V. HASIL DAN PEMBAHASAN 5.1 Karakteristik Responden
5.2 Analisis Kecocokan Model (Goodness of Fit Analysis)
Model pengukuran merupakan bagian dari model SEM yang terdiri dari variabel laten dan beberapa indikator. Tujuan dari analisis kecocokan model adalah untuk mengetahui seberapa tepat indikator-indikator tersebut dapat menjelaskan variabel laten yang ada. Alat uji model yang biasa digunakan dalam SEM adalah sebagai berikut :
41
1. Absolute Fit Indices
Pengujian dengan alat ini akan membandingkan secara langsung matriks kovarian sampel dengan matriks kovarian estimasi. Absolute fit indices terdiri atas beberapa pengujian antara lainChi-Square (χ2), Goodness of Fit Index (GFI), Adjusted Goodness of Fit Index (AGFI) dan Root Mean Residual (RMR).
a. Chi Square (χ2)
Pengujian Chi-Square (χ2) digunakan untuk mengetahui apakah ada perbedaan yang signifikan antara matriks kovarian sampel dengan matriks kovarian estimasi.
Hasil perhitungan AMOS menunjukkan nilai χ2 hitung sebesar 2317,784, nilaiχ2 tabel sebesar 798,1381 serta nilai probabilitas (p) sebesar 0. Dari hasil tersebut dapat dilihat bahwa nilai χ2 hitung lebih besar daripada χ2 tabel serta nilai p lebih kecil dari 0,05, dengan demikian dapat dikatakan bahwa H0 ditolak, berarti matriks kovarian sampel berdeda secara signifikan dengan matriks kovarian estimasi. Hal ini menunjukkan model tidak bagus (poor fit).
Nilai χ2 sangat sensitif terhadap ukuran sampel, semakin besar ukuran sampel yang digunakan maka nilai χ2akan semakin besar (Jöreskog & Sörbom, 1993 dalam Byrne, 2010). Oleh karena itu, pengujian untuk menilai model pengukuran hanya dengan melihat Chi-Square dalam SEM sangat jarang dilakukan dan diperlukan alat uji yang lain.
b. Goodness of Fit Index (GFI) dan Adjusted Goodness of Fit Index (AGFI)
GFI dan AGFI merupakan alat uji yang menunjukkan yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matriks kovarian sampel. Berdasarkan output AMOS dalam penelitian ini diperoleh nilai GFI (0,646) dan AGFI (0,604) yang menunjukkan bahwa model pengukuran yang diuji dapat dikatakan marginal fit. Hal
ini berarti model penelitian ini mempunyai tingkat kecocokan yang sedang.
c. Root Mean Residual (RMR)
Nilai RMR yang diperoleh dalam penelitian ini menunjukkan nilai yang cukup kecil (0,152) dengan demikian dapat dikatakan bahwa model penelitian ini mempunyai tingkat kecocokan yang baik (good fit).
2. Incremental Fit Indices
Alat uji pada kelompok ini dilakukan dengan cara membandingkan model tertentu (default model) dengan null model (independence model). Kelompok alat uji ini terdiri atas Normed Fit Index (NFI), Relative Fit Index (RFI), Comparatif Fit Index (CFI), Incremental Fit Index (IFI), dan Tucker Lewis Index (TLI). Adapun dalam penelitian ini yang dipakai adalah NFI dan CFI.
a. Normed Fit Indices (NFI)
Kelompok alat uji ini tetap menggunakan nilai χ2, dimana dalam nantinya nilai χ2 default model akan dibandingkan secaa relatif dengan nilai χ2. Nilai NFI yang diperoleh dalam penelitian ini sebesar 0,571.Hal ini menunjukkan bahwa model yang disusun dalam penelitian ini mempunyai tingkat kecocokan sedang (marginal fit).
b. Comparative Fit Indices (CFI)
Alat uji ini pada dasarnya membandingkan nilai NCP pada berbagai model.Nilai CFI berkisar antara 0 sampai dengan 1.Hasil output AMOS pada penelitian ini menunjukkan nilai sebesar 0,544.Dari hasil tersebut dapat dikatakan bahwa model dalam penelitian ini mempunyai tingkat kecocokan sedang (marginal fit).
3. Parsimony Fit Indices
Kelompok alat uji ini membandingkan model yang kompleks dengan model yang sederhana.Adapun pengujian yang termasuk ke dalam
43
keompok ini adalah Parsimony Ratio (PRATIO), PNFI dan PCFI.Nilai dari masing-masing penguian berkisar antara 0 sampai dengan 1.Pada penelitian ini nilai PRATIO sebesar 0.94, PNFI sebesar 0,537 dan PCFI sebesar 0,618.Dari hasil tersebut terlihat bahwa model mempunyai tingkat kecocokan yang sedang (marginal fit).
Selain ketiga kelompok alat uji di atas AMOS juga dilengkapi dengan alat uji model yaitu Root Mean Square Error of Approximation (RMSEA), Aikake Information Criterion (AIC), Expected Cross-Validation Index (ECVI) dan HOETLER. Pada penelitian ini alat uji tambahan yang dipakai adalah RMSEA, AIC dan ECVI.
1. Root Mean Square Error of Approximation (RMSEA)
RMSEA menunjukkan tingkat kecocokan yang diharapkan terjadi dalam populasi dengan kriteria tingkat kecocokan sebagai berikut 0,08 ≤ RMSEA ≤ 0,1 berarti model mempunyai tingkat kecocokan marginal fit; RMSEA ≥ 0,1 berarti poor fit (Mac Callum, 1996 dalam Byrne 2010). Nilai RMSEA sebesar 0,097.Dari nilai tersebut terlihat bahwa model dapat dikatakan mempunyai tingkat kecocokan sedang (marginal fit).
2. Aikake Information Criterion (AIC)
AIC digunakan untuk membandingkan model yang diuji dengan model saturated dan model independence. Suatu model dikatakan mempunyai tingkat kecocokan yang baik apabila nilai AIC nya lebih kecil dari nilai AIC model saturated dan model independence. Dalam penelitian ini diperoleh nilai AIC sebesar 2491,084. Apabila dibandikan dengan nilai AIC model saturated dan model independence, maka model yang diuji mempunyai tingkat kecocokan sedang (marginal fit).
3. Expected Cross-Validation Index (ECVI)
Alat uji ini digunakan untuk membandingkan beberapa model. Nilai ECVI dari model yang mendekati nilai ECVI model saturated menunjukkan tingkat kecocokan yang baik (good fit). Nilai ECVI pada penelitian ini adalah sebesar 10,878. Nilai ini lebih besardari pada nilai
ECVI model saturated (7,162) akan tetapi masih jauh lebih kecil dari pada nilai ECVI model indepedence (23,960). Dengan demikian dapat dikatakan bahwa model yang diuji dalam penelitian ini mempunyai tingkat kecocokan sedang (marginal fit).
Hasil penelitian tersebut di atas secara ringkas dapat dilihat pada Tabel 5 berikut.Berdasar hasil analisis SEM dengan AMOSdapat dilihat bahwa secara umum model yang diajukan dalam penelitian ini mempunyai tingkat kecocokan yang sedang (marginal fit) sehingga model dapat dianalisis lebih lanjut (Tabel 4). Adapun analisis yang dilakukan selanjutnya adalah analisis hubungan antara variabel indikator dengan variabel laten dan analisis hubungan antar variabel.
Tabel 4. Parameter dan hasil uji kecocokan keseluruhan model analisis SEM Goodness of fit index Persyaratan Hasil Estimasi Keterangan
χ2 (Chi Square) Nilai yang kecil χ2*M = 2317,784 I = 5406,786
Marginal fit Tingkat kepercayaan
(P)
p≥ 0,05 p = 0,000 Good fit
GFI ≥ 0,90 GFI = 0,646 Marginal fit
AGFI ≥ 2 AGFI = 0,604 Marginal fit
RMR ≤ 0,05 RMR = 0,152 Good fit
NFI ≥ 0,95 NFI = 0,571 Marginal fit
CFI ≥ 0,95 CFI = 0,658 Marginal fit
PRATIO ≥ 0,95 PRATIO = 0,941 Close fit
PNFI ≥ 0,95 PNFI = 0,538 Marginal fit
PCFI ≥ 0,95 PCFI = 0,619 Marginal fit
RMSEA p (close fit) RMSEA ≤ 0,05 p≥ 0,05 RMSEA = 0,097 P = 0,000 Marginal fit
ECVI nilai yang kecil,
mendekati ECVI saturated M* = 10,872 S* = 7,162 I* = 23,960 Marginal fit
AIC nilai yang kecil,
mendekati AIC saturated M* = 2489,784 S* = 1640,0 I* = 5486,786 Marginal fit
Keterangan :*M = Model, S = Saturated, I = Independence