teknik statistik yang digunakan untuk membangun dan menguji model statistik yang biasanya dalam bentuk model -model sebab akibat.
Hair et al. 1995 dalam Ferdinand 2002 menyatakan bahwa dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji
hipotesa mengenai model. Berikut ini beberapa indeks kesesuaian dan cut-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima
atau ditolak :
a. Chi Square Statistic
Chi- square atau sering disebut juga “-2 log likehood” merupakan kriteria
fit indices yang dikembangkan oleh Joreskog 1969. Nilai chi-square menunjukkan adanya penyimpangan antara sample covariance matrix dan
model fitted covariance matrix. Model yang diuji dipandang baik atau memuaskan apabila nilai Chi-square nya rendah. Semakin kecil nilai X²
semakin baik model itu dan diterima berdasarkan probabilitas dengan cut- off value sebesar p 0,05 atau p 0,10 yang berarti tidak ada perbedaan
antara input matriks kovarian yang diobservasi dengan model yang diprediksi. Jadi nilai chi-square diharapkan tidak signifikan agar model
yang diusulkan sesuai atau fit dengan data observasi. Ferdinand, 2002.
b. The Root Mean Square Error of Approximation RMSEA
RMSEA merupakan ukuran fit yang paling popular dan banyak digunakan oleh peneliti di bidang SEM, karena nilai RMSEA tidak overestimate atau
underestimate dan tidak tergantung dari besarnya jumlah sampel. RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-
square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan nilai goodness of fit yang dapat diharapkan bila model estimasi dalam
populasi Hair et al., 1995 dalam Ferdinand, 2002. Nilai RM\SEA yang kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya
model yang menunjukkan sebuah close fit dari model tersebut berdasarkan degrees of freedom Ferdinand, 2002.
c. Goodness of Fit Index GFI
Goodness of Fit Index merupakan tingkat kesesuaian model secara
keseluruhan yang dihitung dari residual kuadrat model yang diprediksi dibandingkan dengan data observasi yang sebenarnya. GFI merupakan
ukuran non statistical yang mempunyai rentang nilai antara 0 poor fit sampai dengan 1,0 perfect fit. Semakin besar nilai ini menunjukkan
spesifikasi model yang baik. Nilai GFI yang dianjurkan sebagai ukuran fit model adalah 0,90. Nilai yang tinggi dalam indeks ini menunjukkan
sebuah better fit Ferdinand, 2002.
d. Adjusted Goodness of Fit Index AGFI