Tabel 1. Kriteria Goodness Of Fit Indices
Sumber : Hair et,al.1998.
GOODNESS OF FIT INDEX
KETERANGAN CUT-OF
VALUE
X²-chi square Menguji apakah covariance yang
diestimasi sama dengan covariance sampleapakah model
sesuai dengan data. Diharapkan
kecil, 1 s.d 5 atau paling baik
diantara 1dan 2
Probability Uji signifikan terhadap
perbedaan matriks converiance data dan matriks covariance
yang diestimasi. Minimum 0,1
atau 0,2 atau ≥
0,005 RMSEA
Mengkompensasi kelemahan chi-square pada sample besar.
≤0,08
GFI Menghitung pro[orsi tertimbang
varians dalam matriks yang dijelaskan oleh matrik
covariance populasi yang diestimasianalog dengan R2
dalam regresi berganda ≥ 0,09
AGFI GFI yang disesuaikan terhadap
DF ≥ 0,09
CMINDF DF Kesesuaian antara data dan
model ≤ 2,00
TLI Perbandingan antara model yang
diuji terhadap baseline model ≥ 0,95
CFI Uji kelayakan model yang tidak
sensitive terhadap besarnya sample dan kerumitan model
≥ 0,94
3.6. Uji Hipotesis 3.6.1.Evaluasi Kriteria Goodness of Fit
3.6.1.1.Chi-square Statistik
Chi-square ini sangat bersifat sensitif terhadap besarnya sample yang digunakan, karena itu bila jumlah sample lebih dari 200 sample,
maka statistic chi-square ini harus didampingi oleh alat uji lainnya hair et.al., 1995:105: Tabachnick fidell, 1996:84. Karena tujuan analisis
adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau fit terhadap data, maka yang dibutuhkan justru sebuah nilai X
2
yang tidak signifikan, yang menguji hipotesa nol bahwa matriks kovarian populasi tidak sama dengan kovarian sample, oleh karena itu X
2
yang kecil dan tidak signifikanlah yang diharapkan agar hipotesanol sulit ditolak.
3.6.1.2 RMSEA Root Mean Square Error of Approxiniation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasikan chi-square statistic dalam sample yang besar
Baumgartner Homburg, 1996:65. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang
menunjukkan sebuah close fit dari model itu berdasarkan degrees of freedom
Brown Cudeck, 1993:72.
3.6.1.3 GFI Goodness of Fit Index
Indeks kesesuaian fit indeks ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarian sample yang dijelaskan
oleh matriks kovarians populasi Bentler, 1983:12; Tanaka Huba, 1989:54. GFI yang diharapkan adalah sebesar
0,90.
3.6.1.4 AGFI Adjusted Goodness of Fit Index
Tanaka Huba 1989:55, menyatakan bahwa AGFI adalah analog dari R
2
dalam regresi berganda. Fit Index ini dapat
diadjust terhadap degrees of freedom yang tersedia untuk menguji diterima tidaknya model Arbuckle, 1997:30. Indeks ini diperoleh
dengan rumus: d
b
AGFI = 1 – 1-GFI d
Dimana d = p , d = derajat bebas
AGFI yang diharapkan adalah sebesar 0,90
3.6.1.5 CMINDF Minimum sample discrepancy function Degrees of
Freedom
CMINDF dalam hal ini tidak lain adalah statistic chi- square dibagi dengan derajat bebasnya sehingga disebut X
2
relative kurang dari 2.0 atau bahkan kurang dari 3.0 adalah indikasi dari
acceptable fit antara model dan data Arbuckle, 1997:32.
3.6.1.6 TLI Tucker Lewis Index
TLI adalah sebuah alternative incremental fit index yang membandingkan sebuah baseline model Baumgartner Homburg,
1996:69. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan
0.95. Indeks ini diperoleh dengan rumus sebagai berikut:
D
b
d TLI =
C
b
- 1 d
b
Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah derajat bebasnya. Sementara C dan d adalah diskrepansi
dan derajat bebas dari baseline model yang dijadikan pembanding.
3.6.1.7 CFI Comparatif Fit Index
Keunggulan dari indeks ini adalah bahwa indeks ini besarannya tidak dipengaruhi oleh ukuran sample, karena itu baik
untuk mengukur tingkat penerimaan sebuah model Hulland et. al.,1996:35 . Indeks ini diperoleh dengan rumus sebagai berikut:
C - d CFI = 1 –
C
b
- d
b
Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah derajat bebas dari baseline model yang dijadikan
pembanding.
BAB IV
ANALISIS HASIL PENELITIAN
4.1. Deskripsi Obyek Penelitian