51
D. Menilai Kriteria Goodness of Fit Proksi Berbasis Harga Saham
Menilai goodness of fit merupakan tujuan utama dalam persamaan structural, yaitu ingin mengetahui sampai seberapa jauh model yang
dihipotesis “fit” atau cocok dengan sample data. Tabel 4.3
Nilai Chi-Square CMIN Proksi Harga Saham Model
NPAR CMIN
DF P
CMINDF Default model
16 220.849 20 .000
11.042 Saturated model
36 .000
Independence model 8 398.508
28 .000 14.232
Sumber : data diolah Tabel 4.4
Goodness of Fit Index Adjusted Goodness of Fit Index GFI dan AGFI Proksi Harga Saham
Model RMR
GFI AGFI
PGFI Default model
457263043.647 .810
.657 .450
Saturated model .000 1.000
Independence model 470177940647.952
.729 .652
.567 Sumber : data diolah
Tabel 4.5 Root Mean Square Error of Approximation RMSEA
Proksi Harga Saham Model
RMSEA LO 90 HI 90
PCLOSE Default model
.318 .281
.357 .000
Independence model .366
.334 .398
.000 Sumber : data diolah
Berdasarkan hasil goodness of fit seperti terlihat pada output diatas bahwa nilai Chi-Square 220.849 dan nilai probabilitas 0.000. Hasil ini
menunjukkan bahwa hipotesis nol yang menyatakan model sama dengan data empiris ditolak yang berarti model tidak fit. Model yang baik harus
52 tidak menolak hipotesis nol yang berarti harus tidak signifikan secara
statistik. Namun demikian perlu diketahui bahwa Chi-Square sangat sensitive terhadap jumlah sampel. Semakin besar sampel semakin
signifikan. Oleh karena itu, dicari ukuran model fit yang lain, yaitu GFI,
AGFI, RMSEA. Output grafik memberikan nilai GFI = 0.810 AGFI = 0.657 keduanya belum memenuhi criteria model fit yaitu di atas 0.90 dan
nilai RMSEA = 0.385 di atas 0.080. Secara keseluruhan model ini belum dapat diterima dan belum bisa melakukan langkah selanjutnya. Karena
model belum memenuhi criteria model fit, maka dapat dilihat ketidak fit nya model.
Untuk memperbaiki nilai goodness of fit dapat dilihat nilai Modification Indices. Nilai Modification Indices ini adalah suatu indikasi
adanya model mis fit, sehingga Modification Indices ini dapat memperbaiki nilai goodness of fit menjadi lebih baik. Nilai Modification
Indices yang dipilih adalah nilai Modification Indices yang tertinggi, sehingga kita dapat mengkorelasikan antar eror yang memiliki nilai
Modification Indices tertinggi. Nilai Modification Indices yang dianjurkan adalah lebih besar dari 3.58. Di bawah ini adalah nilai Modification
Indices.
53 Table 4.6
Nilai Modification Indices Proksi Harga Saham terhadap Realisasi Pertumbuhan
M.I. Par Change
e7 -- e6 28.022 2413.006
e8 -- e6 87.443 -3778.306
e8 -- e7 15.339 1895.717
Sumber : data diolah Berdasarkan tabel 4.6, terlihat bahwa nilai Modification Indices
yang tertinggi adalah hubungan e8 dengan e6 yaitu 87.443 yang artinya nilai Chi-Square berkurang apabila eror 8 dan eror 6 dikorelasikan. Di
bawah ini adalah perbaikan nilai goodness of fit setelah mengkorelasikan e8 dengan e6.
Gambar 4.4 Model SEM Proksi Harga Saham dengan Modification Indices
Berdasarkan hasil output di atas terlihat bahwa seluruh nilai goodness of fit semakin membaik. Hal tersebut terlihat dari nilai Chi-
54 Square yang turun menjadi 8.214 serta nilai probabilitasnya naik menjadi
0.984 nilai GFI dan AGFI naik masing-masing menjadi 0.980 dan 0.962 , dan RMSEA turun menjadi 0.000. Begitu juga dengan nilai TLI dan NFI
yang juga naik masing-masing menjadi 1.043 dan 0.979. Hasil ini menunjukkan bahwa semua nilai dari goodness of fit nya sudah semuanya
memenuhi syarat yang dianjurkan, sehingga dapat dilanjutkan ke langkah berikutnya.
E. Kelayakan Parameter Estimasi Proksi Berbasis Harga Saham
Kategori