Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator – indikator sebuah konstruk yang menunjukkan derajat sampai
dmana masing-masing indikator itu mengindikasi sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari stia latent variabel construct akan diuji dengan melihat loading faktor dari hubungan antara
setiap obserbed variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan Variance-extracted. Construct reliability dan
Variance-extracted dihitung dengan rumus berikut : [
Standardize Loading] Construct Reliability =
[ standardize Loading] +
j]
Sementara j dapat dihitung dengan formula
j = 1 – [Standardize Loading].
Secara umum, nilai construct reliability yang dapat diterima adalah 0.7 dan
variance extracted 0.5 [Hair et.al., 1998]. Standardize Loading diperoleh dari
output AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize regression weight terhadap setiap butir sebagai indikatornya.
3.7. Pengujian model dengan pendekatan Two – Step Approach
diskriminan Discrimnat validity sedangkan model struktural menyajikan penilalian mengenai validitas prediktif Predictive validity.
Dalam kaitannya dengan ini, Joreskog dan Sorbom 1993, p. 113 menyatakan pendapatnya dalam buku Ferdinand, bahwa “setiap faktor laten
terlebih dahulu dikonfirmasi sehingga peneliti mendapatkan faktor yang benar - benar sesuai dengan apa yang ingin dijelaskan. Bila setiap faktor yang selesai
dianalisis dan sesuai dengan apa yang memang ingin diukur, barulah dikembangkan lebih lanjut dalam sebuah analisis lanjutan yaitu secara simultan
dianalaisis dalam sebuah model struktural.Ferdinand : 2002, 24
3.8 Pengujian hipotesis dan hubungan kausal.
Pengaruh langsung koefisien langsung diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR Critical Ratio
atau p Probability yang sama dengan nilai t hitung. Apabila nilai t hitung lebih besar daripada t tabel berarti signifikan.
3.9. Uji kesesuaian model – Goodnes of fit index
Dalam analisa SEM tidak ada uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Peneliti diharapkan untuk melakukan
ji d
k i i d k
k k
k b d l
Chi square bersifat sangat sensitif terhadap besarnya sampel yaitu sampel yang terlalu kecil 50 maupun terhadap sampel yang terlalu besar 50.
Penggunaan chi square hanya sesuai bila ukuran sampel antara 100 – 200 sampel. Bila diluar rentang itu, uji signifikan akan menjadi kuran reliabel.
Oleh karena itu perlu dilengkapi dengan alat yang lain.
2. RMSEA – The Root Mean Square Error of Approximation
RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi chi- square statistic dalam sampel yang besar. Nilai RMSEA menujukkan
goodnes-of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks
untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees of freedom.
3. GFI – Goddness of Fit Index
GFI adalah analog dari R2 dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians
sampel yang dijelaskan oleh matriks kovarians populasi yang terstimasi. Gfi adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai
antara 0 poor fit sampai dengan 1.0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebiah „better fit .
diinterprestasikan sebagai tingkatang 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 CMINDF tidak lain adalah statistik chi – square, X2 DF
sehingga disebut X2 relatif. Nilai X2 relatif kurang dari acceptable fit antara model dan data. Nilai X2 relatif yang tinggi menandakan adanya perbedaan
yang signifikan antara matriks kovarians yang diobesvasi dan yang diestimasi.
6. TLI – Tucker Lewis Index
Adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang
direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan
0,95 dan nilai yang sangat mendekati 1 menunjukkan a ver y good fit.
7. CFI – Comparative Fit Index
Besaran indeks ini adalah pada rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi a very good fit.
Dengan demikian indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model adalah seperti yang diringkas dalam tabel berikut ini.
Goodness of Fit Indices
Goodness of Fit Keterangan Cut – Off Value
Indices X2-Chi Square
Menguji apakah covariance populasi yang Diharapkan kecil,
diestimasi sama dengan covarince sample. 1 sd 5 atau 1 sd 2
Probability Uji signifikan terhadap perbedaan matrik
Minimum 0,1 atau covariance data dan matrik covariance
0,2 atau 0,05
regresi berganda AGFI
GFI yang disesuaikan terhadap DF 0,90
CMINDDF Kesesuaian antara data dan model
2,00 TLI
Pembandingan antara model yang diuji 0,95
terhadap baseline model CFI
Uji kelayakan model yang tidak sensitive 0,94
t erhadap besarnya sampel dan kerumitan model
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Hasil Penelitian 4.1.1. Deskripsi Karakteristik Responden