1. Menjumlahkan skala butir-butir setiap konstruk menjadi indikator summed-scale bagi setiap kontrak. Jika terdapat skala berbeda setiap
indikator tersebut distandardisasi [Z-scores] dengan mean = 0, deviasi standar = 1, yang bertujuan adalah untuk mengeliminasi pengaruh-
pengaruh skala yang berbeda-beda tersebut Hair et at, 1998. 2.
Menetapkan error [ε] dan lamda [λ] terms, error terms dapat dihitung dengan rumus 0,1 kali σ² dan lamda terms dengan rumus 0,95 kali σ
Anderson dan Gerbing, 1998. Perhitungan construct reliability [α] telah dijelaskan pada bagian sebelumnya dan dviasi st
andar [σ] dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error
[ε] dan lamda [λ] terms diketahui skor-skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.
3.4.5 Evaluasi Model
Hair et al, 1998 menjelaskan bahwa pola “confirmatiry” menunjukan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teoritis menggambarkan “good fit” dengan kata, maka model dianggap sebagai
yang diperkuat. Sebaliknya suatu model toeritis 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 Pelangganan structural equation modeling.
Pengujian terhadap model yang dikembangkan dengan berbagai criteria Goodness of Fit, yakni Chi-square, probability, RMSEA, GFI,
TLI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan Two-Step Approach to
SEM. Tabel 3. Goodness of Fit Indices
Godness of Fit Index Keterangan
Cut-Off Value
X²- Chi-square Menguji apakah covariance
populasi yang di estimas sama dengan covariance sample
apakah model sesuai dengan data
Diharapkan kecil 1 s.d 5 atau paling baik diantara
1dan 2
Probality Uji signifikan terhadap
perbedaan matriks covariance dta 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 sampel yang
dijelaskan oleh matriks covarians populasi yang
diestimasi analog dengan R² dalam regresi berganda
≥ 0,90
AGFI GFI yang disesuaikan
terhadap DF ≥ 0.90
CMIN DF Kesesuaian antara data dan
model ≤ 2,00
TLI Pembandingan antara model
yang diuji terhadap baseline model
≥ 0,95 CFI
Uji kelayakan model yang tidak ensitive terhadap
besarnya sampel dan kerumitan model
≥ 0,94
Sumber: Hair et al 1998 Keterangan:
1. X² CHI SQUARE STATISTIK Alat uji paling fundamental untuk mengukur overall fit adalah likehood
ratio chi-square ini bersifat sangat sensitive terhadap besarnya sampel
