Rapfish Ordination_MLIN - -Monte Carlo Scatter Plot
F. Leverage Atribut dari Dimesi Kelembagaan dan Kebijakan
4.3 Analisis Faktor-faktor Penentu (Eksogenus) Kesiapan M-LIN .1 Penentuan Peubah yang dimasukkan dalam Model
4.3.2 Uji Validitas Model
4.3.2.1 Uji Validitas Measuerement Model
4.3.2.1.1 Absolute Fit Indices (AFI)
Pengujian dengan alat ini akan membandingkan secara langsung matriks kovarians sampel dengan kovarians dugaan; dengan demikian alat uji golongan ini adalah dasar dari semua alat uji yang lain. Salah satu alat uji goodness of fit utama pada absolute fit indices adalah Chi-Square (X2) yang juga merupakan alat utama pengujian measurement model.
Tujuan pengujian Chi-Square (X2) adalah untuk mengetahui apakah matriks kovarians sampel berbeda secara signifikan dengan matriks kovarians dugaan. Proses pengujian tersebut didasarkan dengan hipotesis sebagai berikut:
Ho: Matriks kovarians sampel tidak berbeda dengan matriks kovarian dugaan. Hi: Matriks kovarians sampel berbeda dengan matriks kovarian dugaan. Dengan membandingkan X2
-hitung dengan X2-tabel, o Jika X2
-hitung >X2-tabel, maka Ho diterima o Jika X2
-hitung <X2-tabel, maka Ho ditolak
Dengan melihat angka probabilitas (p) pada output AMOS, o Jika p < 0,05, maka Ho diterima
o Jika p > 0,05, maka Ho ditolak
Berdasarkan output dari model yang dianalisis menggunakan AMOS diperoleh catatan model seperti terlihat pada Tabel 30. Dari catatan model tersebut, diketahui bahwa hasil analisis menunjukkan adanya “minimum wa achieved”. Hal ini menunjukkan bahwa besar derajat bebas (degree of freedom/df) sudah memadai (positif dengan angka sebesar 62).
Tabel 30 Output Catatan Model dari Hasil Analisis SEM Hubungan antara Kesiapan MLIN, Dukungan Pemerintah Pusat dan Peranserta Swasta, 2014
Namun demikian, model yang digunakan harus dimodifikasi karena berdasarkan angka chi-square (X2) hitung sebesar 131,835 yang lebih besar dari X2-tabelnya (79,0819), dan probailitas level sebesar 0,001 lebih kecil dari 0,05, disimpulkan bahwa “kemungkinan salah menolak Ho” dengan cut off point jauh lebih rendah dari 0,05, atau dengan kata lain diputuskan menolak Ho bahwa matriks kovarians sampel tidak berbeda dengan mastriks kovarian dugaan. Dengan demikian, meskipun model tersebut sudah memadai kerana memiliki derajat bebas (degree of freedom/df) yang positif dan cukup besar, namun model tidak dapat dilanjutkan karena menolak Ho. Untuk dapat melanjutkan analisis model ini, maka harus dilakukan modifikasi model SEM yang digunakan dengan melakukannya sesuai dengan anjuran yang diberikan oleh AMOS yang ditampilkan melalui menu “modification
indices” (Santoso, 2012), seperti terlihat pada Tabel 31.
Tabel 31 Anjuran Modifikasi Model SEM berdasarkan Output Modifikasi Indices
Pelaksanaan modifikasi model SEM yang digunakan, dalam hal ini dapat dilakukan secara berjenjang mulai dari pertimbangan pada kovarian, varian, hingga regression weights. Untuk tahap pertama, dilakukan modifikasi berdasarkan pertimbangan pada kovarian, sehingga model SEM yang digunakan menjadi seperti terlihat pada Gambar 52.
Sumber: Hasil pengolahan data primer menggunakan Software Program AMOS-22 (2014)
Gambar 51 Model yang telah Dimofikasi dari Hubungan antara Kesiapan Maluku sebagai Lumbung Ikan Nasional (KESIAPAN), Dukungan Pemerrintah Pusat (DUKEMPUS) dan Peranserta Swasta (PERANSWASTA) yang dianalisis pada Penelitian
Berdasarkan output dari model yang telah dimodifikasi, yang dianalisis menggunakan AMOS diperoleh catatan model seperti terlihat pada Tabel 32. Dari catatan model tersebut, diketahui bahwa hasil analisis menunjukkan adanya “minimum wa achieved”. Hal ini menunjukkan bahwa besar derajat bebas (degree of freedom/df) sudah memadai (positif dengan angka sebesar 56), sehingga model dapat dilanjutkan.
Di samping itu, hal tersebut dikuatkan model yang menghasilkan angka chi-square dan probabilitas level yang lebih baik dibandingkan dengan yang dihasilkan dari model yang belum modifikasi (bandingkan antara Tabel 30 dan Tabel 31). Hasil output dari catatan model terhadap model yang telah dimodifikasi (Tabel 32), menunjukkan bahwa angka chi-square (X2) hitung sebesar 60,081 yang lebih besar dari X2-tabelnya (67,5048), dan probailitas level sebesar 0,330 lebih besar dari 0,05, disimpulkan bahwa “kemungkinan salah menolak Ho” dengan cut off point lebih besar dari 0,05, atau dengan kata lain diputuskan menerima Ho bahwa matriks kovarians sampel tidak berbeda dengan mastriks kovarian dugaan. Berdasarkan hasil output ini, maka pengujian model dapat dilanjutkan.
Tabel 32 Output Catatan Model berdasarkan Hasil Analisis Model SEM yang telah Dimodifikasi dari Hubungan antara Kesiapan MLIN, Dukungan
Pemerintah Pusat dan Peranserta Swasta, 2014
Sumber: Hasil pengolahan data primer menggunakan Software Program AMOS-22 (2014)
Kemudian berdasarkan output dari model yang dianalisis menggunakan AMOS, sebagaimana yang digambarkan pada Gambar 52, diperoleh ringkasan model fit untuk uji
Tabel 33. Ringkasan Model Fit untuk Uji Absolute Fit Indices (AFI) dari Hasil Analisis Model SEM yang Telah dimofikasi mengenai Hubungan antara Kesiapan M-LIN, Dukungan Pemerintah Pusat dan Peranserta Swasta
Sumber: Hasil pengolahan data primer menggunakan Software Program AMOS-22 (2014)
Keterangan:
- Default model adalah model yang sekarang sedang diuji.
- Saturated model adalah hasil pengujian pada kondisi dimana terjadi just identified, yakni dof (degree of freedom) adalah 0.
- Independence model adalah pengujian pada kondisi dimana setiap peubah indicator dianggap tidak berhubungan dengan peubah konstruknya (laten); juga tidak ada hubungan antarpeubah konstruk.
Output pada ringkasan model fit untuk uji Absolute Fit Indices (AFI), sebagaimana terlihat pada Tabel 34 menunjukkan bahwa model SEM yang telah dimofikasi merupakan model yang “baik”, karena model tersebut memiliki hasil CMIN pada default model yang berada di antara CMIN saturated model dan CMIN independence model. Seperti terlihat pada Tabel 34, angka CMIN (131,291) ada di antara CMIN saturated model (0) dan CMIN
independence model (628,679).
Dengan demikian, baik berdasarkan angka chi-square dan probability level sebagaimana ditunjukkan pada Tabel 34, maupun angka SMIN pada default model yang dihasilkan dari output ringkasan model fit untuk absolute fit indices (AFI) menujukkan bahwa model SEM yang telah dimodifikasi yang merupakan “model yang memadai dan model fit dengan data yang ada”, sehingga analisis model tersebut dapat dilanjutkan. Hal ini dikuatkan dengan output analisis model SEM yang menghasilkan:
Kondisi “minimum wa achieved” menunjukkan besar df sudah memadai (positif dengan angka yang tergolong besar), sehingga model dapat diproses lebih lanjut.
Model menghasilkan angka chi-square (X2
) hitung dan angka p (probability level) yang memutuskan untuk menerima Ho bahwa matriks kovarians sampel tidak berbeda dengan mastriks kovarian dugaan.
Meskipun dalam praktek, alat uji Chi Square adalah paling utama, namun jumlah indicator mempengaruhi realibilitas alat uji ini. Naiknya jumlah sampel atau naiknya peubah indicator cenderung akan menaikkan X2-hitung. Pada kondisi tertentu, justru X2 -hitung lebih besar dari X2-tabel, sehingga Ho justru dapat ditolak, yang berarti model menjadi tidak valid (fit) lagi karena matriks kovarians sampel menjadi sangat berbeda dengan matriks dugaannya. Oleh karena itu, pengujian dengan hanya berdasar metode
chi-square saja jarang dilaakukan, tetapi perlu dilengkapi dengan uji lainnya, yaitu: GFI
(goodness of fit index); AGFI (adjusted goodness of fit index); RMR (root mean residual), seperti tertera pad Tabel 34.
Secara teoritis, angka GFI dan AGFI berkisar antara 0 sampai 1, dengan pedoman bahwa semakin hasil GFI dan AGFI mendekati angka 1, akan semakin baik model tersebut dalam menjelaskan data yang ada. Sebaliknya, secara logika, semakin kecil hasil RMR tentu akan semakin baik, yang menandakan semakin dekatnya angka pada sampel dengan duganya; jika angka RMR semakin besar, hal ini menandakan model tidak fit, karena selisih antara sampel dengan dugaan yang besar pula. Karena itu, alat uji RMR sering disebut dengan alat uji badness-of-fit (Santoso, 2012).
Berdasarkan output dari GFI, AGFI dan RMR yang ditunjukkan pad Tabel 34, terlihat bahwa angka GFI dan AGFI yang besar (mendekati 1), serta angka RMR yang sangat kecil (mendekati 0). Hal ini menunjukkan bahwa “model sudah fit”, karena angka GFI yang besar menjukkan rasio F/Fk yang besar, atau F=Fk. Sedangkan angka RMR yang kecil menunjukkan kovarians sampel mendekati angka kovarians dugaan. Dengan demikian, semua angka GFI, AGFI dan RMR pada Tabel 34 tersebut menunjukkan dukungan terhadap hasil uji Chi-Square, yakni menerima Ho.