D. Penilaian Model Fit
Untuk menilai fit atau tidaknya model yang digunakan, perlu dilakukan beberapa tahap analisis hingga model dinyatakan fit untuk mengukur model
yang diteliti. Tahapan analisis tersebut yaitu : 1.
Evaluasi Model Awal Tahapan ini terdiri dari beberapa tahap pengujian sehingga data
dinyatakan siap untuk dianalisis. Tahapan pengujian tersebut yaitu tahapan pemeriksaan data yang meliputi pengujian asumsi normalitas univariat dan
normalitas multivariat. Berdasarkan pengujian awal terhadap model, didapat hasil sebagai berikut :
Tabel 4.8 Statistik Skewness dan Kurtosis untuk Pemeriksaan Normalitas Variable
Min max
skew c.r.
kurtosis c.r.
Y1 5.000
15.000 -.446
-2.441 .389
1.064 Y2
9.000 15.000
.094 .516
.631 1.728
Y3 8.000
15.000 .002
.012 .624
1.710 X21
2.000 5.000
-.607 -3.325
1.430 3.916
X22 2.000
5.000 -.344
-1.886 1.811
4.959 X23
2.000 5.000
-.375 -2.052
1.020 2.795
X24 3.000
5.000 .263
1.441 .681
1.866 X25
6.000 10.000
-.023 -.125
1.211 3.317
Z5 5.000
10.000 -.140
-.767 .669
1.833 Z4
3.000 5.000
.265 1.454
1.293 3.540
Z3 3.000
5.000 .238
1.305 .116
.317 Z2
3.000 5.000
.095 .522
.220 .603
Z1 3.000
5.000 .239
1.309 .798
2.185 X15
10.000 20.000
-.154 -.842
2.018 5.527
X14 8.000
15.000 -.193
-1.059 1.257
3.442 X13
14.000 25.000
-.241 -1.322
.910 2.493
X12 10.000
15.000 .400
2.192 -.567
-1.552 X11
6.000 25.000
-1.332 -7.298
9.063 24.821
Multivariate 123.486
30.872 Sumber : output AMOS
Berdasarkan tabel diatas dapat dilihat bahwa dengan taraf signifikan yang disarankan oleh Dachlan 2014 yaitu taraf signifikan
α=1 atau 2,58, tidak ada nilai c.r critical ratio yang dihasilkan untuk koefisien skewness tidak ada yang berada diatas 2,58. Demikian juga jika
menggunakan rule of thumb dari Curran, dkk 1997, dapat dikatakan bahwa tidak ada koefisien skewness yang harga absolutnya lebih besar
dari 3. Namun, jika melihat pada koefisien kurtosis yang dihasilkan, mengacu pada rule of thumb dari Curran, dkk 1997, terdapat 1 variabel
yang memiliki nilai absolut yang lebih besar dari 8, yaitu variabel X11 yang memiliki koefisien kurtosis sebesar 9,063. Dengan demikian model
yang diuji tidak memenuhi asumsi normalitas multivariat. Sehingga dapat dikatakan bahwa sebaran data tidak normal.
Ketidaknormalan data ini disebabkan oleh adanya sumbangan dari keberadaan outlier dalam data. Berikut tabel pemeriksaan outlier :
Tabel 4.9 Statistik D
2
untuk Memeriksa Outlier Observation number
Mahalanobis d-squared p1
p2 22
104.692 .000
.000 30
57.696 .000
.000 23
54.927 .000
.000 143
46.289 .000
.000 32
40.769 .002
.000 129
40.586 .002
.000 139
37.398 .005
.000 142
36.988 .005
.000 Sumber : Output AMOS
Berdasarkan tabel tersebut dapat dilihat bahwa 4 observasi pertama, yakni observasi ke 22, 30, 23, dan 143 memiliki nilai p1 dibawah
atau sama dengan 0,001 taraf signifikan yang disarankan oleh Dachlan 2014 yaitu
α = 1. Selain memiliki nilai p1 dan p2 yang kecil, keenam observasi tersebut juga memiliki nilai statistik D
2
yang nilainya jauh berbeda dibandingkan D
2
untuk observasi lainnya. Dengan demikian dapat disimpulkan bahwa keeempat observasi tersebut terindikasi sebagai outlier
sehingga data tersebut perlu dihapus satu persatu hingga asumsi normalitas multivariat telah terpenuhi.
Setelah dilakukan penghapusan terhadap empat observasi yang terindikasi awal sebagai outlier, ternyata nilai koefisien kurtosis yang
dihasilkan menjadi lebih baik. Hal tersebut dapat dilihat dari tabel berikut : Tabel 4.10 Statistik Skewness dan Kurtosis Setelah Penghapusan Outlier
Variable Min
max Skew
c.r. kurtosis
c.r. Y1
8.000 15.000
-.188 -1.019
-.369 -1.000
Y2 9.000
15.000 .105
.566 .770
2.086 Y3
8.000 15.000
.003 .015
.713 1.931
X21 2.000
5.000 -.568
-3.075 1.363
3.690 X22
3.000 5.000
.287 1.552
.373 1.010
X23 3.000
5.000 .047
.254 -.060
-.163 X24
3.000 5.000
.352 1.905
.781 2.115
X25 6.000
10.000 -.004
-.024 1.289
3.491 Z5
5.000 10.000
-.140 -.760
.790 2.138
Z4 3.000
5.000 .300
1.627 1.398
3.786 Z3
3.000 5.000
.243 1.317
.174 .472
Z2 3.000
5.000 .141
.765 .301
.814 Z1
3.000 5.000
.272 1.471
.864 2.341
X15 12.000
20.000 .190
1.029 1.519
4.113 X14
8.000 15.000
.066 .359
.879 2.379