16.0 Jika c.r multivariate berada dalam selang –2,58 hingga 2,58, maka dapat dikategorikan Pengembangan Karier data normal. Hasil analisis menunjukkan
c.r multivariate sebesar -0,343 yang berada di dalam selang –2,58 hingga 2,58, hal ini menunjukkan data berPengembangan Karier normal sehingga asumsi
normalitas terpenuhi di lihat pada lampiran 5. Sedangkan untuk asumsi linieritas, apabila datanya banyak 100 maka asumsi linieritas terpenuhi.
c. Evaluasi atas
Outliers
1. Univariate Outliers
Evaluasi atas univariate outliers dievaluasi menggunakan program SPSS 15.0 yaitu dengan mengamati nilai z-score. Jika dari hasil pengamatan
terdapat indikator yang memiliki nilai z-score di luar range atau selang –3 z-score 3, maka mengindikasikan indikator tersebut mengandung
univariate outliers sehingga tidak diikutsertakan dalam analisis
selanjutnya. Pada lampiran 4, hasil deskriptif nilai z-score, diketahui terdapat univariate outliers pada indikator x4.4.2 dan y2.1. Setelah
diperiksa, terdapat 1 sampel yang merupakan univariate outliers yaitu responden nomor 10. Untuk memperbaiki model, satu responden tersebut
harus dihilangkan. 2.
Multivariates Outliers Evaluasi atas multivariate outliers dapat dilihat dari angka-angka jarak
mahalonobis mahalonobis distance yang dihasilkan program AMOS 16.0 Bila mahalonobis d-squared ada yang lebih besar dari nilai chi-
square pada df = jumlah indikator dan tingkat signifikansi 0,001, maka
data tersebut menunjukkan adanya multivariate outliers. Dari hasil
perhitungan diperoleh nilai chi-square 32; 0,001 = 50,756, sedangkan nilai mahalonobis d-squared yang tertinggi adalah 45,276, sehingga dapat
disimpulkan tidak terdapat multivariate outliers. lihat lampiran 5. d.
Multicollinierity dan Singularity
Multicollinierity dan singularity dapat dideteksi dari determinan matriks
kovarians. Nilai determinan matriks kovarians yang sangat kecil extremely small
memberi indikasi adanya problem multicollinierity dan singularity.
Pada program AMOS 16.0 telah menyediakan fasilitas “Warning” apabila
terdapat indikasi multicollinierity dan singularity. Dalam proses analisis tidak
ditemukan adanya “Warning”, sehingga disimpulkan tidak terdapat problem
multikolinierity dan singularity, dengan demikian asumsi non multicollinierity
dan non singularity terpenuhi.
e. Evaluasi Atas Kriteria Goodness of Fit
Berdasarkan komputasi AMOS 16.0 untuk model SEM ini, dihasilkan nilai indeks-indeks goodness of fit yang dihasilkan model struktural sebagai
berikut:
Tabel 4.13 Nilai Goodness of Fit dan Cut off Value
Structural Model
Kriteria Hasil
Uji Model Nilai
Kritis Keterangan
X
2
Chi square 902,924
Besar X
2
dengan df = 464
dengan α = 0,05
adalah 515,2183
Tidak baik
Probabilitas 0,000
0,05
Tidak Baik
CminDF 1,964
2,00
Baik RMSEA
0,098
0,08 Tidak
Baik GFI
0,675
0,90 Tidak
Baik AGFI
0,630
0,90 Tidak
Baik TLI
0,578
0,95 Tidak
Baik CFI
0,605
0,95 Tidak
Baik
Sumber : Lampiran 6, diolah