: variabel terukurobseverd variableindicators variables yaitu
variabel yang datanya harus dicari melalui observasi, misalnya
melalui instrumen-instrumen survei. Garis dengan anak panah satu arah = garis yang menunjukkan hubungan
yang dihipotesiskan antara dua variable dimana variable yang dituju anak panah merupakan variable dependen.
Garis dengan anak panah dua arah = garis yang menunjukkan hubungan
yang tidak dihipotesiskan antara dua variable dimana kedua variabel berkorelasi.
3.7.3. Evaluasi Model
Hair et.al., 1998 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan
pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang
diperkuat. Sebaliknya, suatu model teotitis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji apakah model
“good fit” atau “poor fit”. Jadi, “good fit” model yang diuji sangat penting dalam
penggunaan structural equation modelling. Pengujian terhadap model yang dikembangkan dengan berbagai kriteria
Goodness of Fit , yakni Chi-square, Probality, RMSEA, GFI, TLI, CFI, AGFI,
CMINDF. Apabila model awal tidak good fit dengan data maka model
dikembangkan dengan pendekatan two step approach to SEM.
Goodness of Fit Indices
GOODNESS OF FIT
INDEX KETERANGAN
CUT-OFF VALUE
X
2
Menguji apakah covariance populasi yang destimasi sama dengan cova-riance sample
[apakah model sesuai dengan data]. - Chi-
square Diharapkan
Kecil, 1 s.d 5. atau paling baik
diantara 1 dan 2.
Probability Uji signifikansi terhadap perbedaan matriks
covariace data dan matriks covariance yang diestimasi.
Minimum 0,1 atau 0,2, atau
≥ 0,05
RMSEA Mengkompensasi kelemahan Chi-Square pada
sample besar. ≤ 0,08
GFI Menghitung proporsi tertimbang varians dalam
matrtiks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi [analog
dengan R
2
≥ 0,90 dalam regresi berganda].
AGFI GFI yang disesuaikan terhadap DF.
≥ 0,90 CMINDDF
Kesesuaian antara data dan model ≤ 2,00
TLI Pembandingan antara model yang diuji
terhadap baseline model. ≥ 0,95
CFI Uji kelayakan model yang tidak sensitive
terhadap besarnya sample dan kerumitan model.
≥ 0,94 Sumber
1. X
² CHI SQUARE STATISTIK
: Hair et.al., [1998]
Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio chi-square ini bersifat sangat sensitif terhadap besarnya sampel yang
digunakan. Karenanya bila jumlah sampel cukup besar lebih dari 200, statistik chi-square ini harus didampingi oleh alat uji lain. Model yang diuji akan
dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X² semakin baik model itu. Karena tujuan analisis adalah mengembangkan
dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai X² yang kecil dan signifikan.
X² bersifat sangat sensitif terhadap besarnya sampel yaitu terhadap sampel yang terlalu kecil maupun yang terlalu besar. Penggunaan Chi-Square hanya
sesuai bila ukuran sampel antara 100-200. Bila ukuran luar tentang itu, uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini perlu
dilengkapi dengan uji yang lain.
2. RMSEA-THE ROOT MEAN SQUARE ERROR Of APPROXIMATION
RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi chi-square statistik dalam sampel yang besar. Nilai RMSEA menunjukkan
goodness-of-fit yang dapat diharapkan bila model diestimasi alam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0, 08 merupakan indeks untuk dapat
diterimanya degress of freedom.
3. GFI – GOODNES of FIT INDEKS
GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kiovarians
sampel yang dijelaskan oleh kovarians matriks populasi yang terestimasi. GFI adalah sebuah ukuran non- statistika yang mempunyai rentang nilai antara 0 poor
fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
4. AGFI – ADJUST GOODNES of FIT INDEX
AGFI = GFIdf Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai niali yang sama dengan atau lebih besar dari 0.09. GFI maupun
AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians alam sebuah matriks kovarians sampel. Nilai sebesar dapat diinterprestasikan
sebagai tingkatan yang baik good overall model fit sedangkan besaran nilai antara 0,09-0,95 menunjukkan tingkatan cukup adequate fit.
5. CMINDF
Sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMNIDF tidak lain adalah statistik chi-square, X² dibagi Dfnya
sehingga disebut X² relatif. Nilai X² relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X² relatif
yang tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasikan dan diestimasi.
6. TLI – TUCKER LEWIS INDEKS
TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah
penerimaan ≥ 0,95 dan nilai yang mendekati 1 menunjukkan a very good fit.
7. CFI – COMPERATIF FIT INDEX
Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mendidentifikasikan tingkat fit yang paling tinggi avery good fit.
Nilai yang direkomendasikan adalah CFI 0.95. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk
mengukur tingkat penerimaan sebuah model. Indeks CFI adalah identik dengan Relative Non centrality Indeks
RNI.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
