METODOLOGI PENELITIAN
3.4. Teknik Analisis dan Uji Hipotesis
3.4.5. Evaluasi Model
Hair et.al 1998 menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan kata, 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 “poof fit”. Jadi. “good fit” model yang diuji sangat penting dalam penggunaan Structural Equation Modeling. Pengujian terhadap model dikembangkan dengan berbagai criteria Goodness of fit , yakni Chi-Square, Probability, RMSEA, GFI, TLI, CFI, AGFI, CMIN/DF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan Two-Step Approach to SEM.
Berikut ini disajikan beberapa indeks kesesuaian dan cut off, valuenya untuk digunakan dalam menguji apakah model dapat diterima dan ditolak.
Tabel 3.1
Goodness of Fit Indices GOODNESS
OF FIT INDEK
KETERANGAN CUT-OFF VALUE
X2-Chi-Square Menguji apakah covariance populasi yang diestimasi sama dengan covariance sample [apakah model sesuai dengan data]
Diharapkan kecil, 1 s/d 5 atau paling baik diantara 1 dan 2
Probability Uji signifikan terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi
Minimum 0.1 atau 0.2 ≥ 0.05
RMSEA Mengkompensasi kelemahan Chi-Square
pada sample besar
≤ 0.08 GFI Menghitung proporsi tertimbang varians
dalam matriks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi [analog dengan R2 dalam regresi terhadap berganda].
≥ 0.90
AGI I GFI yang disesuaikan terhadap DF ≥ 0.90
CMIN/DF Kesesuaian antara data dan model ≤ 2.00
TLI Pembanding antara model yang diuji
terhadap baseline model
≥ 0.95
CFI Uji Kelayakan model yang tidak
sensitive terhadap besarnya sample dan kerumitan model.
≥ 0.94 Sumber : Hair et.Al., [1998]
1. Chi-Square (X2)
Alat uji paling fundamental untuk mengukur overall fit adalah LikelihoodChi-Square Statistic. Chi Square bersifat sangat sensitive terhadap besarnya sample yang digunakan yaitu sample yang terlalu
kecil (<50) maupun terhadap sampel yang terlalu besar (>50). Penggunaan Chi-Square hanya sesuai bila ukuran sampel antara 100 – 200 sampel. Bila diluar rentan itu, uji signifikan akan menjadi kurang realibel. Oleh karena itu perlu dilengkapi dengan alat yang lain X2 yang kecil dan tidak signifikan yang diharapkan agar hipotesis nol sulit ditolak.
2. RMSEA The Root Mean Square Error of Approaximation
RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi Chi-Square Statistic dalam sampel yang besar. Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat diterima model yang menunjukkan close fit dari model itu berdasarkan degrees of freedom.
3. GFI – Goodness of Fir Index
GFI adalah analog dari R2 dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam bentuk matrik kovarian populasi yang terestimasikan, GFI adalah sebuah ukuran nol-statistikal yang mempunyai rentan nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah 'better fit'.
4. AGFI-Asdjustyed Goodness of Fit Index
AGFI = GFI/DF tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0, 90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi
tertimbang dari varians dalam sebuah matrix kovarians sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik (Good Overal Model Fit) sedangkan besaran nilai antara 0,90 – 095 menunjukkan tingkatan cukup (Adequate Fit).
Indeks ini diperoleh dengan rumus sebagai berikut :
AGFI = 1 – (1 GFI) D df
Dimana :
Db = P = jumlah - sampel – moments d = degrees of freedom
AGFI yang diharapkan adalah sebesar ≥ 0.90 5. CMIN/DF
CMIN/DF sebagai salah satu indicator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah Stasti Chi-Square, X2 dibagi DF-nya sehingga disebut juga X2 relative. Nilai X2 relative kurang dari 2,0 atau bahkan kadang kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X2 relative yang tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasi dan yang diestimasi X2 relative diharap adalah sebesar ≤ 2.0.
6. TLI – Tucker Lewis Index
TLI adalah sebuah alternatif incremental fit indeks yang membanding sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk
diterimanya sebuah model adalah penerimaan ≥ 0,95 dan nilai yang sangat mendekati 1 menunjukkan A Very Good Fit.
Indeks ini diperoleh dengan rumus :
Dimana :
C = Diskrepansi (ketidaksesuaian) dari model yang dievaluasi d = Degrees of freedom baselinemodel yang dievaluasi Cb = Diskrepansi dari baseline model yang dijadikan
pembanding
Db = Degrees of freedom dari baseline model yang dijadikan
pembanding
TLI yang diharapkan adalah sebesar ≥ 0.95 . 7. CFI – Comparative Fit Index
Besaran indeks ini adalah pada rentan nilai sebesr 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi (A Very Goods Fit). Nilai yang direkomendasikan adalah CFI < 0.95 keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Indeks CFI adalah tidak identik dengan Relative Noncentrality Indeks (RNI).
Indeks ini adalah indeks dengan relative noncentrality indeks (RNI) yang diperoleh dengan rumus :
CFI = RNI = db Cb d C 1
CFI yang diharapkan adalah sebesar ≥ 0.95.
Berikut ini disajikan beberapa indeks kesesuaian dan cut - off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.
1. GFI (goodness of fit indeks)
Indeks kesesuaian (fit indeks) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan (Bentler, 1983 ; Tanaka dan Huba, 1989).
2. CMIN / DF
The minimum sample discrepancy function (CMIN) di bagi dengan degree of freedomnya akan menghasilkan indeks CMIN / DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model dalam hal ini (MIN / DF tidak lain adalah statistic chi-square, 2
dibagi DFnya sehingga 2
relatif. Nilai 2
relatif kurang dari 20 atau bahkan kadang kurang dari 3,0 adalah indikasi dari acceptatable fit antara model dan data (Arbuckle, 1997).
3. CIF (Comparative Fit Indeks)
Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling
adalah CFI ≥ 0,95. Keunggulan dari indeks ini adalah bahwa indeks ini besarannya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model (Hulland et.al., 1996 ; Tanaka, 1993).