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.