1. X2 CHI SQUARE STATISTIK
Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio chi-square ini bersifat sangat sensitif terhadap besarnya sample yang
digunakan. Karenanya bila jumlah sampel cukup besar lebih dari 200, statistik chi-square ini harus didampingi oleh alat uji lain. Model yang diuji akan
dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X2 semakin baik model itu. Karena tujuan analisis adalah mengembangkan
dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai X2 yang kecil dan signifikan.
X2 bersifat sangat sensitif terhadap besarnya sample yaitu terhadap sampel yang terlalu kecil maupun yang terlalu besar. Penggunaan chi-square hanya sesuai
bila ukuran sampel antara 100-200. Bila ukuran luar tentang itu, uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini perlu dilengkapi
dengan uji yang lain.
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 dietimasi dalam populasi. Nilai RMSEA yang kecil atau sama dengan 0,08 merupakan indeks untuk dapat
diterimanya degress of freedom.
3. GFI-GOODNES OF FIT INDEKS
DFI adalah analog dari R dalam regresi berganda. Indeks keseusian ini
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
akan menghitung proporsi tertimbang dari varians dalam matriks kiovarians sampel yang dijelaskan oleh kovarians matriks populasi yang terestimasi. GFI
adalah sebuah ukuran non-statistika yang mempunyai rentang nilai antara 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini
menunjukkan sebuah “better fit”. GFI yang diharapkan sebesar 0,90.
4. AGFI – ADJUST GOODNES OF FIT INDEX
Kategori