- Std. Loading diperoleh langsung dari standardized loading untuk tiap-tiap
indicator.
-
ε ј adalah measurement error dari tiap-tiap indicator. 3.4.3.
Pengujian Hipotesis 1.
χ2 – CHI-SQUARE STATISTIC
Alat uji paling fundamental untu mengukur overall fit adalah likelihood ratio Chi-square statistic. chi-square ini bersifat sangat sensitive terhadap besarnya sampel
yang di gunakan. Karena itu bila jumlah sampel cukup besar yaitu lebih dari 200 sampel, maka statistic Chi-square ini harus di damping oleh alat uji lainnya. Karena
tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit dengan data, maka yang di butuhkan justru sebuah nilai
χ2 yang tidak signifikan, yang mengujihipotesa nol bahwa estimated population
covariance tidak sama dengan sampel covariance. Oleh karena itu χ2 yang kecil dan
tidak signifikanlah yang di harapkan agar hipotesa nol sulit di tolak. Dalam pengujian ini nilai
χ2 yang rendah yang menghasilkan sebuah tingkat signifikasi yang lebih besar dar 0.05 akan mengindikasikan tak adanya perbedaan yang signifikan antara
matrik kovarians dan matrik kovarians yang di estimasi.
2. RMSEA – The Root Mean Square Error of Approximation.
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi Chi-Square statistic dalam sampel yang besar Baumgartner Homburg, 1996.
RMSEA yang di harapkan adalah sebesar ≤ 0.08. nilai RMSEA yang lebih kecil atau
sama dengan 0.08 merupakan indeks untuk dapat di terimanya model menunjukan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
sebuah close fit dari model itu berdasarkan Degrees of Freedom Browne Cudeck, 1993.
3. GFI- Goodness of Fit Index.
Indeks kesesuaian atau fit indeks ini akan menghitung proposi dari varians dalam matrik kovarians sampel yang di jelaskan oleh matriks populasi terestimasikan
bentler,1983; Tanaka dan Huba, 1989. 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 menunjukan sebuah “better fit” . GFI yang di harapkan sebesar
≥ 0.90.
4. AGFI- Adjusted Goodness – of – Fit Index.
Tanaka dan hubah 1989 menyatakan bahwa GFI adalah analok dari R² dalam regresi berganda, Fit index ini dapat diadjust terhadap degrees of freedom yang
tersedia untuk menguji diterima tidaknya model Arbuckle, 1999. Indeks ini diperoleh dengan rumus sebagai berikut:
d ь
AGFi = 1-1- GFI ---------- d
dimana:
G
d ь=∑ρ•
g
= jumlah – sampel – moments
g=1
d = degress- of - freedom
Tingkat penerimaan yang di rekomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0.90 Hair et al.,1996. AGFI yang diharapkan
adalah sebesar ≥ 0.90. GFI maupun AGFI adalah criteria yang memperhitungkan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. Nilai sebesar 0.95 dapat di interpretasikan sebagai tingkat yang baik- good overall model
fit baik sedangkan besaran nilai antara 0.90-0.95 menunjukan tingkat cukup- adequate fit hulland et al., 1996
5. CMINDF Minimum sampel discreparancy function Degrees of freedom.
