2.2.4 Perbedaan SEM dengan Alat Multivariat yang Lain
SEM menampilkan model yang relatif rumit. Yang dimaksudkan dengan model yang rumit adalah model-model simultan yang dibentuk melalui lebih dari
satu variabel dependen yang dijelaskan oleh satu atau beberapa variabel independen, dan dimana sebuah variabel dependen pada saat yang sama berperan
sebagai variabel independen bagi hubungan berjenjang lainnya, yang dikenal sebagai variabel intervening dan variabel moderating. Model yang rumit adalah
juga model yang dikembangkan dengan alur anteseden dan konsekuensi atau model sebab akibat atau causal model. Itulah sebabnya structural equation model
disebut juga sebagai causal model. Kalau alat multivariat yang lain mempunyai kelemahan pada keterbatasan
pada pengoperasiannya yang hanya dapat menganalisis satu hubungan pada suatu waktu. Secara teknisnya hanya dapat menguji satu variabel dependen melalui
beberapa variabel independen. Sedangkan kenyataan dari lapangan, manajemen dihadapkan pada masalah yang rumit seperti kriteria yang dimiliki SEM.
Jika asumsi telah terpenuhi, maka model kemudian diuji melalui uji kesesuaian dan uji statistik yang meliputi:
1. Chi – square statistic X
2
Model yang diuji dipandang baik dan memuaskan bila nilai chi-square-nya rendah. Semakin kecil nilai X
2
semakin baik model itu dan diterima berdasarkan probabilitas cut-off sebesar p 0,05 atau p 0,10.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2. Significance probability
Merupakan uji signifikansi terhadap perbedaan matriks kovarian data dengan matriks kovarian yang diestimasi. Jika nilai probabilitas signifikansi
0,05 mengindikasikan bahwa model dapat diterima. 3.
Relative chi-square Merupakan the minimum sample discrepance function CMIN dibagi
dengan degree of freedom yang akan menghasilkan CMINDF dan pada umumnya digunakan sebagai salah satu indikator untuk mengukur tingkat
kelayakan suatu model. Nilai X
2
relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit model dengan data.
4. The Root Mean Square Error of Approximation RMSEA
Merupakan sebuah
indeks yang dapat digunakan untuk mengompensasi chi – square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan
goodness of fit yang dapat digunakan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks
untuk dapat diterimanya model. 5.
Comparative Fit Index CFI Merupakan besaran indeks untuk mengukur tingkat penerimaan sebuah
model. Keunggulan dari indeks ini adalah tidak dipengaruhi ukuran sampel. Rentang nilai dari indeks ini adalah 0–1, dimana semakin mendekati 1
mengidentifikasikan tingkat penerimaan model yang paling tinggi. Nilai CFI yang diharapkan adalah sebesar
≥ 0,95.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
6. Tucker Lewis Index TLI
Merupakan sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap baseline model. Nilai yang
direkomendasikan sebagai acuan diterimanya sebuah model adalah ≥ 0,95
dan nilai yang sangat mendekati 1 menunjukkan kesesuaian yang sangat bagus Nilai TLI yang diharapkan sebagai acuan untuk diterimanya sebuah
model adalah sebesar ≥ 0,95.
7. Goodness of Fit Index GFI
GFI adalah sebuah ukuran non-statistical yang mempunyai rentang nilai antara 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam
index ini menunjukkan sebuah “better fit”. 8.
Adjusted Goodness of Fit Index AGFI AGFI merupakan GFI yang di-adjust terhadap degress of freedom yang
tersedia untuk menguji diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau
lebih besar dari 0,9. Nilai sebesar 0,95 dapat diiterpretasikan sebagai tingkatan yang baik good overall model fit sedangkan nilai antara 0,90 –
menunjukan tingkatan cukup adequate model fit . Apabila pengujian terhadap asumsi SEM, kesesuaian dan uji statistik telah
dilakukan, kemudian dilakukan modifikasi terhadap model yang tidak memenuhi syarat pengujian. pedoman untuk mempertimbangkan perlu tidaknya modifikasi
terhadap model, yaitu dengan melihat jumlah residual yang dihasilkan oleh model. Apabila ditemukan nilai residual yang dihasilkan oleh model cukup besar
≥ ± 2,58, maka cara lain dalam memodifikasi adalah dengan mempertimbangkan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
untuk menambah alur baru terhadap model yang diestimasi. Nilai residual lebih besar atau sama dengan ± 2,58 diintepretasikan sebagai signifikan secara statistik
pada tingkat 5 dan residual yang signifikan.
2.2.5 Pengujian Model
Kategori