Karakteristik Umum Responden
Deskripsi data responden diperoleh berdasarkan distribusi frekuensi data tentang identitas responden. Pengunjung agrowisata PT Godongijo Asri yang menjadi responden pada penelitian ini memiliki latar belakang pendidikan, sosial dan ekonomi yang berbeda-beda. Perbedaan tersebut dapat menjadi faktor yang mendorong pengunjung untuk menggunakan jasa agrowisata di PT Godongijo Asri. Pengetahuan tentang karakteristik pengunjung dapat membantu manajemen perusahaan untuk membuat perencanaan dan mengambil keputusan yang berkaitan dengan segmentasi pasar. Penjelasan mengenai karakteristik responden pengunjung agrowisata PT Godongijo Asri antara lain dibedakan berdasarkan jenis kelamin, umur, domisili, pendidikan terakhir, pekerjaan, dan pendapatan responden.
Sebaran Responden Berdasarkan Jenis Kelamin
Berdasarkan data yang terkumpul dari 145 orang responden, dapat diketahui bahwa terdapat 93 orang berjenis kelamin perempuan. Porsi ini lebih banyak dibandingan jumlah responden berjenis kelamin laki-laki. Ilustrasi sebaran responden berdasarkan jenis kelamin dapat dilihat pada Gambar 5.
Gambar 5 Sebaran responden berdasarkan jenis kelamin
Pada Gambar 5 terlihat bahwa responden yang berjenis kelamin perempuan memiliki persentase paling yang jauh lebih besar dibandingkan responden dengan jenis kelamin laki-laki. Hal tersebut dapat berarti bahwa peran pengambil keputusan pembelian produk jasa agrowisata PT Godongijo Asri sebagian besar dimiliki oleh kalangan perempuan. Hal ini diduga erat kaitannya dengan sifat perempuan yang memiliki perhatian tinggi serta luwes dan teliti sehingga dapat memahami kebutuhan keluarga dan anak didiknya dengan baik. Oleh karena itu, karyawan dan pemadu PT Godongijo Asri sebaiknya dapat memperhatikan setiap kebutuhan peserta agrowisata dengan sungguh-sungguh.
Sebaran Responden Berdasarkan Umur
Pengunjung agrowisata PT Godongijo Asri berasal dari kalangan umur yang beragam, mulai dari anak-anak, remaja, dewasa, hingga lanjut usia. Hal tersebut dikarenakan PT Godongijo Asri merupakan objek agrowisata yang terbuka bagi siapa saja yang ingin melakukan agrowisata.
Responden yang ditetapkan pada penelitian ini yaitu responden yang berumur 17 tahun ke atas, sehingga kalangan responden yang dipilih yaitu kalangan remaja, dewasa, maupun lanjut usia. Sebaran responden berdasarkan umur dapat dilihat pada Gambar 6.
Gambar 6 Sebaran responden berdasarkan umur
Berdasarkan pada Gambar 6, dapat diketahui bahwa jumlah persentase tertinggi dari 145 responden didominasi oleh responden dengan kelompok usia kisaran antara 26 hingga 40 tahun yang berarti responden terbanyak berasal dari kalangan dewasa. Hal ini menunjukkan mayoritas responden terpilih berasal dari kalangan dewasa yang masih produktif bekerja serta memiliki pemahaman yang matang dalam mengambil keputusan pembelian, sehingga responden ini lebih memahami tempat dan kegiatan agrowisata seperti apa yang dibutuhkan oleh keluarga atau siswa-siswinya. Oleh karena itu, PT Godongijo Asri harus dapat memberikan paket agrowisata yang menarik dengan fasilitas yang lengkap agar dapat menarik pengunjung lebih banyak lagi. Sementara itu, responden kalangan lanjut usia yang berumur 40 tahun ke atas memperoleh persentase terkecil.
Sebaran Responden Berdasarkan Domisili
Pengunjung agrowisata PT Godongijo Asri berasal dari berbagai daerah di Jawa Barat dan DKI Jakarta. Agrowisata PT Godongijo Asri belum banyak dikenal, sehingga saat ini pasarnya baru mencakup wilayah Jakarta dan Jawa Barat. Hal ini dikarenakan unit bisnis agrowisata di PT Godongijo Asri yang baru berdiri selama 5 tahun lebih. Adapun ilustrasi sebaran responden berdasarkan domisili dapat dilihat pada Gambar 7.
Berdasarkan Gambar 7 di atas, dapat dilihat bahwa responden dari pengunjung PT Godongijo Asri berasal dari kota yang berbeda-beda. Dari 145 orang responden, dapat diketahui bahwa mayoritas responden berasal dari Jakarta dan persentase terbesar kedua adalah responden yang berdomisili di Depok. Hal tersebut menjelaskan bahwa terdapat kecenderungan responden lebih memilih objek agrowisata yang dekat dengan tempat tinggalnya. Pengunjung dari Jakarta memperoleh porsi terbesar karena diduga erat kaitannya dengan letak PT Godongijo Asri yang berdekatan dengan wilayah Jakarta serta lokasinya yang mudah dijangkau, sehingga sebagian besar responden yang berdomisili di daerah urban industri tersebut lebih memilih objek agrowisata yang jaraknya lebih dekat ketika mereka ingin melakukan agrowisata. Sementara itu, persentase terkecil dari sebaran responden berdasarkan domisili yaitu responden yang berasal dari Bogor dimana daerahnya sudah terkenal dengan agrowisatanya. Berdasarkan informasi tersebut, PT Godongijo Asri dapat menentukan segmentasi pasar untuk produk jasa agrowisatanya yaitu masyarakat yang tinggal di kota-kota besar, terutama di wilayah Jakarta dan Depok.
Sebaran Responden Berdasarkan Pendidikan Terakhir
Berdasarkan data dari 145 orang responden, dapat diketahui bahwa responden yang berwisata di PT Godongijo Asri memiliki latar belakang pendidikan yang berbeda-beda, mulai dari SMP hingga jenjang pascasarjana. Gambaran mengenai sebaran responden berdasarkan pendidikan terakhir dapat dilihat pada Gambar 8.
Gambar 8 Sebaran responden berdasarkan pendidikan terakhir
Berdasarkan Gambar 8, jumlah responden yang dalam hal ini dianggap sebagai pengambil keputusan pembelian produk jasa agrowisata PT Godongijo Asri didominasi oleh responden dengan latar belakang pendidikan sarjana (S1). Responden dengan kategori latar belakang pendidikan S1 ini memiliki perbedaan jumlah persentase yang cukup tinggi dibandingkan dengan kategori lainnya. Persentase paling kecil berasal dari kategori responden yang memiliki latar belakang pendidikan pascasarjana (S2). Dengan demikian, dapat disimpulkan bahwa pengambil keputusan pembelian produk jasa agrowisata PT Godongijo Asri umumnya memiliki pendidikan yang cukup tinggi sehingga dapat bersikap selektif dalam memilih objek agrowisata yang akan dikunjunginya. Hal ini dikarenakan responden tersebut memiliki pengetahuan dan wawasan yang lebih luas, sehingga PT Godongijo Asri dapat memasarkan dan mempromosikan produk jasa agrowisata melaui media sosial dengan menonjolkan keunggulan paket agrowisata yang ditawarkan oleh PT Godongijo Asri.
Sebaran Responden Berdasarkan Pekerjaan
Pengunjung agrowisata PT Godongijo Asri memiliki latar belakang pekerjaan ataupun profesi yang beragam. Ilustrasi sebaran responden berdasarkan latar belakang pekerjaan dapat dilihat pada Gambar 9.
Berdasarkan Gambar 9, diperoleh informasi bahwa dari 145 orang responden, sebagian besar berprofesi sebagai guru. Hal tersebut dikarenakan, objek agrowisata PT Godongijo Asri lebih sering dikunjungi oleh rombongan sekolah TK, SD, maupun SMP untuk kegiatan field trip, sehingga pihak yang berperan dalam mengambil keputusan pembelian jasa agrowisata PT Godongijo Asri ini adalah para guru dan kepala sekolah. Pada Gambar 9 juga dapat terlihat bahwa latar belakang pekerjaan responden dengan jumlah persentase terkecil yaitu responden dengan pekerjaan sebagai pegawai negeri. Hal ini dapat menjadi catatan bagi agrowisata PT Godongijo Asri untuk menentukan target pasar utamanya yaitu sekolah-sekolah di daerah Depok, Jakarta dan sekitarnya, sehingga perusahaan juga dapat melakukan promosi ke sekolah-sekolah.
Gambar 9 Sebaran responden berdasarkan pekerjaan Sebaran Responden Berdasarkan Pendapatan Setiap Bulan
Diketahuinya informasi mengenai latar belakang pekerjaan setiap responden, maka akan diketahui juga besarnya rata-rata pendapatan responden tiap bulannya. Adapun nilai pendapatan bagi responden yang masih berstatus sebagai pelajar dan mahasiswa dilihat dari uang saku mereka. Sebaran responden berdasarkan rata-rata pendapatan per bulan dapat dilihat pada Gambar 10.
Pada Gambar 10 dapat diketahui bahwa responden yang memiliki pendapatan kisaran satu juta rupiah hingga tiga juta rupiah per bulan dan responden yang memiliki pendapatan kisaran tiga juta rupiah hingga lima juta rupiah per bulan merupakan mayoritas responden dengan nilai persentase yang sama, yaitu sebesar 36 persen. Selain itu, terdapat 20 persen responden yang mempunyai pendapatan kurang dari satu juta rupiah. Besar persentase tersebut berasal dari responden yang masih berstatus sebagai pelajar dan mahasiswa, nilai pendapatannya pun dilihat dari uang saku mereka. Adapun persentase terkecil berasal dari responden yang memiliki pendapatan lebih dari lima juta rupiah setiap bulannya. Berdasarkan hal tersebut, secara keseluruhan dapat disimpulkan bahwa segmentasi pengunjung yang berwisata di PT Godongijo Asri adalah dari kalangan menengah, pelajar dan anak sekolah.
Analisis Structural Equation Model (SEM)
Structural Equation Model (SEM) merupakan teknik statistik multivariat yang merupakan kombinasi antara analisis faktor dan analisis regresi (korelasi), yang bertujuan untuk menguji hubungan-hubungan antar variabel yang ada pada sebuah model, baik itu antara variabel indikator dengan konstruknya maupun hubungan antar variabel konstruk. SEM mempunyai kemampuan untuk mengestimasi hubungan antar variabel yang bersifat multiple relationship. Hubungan ini dibentuk dalam model struktural (hubungan antara variabel laten dependen dan independen). SEM banyak digunakan para peneliti untuk menganalisis permasalahan-permasalahan dalam kajian ilmu sosial seperti telah memenuhi goodness of fit. Setelah mendapat model yang sudah baik, maka dianalisis hubungan-hubungan antar variabel untuk membuktikan kebenaran teori yang melandasinya.
Identifikasi Model Awal
Model SEM yang dianalisis pada penelitian ini yaitu model hybrid (full SEM model) atau model gabungan antara model pengukuran dengan model struktural. Model pengukuran memperlihatkan hubungan antara variabel indikator dengan variabel laten eksogen. Hubungan yang diperlihatkan pada model pengukuran yaitu seberapa kuat variabel indikator dalam mengukur atau merefleksikan setiap variabel laten eksogennya. Variabel laten eksogen yang ditetapkan merujuk pada teori dimensi kualitas pelayanan yang terdiri dari lima dimensi, antara lain dimensi tangibles, reliability, responsiveness, assurance, dan emphaty. Model pengukuran yang diterapkan pada penelitian ini yaitu model pengukuran non generik, karena setiap variabel indikator merupakan refleksi dari sebuah variabel laten.
Model struktural memperlihatkan hubungan antara variabel laten eksogen dengan variabel laten endogen. Variabel laten endogen yang ditetapkan pada penelitian ini yaitu variabel kepuasan dan minat berkunjung ulang (repurchase intention). Selain berperan sebagai variabel endogen, variabel kepuasan juga berperan sebagai variabel eksogen, karena pada model penelitian ini dan secara teori variabel kepuasan mempunyai hubungan yang erat terhadap variabel minat berkunjung ulang. Setiap variabel endogen memiliki variabel-variabel indikator yang merefleksikannya.
Secara keseluruhan hubungan antara model pengukuran dengan model struktural didasari oleh teori-teori ahli. Teori yang pertama yaitu variabel kepuasan dibentuk oleh lima dimensi kualitas pelayanan. Teori yang berikutnya yaitu kepuasan memiliki hubungan terhadap minat berkunjung ulang, artinya pengunjung yang merasa puas atas pelayanan yang diberikan akan berminat untuk berkunjung kembali dan menggunakan jasa agrowisata PT Godongijo Asri.
Model SEM yang telah disusun, selanjutnya diidentifikasi untuk menentukan apakah model tersebut dapat diduga. Suatu model dapat diduga apabila besarnya derajat bebas model lebih dari atau sama dengan nol. Dalam penelitian ini, hasil uji degree of freedom model sebesar 344. Derajat bebas yang bernilai positif menunjukkan model tergolong dalam kategori fit yang berarti model yang dibangun telah sesuai dan dapat diduga.
Estimasi Model
Model SEM yang telah sesuai selanjutnya dikembangkan dalam bentuk path diagram untuk mempermudah dalam melihat hubungan antar variabel pada model. Model tersebut kemudian diestimasi untuk memperoleh muatan faktor yang terdapat dalam model. Metode estimasi yang digunakan yaitu maximum likelihood. Hasil SEM yang telah diestimasi dapat dilihat pada hasil estimasi berupa standardized estimates yang terlihat pada Gambar 11.
Gambar 11 Path diagram model kepuasan dan minat berkunjung ulang pengunjung agrowisata PT Godongijo Asri, standardized estimates
Hasil estimasi pada standardized estimates digunakan untuk mengetahui keeratan hubungan antar variabel dalam model. Pada model pengukuran juga dapat diketahui besar muatan faktor (factor loading) yang menunjukkan seberapa kuat variabel indikator merefleksikan atau mengukur setiap variabel laten, baik variabel laten eksogen maupun variabel laten endogen. Gambar 11 di atas menunjukkan bahwa masih terdapat variabel indikator yang memiliki nilai muatan faktor (factor loading) atau koefisien yang kurang dari angka 0.05. Variabel indikator atau atribut yang memiliki nilai koefisien dibawah 0.5 menunjukkan bahwa atribut tersebut bukan merupakan variabel indikator yang baik dalam mengukur variabel laten konstruknya sehingga perlu dihilangkan.
Pada variabel laten eksogen kualitas pelayanan, atribut yang memiliki muatan faktor dibawah 0.5 terdapat pada atribut dimensi tangibles dan responsiveness. Atribut dimensi tangibles yang memiliki nilai factor loading dibawah 0.5 diantaranya atribut area parkir (X11) dengan muatan faktor sebesar 0.384, atribut kebersihan toilet (X12) dengan muatan faktor sebesar 0.428, atribut kerapihan karyawan (X15) dengan muatan faktor sebesar 0.491, dan atribut ketersediaan media komunikasi (X17) dengan muatan faktor paling rendah yaitu sebesar 0.318. Sementara itu, atribut dimensi responsiveness yang memiliki muatan faktor dibawah 0.5 adalah atribut kesediaan karyawan memberikan informasi (X33) dengan muatan faktor yang dimilikinya sebesar 0.443.
Pada variabel laten endogen kepuasan pengunjung, atribut yang memiliki nilai muatan faktor kurang dari 0.5 yaitu atribut kepuasan atas fasilitas agrowisata (Y11) dengan muatan faktor sebesar 0.398 serta atribut kepuasan atas keamanan dan kenyamanan (Y13) dengan besar muatan faktor 0.481. Adapun atribut pada variabel laten endogen repurchase intention (minat berkunjung ulang) yang memiliki nilai muatan faktor kurang dari 0.5 yaitu atribut ketertarikan membeli paket agrowisata yang berbeda (Y24) dengan muatan faktor sebesar 0.402. Variabel-variabel indikator ini dapat dihilangkan pada proses respesifikasi model untuk mendapatkan model yang lebih baik.
Uji Kecocokan Model
Model awal yang telah diestimasi harus diuji kecocokannya atau tingkat kebaikannya sebelum model tersebut benar-benar diterima dan diusulkan kepada pihak PT Godongijo Asri sebagai gambaran yang sebenarnya dari kepuasan dan dan minat berkunjung ulang pengunjung. Pengujian model ini merupakan sesuatu yang kompleks dan memerlukan perhatian yang besar. Suatu indeks yang menunjukkan bahwa model adalah fit tidak memberikan jaminan bahwa model memang benar-benar fit, sebaliknya suatu indeks yang menyimpulkan bahwa model sangat buruk, tidak berarti bahwa model tersebut benar-benar tidak fit. Pada metode SEM, peneliti tidak boleh hanya tergantung pada satu indeks atau beberapa indeks fit, namun sebaiknya berdasarkan pertimbangan seluruh indeks fit. Umumnya terdapat beberapa ukuran derajat kecocokan yang dapat digunakan untuk mengukur kebaikan model yang diajukan secara keseluruhan. Berikut ini adalah hasil pengujian indeks kesesuaian dan cut-off value yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak. Berdasarkan hasil pengujian dengan menggunakan program IBM SPSS AMOS 21 diperoleh goodness of fit seperti pada Tabel 8 berikut.
Tabel 8 Hasil uji goodness of fit model awal
Goodness of Fit Cut-off value Hasil Keterangan
Chi-Square Diharapkan kecil 1086.527
Probabilitas Chi-Square ≥ 0.0η 0.083 Good fit
CMIN/DF ≤ β.00 3.159 Poor fit
Root Mean Square Residual (RMR)
≤ 0.10 0.093 Good fit
Goodness of Fit Index (GFI) ≥ 0.90 0.646 Poor fit Comparative Fit Index (CFI) ≥ 0.9η 0.569 Poor fit Tucker-Lewis Index (TLI) ≥ 0.9η 0.527 Poor fit Root Mean Square Error of
Approximation (RMSEA)
≤ 0.08 0.122 Poor fit
Sumber: Data primer (diolah)
Tabel 8 menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang digunakan untuk mengukur fit-nya model. Berdasarkan hasil yang ditunjukkan pada Tabel 8 tersebut, dapat diketahui bahwa hanya terdapat dua ukuran dari tujuh kriteria goodness of fit yang dapat terpenuhi sebagai syarat utama model MLE (maximum likelihood estimate), yaitu nilai probabilitas chi- square yang fit dengan nilai 0.08γ ≥ 0.0η dan nilai RεR 0.09γ sesuai dengan yang disyaratkan yaitu kurang dari 0.1, sehingga model masuk dalam kriteria model fit. Namun pada ke lima ukuran lainnya seperti nilai CMIN/DF 3.159 yang masih lebih besar dari 2.00, nilai GFI 0.646 yang masih kurang dari 0.90, nilai CFI 0.569 dan nilai TLI 0.527 yang masih dibawah 0.95, serta nilai RMSEA 0.122 yang masih melebihi angka 0.08, menunjukkan bahwa model yang digunakan masuk dalam kriteria poor fit. Dengan demikian, dapat disimpulkan bahwa secara keseluruhan model yang digunakan belum dapat menggambarkan data empiris dengan baik. Hubungan pada model pun belum belum dapat disesuaikan dengan teori yang melandasinya. Oleh sebab itu, model awal perlu direspesifikasi agar model dapat menjadi lebih baik.
Respesifikasi Model
Model awal yang telah diestimasi belum memperlihatkan hasil pengujian kecocokan yang baik. Model tersebut dikatakan belum baik karena GOF (Goodness of Fit) model masih ada yang belum memenuhi kriteria kebaikan model. Respesifikasi model dapat dilakukan dengan beberapa cara. Respesifikasi yang dilakukan pada penelitian ini yaitu dengan menghilangkan beberapa variabel indikator. Beberapa cara tersebut dapat membuat GOF model menjadi lebih fit daripada model awal.
Pada proses respesifikasi untuk mendapatkan nilai estimasi dan nilai GOF yang baik, hal pertama yang dilakukan adalah menghilangkan beberapa variabel indikator dengan cara menghilangkannya secara bertahap satu demi satu. Variabel-variabel indikator yang dihilangkan dari model adalah variabel yang memiliki nilai muatan faktor yang kecil dan nilainya kurang dari 0.50 dan residual covariance yang terbesar. Penghilangan beberapa variabel indikator dimulai dari variabel indikator yang memiliki nilai muatan faktor paling kecil yaitu X17, kemudian diestimasi kembali. Setelah diestimasi, ternyata nilai muatan faktor variabel indikator masih ada yang kurang dari 0.5, maka dilanjutkan dengan
penghilangan variabel indikator lainnya yang memiliki nilai factor loading terkecil lagi hingga semua muatan faktor variabel indikator baik yaitu diatas nilai 0.5. Penghilangan variabel dengan factor loading yang kecil ini pun akan membuat GOF model menjadi semakin baik. Proses penghilangan variabel indikator lainnya pada penelitian ini dilakukan berturut-turut pada varibel X11, Y11, X12, Y24, X33, Y13, dan X53 karena variabel-variabel tersebut merupakan variabel indikator dengan nilai muatan faktor terkecil pada setiap tahapan proses. Setelah proses penghilangan variabel indikator X53 dan model diestimasi kembali, ternyata seluruh variabel indikator yang tersisa telah memiliki muatan faktor yang baik karena seluruh angkanya berada di atas 0.5. Pada tahap estimasi ini pun ternyata hasilnya jauh lebih meningkat namun tetap GOF nya masih kurang baik. Langkah selanjutnya yang dapat dilakukan adalah menghilangkan variabel indikator yang memiliki residual covariance terbesar. Pada tahap ini, variabel indikator yang dihilangkan adalah variabel X42. Setelah dihilangkan dan diestimasi kembali ternyata hasil GOF modelnya sudah baik.
Uji Kecocokan Setelah Respesifikasi Model
Setelah model mengalami respesifikasi, maka selanjutnya model tersebut diuji kembali kecocokannya. Proses pengujian ini dilakukan sama seperti pengujian model awal yaitu dengan mencocokkan kriteria goodness of fit statistics yang ditetapkan dengan hasil estimasi model setelah direspesifikasi. Uji kecocokan pada model yang telah direspesifikasi dapat dilihat pada Tabel 9.
Pada Tabel 9 tersebut dapat terlihat bahwa setelah mengalami respesifikasi model, ukuran kecocokan model mengalami perbaikan diantaranya nilai chi- square dan RMR yang lebih kecil dari sebelumnya, nilai probabilitas chi-square yang meningkat, nilai CMIN/DF dan RMSEA yang semakin kecil, serta nilai GFI, CFI, dan TLI yang semakin besar. Hasil uji goodness of fit model yang direspesifikasi untuk kriteria CMIN/DF dan RMSEA mengalami perbaikan dari yang semula tergolong ke dalam poor fit model, ternyata kriterianya berubah menjadi good fit model. Sementara itu, kriteria GFI, CFI, dan TLI yang juga termasuk dalam kriteria poor fit model pada model awal, kini mengalami perbaikan menjadi marginal fit model. Dengan demikian, ukuran kriteria kecocokan model secara keseluruhan sudah terlihat cukup baik pada model yang telah direspesifikasi tersebut.
Tabel 9 Hasil uji goodness of fit model yang telah direspesifikasi
Goodness of Fit Cut-off value Hasil Keterangan
Chi-Square Diharapkan kecil 511.098
Probabilitas Chi-Square ≥ 0.0η 0.134 Good fit
CMIN/DF ≤ β.00 1.792 Good fit
Root Mean Square Residual (RMR)
≤ 0.10 0.026 Good fit
Goodness of Fit Index (GFI) ≥ 0.90 0.855 Marjinal fit
Comparative Fit Index (CFI) ≥ 0.9η 0.903 Marjinal fit
Tucker-Lewis Index (TLI) ≥ 0.9η 0.877 Marjinal fit
Root Mean Square Error of
Approximation (RMSEA)
≤ 0.08 0.074 Good fit
Pada pengujian model yang mengalami respesifikasi, nilai chi-square turun sebesar 575.429 dari nilai semula sebesar 1086.527 menjadi 511.098 yang berarti model jauh lebih baik. Ada pula ukuran CMIN/DF yang merupakan rasio atau hasil pembagian nilai chi-square dengan derajat bebasnya. Nilai CMIN/DF dianjurkan di bawah angka 2. Semakin besar jumlah sampel, rasio ini semakin tidak valid untuk menentukan fit tidaknya sebuah model. Pada tahap uji respesifikasi model, nilai kriteria CMIN/DF semakin baik ditandai dengan penurunan nilai yang semula berada di atas angka 2 yaitu 3.159, setelah diuji kembali nilainya menjadi 1.792 sehingga masuk dalam kriteria good fit model.
Pada pengujian model respesifikasi, angka RMR turun sebesar 0.067 dari nilai awal 0.093 menjadi 0.026 disertai dengan angka GFI yang semakin besar dari angka semula sebesar 0.646 menjadi 0.855 yang berarti model semakin fit karena nilai RMR yang semakin mendekati angka 0 dan nilai GFI yang semakin mendekati angka 1. Kriteria goodness of fit lainnya yang digunakan adalah RMSEA. Nilai hasil uji RMSEA adalah nilai yang digunakan untuk mengukur penyimpangan nilai parameter pada suatu model. Pada uji kecocokan model yang telah direspesifikasi, nilai RMSEA semakin baik yang ditandai dengan adanya penurunan nilai sebesar 0.048 yaitu dari yang awalnya 0.122 menjadi 0.074. Semakin kecilnya nilai RMSEA menunjukkan semakin sedikitnya penyimpangan yang terjadi pada nilai parameter suatu model. Pengujian chi-square, perbandingan CMIN/DF, RMR dan GFI dan RMSEA ini digolongkan sebagai pengukuran absolute fit indices karena ukuran-ukurannya langsung
