Tes khi-kuadrat Chi-Square test GFI Goodness of Fit Index dan AGFI Adjusted Goodness of Fit Index ditolak.

dengan k adalah banyaknya indikator dan df adalah derajat bebas. Derajat bebas Hair et al. 1998 dihitung dengan menggunakan rumus: df = ½[p+qp+q+1] – t. AGFI analog dengan R 2

3. NCP Noncentrallity Scaled Parameters

pada model regresi. Pada model ini disarankan nilai AGFI-nya lebih besar 0,90. Bollen 1989 mengungkapkan bahwa nilai GFI dan AGFI cenderung meningkat seiring dengan peningkatan ukuran contoh. Nilai harapan GFI dan AGFI akan menurun dengan semakin sedikitnya indikator per faktor laten, khususnya pada ukuran data kecil. NCP merupakan ukuran kesesuaian yang melengkapi kelemahan metode khi-kuadrat. Secara teori, ukuran khi-kuadrat tidak terpusat lebih tegar terhadap ukuran contoh apabila dibandingkan dengan khi-kuadrat biasa. Formula bagi NCP adalah NCP = X 2

4. RMSR Root Mean Square Residual

– db Hair, et. al. 1998 RMSR Salim 2009:11 didefinisikan sebagai: dengan: p = banyaknya indikator bagi peubah laten endogen, q = banyaknya indikator bagi peubah laten eksogen, s ij σ = unsur matriks ∑ = unsur matriks S, RMSR merupakan ukuran rata-rata kuadrat sisaan, semakin besar nilainya semakin buruk dalam pengepasan model dan begitu pula sebaliknya. Nilai yang dianjurkan untuk Standardized RMSR adalah 0.05.

5. RMSEA Root Mean Square Error of Approximation

RMSEA adalah alternatif ukuran kesesuaian model yang diperlukan untuk mengurangi kesensitifan X 2 terhadap ukuran sampel. Nilai yang dianjurkan untuk SMSEA adalah 0.08 dihitung dengan rumus:

6. TLI Tucker-Lewis Index

Rumus TLI sebagai berikut: Nilai yang dianjurkan untuk TLI adalah 0,90.

7. NFI Normed Fit Index

Nilai NFI merupakan besarnya ketidakcocokan antara model target dengan model dasar. Nilai yang dianjurkan untuk NFI adalah 0,90. Formula bagi NFI adalah:

8. PNFI Parsimonious Normed Fit Index

PNFI merupakan modifikasi dari NFI. PNFI memperhitungkan besaran derajat bebas yang digunakan untuk mencapai tingkat kesesuaian. Parsimony didefinisikan sebagai pencapaian tingkat kesesuaian yang lebih tinggi pada setiap derajat bebas. Semakin tinggi nilai PNFI, maka semakin baik model yang diusulkan. Formula PNFI adalah sebagai berikut:

9. PGFI Parsimonious Goodness of Fit Index

Formula PGFI adalah sebagai berikut: Semakin tinggi nilai PGFI yang dihasilkan, maka semakin baik modelnya.