Pada model awal yang terbentuk menghasilkan nilai Chi-Square yang sangat besar dan setelah dilakukan uji kecocokan, banyak komponen uji
kecocokan yang tidak terpenuhi. Output pada LISREL seperti yang terdapat pada Lampiran 5 memunculkan modification index untuk respesifikasi model, maka
dilakukan penambahan lintasan dan penambahan kovariasi antara 2 kesalahan errors. Meski demikian, penambahan ini tetap berdasarkan pada teori yang kuat.
Sehingga model akhir yang terbentuk adalah seperti terdapat pada Gambar 13.
4.4.6. Pengolahan Data Single step
Dalam penelitian ini, responden yang memenuhi syarat untuk dianalisis sebanyak 186 dan jumlah seluruh variabel manifest indikator adalah 16. Rule of
thumb untuk perbandingan jumlah sampel terhadap jumlah indikator adalah 1:5 Wijanto, 2008. Jadi jika indikator dalam penelitian ini sebanyak 16, maka
minimum sampel yang dibutuhkan adalah 80. Karena jumlah objek dalam penelitian ini adalah 186 maka sudah memadai untuk melakukan pengolahan data
secara single step. Di dalam penelitian ini, cara mengoperasikan LISREL dipilih yang paling sederhana, yaitu dengan program SIMPLIS.
1. Pengujian Normalitas dan Multikolinearitas
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model memenuhi asumsi normalitas. Jika data menyebar jauh dari
garis diagonal dan atau tidak mengikuti garis diagonal, maka model tidak memenuhi asumsi normalitas .
Dalam LISREL, model yang memenuhi asumsi normalitas akan menghasilkan 2 jenis chi square, yaitu minimum fit function chi square C1 dan
normal theory weighted least squares chi square C2. Sedangkan jika asumsi normalitas tidak terpenuhi akan menghasilkan 4 jenis chi square yaitu C1, C2,
sutora-bentler scaled chi square C3 dan chi square corrected for non-normality C4. Pada lampiran bagian kedua terlihat bahwa model penelitian ini hanya
menghasilkan C1 dan C2. Data dengan sampel besar , berdasarkan Dalil Limit Pusat Central Limit Theorm, yaitu bilamana n sample size besar, maka statistik
dari sampel tersebut akan mendekati distribusi normal, walaupun populasi dari mana sampel tersebut diambil tidak berdistribusi normal. Jumlah sampel yang