variabel tunggal atau variabel kombinasi. Uji terhadap multivariate outliers dilakukan dengan menggunakan kriteria
Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis dievaluasi dengan menggunakan
2
pada derajat bebas sebesar jumlah variabel yang digunakan
dalam penelitian. Sebuah data termasuk outlier jika mempunyai nilai p1 dan p2 yang kurang dari 0,05 pada
pengujian outlier mahalanobis distance Santoso, 2007:75. 4 Multikolinearitas dan Singularitas
Variabel yang saling berhubungan akan menyebabkan hasil yang bias. Oleh karena itu, diharapkan tidak ada data yang
bersifat multicolinearity dan singularity. Bila ada, sebaiknya data tersebut dikeluarkan atau dibuat composite variables
agar dapat
dianalisis lebih
lanjut. Ada
tidaknya multikolinearitas dalam sebuah kombinasi variabel dapat
dilihat melalui
matriks korelasi
antarvariabel laten
independen. Nilai korelasi tidak boleh melebihi batas 0,9 sementara nilai yang melebihi 0,8 dapat menjadi indikasi
adanya multikolinearitas Ghozali, 2005: 92.
b. Pengujian Kesesuaian Keselarasan Goodness of Fit Test
Langkah pertama
yang harus
dilakukan sebelum
melakukan teknik
pengujian hipotesis
adalah menilai
kesesuaian goodness of fit dengan bantuan program AMOS
16. Berbagai indeks kesesuaian digunakan untuk mengukur derajat kesesuaian antara model dengan data yang disajikan.
Indeks-indeks tersebut adalah sebagai berikut: 1 Chi Square
2
Chi Square berfungsi untuk menguji apakah sebuah model
sesuai dengan data. Model dikatakan baik jika Chi Square bernilai rendah. Chi Square sangat sensitif terhadap sampel
yang terlalu kecil maupun terlalu besar, oleh karena itu perlu dilengkapi dengan alat uji lainnya.
2 The Root Mean Square Error of Approximation RMSEA RMSEA merupakan ukuran yang mencoba memperbaiki
kecenderungan statistik Chi Square Model dengan jumlah sampel yang besar. Nilai RMSEA yang dapat diterima adalah
0,08. Apabila memenuhi ketentuan tersebut, maka dapat dikatakan bahwa nilai RMSEA telah menunjukkan titik
potong sebuah kecocokan model yang baik. 3 Goodness of Fit Index GFI
Indeks ini menggambarkan tingkat kesesuaian model secara keseluruhan, yang dihitung dari residual kuadrat model yang
diprediksi dibandingkan dengan data yang sebenarnya. Jika nilai mendekati 1 GFI 0,09 mengindikasikan model yang
diuji memiliki kesesuaian yang baik. 4 Adjusted Goodness of Fit Index AGFI
Indeks ini merupakan indeks GFI yang telah disesuaikan dengan rasio dari degree of freedom model yang diusulkan
dengan degree of freedom dari null model. Nilai AGFI yang direkomendasikan adalah 0,90. Bila nilai AGFI mendekati
angka 1 maka model tersebut memiliki kesesuaian yang baik.
5 Tucker Lewis Index TLI Indeks ini bertujuan untuk membandingkan sebuah model
yang diuji dengan null model. Nilai TLI yang baik adalah 0,95.
6 Comparative Fit Index CFI Indeks ini berfungsi sama seperti TLI. Nilai CFI berkisar
antara 0 sampai 1. Nilai mendekati 1 mengindikasikan sebuah model yang baik. Nilai CFI yang direkomendasikan
adalah 0,95. Indeks TLI dan CFI sangat dianjurkan untuk digunakan dalam pengujian karena relatif tidak sensitif
terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model.
7 Normed Fit Index NFI NFI merupakan perbandingan antara proposed model
dengan null model. Nilai NFI akan bervariasi dari 0 no fit at all sampai 1,0 perfect fit. Nilai NFI yang direkomendasikan
adalah 0,90.
8 Normed Chi Square CMINDF CMINDF diperoleh dari nilai Chi Square dibagi dengan
degree of freedom. Nilai yang direkomendasikan adalah 2,0 3,0.
c. Uji Hipotesis Struktural
