Anderson dan Gerbing,1988. Perhitungan construct reliability α
telah dijelaskan pada bagian sebelumnya dan deviasi standart σ dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error
ɛ dan lambda λ terms diketahui, skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.
3.5 Evaluasi Model
Dalam SEM tidak ada alat uji statistik tunggal untuk mengukur atau uji menguji hipotesis mengenai model. Beberapa indeks kesesuaian cut off value
untuk dugunakan dalam menguji apakah sebuah model dapat diterima atau ditolak adalah:
1. Alat uji paling fundamental untuk mengukur overal fit adalah likelihood ratio chi-square
ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Karena bila jumlah sampel
cukup besar lebih dari 200, statistik chi-square ini harus diadmpingi oleh alat uji lain. Model yang diuji akan dipandang
baik bila nilai chi-square rendah. Semakin kecil nilai X² semakin model itu karena dalam uji beda chi-square, X² = 0, berarti benar-
benar tidak ada perbedaan Ho diterima karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai
dengan data, maka yang dibutuhkan justru sebuah nilai X² yang kecil dan signifikan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Chi-square bersifat sensitif terhadap sampel yang terlalu kecil atau
terlalu besar. Pengguna chi-square hanya sesuai bila ukuran sampel antara 100-200. Bila ukuran diluar itu, uji signifikan akan
menjadi kurang reliabel. 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 dalam populasi. Nilai RMSEA yang lebih
kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model, yang menunjukkan sebuah lose fit dari model
itu berdasarkan degress of freedom. 3. GFI-GOODNESS of FIT INDEKS
GFI adalah analog dari R² dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians
dalam matriks kovarians sampel yang dijelaskan kovarians matriks populasi yang terestimasi. GFI adalah sebuah ukuran non statistikal
yang mempunyai rentang nilai antara 0 poor fit sampai dengan 1,00 perfect fit. Nilai tertinggi dalam indeks ini menunjukkan
sebuah “better fit”
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
4. AGFI-ADJUST GOODNESS of FIT INDEKS AGFI = GFIdf tingkat penerimaan yang direkomendasikan adalah
bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,09. GFI maupun AGFI adalah kriteria yang memperhitungkan
proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. Nilai sebesar 0,095 dapat diinterpretasikan sebagai
tingkatan yang baik good overall model fit. Sedangkan besaran nilai antara 0,090-0,95 menunjukkan tingkatan cukup adequate
fit Hulland et. al. 1996
5. CMIN DF Sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah
model. Dalam hal ini CMIN DF tidak lain adalah statistik chi- squre
, X² dibagi DF nya sehingga disebut X² relatif. Nilai X² relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari
acceptable fit antara model dan data. Nilai X² relatif yang tinggi
menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diestimasi dan diobservasi.
6. TLI-TUCKER LEWIS INDEKS TLI adalah sebuah alternatif yang membandingkan model yang
diuji terhadap sebuah baseline model. Nilai yang direkomendasi sebagai acuan untuk diterimanya sebuah model adalah penerimaan
≥ 0,95, nilai yang sangat mendekati 1 menunjukkan avery good fit.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
7. CFI-COMPARATIF FIT INDEKS Besaran indeks ini adalah pada rentang nilai sebesar 0-1, semakin
mendekati 1, mengindikasikan tingkat fit yang paling tinggi a very good fit. Nilai yang direkomendasikan adalah CFI 0,95.
Keunggulan indeks ini besarannya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan
sebuah model. Indeks CFI identik dengan Relatif Non Certrality Indeks
RNI yang diperoleh dari rumus berikut ini :
CFI = RNI = 1 - C - d Cb - db
Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah degress of freedomnya, sementara C
b
dan d
b
adalah diskrepansi dan degress of freedom dari baseline model yang
dijadikan pembanding. Dengan demikian indeks-indeks dapat digunakan untuk menguji kelayakan sebuah model adalah seperti
dalam table berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Tabel 2.1: Goodness of Fit Index Goodness Of
Index Keterangan
Cut Of Value
X²-Chi-Square Menguji apakah covariance populasi
yang diestimasi sama dengan covariance sample
apakah model sesuai dengan data
Diharapkan kcil, 1 sd 5 atau
paling baik diantara 1 dan 2
Probabaility Uji signifikan terhadap perbedaan
matrix covariance data dan matrix
covariance yang diestimasi
minimal 0,1 atau 0,2 atau
≥ 0,05
RMSE Menghitung proporsi tertimbang
varians dalam matix ≤ 0,08
GFI Menghitung proporsi tertimbang
varians dalam matrix sample yang dijelaskan oleh matrix covariance
populasi yang diestimasi [analog dengan R
²
dalam regresi berganda] ≥ 0,090
AGFI GFI yang disesuaikan terhadap DF
≥ 0,090 CMINDDF
Kesesuaian antara data dan model ≤ 2,00
TLI Pembanding antara model yang diuji
terhadap baseline model ≥ 0,95
CFI Uji kelayakan model yang tidak
sensitif terhadap besarnya sampel dan kerumitan model
≥ 0,94 Sumber: Hair et. al.,
[1998]
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Obyek Penelitian 4.1.1 Sejarah Singkat Handphone “Blackberry”