Analisis struktur kovarian atau SEM umunya berdasar pada large sample size theory. Jumlah sampel yang besar sangat
kritis untuk mendapatkan estimasi parameter yang tepat b. Distribusi dari observed variabel harus normal multivariat
Analisis SEM menghendaki variabel harus berdistribusi normal multivariat sebagai bentuk dari asumsi sampel besar
asymptotic dan penggunaan metode estimasi ML. Asumsi
tersebut dapat diuji dengan menghitung nilai jarak kuadrat pada setiap pengamatan.
c. Tidak terdapat Multikolinieritas Sama seperti halnya pada analisis multivariat pada umumnya,
salah satu asumsi yang seharusnya dipenuhi adalah multiko- linieritas. Asumsi multikolinieritas mengharuskan tidak ada-nya
korelasi yang sempurna atau besar diantara variabel-variabel independen. Nilai korelasi antara variabel observasi yang tidak
diperbolehkan adalah sebesar 0,9 atau lebih.
3.6.1. Uji Validitas dan Reliabilitas
Validitas berkaitan dengan seberapa besar suatu variabel itu mengukur apa yang akan diukur. Untuk mengukur validitas
konstruk maka dapat dilihat nilai loading faktornya. Hair, dkk 2006 dalam menyatakan bahwa loading faktor harus sama dengan 0,5
atau lebih dan idealnya harus 0.7. Maka hal demikian dapat
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
dikatakan sebagai signifikan. Statistik uji menggunakan t-test dan kriteria penolakan H
apabila p- value α dengan hipotesis yang
mungkin adalah: H
: λ = 0 ≈ variabel indikator tidak valid sebagai indikator variabel laten
H
1
: λ ≠ 0 ≈ variabel indikator valid sebagai indikator variabel laten Pada model struktural digunakan pengukuran Confimatory Factor
Analysis Model CFA. hubungan antara variabel laten dapat ditaksir dengan matrik kovariannya
Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi
menunjukkan bahwa
indikator-indikator mempunyai
konsistensi tinggi dalam mengukur peubah latennya. Besarnya nilai
Construct Reliability dapat dihitung dengan rumus sebagai berikut:
3.6.2 Uji Kesesuaian Model
Uji Kesesuaian Model Goodness of fit test digunakan untuk mendapatkan model yang benar-benar baik dan menguji apakah
indikator indikator tersebut mampu mendefinisikan sebuah konstruk, terdiri dari beberapa indeks :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
a. Chi-Square Statistic Chi-square statistic merupakan suatu ukuran fundamental dari
overall fit yang biasa disebut likelihood-ratio chi-square. Menurut Ghozali2008 nilai chi-square yang tinggi relatif terhadap
derajat bebas yang menunjukkan bahwa matrik varians atau korelasi yang diobservasi dengan yang diprediksi berbeda
secara nyata dan ini menghasilkan probabilitas lebih kecil dari tingkat signifikansi. Alat uji ini bersifat sangat sensitif terhadap
besarnya sampel yang digunakan. Hipotesis pengujiannya adalah:
H :
=
atau matriks varian kovarian populasi sama dengan matriks varian kovarian sampel yang ditaksir.
H
1
: ≠
atau matriks varian kovarian populasi tidak sama dengan matriks varian kovarian sampel yang ditak-sir.
Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-square-nya rendah. Semakin kecil nilai
2
berarti benar- benar tidak ada perbedaan, Ho gagal tolak berdasarkan
probabilitas dengan cut-off value sebesar p 0,05 atau p 0,10.
b. RMSEA Root mean square error of approximation RMSEA merupakan
ukuran yang mencoba memperbaiki kecen-derungan statistik
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Chi-Square menolak model dengan jumlah sampel yang besar. Nilai RMSEA antara 0.05 sampai 0.08 merupakan ukuran yang
dapat diterima. c. GFI
Goodness of Fit Index GFI yaitu ukuran non-statistik yang nilainya berkisar dari nilai 0 sampai 1.0. Nilai GFI tinggi
menunjukkan kecocokan model yang lebih baik dan berapa nilai GFI yang diterima sebagai nilai yang layak belum ada
standarnya. Banyak peneliti menganjurkan nilai diatas 90 sebagai ukuran good fit.
d. AGFI Adjusted Goodness of Fit Indeks AGFI merupakan
pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom untuk null model. Nilai yang direkomendasikan
adalah sama atau 0.90. e. CFI
Besaran indeks ini adalah pada rentang nilai sebesar nol sampai satu, dimana semakin mendekati satu mengindikasi-kan
tingkat fit yang paling tinggi a very good fit. Nilai yang direkomendasikan adalah CFI ≥ 0,95. Keunggulan dari indeks
ini bahwa indeks ini tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan
sebuah model.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
3.6.3 Full Structural Equation Model