X² chi-square statistic RMSEA – The Poot Mean Square Error of Appoximation GFI – Goodness of Fit Index AGFI – Adjusted Goodness of Fit Index

untuk digunakan dalam menguji apakah sebuah model dapat diterima atzu ditolak adalah:

1. X² chi-square statistic

Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio chi-square ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Karenanya bila jumlah sampel cukup besar lebih dari 200, statistic chi-square ini harus didampingi oleh alat uji lain. Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X² semakin baik model itu. Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai X² yang kecil dan signifikan. X² bersifat sangat sensitif terhadap besarnya sampel yaiut terhadap sampel yang terlalu kecil maupun yang terlalu besar. Penggunaan chi-square hanya sesuai bila ukuran sampel antara 100-200. bila ukuran diluar itu, uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini perlu dilengkapi dengan uji yang lain.

2. RMSEA – The Poot Mean Square Error of Appoximation

RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya degress of freedom.

3. GFI – Goodness of Fit Index

Index kesesuaian fit index ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians populasi yang terestimasi. GFI adalah ukuran non-statistikal yang mempunyai rentang nilai 0 poor fit sampai dengan 1.0 perfec fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”. GFI yang diharapkan sebesar 0,90.

4. AGFI – Adjusted Goodness of Fit Index

Adalah analog dari R dalam regresi berganda. Fit index ini dapat diadjust terhadap degress of freedom yang tersedia untuk menguji diterima tidaknya model. db AGFI = 1- 1 – GFI D dimana: G d b = Σ p g = jumlah – sampel - moment g= 1 d = degress – of – freedom Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih dari 0,90 perlu diketahui bahwa baik GFI maupun AGFI adalah criteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkat yang baik good overall model baik sedangkan besaran nilai antara 0,90 – 0,95 menunjukkan tingkatan cukup adequate fit.

5. CMIN DF