a. Uji Offending Estimate
Uji ini dilakukan untuk melihat ada tidaknya Offending Estimate yaitu estimasi koefisien baik dalam model structural maupun
model pengukuran yang lainnya di atas batas yang dapat diterima.
Terjadinya Offending Estimate ditunjukkan oleh:
1 Nilai variance error positif Nilai variance error digunakan untuk menunjukkan poor
model fit dalam kategori ekstrim besar atau kecil. Jika standard error mendekati nol, maka uji statistic untuk parameter tidak dapat
didefinisikan, begitu pula dengan nilai variance error yang secara ekstrim besar, maka parameter tidak dapat ditentukan. Hasil
analisis untuk mengetahui besarnya nilai variance error disajikan sebagai berikut:
Tabel 21. Variance Error Estimate
S.E. C.R. P
KompetensiGuru 72,149 8,017 9,000
FasilitasBelajar 59,490 6,610 9,000
e1 42,109 4,679 9,000
e2 69,014 7,668 9,000
Sumber: Data Primer 2014 Pada tabel 21 di atas menunjukkan bahwa variance error
pada kolom estimate tidak bernilai negatif yaitu e1 sebesar 42,109 dan e2 sebesar 69,014; hal ini menunjukkan bahwa poor model fit
dalam kategori kecil.
2 Standardized Coefficient Standardized coefficient digunakan untuk mengetahui ada
tidaknya nilai varian yang negatif atau biasa disebut heywood case. Heywood case merupakan suatu keadaan dimana terjadi spesifikasi
model yang salah. Hal ini disebabkan karena adanya outlier data, kecilnya ukuran sampel 100 atau 150. Apabila nilai
s
tandardized coefficient yang terlihat di kolom estimate jauh dari angka 1
data, maka model regression yang dianalisis tidak terjadi heywood case. Hasil analisis untuk mengetahui terjadi tidaknya
heywood case disajikan sebagai berikut: Tabel 22. Standardized Regression Weights
Estimate MotivasiBelajar --- KompetensiGuru
,248 MotivasiBelajar --- FasilitasBelajar
,327 PrestasiBelajar --- MotivasiBelajar
,284 PrestasiBelajar --- KompetensiGuru
,268 PrestasiBelajar --- FasilitasBelajar
,228
Sumber: Data Primer 2014 Tabel 22 di atas menunjukkan bahwa
Standardized coefficient yang terlihat di kolom estimate jauh dari angka 1, sehingga
dapat disimpulkan bahwa model yang dianalisis tidak terjadi
heywood case.
3 Standard Error Tidak ada standard error yang menunjukkan nilai tinggi,
dimana nilai-nilai jauh dari mendekati 1, seperti yang ditunjukkan pada tabel sebagai berikut:
Tabel 23. Regression Weights
Estimate S.E.
C.R. P
MotivasiBelajar --- KompetensiGuru ,214
,063 3,396 MotivasiBelajar --- FasilitasBelajar
,311 ,070 4,472
PrestasiBelajar --- MotivasiBelajar ,398
,101 3,952 PrestasiBelajar --- KompetensiGuru
,325 ,084 3,882
PrestasiBelajar --- FasilitasBelajar ,304
,094 3,219 ,001
Sumber: Data Primer 2014 Tabel 23 di atas menunjukkan bahwa S.E. jauh dari angka
1. Berdasarkan uji offending estimate menunjukkan estimasi koefisien berada pada batas yang diterima, sehingga dapat
dilakukan langkah berikutnya yaitu overall model fit.
b. Penilaian Overall Model Fit
Kategori