Evaluasi Kriteria Goodness of Fit
13 1. Ukuran Sampel
Ukuran sampel yang harus dipenuhi dalam pemodelan CFA adalah minimum berjumlah 50, selanjutnya menggunakan perbandingan 5 observasi untuk setiap parameter
yang diestimasi.Oleh karena itu, apabilamengembangkan model dengan 8 parameter maka minimum digunakan 77 sampelHair et al., 1998.
2.Normalitas dan Linieritas Sebaran data harus dianalisisuntuk melihat apakah asumsi normalitasterpenuhi sehingga
data dapat diolah lebih lanjut dengan pemodelan CFA. Normalitas dapat diuji dengan melihar gambar histogram data atau dapat diuji dengan model statistik. Uji normalitas
dilakukan dengan menggunakan uji skewness yang menunjukkan bahwa hampir seluruh variabel normal pada tingkat signifikansi 0,05 atau 5. Hal ini terlihat pada nilai CR
dari skewness yang berada di bawah ± 2,58. Nilai mutivariat pada uji normalitas adalah koefisien kurtosis multivariate, apabila hasil yang diperoleh masih di bawah nilai batas
± 2,58, ini berarti bahwa ada data yang digunakan berdistribusi multivariat normal. 3. Angka Ekstrim Outliers
Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang
dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya. 4.Multikolonearitas Multicollinearity
Multikollinearitas adalah suatu kondisi, dimana terdapat hubungan korelasi yang tinggi antar sebagian atau seluruh variabel independen dalam suatu regresi
berganda. Multicollinearity dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks kovarian yang sangat kecil memberi indikasi adanya
problem multicollinearity. Setelah asumsi-asumsi CFA terpenuhi maka dilakukan kelayakan model. Untuk
menguji kelayakan model yang dikembangkan dalam model persamaan struktural ini, maka akan digunakan beberapa indeks kelayakan model. Adapun kriteria tersebut
adalah: 1. Derajat kebebasan Degree of Freedom harus positif
2. χ2 chi square statistic dan probabilitas
14 Alat uji fundamental untuk mengukur overall fit adalah likelihood ratio chi square
statistic. Model dikategorikan baik harus mempunyai chi square = 0 berarti tidak ada perbedaan. Tingkat signifikan penerimaan yang direkomendasikan adalah apabila p
≥ 0,05 Hair et al., 1998:389 yang berarti matriks input sebenarnya dengan matriks input
yang diprediksi tidak berbeda secara statistik. 3. CMINDF Normed Chi Square
CMINDF adalah ukuran yang diperoleh dari nilai chi-square dibagi dengan degree of freedom. Menurut Hair et.al., 1998:340 nilai direkomendasikan untuk menerima
kesesuian sebuah model adalah nilai CMINDF yang lebih kecil atau sama dengan 2,0. 4. Goodness of fit Index GFI
Digunakan untuk menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. Indeks ini
mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang yang diprediksi dibandingkan dengan data yang sebenarnya. Nilai
Goodness of Fit Indexbiasanya dari 0 sampai 1. semakin besar jumlah sampel penelitian maka nilai GFI akan semakin besar. Nilai yang lebih baik mendekati 1
mengindikasikan model yang diuji memiliki kesesuaian yang baik Hair et al., 1998:387 nilai GFI dikatakan baik adalah
≥ 0,90. 5. Adjusted GFI AGFI
Menyatakan bahwa GFI adalah analog dari R2 R square dalam regresi berganda. Fit Index dapat diadjust terhadap degree of freedom yang tersedia untuk menguji diterima
tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila mempunyai nilai sama atau lebih besar dari 0,9.
6. Tuker-Lewis Index TLI TLI adalah sebuah alternative incremental fit index yang membandingkan sebuah
model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah lebih besar atau sama dengan
0,9 dan nilai yang mendekati 1 menunjukkan a very good fit. TLI merupakan index fit yang kurang dipengaruhi oleh ukuran sampel.
7. CFI Comparative Fit Index CFI juga dikenal sebagai Bentler Comparative Index. CFI merupakan indeks kesesuaian
incremental yang juga membandingkan model yang diuji dengan null model. Indeks ini
15 dikatakan baik untuk mengukur kesesuaian sebuah model karena tidak dipengaruhi oleh
ukuran sampel Hair et al., 1998:289. Indeks yang mengindikasikan bahwa model yang diuji memiliki kesesuian yang baik adalah apabila CFI
≥ 0,90. 8. RMSEA Root Mean Square Error of Approximation
Nilai RMSEA menunjukkan goodness of fit yang diharapkan bila model diestimasikan 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 didasarkan degree of freedom. RMSEA merupakan indeks pengukuran yang tidak
dipengaruhi oleh besarnya sampel sehingga biasanya indeks ini digunakan untuk mengukur fit model pada jumlah sampel besar. Indeks-indeks yang digunakan untuk
menguji kelayakan sebuah model dapat diringkas dalam Tabel 2. Tabel 2Indeks Gooness of Fit Model
Goodness of Fit Index Cut off Value Chi square
Chi Square tabel Significance Probability 0,05
RMSEA ≤ 0,08
GFI ≥ 0,90
AGFI ≥ 0,90
CMINDF ≤ 2,00
TLI ≥ 0,95
CFI ≥ 0,95
Sumber: Hairet.al.1998:390 Pengujian hipotesis dilakukan dengan menguji signifikansi regresi berdasarkan
uji F pada α = 0,05 pada masing-masing koefisien persamaan, baik secara langsung maupun secara parsial. Setelah dilakukan pengujian terhadap asumsi dasar CFA
dan terhadap uji kesesuaian dan uji statistik, langkah berikutnya adalah melakukan modifikasi terhadap model yang tidak memenuhi syarat pengujian yang telah dilakukan.
Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan distribusi frekuensi dari kovarians residual harus bersifat simetrik. Hair et al. 1998
memberikan sebuah pedoman untuk mempertimbangkan perlu tidaknya modifikasi terhadap sebuah model, yaitu dengan melihat sejumlah residual yang
dihasilkan oleh model. Bila jumlahresidual lebih besar dari 5 dari semua residual kovarians yang dihasilkan oleh model, maka modifikasi perlu
dipertimbangkan. Bila ditemukan nilai residual yang dihasilkan oleh model cukup besar 2,58, maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk
16 menambah jalur baru terhadap model yang diestimasi. Nilai residual lebih besar atau
sama dengan 2,58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5 dan residual yang signifikan ini menunjukkan adanya prediction error yang
substansial untuk sepasang indikator.
BAB 3
PEMBAHASAN