45
3.4.3. GFI Goodness of Fit Indeks
Indeks kesesuaian fit index ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarian sampel yang dijelaskan
oleh matriks kovarians populasi GFI yang diharapkan adalah sebesar ≥
0.90
3.4.4. AGFI Adjust Goodness of Fit Index
Tanaka Huba 1989 dalam Hair 1998, menyatakan bahwa GFI adalah analog dari R
2
d d
ε dalam regresi berganda. Fit index ini dapat diajdust
terhadap degrees of freedom yang tersedia untuk menguji diterima tidaknya model. Indeks ini diperoleh dengan rumus :
AGFI = 1 – 1-GFI dimana : d
b
∑
=
=
G g
g
bebas derajat
d p
1
, =
AGFI yang diharapkan adalah sebesar
≥ 0.90.
3.4.5. CMINDF Minimum sampel discrepancy function Degrees of
Freedom
CMINDF dalam hal ini tidak lain adalah statistik chi-square dibagi dengan derajat bebasnya sehingga disebut X
2
relatif. Nilai X
2
relatif kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikasi dari
acceptable fit antara model dan data.
46
3.4.6. TLI Tucker Lewis Index
TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah baseline model. Nilai yang direkomendasikan
sebagai acuan untuk diterimanya sebuah model adalah penerimaan ≥ 0.95.
Indeks ini diperoleh dengan rumus sebagai berikut :
TLI =
1 −
−
b b
b b
d C
d C
d C
Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah derajat bebasnya. Sementara C
b
dan d
b
3.4.7. CFI Comparative Fit Index
adalah diskrepansi dan derajat bebas dari baseline model yang dijadikan pembanding.
Keunggulan dari indeks ini adalah bahwa indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur
tingkat penerimaan sebuah model. Nilai yang diharapkan adalah CFI ≥
0.95. Indek ini diperoleh dengan rumus sebagai berikut : CFI =
b b
d C
d C
− −
− 1
Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah derajat bebasnya. Sementara C
b
dan d
b
adalah diskrepansi dan derajat bebas dari baseline model yang dijadikan pembanding.
47
Tabel 3.1. GOODNESS OF FIT INDICES GOODNESS
KETERANGAN CUT – OFF
VALUE OF FIT
INDEX
X – Chi square
Menguji apakah covariance populasi yang destimasi sama dengan covariance sample
apakah model sesuai dengan data Diharapkan Kecil,
1 sd 5 atau paling baik diantara 1
dan 2
Probability Uji signifikansi terhadap perbedaan
matriks covariance data dan matriks covariance yang diestimasi
Minimum 0.1 atau 0.2 atau
≥ 0.05
RMSEA Mengkompensasi kelemahan Chi-Square
pada sampel besar. ≤ 0.08
GFI Menghitung proporsi tertimbang varians
dalam matriks sample yang dijelaskan oleh matriks covariance populasi yang diestimsi
analog dengan R
2
0 sampai dengan 1
dalam regresi berganda AGFI
GFI yang disesuaikan terhadap DF ≥ 0.90
CMIN DE 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.
≥0.95
Sumber : Hair et al., 1998
48
BAB IV PEMBAHASAN