gambaran menyeluruh mengenai keseluruhan model. SEM dapat menguji model struktural dan model pengukuran secara bersama-sama. Metode
SEM digunakan untuk menganalisis hubungan sebab akibat kausal yang rumit, dimana di dalamnya terdapat variabel laten dan variabel indikator.
SEM menggambarkan keterkaitan hubungan linear secara simultan variabel-variabel pengamatan, yang sekaligus melibatkan variabel laten
yang tidak dapat diukur secara langsung Bollen,1989. Langkah pertama yang dilakukan dalam menafsirkan model adalah
mengevaluasi model yang dibangun. Evaluasi suatu model penting dilakukan untuk mengetahui baik atau tidaknya suatu model. Dalam
analisis SEM tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model, sehingga digunakan beberapa fit index untuk menguji
kebenaran-kebenaran model Hair, et al, 1998. Langkah-langkah
Structural Equation Modelling SEM yang dilakukan dalam penelitian ini adalah sebagai berikut :
a. Pengembangan model berbasis konsep dan teori
Pada tahap ini dilakukan telaah teori yang mendalam sebagai variabel moderating. Pada tahap ini juga ditentukan variabel laten dan variabel
indikator berdasarkan teori.
b. Mengkonstruksi diagram path
Pada tahap ini variabel laten dan indikator dibentuk dalam diagram path agar lebih memahami bentuk hubungan antar variabel.
c. Konversi diagram path ke model struktural
Pada tahap ini model struktural dan model pengukuran digambarkan lebih jelas.
d. Memilih matriks input
Pada tahap ini matriks input dipilih dan dimasukkan ke dalam perhitungan.
e. Solusi standar model dan evaluasi goodness of fit index
Pada tahap ini matriks input diolah dan dinilai goodness of fit index dari model standar. Menurut Ghozali dan Fuad 2005, suatu indeks yang
menunjukkan bahwa suatu model adalah fit tidak memberikan jaminan bahwa model memang benar-benar fit. Sebaliknya, suatu indeks fit
yang menyimpulkan bahwa model buruk tidak memberikan jaminan bahwa model tersebut benar-benar buruk. Dalam SEM, peneliti tidak
boleh hanya bergantung pada suatu indeks atau beberapa indeks fit, tetapi sebaiknya mempertimbangkan seluruh indeks fit. Ukuran yang
dapat digunakan sebagai patokan kesesuaian model dalam SEM adalah sebagai berikut :
1. Nilai Chi-Square dan Probabilitas P
Ukuran ini pada dasarnya merupakan pengujian seberapa dekat matriks hasil dugaan dengan matriks data asal dengan
menggunakan uji chi-square. Semakin kecil nilai ukuran maka model yang digunakan semakin baik. Untuk memperoleh chi-
square relative dan chi-square biasanya dibandingkan dengan nilai derajat bebas. Model yang baik membutuhkan nilai chi-square
yang lebih kecil daripada derajat bebasnya. Nilai p berkisar antara 0 sampai 1 dan model persamaan struktural akan semakin baik jika
nilai p mendekati 1. 2.
Root Mean Square Error of Approximation RMSEA RMSEA mengukur penyimpangan nilai parameter pada suatu
model dengan matriks kovarians populasinya Browne dan Cudeck dalam Ghozali dan Fuad, 2005 atau dapat dikatakan RMSEA
mengukur kedekatan suatu model terhadap populasi. Suatu model dikatakan baik jika RMSEA kurang dari 0,05, cukup apabila
kurang dari 0,1 dan buruk apabila lebih dari 0,1.
3. Root Mean Square Residuals RMR
Ukuran ini menunjukkaan niiai sisaan dari kovarian suatu model yang dibangun. Suatu model dikatakan baik jika nilai sisanya lebih
kecil dari 0,1. Nilai sisaan yang semakin kecil dan mendekati 0, maka model dikatakan semakin baik.
4. Goodness of Fit Index GFI
GFI merupakan suatu ukuran yang menunjukkan seberapa besar model mampu menerangkan keragaman data. Nilai GFI harus
berkisar 0-1 Batas minimal 0,9 merupakan patokan model dapat dikatakan baik. Model yang nilainya lebih besar dari 0,9 berarti
model semakin baik. 5.
Adjusted Goodness of Fit Index AGFI Ukuran ini merupakan modifikasi dari GFI dengan mengakomodasi
derajat bebas model lain yang dibandingkan. AGFI sebesar 1 menunjukkan bahwa model memiliki perfect fit. Model yang
dikatakan fit adalah model yang memiliki AGFI 0,9.
f. Interpretasi model