Asumsi Dasar Uji Normalitas

62 ini untuk mengukur fit. Byrne dalam Ghozali 2011 menyatakan nilai ratio 2 merupakan ukuran fit. 2 GFI Indeks kesesuaian fit index ini akan menghitung proporsi tertimbang dari varian dalam matrik kovarian sampel yang dijelaskan oleh matriks kovarian populasi yang terestimasi. GFI adalah sebuah ukuran nonstatistical yang mempunyai rentang 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit, sedang besaran nilai antara 0,80 – 0,90 adalah marginal fit. 3 RMSEA RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi square statistic 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 close fit dari model itu berdasarkan degrees of freedom. b. Incremental Fit Measures 1 AGFI AGFI adalah analog dari R2 dalam regresi berganda. Fit index ini dapat di-adjust terhadap degrees of freedom yang tersedia dalam menguji 63 diterima tidaknya model. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matrik 65 kovarian sampel. Nilai yang direkomendasikan adalah lebih besar atau sama dengan 0,80. 2 TLI Tucker-Lewis Index atau dikenal dengan nonnormed fit index NNFI. Ukuran ini menggabungkan ukuran parsimony kedalam indeks komparasi antara proposed model dan null model serta nilai TLI berkisar dari 0-1. Nilai TLI yang direkomendasikan adalah sama atau 0,90. 3 NFI Normed Fit Index merupakan ukuran perbandingan antara proposed model dan null model. Nilai yang direkomendasikan sama atau 0,90. c. Parsionious Fit Measures 1 PNFI Parsimonious normal fit index PNFI merupakan modifikasi dari NFI. PNFI memasukkan jumlah degree of freedom yang digunakan untuk mencapai level fit. Semakin tinggi nilai PNFI maka semakin baik. Jika membandingkan dua model maka perbedaan PNFI berada pada nilai 0,60 sampai 0,90. 2 PGFI