bersama-sama cukup menggunakan variabel
tersebut. Uji kesesuaian model konfirmatori diuji menggunakan Goodnes-of-fit Indices yang meliputi X² - Chi² - Square, Significant Probability, RMSEA, GFI,
CFI, TLI, CMINDF Ghozali,2011:66-68
3.8.3 Analisis Model Persamaan Struktural Struktural Equation Modeling
Analisis model persamaan struktural digunakan untuk mengestimasi suatu seri atau deret hubungan dependensi selanjutnya. Dalam penelitian ini terdiri dari
beberapa persamaan yang meliputi banyak variabel dimana variabel dependen dari satu persamaan dapat menjadi independen pada persamaan lainnya, atau yang
lebih sering dikenal dengan istilah variabel intervening. Oleh sebab itu maka digunakan analisis persamaan struktural SEM.
Analisis SEM digunakan untuk mengetahui hubungan struktural antar variabel yang diteliti. Dalam menganalisis jalur digunakan jalur path model, yaitu
model dasar yang digunakan untuk menganalisis jalur path analysis atau mengestimasi kekuatan dari hubugan-hubungan kasual antara satu atau beberapa
variabel. Langkah selanjutnya adalah mengevaluasi kesesuaian model. Dalam
analisis SEM digunakan beberapa uji statistik untuk menguji hipotesis dari model yang dikembangkan. Uji statistik yang digunakan untuk mengukur tingkat
kesesuaian model dalam penelitian ini adalah sebagai berikut: 1. X² - Chi Square Statistic
Alat uji statistik ini digunakan untuk menguji adanya perbedaan antara matriks kovarian populasi dari matriks kovarian sampel. Model yang diuji akan
dipandang baik atau memuaskan jika nilai Chi – Squarenya rendah. Semakin kecil
nilai X² semakin baik model tersebut karena dalam uji beda Chi – Square, X² = 0
yang berarti benar-benar tidak ada perbedaan dan diterima berdasarkan probabilitas dengan Cut
– of Value sebesar p 0,05 atau p 0,10. 2. RMSEA The Mean Square Error of Approximation
Indeks ini diperlukan untuk mengompensasi nilai chi – square pada
ukuran sampel yang besar. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk diterimanya model.
3. GFI Goodness of Fit Index Rentang nilai GFI berkisar antara 0 poor fit sampai dengan 1,0 perfect
fit . Nilai yang mendekati 1 dalam indeks ini menunjukkan tingkat kesesuaian yang baik.
4. CFI Comparative Fit Index Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin
mendekati 1, mengindikasikan tingkat fit yang paling tinggi. Nilai yang direkomendasikan adalah ≥ 0,95.
5. TLI Tucker Lewis Index TLI digunakan untuk membandingkan 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 tingkat kesesuaian yang baik. 6. CMINDF
CMINDF tidak lain adalah X² - relatif karena X² dibagi dfnya. Nilai X² - relatife kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikator dari
accptable fit antara model dengan data. Dengan demikian indeks-indeks yang dapat digunakan untuk menguji
kelayakan sebuah model adalah seperti diringkas dalam tabel 3.11 berikut ini:
Tabel 3.11 Uji Kelayakan Model
Goodness of Fit Index Cut
– Off Value
X² - Chi – square
Diharapkan kecil Significant Probability
≥ 0,05 RMSEA
≤ 0,08 GFI
≥ 0,90 CFI
≥ 0,95 TLI
≥ 0,95 CMINDF
≤ 2,00 Sumber: Ghozali 2011:66-68
3.8.4 Pengujian Hipotesis Penelitian
