Sedangkan reabilitas uji dengan construct reability dan varience- extracted dihitung dengan rumus sebagai berikut:
∑Standardize Loading Construct Reliability =
{[Standardize Loading] + ∑ ej}
∑ Standardize Loading Varience Extacted =
{[Standardize Loading] + ∑ ej}
Sementara ej dapat dihitung dengan formula uj = 1 – [standardize loading]. Secara umum, nilai construct reability yng dapat diterima
adalah 0,7 dan variance extracted 0,5 Hair et.al, 1998. Standardize loading dapat diperoleh dari output AMOS 4.0,1 dengan melihat nilai
estimasi setiap construct standardize regression weight terdapat setiap butir sebagai indikatornya.
3.5.3. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dan bobot regresi terstandar, dengan pengujian signifikan pembanding nilai CR [Critical Ratio] atau p
[probability] yang sama dengan nilai t hitung. Apabila nilai t hitung lebih besar daripada tabel berarti signifikan.
3.5.4. Pengujian Model Dengan One Stop Approach
Dalam metode SEM, model pengukuran dan model struktur parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi fit model. One Stop Approach to SEM digunakan apabila model diyakini landasan teori yang kuat serta
validitas dan reabilitas yang sangat baik.
3.5.5. Evaluasi Model
Hair et.el, 1998 menjelaskan bahwa pala “confirmatory” menunjukan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teori dan data empiris. Jika model teoritas menggambarkan “goog fit” dengan data.
AMOS dapat menguji apakah model “good fit” atau “poor fit” model yang diuji sangat penting dalam penggunaan Structural equation modeling.
Pengujuan terhadap model yang dikembangkan dengan berbagai criteria goodness of fit, yakni Chi-square, probability, RMSEA, GFI, TLI,
CFI, AGFI CMINDF. Apabila model awal tidak good fit dengan data maka model
dikembangkan dengan pendekatan two step apporoach to SEM. Dalam analisis SEM tidak ada alat uji statistik tunggal untuk
mengukur atau menguji hipotesis mengenai model. Beberapa indeks kesesuaian dn out-off value untuk digunakan dalam menguji apakh sebuah
model dapat diterima atau tidak ditolak adalah: 1.
X
2
- CHI - SQUARE STATISTIC Alat uji paling fundamental untuk mengukur model fit adalah
lokehood ratio Chi-square statistic. Chi-square ini bersifat sangat
sensitive terhadap besarnya smpel yang digunakan. Semakin kecil semakin baik model itu.
2. RMSEA – The Root Mean Square Error Of Approqimation
RMSEA adalah sebuah indek yang dapat digunakan untuk mengkompensasi chi-square dalm sampel yang besar. Nilai RMSEA
menunjukan goodness-fo-fit yang dapat diharapkan bila model diestimasi dalam populasi.
3. GFI – Goodness of Fit Index
GFI adalah analog R
2
dalam regresi berganda. GFI adalah sebuah ukuran non-statical yang mempunyai rentang nilai antara 0
poor fit sampai dengan 1.0 perfect fit. Indeks kesesuaian ini akan menghitung proporsi tertimbang dan varians dalam matriks kovarians
sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan.
4. AGFI – Adjusted Goodness – of Fit Index
AGFI adalah criteria yang memperhitungkan proposal tertimbang dan varians dalam sebuah matriks konvarians dalam sebuah
matriks konfarians sampel. 5.
CMINDF The minimum sampel discrepancy function CMIN dibagi
dengan degree of freedom-nya akan menghasilkan indeks CMINDF, yang umumnya dilapaorkan oleh para peneliti sebagai salah satu
indikator untuk mengukur tingkat fitnya sebuah modal. Dalam hal ini
CMIN tudak lain adalah statistic chi-square, X
2
dibagi DF-nya sehingga disebut X
2
– relative. 6.
TLI – Tucker Lewis Index TLI adalah sebuah alternative incremental fit index yang
membandingkan sebuah model yang diuji terhadap sebuah baseline model.
7. CFI – Comparative Fit Index
Besaran indeks ini adalah tentang nilai sebesar 0-1, dimana semakin mendekati 1, mengidentifikasikan tingkat fit yang paling
tinggi – a very good fit. Keunggulan dan indeks ini bahwa indeks ini besaranya tidak dipengaruhi oleh ukuran sampel karena itu sangat
baik untuk mengukur tingkat penerimaan suatu model. Indeks CFI adalah identik dengan Realitive Noncentrality Index RIN. Dengan
demikian indeks-indeks yang dapat digunakan untuk mengukur kelayakan sebuah model adalah seperti yang diringkas dalam tabel
berikui ini:
Tabel 1: Goodness of Fit Index GOODNESS
OF INDEX KETERANGAN OUT-OF
VALUE
Chi-square Menguji apakah
covariance populasi yang diestimasi
dengan civarience sampel apakah model sesuai
dengan data Diharapkan kecil, 1
s.d 5 atau paling baik diantara 1 2
Probability Uji signifikan
terhadap perbedaan matriks
covariance yang diestimasi Minimum 0,1 atau
0,2 atau ≥ 0.05
RMSEA Mengkompensasi kelemahan Chi-square apa
sampel besar ≤ 0.08
GFI Menghitung proporsi
tertimbang varians dalam matriks sampel yang
dijelaskan oleh matriks covariance populasi yang
diestimasi [analog dengan R dalam regresi berganda]
≥ 0.90
AGFI GFI yang disesuaikan
terhadap DF ≥ 0.90
CMINDF Kesesuaian antara
data dan
model ≤ 2.00
TL Pembandingan antara
model yang diuji terhadap baseline
model ≥ 0.95
CFI Uji kelayakan model yang
tidak sensitive terhadap besarnya sampel dan
kerumitan model ≥ 0.94
Sumber: Hair et.al,… 1998
40
BAB IV ANALISIS DAN PEMBAHASAN
4.1. Deskriptif Hasil Penelitian
