47
“good fit” atau “poor fit”. Jadi, “good fit” model yang diuji sangat penting dalam
penggunaan structural equation modelling. Tabel 3.1.
Goodness of Fit Indices
GOODNESS OF FIT INDEX
KETERANGAN CUT-OFF VALUE
X
2
- Chi-square Menguji apakah covariance populasi yang destimasi sama
dengan cova-riance sample [apakah model sesuai dengan data].
Diharapkan Kecil, 1 s.d 5. atau paling baik
diantara 1 dan 2. Probability
Uji signifikansi terhadap perbedaan matriks covariace data dan matriks covariance yang diestimasi.
Minimum 0,1 atau 0,2, atau
0,05 RMSEA
Mengkompensasi kelemahan Chi-Square pada sample besar.
0,08 GFI
Menghitung proporsi tertimbang varians dalam matrtiks sample yang dijelaskan oleh matriks covariance populasi
yang diestimasi [analog dengan R
2
dalam regresi berganda]. 0,90
AGFI GFI yang disesuaikan terhadap DF.
0,90 CMINDDF
Kesesuaian antara data dan model 2,00
TLI Pembandingan antara model yang diuji terhadap baseline
model. 0,95
CFI Uji kelayakan model yang tidak sensitive terhadap besarnya
sample dan kerumitan model. 0,95
Sumber : Hair et.al., [1998]
1. X² CHI SQUARE STATISTIK
Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio chi-square
ini bersifat sangat sensitif terhadap besarnya sampel 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
48
sangat sensitif terhadap besarnya sampel yaitu terhadap sampel yang terlalu kecil maupun yang terlalu besar.
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 diestimasi alam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat
diterimanya degress of freedom.
3. GFI – GOODNES of FIT INDEKS
GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians
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”.
4. AGFI – ADJUST GOODNES of FIT INDEX
AGFI = GFIdf Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai niali yang sama dengan atau lebih besar dari 0.90. GFI maupun
AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians alam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diinterprestasikan
sebagai tingkatan yang baik good overall model fit sedangkan besaran nilai antara 0,90-0,95 menunjukkan tingkatan cukup adequate fit.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
49
5. CMINDF