Evaluasi Model Teknik Analisis dan Uji Hipotesis 1.

51

3.4.8 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 pengujian hipotesis kausal berarti signifikan.

3.4.9. 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”. Jadi, “good fit” model yang diuji sangat penting dalam penggunaan structural equation modelling. Tabel 3.1. Goodness of Fit Indices GOODNESS OF FIT INDEX RANGAN 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.  0,95 Sumber : Hair et.al., [1998] 52

1. X

² 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.

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 kovarians 53 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 niali yang sama dengan atau lebih besar dari 0.90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians alam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diinterprestasikan sebagai tingkatan yang baik good overall model fit sedangkan besaran nilai antara 0,90-0,95 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. 54

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 nilai yang sangat mendekati 1 menunjukkan a verry 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 a very 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 Relatif Non certrality Indeks RNI. 55

BAB IV ANALISIS DAN PEMBAHASAN

4.1. Deskriptif Hasil Penelitian 4.1.1. Analisis Karakteristik Responden Data mengenai keadaan responden dapat diketahui melalui jawaban responden dari pertanyaan-pertanyaan yang diajukan kedalam kuesioner yang telah diberikan. Dari jawaban-jawaban tersebut diketahui hal-hal seperti dibawah ini. a. Jenis Kelamin Dari 112 responden yang menjawab kuesioner yang telah diberikan semuanya adalah wanita. Tabel 4.1. Karakteristik responden berdasarkan jenis kelamin No Jenis Kelamin Jumlah Persentase 1 Pria 2 Wanita 112 100 Sumber : Data kuesioner diolah Berdasarkan tabel diatas dapat dilihat bahwa pengunjung wanita lebih banyak berbelanja di toko mas pusat kota Surabaya. b. Usia Dari 112 responden yang menjawab kuesioner yang telah diberikan dapat diketahui usia para responden yaitu pada table dibawah ini.