Tabel 25. Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Fasilitas Belajar
0,964 1,038
Persepsi Profesi Guru 0,964
1,038 Dependen variable: Minat menjadi Guru
Model Collinearity Statistics
Tolerance VIF
2 Fasilitas Belajar
0,915 1,093
Persepsi Profesi Guru 0,808
1,238 Minat menjadi Guru
0,772 1,295
Dependent Variable: Kesiapan menjadi Guru
Berdasarkan tabel di atas, dapat dilihat bahwa tidak terjadi multikolinearitas. Hal ini karena nilai VIF kurang dari 4, sehingga
memenuhi syarat tidak adanya hubungan linear antar variabel independen dalam model regresi.
C. Uji Hipotesis
1. Menilai Kriteria Goodness of Fit
a. Uji Offending Estimate
Berdasarkan hasil uji offending estimate maka dapat diketahui bahwa: 1 Nilai variance error semua bernilai positif, yaitu:
Tabel 26. Variance Error
Estimate S.E.
C.R. P
Label X
1
19,108 1,686
11,336 par_7
X
2
27,122 2,393
11,336 par_8
e1 18,808
1,659 11,336
par_9 e2
19,730 1,741
11,336 par_10
Tabel di atas menunjukkan bahwa variance error pada kolom estimate tidak bernilai negatif yaitu e1 18,808 dan e2 sebesar 19,730.
2 Standardized coefficient yang jauh dari mendekati 1,0 yang terlihat dari tabel di bawah ini.
Tabel 27. Standardized Regression Weights
Estimate Y
1
--- X
1
0,206 Y
1
--- X
2
0,393 Y
2
--- X
2
-0,012 Y
2
--- Y
1
0,316 Y
2
--- X
1
0,132 Tabel di atas menunjukkan bahwa standardized coefficient
untuk masing-masing jalur jauh dari 1,0. 3 Tidak adanya standard error yang tinggi mendekati 1,00.
Nilai standard error S.E tidak ada yang mendekati 1,00 yaitu masing-masing 0,063; 0,053; 0,059; 0,064; dan 0,066. lihat pada
tabel 29. Hasil dari uji offending estimate, menunjukkan bahwa
estimasi koefisien baik dalam model struktural dan model pengukuran yang nilainya di atas batas diterima. Setelah tidak ada
lagi offending estimate dalam model, maka langkah selanjutnya adalah melakukan penilaian overall model fit dengan berbagai
penilaian model fit.
b. Penilaian Overall Model Fit
Penilaian Overall Model Fit mengukur kesesuaian input observasi atau sesungguhnya matrik kovarian atau korelasi dengan prediksi dari
model yang diajukan proposed model. Berdasarkan analisis yang dilakukan, maka diperoleh indeks-indeks goodness of fit sebagai berikut:
Tabel 28. Kriteria Goodness of Fit
Kriteria Indeks Ukuran Nilai Acuan
Nilai Hitung Keterangan
Chi square Rendah
Baik Probability
≥ 0,05 -
- GFI
≥ 0,90 1
Baik RMSEA
0,08 -
- AGFI
0,90 -
-
Berdasarkan tabel di atas, diperoleh chi square sebesar 0,000 yang menunjukkan model fit. Sementara itu, tingkat signifikansi
penerimaan tidak muncul nilainya karena degree of freedom menun
jukkan nilai 0, sedangkan yang direkomendasikan adalah p ≥ 0,05. GFI Goodness of Fit Indeks adalah ukuran nonstatistik yang
nilainya berkisar dari nilai 0 sampai 1. Nilai GFI dalam tabel di atas menunjukkan nilai 1,000 yang berarti perfect fit.
RMSEA Root Mean Square Error of Approximation merupakan ukuran yang mencoba memperbaiki kecenderungan statistic chi square
menolak model dengan jumlah sampel yang besar. Nilai RMSEA antara 0,05 sampai 0,08 merupakan ukuran yang diterima. Sementara
perhitungan dalam tabel tidak menunjukkan nilainya. AGFI
Adjusted Goodness
of Fit
Index merupakan
pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom untuk propossed model dengan degree of freedom untuk full
model . Nilai AGFI yang diharapkan sebesar ≥ 0,90. Berdasarkan tabel di
atas AGFI tidak menunjukkan nilainya. Berdasarkan hasil uji goodness of fit, nilai chi square menunjukan
model fit dan nilai GFI menunjukan perfect fit, sedangkan untuk probablity, RMSEA dan AGFI tidak menunjukkan hasilnya. Jadi secara
keseluruhan dapat dikatakan bahwa model fit.
2. Diagram Jalur
Kategori