ε η
λ
1 1
14 1
+ =
y ε
η λ
2 1
24 2
+ =
y
ε η
λ
3 1
34 3
+ =
y ε
η λ
4 1
44 4
+ =
y
Artinya indikator pertama dari perilaku etis karyawan dalam sistem penggajian
y
1
dihitung dengan hubungan langsung perilaku etis karyawan dalam sistem penggajian
λ
14
dikali dengan perilaku etis karyawan dalam sistem penggajian itu sendiri
η
1
ditambah dengan kesalahan pengukuran indikator pertama dari perilaku etis karyawan dalam sistem penggajian tersebut.
Penghitungan untuk indikator perilaku etis karyawan dalam sistem penggajian berikutnya juga seperti yang telah dijelaskan diatas.
3.10. Uji Kecocokan Model
Uji kecocokan model digunakan untuk menguji apakah model yang kita hipotesiskan merupakan model yang baik untuk mempresentasikan hasil penelitian. Ukuran-ukuran uji
kecocokan model dibagi dalam tiga kelompok, antara lain: ukuran kecocokan mutlak absolute fit measures, ukuran kecocokan inkremental incrementalrelative fit measures, dan ukuran
kecocokan parsimoni parsimoniousadjusted fit measures.
3.10.1. Ukuran Kecocokan Mutlak Absolute Fit Measures
Dalam YaminKurniawan 2009:32, dinyatakan bahwa beberapa ukuran yang tergolong kecocokan mutlak adalah uji kecocokan chi-kuadrat, goodness-of fit-index
GFI, root mean square error RMSR, root mean square error of approximation RMSEA, expected cross-validation index ECVI, non-centrality parameter NCP,
dan scale noncentrality parameter NCP. 1. Uji kecocokan chi-kuadrat
Universitas Sumatera Utara
Ukuran kecocokan chi-kuadrat mengukur seberapa dekat antara implied covariance matrix matriks kovarians hasil prediksi model dan sample
covariance matrix matriks kovarians dari sampel data. Hipotesis yang digunakan, H0: Σ=Σθ; H1: Σ≠ Σθ, dengan Σ adalah matriks kovarians sampel
data, sedangkan Σθadalah matrik kovarians hasil prediksi model. Hipotesis nol, H0, menyatakan bahwa matriks kovarians hasil prediksi model “sesuai baik”
tidak ada signifikan berbeda dengan matriks kovarians sampel data. Namun demikian, hipotesis alternaltif, H1, menyatakan sebaliknya, yaitu matriks
kovarians prediksi model berbeda signifikan dari matriks kovarians sampel data.
Dalam praktiknya diharapkan, kita menerima H0 sehingga matriks kovarians hasil prediksi model tidak berbeda signifikan sama dengan matriks kovarians
sampel data. Selain itu, batas minimum p-value nilai p chi-kuadrat lebih besar dari 0,05 digunakan, untuk menyatakan bahwa model adalah baik. Pengujian chi
kuadrat sangat sensitif terhadap ukuran data. 2. Goodness-of-fit-index GFI
Ukuran GFI pada dasarnya merupakan ukuran kemampuan suatu model menerangkan keragaman data. Nilai GFI berkisar antara 0 sampai 1. Sebenarnya,
tidak ada kriteria standar tentang batas nilai GFI yang baik. Namun bisa disimpulkan, model yang baik adalah model yang memiliki nilai GFI mendekati
1. 3. Root mean square error RMSR
Residu rata-rata antara matriks kovarianskorelasi teramati dan hasil estimasi nilai RMSR 0,05 adalah good fit.
Universitas Sumatera Utara
4. Root mean square error of approximation RMSEA RMSEA merupakan ukuran rata-rata perbedaan per degree of freedom
yang diharapkan dalam populasi. RMSEA 0,08 adalah good fit, sedangkan RMSEA 0,05 adalah close fit.
5. Expected cross-validation index ECVI Ukuran ECVI merupakan nilai pendekatan uji kecocokan suatu model
apabila diterapkan pada data lain validasi silang. Nilainya didasarkan pada perbandingan antarmodel. Semakin kecil nilai, semakin baik.
6. Non-centrality parameter NCP NCP dinyatakan dalam bentuk spesifikasi ulang dari Chi-kuadrat. Penilaian
didasarkan atas perbandingan dengan model lain. Semakin kecil nilai, semakin baik.
3.10.2.Ukuran Kecocokan Inkremental IncrementalRelative Fit Measures
Beberapa ukuran yang tergolong ukuran kecocokan inkremental incrementalrelative fit measures adalah:
1. Adjusted Goodness-of-fit-index AGFI Ukuran ini merupakan modifikasi dari GFI dengan mengakomodasi derajat
bebas model dengan model lain yang dibandingkan. AGFI ≥ 0,9 adalah good fit,
sedangkan 0,8 ≤ AGFI ≥ 0,9 adalah marginal fit.
2. Normed fit Indeks NFI Nilai NFI merupakan besarnya ketidakcocokan antara model target dan
model dasar. Nilai NFI berkisar antara 0-1. NFI ≥0,9 adalah good fit, sedangkan
nilai 0,8 ≤NFI≤0,9 adalah marginal fit.
Universitas Sumatera Utara
3. Incremental fit index IFI Nilai IFI berkisar antara 0-1. Nilai IFI
≥ 0,9 adalah model baik. Nilai 0,8 ≤ IFI
≤ 0,9 adalah marginal fit. 4. Comparative fit index CFI
Nilai berkisar antara 0-1. Nilai CFI ≥ 0,9 adalah model baik. Nilai 0,8 ≤
CFI ≤ 0,9 adalah marginal fit.
5. Relative fit index RFI Nilai berkisar antara 0-1. Nilai RFI
≥ 0,9 adalah good fit. Nilai 0,8 ≤ RFI ≤ 0,9 adalah marginal fit.
3.10.3. Ukuran Kecocokan Parsimoni Parsimoni Fit Measurement
