∑ Standardize Loading
Construct Reability = {[Standardize loading]+
∑ ej }
∑ Standardize Loading Variance Extraced =
{[Standardize Loading]+ ∑ ej}
Sementara εj dapat dihitung dengan formula εj = 1 - [Standardize
Loading]. Secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,7 dan variance extracted ≥ 0,5 Hair et.al,1998 . Standardize
Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap butir sebagai indikator yang didapat dari hasil perhitungan
komputer.
3.5.3. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [ koefisien jalur ] diamati dari bobot regresi terstandar, dengan pengujian signifikan pembanding nilai CR [Critical Ratio]
atau p [probability] yang sama dengan nilai t hitung. Apabila nilai t hitung lebih besar dari pada table berarti signifikan.
3.5.4. Pengujian Model
dengan One Step Approach
Dalam metode SEM, model pengukuran dan model struktur parameter- parameternya diestimasi secara bersama-sama. Cara ini agak mengalami
kesulitan dalam memenuhi fit model. One Step Approach to SEM digunakan
apabila model diyakini landasan teori yang kuat serta validitas dan reabilititas yang sangat baik.
3.5.5. 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 criteria goodness of fit, yakni Chi-Square, probability, RMSEA, GFI, TLI, CFI, AGFI
CMIN DF. Apabila model awal tidak good fit dengan data maka model
dikembangkan dengan pendekatan two step approach to SEM. Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur
atau menguji hipotesis mengenai model. Beberapa indeks kesesuaian dan out-off value untuk digunakan dalam menguji apakah sebuah model dapat diterima atau
tidak ditolak adalah :
1. X² - CHI - SQUARE STATISTIK
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. 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 – Goodness Of Fit Index
