commit to user
64 Dari tabel IV.14 terlihat hasil pengujian normalitas data dalam
penelitian ini. Evaluasi normalitas diidentifikasi baik secara univariate maupun multivariate. Secara univariate nilai-nilai dalam C.R skewness
menunjukkan nilai 2. Sedangkan untuk nilai-nilai dalam C.R kurtosis, semua item pertanyaan menunjukkan nilai 7. Dengan demikian secara
univariate tidak terdistribusi secara normal. Nilai yang tertera dipojok kanan bawah pada tabel IV.13 menandakan bahwa data dalam penelitian
ini terdistribusi normal secara multivariate dengan nilai C.R kurtosis 8,672.
Normalitas univariate dan multivariate terhadap data yang digunakan dalam analisis ini diuji dengan menggunakan AMOS versi 16.
3. Asumsi Outlier
Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim yang memiliki karakteristik unik dari observasi lainnya dan muncul dalam
bentuk ekstrim baik untuk variabel tunggal maupun variabel observasi Hair et al, dalam Ferdinand 2002. Dalam analisis multivariate adanya
outlier dapat diuji dengan statistic chi-square χ
2
terhadap nilai Mahalanobis pada tingkat signifikansi p 0,001 dengan degree of
freedom sebesar jumlah variabel yang digunakan dalam penelitian Ferdinand,2002.
Dalam penelitian ini digunakan 18 variabel indikator. Oleh karena itu, semua kasus yang mempunyai Mahalanobis Distance lebih besar dari
χ
2
35,0,001= 34,805 adalah multivariate outliers.
commit to user
65
Tabel IV.15 Jarak Mahalanobis Distance Data Penelitian
Observation number Mahalanobis d-squared
Jarak Mahalobis kritis 18,0,01
9 33.924
34,805 10
33.327 11
33.210 40
32.707 70
32.707 100
32.707 92
25.632 62
25.632 32
25.632 120
23.862
Sumber: Data yang diolah, 2010
Pada tabel IV.15 diatas menunjukkan bahwa tidak ada kasus yang dapat dikategorikan sebagai outliers, karena tidak ada nilai yang melebihi
nilai χ
2
35,0,001= 34,805
4. Analisis Kesesuaian Model Goddness-of-Fit
Sebelum melakukan pengujian hipotesis, langkah pertama adalah menilai kesesuaian goodness-of-fit yaitu untuk mengukur pengaruh
variabel pemoderasi dalam SEM. Untuk mendapatkan kriteria model yang dapat diterima, peneliti
mengestimasi hubungan korelasi antar error term yang tidak memerlukan justifikasi teoritis dan memiliki nilai modification indicies besar.
Modification indicies diketahui melalui output AMOS 16.0 yang menunjukkan
hubungan-hubungan yang
perlu diestimasi,
yang sebelumnya tidak terdapat dalam model supaya terjadi penurunan pada
nilai chi-square sehingga mendapatkan model penelitian yang baik. Cara ini dilakukan untuk mendapatkan nilai goodness of fit model yang
commit to user
66 memenuhi syarat. Error term yang dikorelasikan dapat dilihat pada
lampiran. Tabel IV.16 menunjukkan Goodness of fit yang telah dimodifikasi.
Tabel IV.16 Hasil
Goodness of Fit Sesudah Modifikasi
Goodness of Fit Indeks
Nilai yang diharapkan
Hasil Evaluasi
χ
2
-Chi Square Diharapkan kecil
123,3 -
Df -
95 -
Probabilitas ≥ 0,05
0,27 -
CMINdf 2
1,297 Baik
AGFI ≥ 0,9
0,834 Marginal
GFI ≥ 0,9
0,906 Baik
CFI ≥ 0,9
0,983 Baik
TLI ≥ 0,9
0,973 Baik
RMSEA 0,08
0,048 Baik
Sumber: Data Primer yang diolah, 2010
Tujuan analisis Chi-Square χ
2
adalah mengembangkan dan menguji model yang sesuai dengan d
ata. Dalam pengujian ini nilai χ
2
yang rendah dan menghasilkan tingkat signifikansi lebih besar dari 0,05 akan
mengindikasikan tidak ada perbedaan yang signifikan antara matriks kovarian data dan matrik kovarian yang diestimasi. Chi-Square sangat
sensitif terhadap ukuran sampel. Nilai χ
2
pada penelitian ini sebesar 123,3 dengan probabilitas 0,27 menunjukkan bahwa model penelitian yang
diajukan dapat diterima. Normed Chi-Square CMINDF adalah ukuran yang diperoleh dari
nilai Chi-Square dibagi dengan degree of freedom. Indeks ini merupakan indeks kesesuaian parsimonious yang mengukur hubungan goodness-of-
Fit model dengan jumlah koefisien-koefisien estimasi yang diharapkan
commit to user
67 untuk mencapai tingkat kesesuaian. Nilai CMINDF pada model ini
adalah 1,297 menunjukkan bahwa model penelitian ini fit. Goodness of Fit Indeks GFI mencerminkan tingkat kesesuaian
model secara keseluruhan yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan data yang sebenarnya. Nilai yang mendekati
1 mengisyaratkan model yang diuji memiliki kesesuaian yang baik. Dengan tingkat penerimaan yang direkomendasikan
≥0,9 dapat disimpulkan bahwa model memiliki tingkat kesesuaian yang baik dengan
nilai GFI sebesar 0,906 Adjusted Goodness of Fit Index AGFI adalah GFI yang disesuaikan
dengan rasio antara degree of freedom dari model yang diusulkan dan degree of freedom dari null model. Nilai AGFI dalam model ini adalah
0,834 menunjukkan tingkat kesesuaian yang marginal. Tucker Lewis Index TLI merupakan alternative incremental fit
index yang membandingkan model yang diuji dengan baseline model. TLI merupakan indeks kesesuaian model yang kurang dipengaruhi oleh
ukuran sampel. Nilai yang direkomendasikan ≥0,9 dapat disimpulkan
bahwa model menunjukkan tingkat kesesuaian yang baik dengan nilai TLI sebesar 0,973.
Comparative Fit Index CFI adalah indeks kesesuaian incremental yang membandingkan model yang diuji dengan null model. Besaran
indeks ini adalah dalam rentang 0 nol sampai1 satu dan nilai yang mendekati 1 mengindikasikan model memiliki tingkat kesesuaian yang
commit to user
68 baik. Indeks ini sangat dianjurkan untuk dipakai karena indeks ini relatif
tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model. Dengan memperhatikan nilai yang direkomendasikan
≥0,9 maka nilai CFI sebesar 0,983 menunjukkan bahwa model ini memiliki kesesuaian yang baik.
The Root Mean Squar Error of Approximation RMSEA adalah indeks yang digunakan untuk mengkompensasi nilai Chi-Square dalam
sampel yang besar. Nilai penerimaan yang direkomendasikan ≤ 0,08 maka
nilai RMSEA sebesar 0,048 menunjukkan tingkat kesesuaian yang baik. Berdasarkan keseluruhan pengukuran goodness-of-fit tersebut diatas
mengindikasikan bahwa model yang diajukan dalam penelitian dapat diterima.
5. Analisis Koefisien Jalur
