52
beberapa variabel dependen. Perbedaan utama antara SEM dengan teknik analisis multivariat yang lain adalah, SEM memungkinkan peneliti untuk menjawab
pertanyaan penelitian yang saling terkait dalam sebuah analisis tunggal, sistematis, dan komprehensif, yaitu melalui pemodelan relasi antar sejumlah
konstruk independen dan dependen secara simultan. Sedangkan analisis jalur ini merupakan prosedur empiris untuk mengestimasi keeratan hubungan kausalitas
antar variabel yang diteliti dengan menggunakan diagram jalur path diagram Dachlan, 2014.
Berikut merupakan beberapa indeks kesesuaian Goodness of Fit dalam SEM yang digunakan untuk menguji diterima atau tidaknya suatu model :
a. Chi-Square Statistic
Dachlan 2014 mengungkapkan bahwa statistik chi-kuadrat adalah
ukuran model yang paling fundamental dan merupakan satu-satunya ukuran kesesuaian model dalam SEM yang dilengkapi dengan tingkat signifikansi secara
statistik. Harga berkisar dari 0 hingga tak terhingga. Jika
=0 berarti menukjukkan fit model yang semakin sempurna. Semakin kecil statistik chi-
kuadrat, semakin fit model tersebut. Program aplikasi tertentu untuk SEM seperti AMOS, menggunakan notasi CMIN, yaitu singkatan dari chi-kuadrat minimum
untuk menyatakan .
b. The Root Mean Square Error of Approximation RMSEA
Menurut Dachlan 2014, RMSEA ditujukan untuk memperbaiki indeks fit statistik chi-kuadrat
yang cenderung menolak model yang mempunyai
53
variabel observed yang banyak dan ukuran sampel yang besar. Model fit yang bagus mempunyai RMS
EA ≤ 0,05 dan model yang tidak fit mempunyai RMSEA 0,10.
c. Goodness of Fit GFI
Dachlan 2014 menyatakan GFI adalah ukuran fit model yang menjelaskan jumlah varians dan kovarians dalam matriks kovarians sampel S
yang diprediksi oleh matriks kovarians hasil estimasi. Nilai GFI yang disarankan untuk model yang fit adalah lebih besar dari 0,90.
d. Adjusted Goodness of Fit AGFI
Dachlan 2014 berpendapat nilai AGFI yang disarankan untuk model fit adalah lebih besar dari 0,90. Dimana dijelaskan AGFI merupakan indeks fit GFI
yang derajat bebasnya disesuaikan adjusted terhadap banyaknya variabel.
e. CMINDF
Dachlan 2014 menyatakan bahwa sebagaimana diketahui, indeks fit statistik chi-kuadrat
sangat sensitive terhadap ukuran sampal dan kompleksitas model yang ditunjukkan dengan derajat bebasnya. Untuk mengatasi
hal tersebut, salah satu cara adalah membagi dengan derajat bebasnya degree
of freedom, sehingga akan diperoleh nilai yang lebih rendah yang disebut Normed Chi-Square NC. Menurut Bollen 1989 dalam Dachlan 2014
menyatakan bahwa nilai NC sebesar 5,0 sudah cukup bisa diterima untuk menunjukkan model fit. Program aplikasi tertentu untuk SEM biasanya
menggunakan notasi CMINDF untuk menyatakan statistik NC.
54
f. Tracker Lewis Index TLI
