dkk, 1992, 3 incremental fit di atas 0,90 yaitu GFI goodness of fit indices, Adjusted
Goodness of Fit Indices AGFI, Tucker Lewis Index TLI dan Normal Fit Index
NFI, nilai RMSR Root Mean Square Residual dan RMSEA
Root Mean Square of Approximation
yang rendah yakni lebih kecil dari 0,08.
4.9.1. Uji Asumsi
Sesuai dengan model analisis yang digunakan yakni analisis jalur path analysis
yang mensyaratkan beberapa asumsi antara lain ukuran observasi sample, normalitas dan linieritas, outlier, multicollinearity singularity, asumsi yang pertama
yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan metode analisis jalur path analysis. Uji asumsi dilakukan dengan
menggunakan uji asumsi yang kedua setelah data yang menyimpang jalur outlier dikeluarkan. Untuk variabel terikat uji normalitas dilakukan dengan mengamati
skewetness value dari data yang digunakan print out hasil komputerisasi program
AMOS.
4.9.2. Analisis Model
Model struktur telah diestimasi dengan menggunakan analisis jalur path analysis
dengan bantuan program AMOS. Metode ini dipilih karena sesuai dengan model, yakni rekursif. Bentuk ini mempunyai hasil model yang fit. Prosedur
pemilihan model yang digunakan adalah spesifik, hasil estimasi yang diperoleh memuaskan dan diyakini pada peringkat keyakinan yang biasa.
Universitas Sumatera Utara
Selanjutnya untuk mengetahui kesesuaian model perhitungan AMOS, disajikan dalam tabel 4.1. berikut.
Tabel 4.1. Hasil Komputerisasi Criteria Goodness of Fit Indices Model No
Goodness of Fit Index Cut-off Value
Hasil Model Keterangan
1 Chi-square
Diharapkan kecil 0,052
Baik 2
Probability ≥ 0,05
0,997 Baik
3 RMSEA
≤ 0,08 0,000
Baik 4
GFI ≥ 0,90
1,000 Baik
5
AGFI ≥ 0,90
0,996 Baik
6 CMINDF
≤ 2,00 3,000
Kurang 7
TLI ≥ 0,9
5
1,489 Baik
8 CFI
≥ 0,9
5
1,000 Baik
Sumber : Hair 1992, Arbukle 1997 dan Pengolahan Data
4.9.3. Uji Kesesuaian dan Uji Hubungan Kausal
Pada Tabel 4.1. di atas menunjukkan bahwa, semua criteria yang digunakan untuk menilai suatu model yang baik, telah teruji dengan hasil yang dapat diterima
karena adanya kesesuaian antara model dengan data dengan baik. Apabila model tersebut digambarkan, koefisien jalur menjelaskan hubungan antar faktor luas kebun
kelapa sawit dunia time lag 5 tahun, biaya produksi CPO, penawaran CPO dunia, produksi minyak kedelai dunia, harga minyak kedelai dunia, permintaan CPO dunia
tahun sebelumnya dan harga minyak bumi dunia dapat dilihat pada Gambar 4.9. berikut.
Universitas Sumatera Utara
β
4
= -0,015 s β
1
= 0,113 ts β
2
= 1148,2 s
β
3
= -0,542 s β
7
= 0,019 s β
6
= 7,732 ts β
5
= -0,014 s
β
8
= 0,648 s
β
9
= 0,019 s QLK
TCP
PMK PCPO
PMB SCPO
DCPO QMK
β
10
= 0,259 s
Keterangan : s
= Signifikan ts
= Tidak signifikan
Gambar 4.9. Hasil Perhitungan Regression Weight Measurement
4.9.4. Pengaruh Faktor Terhadap Harga Crude Palm Oil CPO Dunia
