660. DJ 3,1162 1,03537 ,948 PJ 2,9282 IJ 3,0821 1,09036 ,772 ,824 OC 3,3526

11 Uji Fit Model Pengukuran James et al. 1982 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur-prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. AMOS dapat menguji apakah model “good fit” atau “poor fit.” Jadi, “good fit” model yang diuji sangat penting dalam penggunaan structural equation modeling SEM. Model dikategorikan sebagai “good fit,” apabila memenuhi beberapa persyaratan: Pertama, model yang analisis harus mempunyai degree of freedom df positif Arbuckle, 1997. Kedua, nilai level probabilitas minimum yang disyaratkan adalah 0,1 atau 0,2, terdapat juga pandangan tradisional yang mensyaratkan level probabilitas minimum sebesar 0,05 Hair et al., 1998: 654. Ketiga, mengukur chi- square χ 2 statistic untuk memastikan bahwa perbedaan antara input matrik aktual dan yang diprediksi tidak signifikan. Nilai χ 2 yang direkomendasikan untuk menunjukkan perbedaan yang tidak signifikan adalah lebih besar dari 0,05 Hair et al., 1998: 654. Keempat, mengukur nilai the normed chi- square χ 2 df, nilai ini yang direkomendasikan adalah dari 1,0 hingga 5,0, dan yang paling baik adalah di antara 1,0 batas bawah dan 2,0 batas atas Hair et al., 1998: 661. Terakhir, menguji fit model pengukuran dengan Tucker-Lewis index TLI. Model dikatakan “perfect fit” apabila nilai relative goodness of fit TLI mendekati 1 dan “poor fit” apabila mendekati 0. Nilai TLI yang dapat diterima adalah 0,9 atau lebih besar Hair et al.,

1998: 660.

Tabel 2 di bawah ini menunjukkan bahwa hasil uji “fit” model. Secara umum, model dinyatakan “marginal fit.” Besar kemungkinan hasil goodness of fit measures ini adalah disebabkan karena sample size yang terlalu kecil n = 39. Hair et al. 1998 menyarankan sample size minimal 100 dan sebaiknya berkisar antara 200-500 dalam menggunakan alat analisis SEM. Tabel 2 Goodness of F it Measures Goodness of Fit Index Syarat yang harus Di- penuhi Hasil Perhitungan Keterangan Degree of freedom df Positif 29 Baik Probability  0,20 0,000 Marginal  2 statistic  0,05 101,018 Baik  2 df 1 ≤ normed  2 ≤ 5 3,483 Baik RMR 0,03 ≤ RMR ≤ 0,08 1,142 Marginal GFI  0,90 0,732 Marginal CFI  0,90 0,818 Marginal IFI  0,90 0,825 Marginal Sumber: Hasil Pengolahan data. RMR= Root mean residual; GFI= Goodness-of-fit index; CFI= Comparative fit index; IFI= Incremental fit index. Uji Statistik Deskriptif dan Korelasi Antarkonstruk Pengujian korelasi antarkonstruk bertujuan untuk mengetahui seberapa kuat dan apakah sig- nifikan hubungan antarkonstruk. Selain itu, peneliti juga menampilkan nilai statistik deskrip- tif dengan mean dan deviasi standar. Nilai mean diujikan untuk mengetahui kecenderungan persepsi responden sampel terhadap setiap konstruk dalam penelitian ini, sedangkan deviasi standar untuk menilai rata-rata dispersi dari responden Santoso, 2001. Tabel 3 berikut ini 12 menyajikan hasil statistik deskriptif, korelasi antarkonstruk penelitian, dan koefisien Cron- bach’s alpha α . Tabel 3 Statistik Deskriptif, Korelasi Antarvariabel , dan Cronbach’s Alpha Konstruk  Mean SD  1 2 3 4 5 6 7 8 9 10

1. DJ 3,1162 1,03537 ,948

2. PJ 2,9282

,94310 ,724 ,889

3. IJ 3,0821 1,09036 ,772 ,824

,946 4. DJ x PJ 10,350 4,75600 ,906 ,895 ,744 -

5. OC 3,3526

,71513 ,920 ,909 ,827 ,551 ,873 6. TE 3,5334 ,31042 -,063 ,100 ,043 ,056 -,009 ,945 7. PB 3,4283 ,24394 ,008 ,050 ,102 ,174 -,003 ,852 ,958 8. TJ 3,5913 ,22864 ,042 ,187 ,193 ,098 ,083 ,854 ,748 ,834

9. RT 3,4087