menghilangkan hubungan kausalitas. Kedua, hubungan kausalitas dalam model dianggap linear.
3. Membuat Persamaan Struktural
Setelah mengembangkan model teoritis dan dituangkan dalam diagram jalur, maka peneliti siap untuk menterjemahkan model tersebut kedalam
persamaan struktural. Menterjemahkan diagram jalur menjadi persamaan struktural merupakan prosedur yang mudah. Pertama, setiap konstruk endogen
merupakan dependen variabel di dalam persamaan yang terpisah sehingga variabel independen adalah semua konstruk yang mempunyai garis dengan anak
panah yang menghubungkannya ke konstruk endogen.
4. Memilih Jenis Input Matrik dan Estimasi Model yang Diusulkan
a. Ukuran Sampel
Besarnya ukuran sampel memiliki peran penting dalam interpretasi hasil SEM. Ukuran sampel memberikan dasar untuk mengestimasi sampling error.
b. Estimasi Model
Teknik estimasi model persamaan struktural pada awalnya dilakukan dengan ordinary least square OLS regression, tetapi teknik ini telah digantikan
oleh Maximum Likelihood Estimation ML yang lebih efesien jika asumsi normalitas multivariat terpenuhi. Jika model struktural dan model pengukuran
telah terspesifikasi dan input matrik telah dipilih, langkah berikutnya adalah memilih program komputer untuk mengestimasi. Program komputer yang dipilih
Universitas Sumatera Utara
untuk mengestimasi model ini adalah AMOS Analysis of Moment Structure versi 16.
5. Menilai Indentifikasi Model Struktural
Selama proses estimasi berlangsung dengan program komputer, sering didapat hasil estimasi tidak logis karena berkaitan dengan masalah struktural.
Problem identifikasi adalah ketidakmampuan model untuk menghasilkan estimasi yang sesuai dengan ketentuan. Cara melihat ada tidaknya problem identifikasi
adalah dengan melihat hasil setimasi meliputi: a. Adanya nilai standar error yang besar untuk satu atau lebih koefisien
b. Ketidakmampuan program untuk invert information matrix.
6. Menilai Kriteria Goodness-of-Fit Kesesuaian Model
Langkah yang harus dilakukan sebelum menilai kelayakan dari model struktural adalah menilai apakah data yang akan diolah memenuhi asumsi model
persamaan struktural. Setelah asumsi SEM dipenuhi langkah berikutnya adalah melihat ada tidaknya offending estimate yaitu estimasi koefisien baik dalam model
struktural maupun model pengukuran yang nilainya diatas batas yang dapat diterima. Setelah yakin tidak ada lagi offending estimate dalam model, maka
peneliti siap melakukan penilaian Goodness of fit. Goodness of fit mengukur kesesuaian input observasi atau sesungguhnya matrik kovarian atau korelasi
Universitas Sumatera Utara
dengan prediksi dari model yang diajukan. Adapun kesesuaian model yang dapat diterima sesuai dengan penilaian Goodness of fit dapat dilihat pada Tabel 3.1.
Tabel 3.1. Tabel Ketentuan Kesesuaian Model
No Ukuran Derajat
Kecocokan Keterangan
Tingkat Kecocokan yang
Bisa Diterima
1 Chi Square
Normed Chi Square Menguji apakah varians populasi
yang diestimasi sama dengan kovarians sampel apakah model
sesuai dengan data Batas bawah = 1.0
Batas Atas 2 atau 3 dan X
2
df 5 2
Non Centraly Parameter NCP
Mengukur tingkat penyimpangan antara simple covarians matrix
dan fitted Model Kecil
3 Root Mean Square
Error Of Approximation
RMSEA Rata-rata perbedaan Degree of
freedom yang diharapkan terjadi dalam populasi, dan bukan
sampel. RSMA
RSMA 0,05 Close Fit
0,08 Good Fit
4 Expected Cross
Validation Index ECVI
Mengukur penyimpangan antara fitted model matriks kovarian
pada sampel yang diperoleh pada sampel lain, tetapi memiliki
sampel yang sama besar. ECVI ECVI
Saturated and ECFI for Independence
model 5
Comparative Fit Index CFI
Uji kelayakan model yang diusulkan dengan model dasar.
CFI 0,9
7. Intepretasi dam Modifikasi Model