METODOLOGI PENELITIAN PENGARUH KEPRIBADIAN TYPE A DAN IKLIM ORGANISASI TERHADAP STRESS KERJA KARYAWAN PDAM “DELTA TIRTA” SIDOARJO.

BAB III METODOLOGI PENELITIAN

3.1. Definisi Operasional 3.1.1. Definisi Operasional Variabel Untuk kemudahan dalam memahami penelitian ini serta menghindari kesalahan persepsi, maka perlu diuraikan definisi opersional variabel-variabel yang akan diteliti. Variabel-variabel tersebut adalah:

1. Kepribadian Tipe A X

1 Kepribadian Tipe A adalah aparatur pemerintah yang secara agresif terlibat dalam suatu pergulatan yang kronis dan tanpa henti untuk mencapai lebih banyak dalam waktu yang lebih singkat dan jika diminta melakukan hal itu bertabrakan dengan upaya perlawanan dari hal-hal lain atau orang lain. Adapun indikatornya menurut Robbin dalam Sutanto dan Djohan 2006 adalah sebagai berikut: a. Selalu bergerak dengan cepat X 1.1 b. Merasa tidak sabar dengan nilai dimana kebanyakan kejadian yang terjadi X 1.2 c. Berjuang untuk berpikir atau melakukan dua hal atau lebih secara terus menerus X 1.3 . d. Tidak dapat mengatasi waktu untuk bersantai X 1.4 . e. Terobsesi dengan angka-angka; kesuksesan diukur dengan cara seberapa banyak hasil yang telah dicapai X 1.5 .

2. Iklim Organisasi X

2 Iklim organisasi adalah suatu set dari sifat-sifat terukur measurable properties dari lingkungan kerja yang dirasakan atau dilihat secara langsung atau tidak langsung oleh orang hidup yang bekerja dilingkungan tersebut dan diasumsikan mempengaruhi motivasi dan prilaku karyawan Fey dan Beamish, 2001:857. Stringer 2002 juga berpendapat bahwa karakteristik atau komponen iklim organisasi mempengaruhi terdapat 6 komponen untuk mengukur hal tersebut a. Struktur Structure X 21 . Struktur organisasi merefleksikan perasaan diorganisasi secara baik dan mempunyai peran dan tanggung jawab yang jelas dalam lingkungan organisasi. Struktur tinggi jika anggota merasa pekerjaan mereka didefinisikan secara baik. b. Standar-standar Standards X 22 . Mengukur perasaan tekanan untuk meningkatkan kinerja dan derajat kebanggaan yang dimiliki oleh anggota organisasi dalam melakukan pekerjaan dengan baik. Standar-standar tinggi artinya anggota organisasi selalu berupaya mencari jalan untuk meningkatkan kinerja. Sebaliknya standar rendah merefleksikan harapan yang lebih rendah untuk kinerja. c. Tanggung jawab Responsibility X 23 . Merefleksikan perasaan karyawan bahwa mereka adalah “bos bagi diri sendiri” dan tidak memerlukan keputusannya dilegitimasi oleh anggota organisasi lainnya. Persepsi tanggung jawab tinggi menunjukkan anggotanya merasa didorong untuk memecahkan problemnya sendiri. Tanggung jawab rendah menunjukkan bahwa pengambilan keputusan dan percobaan terhadap pendekatan baru tidak diharapkan. d. Penghargaan Recognition X 24 mengindikasikan bahwa anggota organisasi merasa dihargai jika mereka dapat menyelesaikan tugas secara baik. Penghargaan merupakan ukuran penghargaan yang dihadapkan dengan kritik dan berkarakteristik keseimbangan antara karakter dan kritik. Penghargaan rendah artinya penyelesaian pekerjaan dengan baik diberikan imbalan secara tidak konsisten. e. Dukungan Support X 25 . Merefleksikan perasaan percaya dan saling mendukung terus berlangsung di antara kelompok kerja. Dukungan tinggi jika anggota organisasi merasa bahwa mereka bagian dari tim yang berfungsi dengan baik dan merasa memperoleh bantuan dari atasannya, jika mengalami kesulitan dalam menjalankan tugas. Jika dukungan rendah, anggota organisasi merasa terisolasi dan tersisih sendiri. Komponen iklim organisasi ini menjadi sangat penting untuk model bisnis yang ada saat ini, dimana sumber-sumber sangat terbatas. f. Komitmen Commitment X 26 . Merefleksikan perasaan bangga anggota terhadap organisasinya dan derajat keloyalan terhadap pencapaian tujuan organisasi. Perasaan komitmen kuat berasosiasi dengan loyalitas personal. Level rendah komitmen artinya karyawan merasa apatis terhadap organisasi dan tujuannya. 34

3. Stress Kerja Y

Stress kerja adalah situasi ketegangan atau emosional yang dialami karyawan PDAM”Delta Tirta” Sidoarjo yang sedang menghadapi tuntutan sangat besar, hambatan-hambatan dan adanya kesempatan yang sangat penting yang dapat mempengaruhi emosi, pikiran dan kondisi fisik seseorang. adapun dimensi dan indikatornya menurut Gibson dalam Putra,Eka 2007. a. Subjektif Y1 adalah berkaitan dengan psikis individu . 1. Kegelisahan Y 1.1 2. Peledakan Emosi Y 1.2 3. Mudah lelah Y 1.3 b. Kognitif Y2 adalah berkaitan dengan sikap individu . 1. Tidak mampu mengambil keputusan sehat Y 2.1 2. Kurang dapat berkonsentrasi Y 2.2 3. Sangat peka terhadap ancaman Y 2.3 c. Fisiologi Y3 adalah berkaitan dengan fisiologis Individu 1. Tekanan darah naik Y 3.1 2. Mudah gugup Y 3.2 3. Mengalami ketegangan Y 3.3 Skala pengukuran yang digunakan dalam penelitian ini adalah skala interval yaitu jarak antara satu data dengan yang lain dan mempunyai bobot yang sama, semantic differential scale merupakan metode pengukuran sikap dengan skala penilaian tujuh butir yang menyatakan secara verbal dua kutub bipolar. Digunakan jenjang 7 dalam penelitian ini mengikuti pola sebagai berikut, misalnya : 1 7 Sangat tidak Setuju Sangat setuju

3.2. Teknik Penentuan Sampel

a. Populasi Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang diterapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya Sugiono,2006:55. Populasi dalam penelitian ini adalah seluruh karyawan pada PDAM “DELTA TIRTA” Sidoarjo sebanyak 635 karyawan. b. Sampel Sampel adalah bagian dari populasi Ferdinand, 2002 : 48.Teknik penentuan sampel dalam penelitian ini dilakukan dengan purposive sampling adalah teknik penarikan sampel non probabilitas yang menyeleksi responden- responden tersebut. Nazir, 1988:325. Teknik sampling tersebut digunakan dalam penelitian ini, karena karakteristik responden sudah ditentukan terlebih dahulu, yaitu: 1. Karyawan PDAM “Delta Tirta” Sidoarjo yang memiliki masa kerja minimal 3 tahun. 2 Sampel yang diambil adalah karyawan tetap PDAM “Delta Tirta” Sidoarjo Penggunaan sampel dikarenakan cukup banyaknya responden dan terbatasnya waktu penelitian sehingga dengan penggunaan sampel tersebut diharapkan mampu mewakili total keseluruhan populasi. Untuk mendapatkan sampel yang dapat menggambarkan populasi, maka dalam penentuan sampel penilitian ini digunakan rumus Slovin dalam Umar,2004:108 sebagai berikut : N n = ---------------------- 1 + N.e² Dimana: n = ukuran sampel orang N = ukuran populasi e = kesalahan yang diinginkan atau ditolerir digunakan sebesar 10 Jumlah sampel yang akan digunakan mengikuti aturan rumus Slovin, yaitu dari total populasi N =635 akan menghasilkan jumlah sampel minimum sebanyak 266 orang. Tabel 3.1 Kondisi Populasi Penentuan Sampel Penelitian komposisi organisasi Komposisi Karyawan S -2 S-1 S-3 SMU SLTP SD Jumlah populasi KANTOR PUSAT Direksi a. Direksi Utama 1 1 b. Direksi Umum 1 1 c. Direksi Teknik 1 1 SPI 1 12 13 9 35 BAGIAN LITBANG 1 16 10 10 37 BIDANG UMUM a. Bagian Umum 2 21 13 7 43 b. Bagian Keuangan 3 37 40 c. Bagian Langganan 2 15 18 10 45 BIDANG LAIN a. Bagian Transdist 1 34 5 5 45 b. Bagian Pemeliharaan 24 11 35 c. Bagian Perencanaan 2 20 22 d. Bagian Produksi 1 27 7 35 e. Inst. Penglh. Air 36 2 2 40 Cab. Sidoarjo 1 24 25 Cab. Waru I 2 52 54 Cab. Waru II 2 28 30 Cab. Porong 30 2 32 Cab. Krian 1 43 1 45 Cab. Sepanjang 1 31 2 1 35 Cab. Gedangan 2 4 20 8 34 Jumlah 1 24 4 470 89 47 635 Sumber : Kantor PDAM “ Delta Tirta” Sidoarjo, diolah Pedoman pengukuran sampel menurut Augusty 2002: 48 : 1. 100-200 sampel untuk teknik maximum Likelihood Estimation. 2. Tergantung pada jumlah parameter yang diestimasi. Pedomannya adalah 5-10 kali jumlah parameter yang diestimasi. 3. Tergantung pada jumlah indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah jumlah indikator dikali 5-10. bila terdapat indikator, besarnya sampel adalah 100-200. Dalam penelitian ini sampel yang diambil adalah karyawan di PDAM “Delta Tirta” Sidoarjo. Dimana terdapat 20 indikator maka jika dikalikan dengan 6 sama dengan 120 responden. 3.3. Teknik Pengumpulan Data 3.3.1. Jenis Data Untuk menganalisa data yang baik maka diperlukan data yang valid, supaya mengandung suatu kebenaran. Ada dua macam data yang dikumpulkan dari penelitian, yaitu: a. Data Primer Data yang dikumpulkan langsung dari lokasi penelitian, yaitu dengan menyebarkan daftar pertanyaan kuesioner kepada karyawan di PDAM “Delta Tirta” Sidoarjo b. Data Sekunder Data yang dikumpulkan dari pihak Kantor Inspektorat Kabupaten Tulungagung berupa: Sejarah, Struktur organisasi dan Tugas Pokok dan PDAM “Delta Tirta” Sidoarjo.

3.3.1. Sumber Data

Sumber data diperoleh dari PDAM “Delta Tirta” Sidoarjo yang dijadikan sebagai responden adalah karyawan PDAM “Delta Tirta” Sidoarjo.

3.3.2. Teknik Pengumpulan Data

a. Wawancara Digunakan untuk mendapatkan bukti–bukti yang berkaitan atau keterangan yang lebih mendalam, khususnya berhubungan dengan beberapa hal yang 39 belum jelas dari data yang ada, wawancara ini dilakukan kepada karyawan PDAM “Delta Tirta” Sidoarjo. b. Dokumentasi Yaitu dengan mengumpulkan data, menggali data dokumen atau arsip-arsip aturan yang disepakati. c. Kuesioner Yaitu dengan menyebarkan angket daftar pertanyaan kepada karyawan PDAM “Delta Tirta” Sidoarjo.

3.4. Uji Kualitas Data

3.4.1. Uji Outlier Univariat dan Multivariat

Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi kharakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya Augusty, 2002: 52.

3.4.1.1. Uji Outlier Univariat

Deteksi terhadap adanya outlier univariat dapat dilakukan dengan menentukan ambang batas yang akan dikategorikan sebagai outlier dengan cara mengkonversi nilai data penelitian ke dalam standar score atau yang biasa disebut dengan z-score, yang mempunyai rata-rata nol dengan standar deviasi sebesar satu. Bila nilai-nilai itu telah dinyatakan dalam format yang standar z-score, maka perbandingan antar besaran nilai dengan mudah dapat dilakukan. Untuk sampel besar diatas 80 observasi, pedoman evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 Hair dkk, 1995 dalam Augusty, 2002: 98. Oleh karena itu apabila ada observasi-observasi yang memiliki z-score ≥ 3,0 akan dikategorikan sebagai outlier.

3.4.1.2. Uji Outlier Multivariat

Evaluasi terhadap multivariat outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariat, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis the Mahalanobis distance untuk tiap observasi dapat dihitung dan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap multivariat dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat ρ 0,001. Jarak Mahalanobis itu dapat dievaluasi dengan menggunakan nilai χ² pada derajat kebebasan sebesar jumlah item yang digunakan dalam penelitian. Dan apabila nilai Jarak Mahalanobisnya lebih besar dari nilai χ² Tabel adalah Outlier Multivariat.

3.4.2. Uji Validitas dan Reliabilitas

Variabel atau dimensi yang diukur melalui indikator-indikator dalam daftar pertanyaan perlu dilihat reliabilitasnya dan validitasnya, dimana hal ini dijelaskan sebagai berikut : a. Uji Validitas Validitas yang digunakan disini adalah validitas konstruk construct validity yang merujuk pada sejauh mana uji dapat mengukur apa yang sebenarnya yang kita ukur. b. Uji Reliabilitas Uji ini ditafsirkan dengan menggunakan koefisien Alpha Cronbach. Jika nilai alpha cukup tinggi berkisar 0,70 dapat ditafsirkan suatu hasil pengukuran relatif konsisten apabila pengukuran diulangi dua kali atau lebih, dengan kata lain instrumen tersebut dapat diandalkan Augusty, 2002 : 193.

3.4.3. Uji Normalitas Data

Adapun metode yang digunakan untuk mengetahui apakah data tersebut berdistribusi normal atau tidak adalah menggunakan uji critical ratio dari Skewness dan Kurtosis dengan ketentuan sebagai berikut : a Jika nilai critical yang diperoleh melebihi rentang ± 2,58 maka distribusi adalah tidak normal. b Jika nilai critical yang diperoleh berada pada rentang ± 2,58 maka distribusi adalah normal. 3.5. Teknik Analisis dan Pengujian Hipotesis 3.5.1. Teknik Analisis Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling [SEM]. Model pengukuran variabel Tipe kepribadian A dan iklim organisasi terhadap Stress Kerja dengan menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Persamaan Dimensi variabel kepribadian type a : X1 = λ1 kepribadian type a + er_1 X2 = λ2 kepribadian type a + er_2 X3 = λ3 kepribadian type a + er_3 42 X4 = λ4 kepribadian type a + er_4 X5 = λ5 kepribadian type a + er_5 Bila persamaaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh variabel peran akan nampak sebagai berikut: Gambar 3.1 : Contoh Model Pengukuran Kepribadian Type A Keterangan : X1.1 = pertanyaan tentang selalu bergerak cepat X1.2 = pertanyaan tentang tidak sabar X1.3 = pertanyaan tentang berjuang untuk berpikir X1.4 = pertanyaan tentang tidak ada waktu untuk bersantai X1.5 = pertanyaan tentang terobsebsi dengan kesuksesan er_j = error term X1j 43 Kepribadian Type A X 1 Tidak Sabar X1.2 Berjuang untuk berpikir X1.3 Tidak ada waktu untuk bersantai X1.4 Terobsesi dengan kesuksessan X1.5 Selalu bergerak dengan cepat X1.1 3.6. Asumsi Model [Structural Equation Modelling] a. Uji Normalitas Sebaran dan Linieritas 1 Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. 2 Menggunakan Critical Ratio yang diperoleh dengan membagi koefisien sampel dengan standard errornya dan Skewness value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikansi 1, jika nilai Z lebih besar dari nilai kristis, maka dapat diduga bahwa distribusi data adalah tidak normal. 3 Normal Probability Plot [SPSS 10.1]. 4 Linieritas dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linieritas. b. Evaluasi atas Outlier 1 Mengamati nilai Z-score : ketentuanya diantara ± 3,0 non outlier. 2 Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square x 2 pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai x 2  adalah multivariate outlier. Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi [Hair,1998]. c. Deteksi Multicollinierity dan Singularity Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 [kecil], maka terjadi multikolinieritas dan singularitas d. Uji Validitas dan Reliabilitas Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajad sampai dimana masing-masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent variabel construct aka diuji dengan melihat loading faktor dari hubungan antara setiap obseverd variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan Variance-extracted. Construct reliability dan Variance-extracted dihitung dengan rumus berikut : [ ΣStandardize Loading] Construct Reliability = [ ΣStandardize Loading] + Σ ε j Variance Extracted = [ Σ Standardize Loading] [ Σ Standardize Loading] + Σ ε j ] 45 Sementara Σ j dapat dihitung dengan formula ε Ψ j = 1 - [Standardize Loading]  Secara umum, nilai construct reliability yang dapat diterima adalah 0,7 dan variance extracted 0,5 [Hair et.al.,1998]. Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize regression weigths terhadap setiap butir sebagai indikatornya. 3.6.1. Pengujian Hipotesis dan Hubungan Kausal Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR [Critical Ratio] atau p [probability] yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t table berarti signifikan.

3.6.2. Pengujian model dengan Two-Step Approach

Two-Step Approach to structural equation modelling [SEM] digunakan untuk mengatasi masalah sampel data yang kecil jika dibandingkan dengan jumlah butir instrumentasi yang digunakan dan keakuratan reliabilitas indikator- indikator terbaik dapat dicapai dalam two-step approach ini. Two-Step Approach bertujuan untuk menghindari interaksi antara model pengukuran dan model struktural pada One Step Approach [Hair et.al., 1998]. Yang dilakukan dalam dalam two step approach to SEM adalah: estimasi terhadap measurement model dan Estimasi terhadap structural model [Anderson dan Gerbing, 1988]. Cara yang dilakukan dalam menganalisis SEM dengan two step approach adalah sebagai berikut: a. Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indikator summed-scale bagi setiap konstrak. Jika terdapat skala yang berbeda setiap indikator tersebut distandardisasi [Z-scores] dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut [Hair et.al.,1998]. b. Menetapkan error [ ε] dan lambda [λ] terms, error terms dapat dihitung dengan rumus 0,1 kali dan lamda terms dengan rumus 0,95 kali [Anderson dan Gerbing,1988]. Perhitungan construct reliability [ ε Ψ ] telah dijelaskan pada bagian sebelumnya dan deviasi standar [ σ] dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error [ ε] dan lambda [λ] terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM. Keterangan akan symbol-simbol di dalam S.E.M adalah sebagai berikut : : faktorconstructlatent variableunobserved variable yaitu sebuah variabel bentukan, yang dibentuk melalui indikator- indikator yang diamati dalam dunia nyata. : variabel terukurobseverd variableindicators variables yaitu variabel yang datanya harus dicari melalui observasi, misalnya melalui instrumen-instrumen survei. Garis dengan anak panah satu arah = garis yang menunjukkan hubungan yang dihipotesiskan antara dua variable dimana variable yang dituju anak panah merupakan variable dependen. Garis dengan anak panah dua arah = garis yang menunjukkan hubungan yang tidak dihipotesiskan antara dua variable dimana kedua variabel berkorelasi.

3.6.3. Evaluasi Model

Hair et.al., 1998 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teotitis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji apakah model “good fit” atau “poor fit. Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit, yakni Chi-square, Probality, RMSEA, GFI, TLI, CFI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan two step approach to SEM. Tabel 3.2. Goodness of Fit Indices GOODNES S OF FIT INDEX KETERANGAN CUT-OFF VALUE X 2 - Chi- square Menguji apakah covariance populasi yang destimasi sama dengan cova-riance sample [apakah model sesuai dengan data]. Diharapkan Kecil, 1 s.d 5. atau paling baik diantara 1 dan 2. Probability Uji signifikansi terhadap perbedaan matriks covariace data dan matriks covariance yang diestimasi. Minimum 0,1 atau 0,2, atau ≥ 0,05 RMSEA Mengkompensasi kelemahan Chi-Square pada sample besar. ≤ 0,08 GFI Menghitung proporsi tertimbang varians dalam matrtiks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi [analog dengan R 2 dalam regresi berganda]. ≥ 0,90 AGFI GFI yang disesuaikan terhadap DF. ≥ 0,90 CMINDDF Kesesuaian antara data dan model ≤ 2,00 TLI Pembandingan antara model yang diuji terhadap baseline model. ≥ 0,95 CFI Uji kelayakan model yang tidak sensitive terhadap besarnya sample dan kerumitan model. ≥ 0,94 Sumber : Hair et.al., [1998]

1. X² CHI SQUARE STATISTIK

Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio chi-square ini bersifat sangat sensitif 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 nilai 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 sensitif terhadap besarnya sampel yaitu terhadap sampel yang terlalu 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 model diestimasi alam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0, 08 merupakan indeks untuk dapat diterimanya degress of freedom.

3. GFI – GOODNES of FIT INDEKS

GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kiovarians sampel yang dijelaskan oleh kovarians 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 GOODNES 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 alam sebuah matriks kovarians sampel. Nilai sebesar dapat diinterprestasikan sebagai tingkatan yang baik good overall model fit sedangkan besaran nilai antara 0,09-0,95 menunjukkan tingkatan cukup adequate fit.

5. CMINDF

Sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMNIDF tidak lain adalah statistik chi-square, X² dibagi Dfnya sehingga disebut X² relatif. Nilai X² relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X² relatif yang tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasikan dan diestimasi.

6. TLI – TUCKER LEWIS INDEKS

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 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, mendidentifikasikan tingkat fit yang paling tinggi avery 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 Relative Non centrality Indeks RNI.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN