3. Uji Asumsi Model
a. Uji Normalitas
Nilai statistik untuk menguji normalitas disebut z value Critical Ratio atau CR pada output AMOS 7.0 dari ukuran skewness dan kurtosis
sebaran data. Bila nilai CR lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data normal.
b. Uji Outliers
Dalam analisis multivariate adanya outliers dapat diuji dengan statistic chi square x
2
terhadap nilai mahalanobis distance squared pada tingkat signifikansi 0,001 dengan degree of freedom sejumlah konstruk
yang digunakan dalam penelitian Ferdinand, 2002
c. Uji Multikolinieritas
Ada tidaknya multikolinieritas dalam sebuah kombinasi variabel dapat dilihat melalui matrik korelasi antar variabel laten independen. Nilai
korelasi tidak boleh melebihi batas 0,9 sementara nilai yang melebihi 0,8 dapat menjadi indikasi adanya multikolinieritas Ghozali, 2006.
Ferdinand 2006:105 menyebutkan bahwa dalam program AMOS, program SEM ini akan segera memberikan warning bila ternyata
matriks kovariannya
menunjukkan adanya
singularitas atau
multikolinieritas.
4. Pengujian Hipotesis
Langkah selanjutnya setelah model dinyatakan fit, atau diterima secara statistik adalah melakukan pengujian hipotesis dengan bantuan AMOS 7.0
dengan menganalisis hubungan diantara variabel-variabel laten. SEM juga dapat mengestimasi nilai-nilai path dari setiap hubungan variabel. Dengan
menggunakan analisis SEM maka semua hipotesis dalam studi ini dapat diuji dengan melihat nilai probability yang ditunjukkan oleh output AMOS
7.0. Pengujian yang dilakukan meliputi :
a. Analisis kesesuaian model Goodness-of-fit
Model Struktural dikategorikan sebagai “good fit”, bila memenuhi beberapa persyaratan berikut ini :
1 Memiliki degree of freedom df positif 2 Nilai level probabilitas minimum yang disyaratkan adalah 0,1 atau
0,2, tetapi untuk level probabilitas sebesar 0,05 masih diperbolehkan Hair et al, 1998:613
3 Mengukur chi-square x
2
statistic untuk memastikan bahwa tidak ada perbedaan antara matriks kovarian data sampel dan matriks
kovarian populasi yang diestimasi. Nilai chi-square x
2
sangat sensitif terhadap besarnya sampel dan hanya sesuai untuk ukuran
sampel antara 100 – 200. Model yang diuji akan dipandang baik bila
nilai X
2
-nya rendah dan diterima berdasarkan probabilitas dengan cut-off value sebesar p 0,05 atau p 0,01, sehingga perbedaan
matriks aktual dan yang diperkirakan adalah tidak signifikan Ferdinand, 2006: 55.
4 CMINDF, adalah statistik chi-square dibagi DF-nya, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator