2 tidak berkorelasi dengan η
3 tidak berkorelasi dengan
ξ 4 ,
ζ, dan tidak saling berkorelasi
2.6.4 Tahapan dalam prosedur SEM menurut Bollen dan Long dalam
Wijayanto 2008
a. Spesifikasi model Tahap ini berkaitan dengan pembentukan model awal persamaan
struktural, sebelum dilakukan estimasi. Spesifikasi model meliputi aktivitas mendefinisikan peubah laten, mendefinisikan peubah
teramati dan mendefinisikan hubungan antara peubah laten dengan peubah teramati.
b. Identifikasi Tahap ini berkaitan dengan pengkajian tentang kemungkinan
diperolehnya nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan simultan tidak ada
solusinya. Tahapan identifikasi dimaksudkan untuk menjaga agar model yang dispesifikasikan bukan merupakan model yang under
identified atau unidentified. c. Estimasi
Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menggunakan salah satu
metode estimasi yang tersedia. d. Uji kecocokan
Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data.
e. Respesifikasi. Tahap ini berkaitan dengan respesifikasi model berdasarkan atas
hasil uji kecocokan tahap sebelumnya. Pelaksanaan respesifikasi sangat tergantung kepada strategi pemodelan yang digunakan.
2.6.5 Ukuran Kesesuaian Model
Ukuran-ukuran yang dapat dijadikan pedoman untuk mendapatkan model yang sesuai dalam SEM, antara lain :
a. Statistik Khi-kuadrat χ
2
Mengikuti uji statistik yang berkaitan dengan persyaratan nyata, semakin kecil, semakin baik.
b. p-value p-value diharapkan lebih besar dari 0,05, atau 0,1, yaitu uji tidak
nyata, maka matriks input dan estimasi tidak berbeda, maka model yang diajukan layak.
c. Goodness of Fit Indices GFI GFI merupakan suatu ukuran mengenai ketepatan model dalam
menghasilkan matriks peragam observasi. Nilai ini harus berkisar antara 0-1, dimana nilai lebih tinggi adalah lebih baik. Nilai GFI
yang lebih besar dari 0,9 menunjukkan fit suatu model yang baik. d. Adjusted Goodness of Fit Index AGFI
AGFI adalah sama seperti GFI, tetapi telah menyesuaikan pengaruh degrees of freedom pada suatu model. Nilai AGFI sebesar 1, berarti
bahwa model memiliki perfect fit. Sedangkan model fit adalah yang memiliki nilai AGFI 0,9.
e. Root Mean Square Error of Approximation RMSEA RMSEA mengukur penyimpangan nilai parameter pada suatu
model dengan matriks peragam populasinya. Nilai RMSEA yang kurang dari 0,05 mengindikasikan adanya model fit, dan nilai
RMSEA yang berkisar 0,08 menyatakan bahwa model memiliki perkiraan kesalahan yang dapat diterima. Sedangkan sampai
dengan 0,1 menyatakan bahwa model memiliki fit yang cukup, RMSEA lebih besar dari 0,1 menggambarkan model fit yang sangat
jelek.
f. CN Critical Number Nilai CN
≥200 menunjukkan ukuran contoh mencukupi untuk digunakan mengestimasi model. Kecocokan yang baik, atau
memuaskan.
2.7 Penelitian Terdahulu yang Relevan
