Nilai lambda ini digunakan untuk menilai kecocokan, kesesuaian atau unidimensional dari indikator – indikator yang membentuk faktor.
Pedoman umum untuk analisis ini adalah dibutuhkan nilai lambda 0.40, jika terdapat variabel atau faktor loadingnya
0.40 disarankan agar model direvisi lagi dengan mengeluarkan variabel yang tidak menjelaskan
faktor yang dianalisis.
3.6. Asumsi model structural equation modelling SEM
Asumsi – asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM adalah sebagai berikut
: 1. Ukuran sampel
Ukuran sampel yang harus dipenuhi dalam pemodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan 5 observasi
untuk setiap estimated parameter. Karena itu bila kita mengembangkan model dengan 20 parameter maka minimum sampel yang harus digunakan
adalah sebanyak 100 sample. 2. Normalitas dan Lineraitas
Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas
Uji lineraitas dapat daliakukan dengan mengamati scatterplots dengan memilih pasangan data dan melihat pola penyebarannya untuk menduga ada
tidaknya linearitas. 3. Outliers
Adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun mlitvariat. Dapat diadakan perlakuan khusus pada outlier
ini asal diketahui bagaimana munculnya outliers itu. outler pada dasarnya dapat muncul dalam empat kemungkinan :
a Karena kesalahan prosedur, seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data.
Misalnya angka 7 diketik 70 sehingga jauh berada dengan nilai-nilai lainnya dalam rentang jawaban responden antara 1 – 0.
b Karena adanya keadaan yang benar -benar khusus yang memungkinkan profil datanya lain dari pada yang lain, tetapi peneliti mempunyai
penjelasan mengenai penyebab munculnya nilai ekstrim itu. misalnya pertanyaan mengenai pandangan ibu yang sedang hamil terhadap asap
rokok dari sesama penumpang bis, dimana diperoleh bahwa rata-rata mempunyai pandangan yang negatif, tetapi dari 100 responden ternayta
diketahui bahwa terdapat dua orang ibu hamil yang justru sangat ik
i k k k
id li dij l k
b
Contohnya, sama dengan survay pendapat mengenai asap rokok tadi pada responden ibu-ibu tidak hamil atau tidak merokok, dimana datanya
menunjukkan hanya ada 1 orang ibu yang yang sangat senang dengan asap rokok.
Tetapi bila dintanya mengapa, ia tidak tahu apa alasannya “pokoknya senang”. Jawaban ini akan menjadi outliers dimana peneliti tidak tahu
penyebab kemunculannya. Outliers dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi
dengan variabel lain, konbinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut dengan mulitvariate outliers.
4. Multicolinerity dan Singularity Multicolineritas dapat dideteksi dari determinan matriks kovarians. Nilai
determinan matriks kovarians yang sangat kecil extremely small memberi indikasi hadirnya problem multikolinearitas atau singularitas.
Program – program komputer SEM pada umunya menyediakan fasilitas “warning” setiap kali terdapat multikolineritas atau singularitas. Bila muncul
pesan itu telitilah kembali data yang digunakan untuk mengetahui adanya kombinasi linear dari variabel – variabel yang dianalisis. Bila singularitas
dan miltikolinearitas ditemukan, salah satu perlakuan adalah f
i d d l
b k
i i bl
Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator – indikator sebuah konstruk yang menunjukkan derajat sampai
dmana masing-masing indikator itu mengindikasi sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari stia latent variabel construct akan diuji dengan melihat loading faktor dari hubungan antara
setiap obserbed variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan Variance-extracted. Construct reliability dan
Variance-extracted dihitung dengan rumus berikut : [
Standardize Loading] Construct Reliability =
[ standardize Loading] +
j]
Sementara j dapat dihitung dengan formula
j = 1 – [Standardize Loading].
Secara umum, nilai construct reliability yang dapat diterima adalah 0.7 dan
variance extracted 0.5 [Hair et.al., 1998]. Standardize Loading diperoleh dari
output AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize regression weight terhadap setiap butir sebagai indikatornya.
3.7. Pengujian model dengan pendekatan Two – Step Approach
