BAB IV
METODE PENELITIAN
4.1 Rancangan Penelitian
Rancangan Penelitian Peningkatan Angka Morbiditas dengan menggunakan pendekatan kuantitatif, skemanya dapat dilihat pada Gambar 4.1
Gambar 4.1
Rancangan Penelitian Peningkatan Angka Morbiditas di Provinsi Bali Angka Morbiditas
Penduduk di Bali Meningkat
Angka Morbiditas Dipengaruhi oleh: - Lingkungan - Pendidikan - Ekonomi Formulasi dan desain data Data Sekunder
- Proporsi Rumah Tangga dengan Sanitasi Layak, Rasio Elektrifikasi
- Angka Melek Huruf, Rata-Rata lama Sekolah
- Produk Domestik Regional Bruto(PDRB), Upah Minimum Kabupaten(UMK)
- Angka Morbiditas - Tingkat Kemiskinan Rekapitulasi data Analisis Data Pembahasan dan Simpulan
Berdasarkan skema Rancangan Penelitian Peningkatan Angka Morbiditas di Provinsi Bali pada Gambar 4.1 dapat dijelaskan bahwa kondisi angka morbiditas di Provinsi Bali dari tahun ke tahun mengalami peningkatana yang cukup signifikan. Berdasarkan beberapa teori terdahulu dan penelitian relevan terdapat beberapa factor yang mempengaruhi angka morbiditas. Dalam penelitian ini penulis mempergunakan indikator lingkungan, pendidikan, ekonomi dan tingkat kemiskinan sebagai intervening. Peneliti menyusun formulasi terhadap faktor faktor yang mempengaruhi tingginya angka morbiditas dengan mengumpulkan data data sekunder dari faktor lingkungan dengan mempergunakan data proporsi rumah tangga dengan sanitasi layak dan rasio elektrifikasi, faktor pendidikan dengan data sekuder tentang rata-rata lama sekolah dan angka melek huruf, faktor ekonomi dengan data tentang PDRB dan Upah Minimum Kabupaten dan data tingkat kemiskinan se Kabupaten/kota se Bali. Data sekunder dimulai dari tahun 2002 sampai tahun 2013 dari kabupaten/kota se Bali yang diperoleh dari berbagai sumber yang selanjutnya semua data tersebut direkapitulasi dan dianalisis mempergunakan methode analisis persamaan struktural/ struktural equation modeling (SEM) hingga diperoleh pembahasan terhadap permasalahan tentang faktor penyebab tingginya angka morbiditas dan dapat diperoleh kesimpulan dan saran guna mengatasi masalah morbiditas di Provinsi Bali.
4.2 Lokasi, Ruang Lingkup dan Waktu Penelitian 4.2.1 Lokasi Penelitian
Penelitian dilakukan di sembilan kabupaten/ kota di Provinsi Bali yakni di Kabupaten Buleleng, Kabupaten Jembrana, Kabupaten Tabanan, Kabupaten Badung, Kota Denpasar, Kabupaten Gianyar, Kabupaten Bangli, Kabupaten Klungkung dan Kabupaten Karangasem. Penelitian ini dilakukan di sembilan kabupaten/kota karena berdasarkan permasalahan peningkatan angka morbiditas di Provinsi Bali, terdapat di seluruh kabupaten/kota, dan ini memberikan kontribusi yang cukup signifikan terhadap peningkatan angka morbiditas di Provinsi Bali.
4.2.2 Ruang Lingkup Penelitian
Adapun ruang lingkup terhadap penelitian ini terbatas pada peningkatan angka morbiditas di Provinsi Bali mulai Tahun 2002 – 2013 dengan menganalisis variabel variabel antara lain tingkat kemiskinan, lingkungan, pendidikan, dan ekonomi se kabupaten / kota di Provinsi Bali
4.2.3 Waktu Penelitian
Penelitian ini dilaksanakan dengan model data sekunder yang dilakukan pada tahun 2015 dengan mengumpulkan data sekunder terkait mulai tahun 2002 sampai dengan 2013.
4.3 Identifikasi Variabel
Variabel yang digunakan dalam penelitian ini dapat dibedakan menjadi dua kategori utama yakni, variabel bebas, variable antara (intervening), dan variabel terikat.
1) Variabel Bebas (Variabel Independen)
Merupakan variabel-variabel yang mempengaruhi Angka Morbiditas melalui tingkat kemiskinan. Penelitian menggunakan tiga variabel bebas yaitu variabel lingkungan (X1), pendidikan (X2), dan ekonomi (X3)
1) Variabel Anatara (Variabel Intervening)
Merupakan variabel sebagai perantara variable bebas dengan variabel terikat, pada penelitian ini yang merupakan variabel intervening adalah tingkat kemiskinan (Y1)
3) Variabel Terikat (Variabel Dependen)
Variabel terikat dalam penelitian ini adalah variabel angka morbiditas (Y2).
4.4 Definisi Operasional Variabel
Definisi operasional variabel dalam penelitian ini adalah sebagai berikut . 1) Tingkat kemiskinan (Y1)
Tingkat Kemiskinan adalah persentase jumlah penduduk yang hidup dibawah standar hidup yang minimal atau dapat juga diartikan mengenai persentase jumlah penduduk yang hidup dalam keadaan melarat dan ketidakberuntungan serta tidak memenuhi 14 kriteria untuk hidup yang layak.
2) Lingkungan (X1 )
Lingkungan hidup merupakan kesatuan ruang dengan semua benda, daya, keadaan, dan makhluk hidup, termasuk manusia dan perilakunya yang mempengaruhi kelangsungan perikehidupan dan kesejahteraan manusia serta
makhluk hidup lainnya. Adapun variabel lingkungan mempergunakan variabel manifest antara lain.
a) Proporsi penduduk atau rumah tangga dengan akses terhadap fasilitas sanitasi yang layak adalah perbandingan antara rumah tangga yang memiliki akses terhadap fasilitas sanitasi yang layak dengan rumah tangga seluruhnya, dalam persen.
b) Rasio Elektrifikasi adalah persentase antara rumah tangga yang memiliki listrik dengan rumah tangga seluruhnya.
3) Pendidikan (X2)
Pendidikan juga dikatakan sebagai suatu aktivitas dan usaha manusia untuk meningkatkan kepribadiannya dengan jalan membina potensi –potensi pribadinya, yaitu rohani (pikir, karsa, rasa, cipta dan budi nurani). Pendididkan juga berarti lembaga yang bertanggungjawab menetapkan cita – cita (tujuan) pendidikan, isi, sistem dan organisasi pendidikan . Lembaga – lembaga ini meliputi keluarga, sekolah dan masyarakat (Fuad, 2005). Adapun variabel pendidikan mempergunakan variable manifest antara lain.
a) Angka Rata Rata Lama Sekolah
Angka rata-rata lama sekolah adalah angka yang menggambarkan rata-rata jumlah waktu yang dihabiskan oleh penduduk yang berusia 15 tahun ke atas untuk menempuh semua jenis pendidikan formal yang pernah dijalani dan angka ini dihitung dengan tahun.
b) Angka Melek Huruf
Angka Melek Huruf (AMH) adalah jumlah penduduk usia 15 tahun ke atas yang dapat membaca dan menulis dibagi dengan jumlah penduduk usia 15 tahun ke atas. Dengan batas maksimum, adalah 100 sedangkan batas minimum 0 (standar UNDP). Angka melek huruf menggambarkan kondisi 100 persen atau semua masyarakat mampu membaca dan menulis, dan nilai nol mencerminkan kondisi sebaliknya.
4) Ekonomi (X3)
Manusia sering disebut sebagai mahluk ekonomi (homo economicus) dengan ciri memiliki kecenderungan untuk tidak pernah merasa puas terhadap sesuatu yang telah diperolehnya, dimiliki dan senantiasa berusaha terus untuk memenuhi kebutuhan hidupnya dan selalu mempertimbangkan perngorbanan serta manfaat dari tindakan yang dilakukan. Adapun variabel ekonomi mempergunakan variable manifest antara lain.
(1) Upah Minimum Kabupaten
Berdasarkan Keputusan Menteri Tenaga Kerja dan Transmigrasi Nomor 226 Tahun 2000 tentang Upah minimum, dijelaskan bahwa Provinsi dan Kabupaten dapat menetapkan upah minimum di wilayahnya dengan Surat Keputusan Gubernur atau Surat Keputusan Bupati berdasarkan masukan dari Dewan Perwakilan Rakyat dan Dewan Pengupahan yang telaah melalui proses penetapan Upah Minimum dengan memperhatikan kebutuhan hidup layak. Upah Minimim Kabupaten adalah tingkatan upah terndah yang ditetapkan oleh kabupaten yang
harus dibayarkan suatu perusahaan kepada tenaga kerja yang terdiri dari upah pokok dan tunjangan.
(2) Produk Domestik Regional Bruto (PDRB)
Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu daerah dalam suatu periode tertentu, baik atas dasar harga berlaku maupun atas dasar harga konstan. PDRB pada dasarnya merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu daerah tertentu, atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi pada suatu daerah.
PDRB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa yang dihitung menggunakan harga pada tahun berjalan, sedang PDRB atas dasar harga konstan menunjukkan nilai tambah barang dan jasa tersebut yang dihitung menggunakan harga yang berlaku pada satu tahun tertentu sebagai tahun dasar. PDRB menurut harga berlaku digunakan untuk mengetahui kemampuan sumber daya ekonomi, pergeseran, dan struktur ekonomi suatu daerah. PDRB konstan digunakan untuk mengetahui pertumbuhan ekonomi secara riil dari tahun ke tahun atau pertumbuhan ekonomi yang tidak dipengaruhi oleh faktor harga. PDRB juga dapat digunakan untuk mengetahui perubahan harga dengan menghitung deflator PDRB (perubahan indeks implisit). Indeks harga implisit merupakan rasio antara PDRB menurut harga berlaku dan PDRB menurut harga konstan.
5) Angka morbiditas (Y2)
Angka morbiditas adalah jumlah penderita/ jumlah penduduk yang mengeluh sakit yang dicatat selama 1 (satu) tahun per 1000 jumlah penduduk pertengahan tahun.
4.5 Jenis dan Sumber Data 4.5.1 Jenis data
Pada penelitian ini penulis mempergunakan data sekunder yaitu data yang dikumpulkan oleh peneliti dalam suatu proses penelitian yang dapatkan oleh peneliti berupa bukti, catatan atau laporan historis yang telah tersusun dalam arsip (data dokumenter) yang dipublikasikan dan yang tidak dipublikasikan. 4.5.2 Sumber Data.
Dalam penelitian ini sumber data sekunder. Sumber data sekunder merupakan sumber data yang tidak memberikan informasi secara langsung kepada pengumpul dan data data yang terlebih dahulu dikumpulkan dan dilaporkan oleh orang diluar diri peneliti . Menurut Sugiyono (2012), sumber data sekunder ini dapat berupa hasil pengolahan lebih lanjut dari data primer yang disajikan dalam bentuk lain atau dari orang lain. Data digunakan untuk mendukung infomasi dari data primer yang diperoleh baik dari wawancara, maupun dari observasi langsung ke lapangan yang dipakai oleh penulis berasal dari instansi pemerintah maupun swasta, serta dari laporan-laporan tim yang terkait dengan judul penelitian. Dalam penyusunan ini dilakukan serangkaian pencatatan guna mendapatkan data yang diperlukan. Adapun sumber data tersebut antara lain.
1) Basis Data Terpadu (BDT) Tim Nasional Percepatan Penanggulangan Kemiskinan Nasional ( TNP2K), Sekretariat Wakil Presiden Republik Indonesia.
2) Badan Pusat Statistik (Pusat, Provinsi dan kabupaten/kota ) 3) Data Sensus Demografi Kesehatan Indonesia
4) Laporan Pencapaian MDG’s Nasional
5) Laporan Hasil Pencapaian Indeks Kesejahteraan Rakyat, Kementerian Koordinator Kesejahteraan Rakyat Republik Indonesia
6) Data Tim Koordinasi Penanggulangan Kemiskinan Daerah Provinsi Bali dan Tim Koordinasi Penanggulangan Kemiskinan Daerah kabupaten/kota se Bali
4.6 Populasi , Sampel dan Metode Penentuan Sampel 4.6.1 Populasi
Populasi adalah wilayah generalisasi yang terdiri atas subyek/obyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2004). Populasi dalam penelitian ini adalah seluruh penduduk di kabupaten/kota se-Provinsi Bali yang terdata dalam survey, sensus maupun Program Pendataan Perlindungan Sosial (PPLS) 2011 dan yang terdata dalam sensus yang dilaksanakan oleh Badan Pusat Statistik (BPS).
4.7 Metode Pengumpulan Data
Adapun metode pengumpulan data dalam penelitian ini yaitu Studi Kepustakaan atau Studi Dokumen (library research). Studi kepustakaan atau studi
dokumen (library research) merupakan methode pengumpulan data sekunder yaitu data yang diperoleh dari sumber kedua, yang dapat berupa dokumentasi dari lembaga lembaga, data dan laporan yang diperoleh dari lembaga, pengutipan dan pengkajian teori, data dan informasi dari berbagai buku, dokumen, internet, dan media cetak.
4.8 Teknik Analisis Data
Teknik analisis data yang dilakukan dalam penelitian ini adalah analisis persamaan struktural/ struktural equation modeling (SEM).
4.8.1 Analisis Persamaan Struktural (Struktural Equation Modeling)
Penelitian ini menggunakan model statistik analisis persamaan struktural (struktural equation modeling).Analisis persamaan struktural (struktural equation
modeling) merupakan suatu analisis yang merupakan penggabungan dari beberapa
pendekatan antara lain , analisis faktor (factor analysis), model struktural (structural model), dan analisis jalur. Analisis persamaan struktural (struktural
equation modeling) dapat dilakukan kegiatan serentak dalam bentuk kegiatan
antara lain pengecekan validitas dan reliabilitas, pengujian model hubungan antar variable dan kegiatan untuk mendapatkan model yang cocok untuk prediksi. Hubungan yang kompleks dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Mungkin juga terdapat suatu variabel yang berperan ganda yaitu sebagai variabel independen pada suatu hubungan, namun menjadi variabel dependen pada hubungan lain mengingat adanya hubungan kausalitas yang berjenjang.
Model Persamaan Struktural/Struktural Equation Model sering juga disebut sebagai causal modeling, causal analysis, simultaneous equation
modeling atau analisis struktur kovarians. Structural Equation Modeling (SEM ) juga disebut sebagai Path Analysis atau Confirmatory Factor dalam
penelitian-penelitian sosia. Adapun tahapan tahapan proses Structural Equation
Modeling (SEM), menurut Hair et al (1995) dalam Hartono (2006), ada 7 (tujuh)
langkah yang harus dilakukan apabila menggunakan Structural Equation
Modeling (SEM) yaitu.
1) Pengembangan model teoritis
Dalam langkah pengembangan model teoritis, pertama kali harus melakukan serangkaian telaah pustaka guna mendapatkan justifikasi atas model teoritis yang akan dikembangkan. Structural Equation Modeling (SEM) digunakan bukan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasi model teoritis tersebut melalui data empirik.
2) Pengembangan diagram alur
Pada tahapan kedua, model teoritis yang pada tahap pertama selanjutnya digambarkan dalam sebuah diagram alur, untuk mempermudah melihat hubungan kausalitas dari variabel dan indikator yang ingin diuji. Dalam diagram alur, hubungan antar variabel akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu variabel lainnya. Garis-garis lengkung antar variabel dengan anak panah pada setiap ujungnya menunjukkan korelasi antara variabel. Adapun Diagram Jalur Penelitian dapat dilihat pada Gambar 4.2
Gambar 4.2
Diagram Jalur Variabel Penelitian Peningkatan Angka Morbiditas di Provinsi Bali
Variabel yang dibangun dalam diagram alur dapat dibedakan dalam dua kelompok, yaitu .
1) Variabel eksogen (exogenous constructs), variabel ini sering juga disebut sebagai source variables atau independent variables yang akan diprediksi oleh e 2 Lingkungan (X1) Rasio Elektrifikasi (X1.2) Sanitasi Layak (X1.1)
Rata rata Lama Sekolah (X2.2) (X Ekonomi (X3) UMK (X3.2) Tingkat Kemiskinan (Y1) ( X ) Angka Morbiditas (Y2) (Y) e₁ Pendidikan (X2) Angka Melek Huruf (X2.1) PDRB (X3.1) z₃ z₂
variabel yang lain dalam model. Variabel eksogen adalah variabel yang dituju oleh garis dengan satu ujung panah.
2) Variabel endogen (endogen constructs), yang merupakan faktor-faktor yang diprediksi oleh satu atau beberapa variabel. Variabel endogen dapat memprediksi satu atau beberapa variabel endogen lainnya, tetapi variabel eksogen hanya dapat berhubungan kausal dengan variabel endogen.
3) Konversi diagram alur ke dalam persamaan
Persamaan yang didapat dari diagram alur yang dikonversi terdiri dari : (1) Persamaan struktural (structural equation) yang dirumuskan untuk
menyatakan hubungan kausalitas antar berbagai variabel.
Variabel endogen = variabel eksogen + variabel endogen + error
(2) Persamaan spesifikasi model pengukuran (measurement model), dimana harus ditentukan variabel yang mengukur variabel dan menentukan serangkaian matriks yang menunjukkan korelasi antar variabel atau variabel.
(3) Memilih matriks input dan estimasi model
Structural Equation Modeling (SEM) menggunakan input data yang hanya
menggunakan matriks varians/kovarians atau matriks korelasi untuk keseluruhan estimasi yang dilakukan. Matriks kovarian digunakan karena
Structural Equation Modeling (SEM) memiliki keunggulan dalam
menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda, yang tidak dapat disajikan oleh korelasi.
(5) Kemungkinan munculnya masalah identifikasi
Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih banyak variabel.
6) Evaluasi kriteria goodness of fit
Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah terhadap berbagai kriteria goodness of fit. Terdapat beberapa indeks kesesuaian dan cut off value untuk menguji apakah sebuah model dapat diterima atau ditolak .
7) Interpretasi dan modifikasi model
Tahap terakhir ini adalah menginterpretasikan model dan memodifikasi model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Tujuan modifikasi adalah untuk melihat apakah modifikasi yang dilakukan dapat menurunkan nilai chi-square seperti semakin kecilnya angka
chi-square menunjukkan semakin fit model tersebut dengan data yang ada.
Pada penelitian ini, peneliti menggunakan AMOS 16 sebagai alat analisisnya. Sebagai sebuah model persamaan struktur, AMOS telah sering digunakan dalam pemasaran dan penelitian manajemen strategik. Model kausal AMOS menunjukkan pengukuran dan masalah yang struktural dan digunakan untuk menganalisis dan menguji model hipotesis. AMOS sangat tepat untuk analisis seperti ini, karena kemampuannya untuk (1) memperkirakan koefisien
yang tidak diketahui dari persamaan linier struktural, (2) mengakomodasi model yang meliputi latent variabel, (3) mengakomodasi kesalahan pengukuran pada variabel dependen dan independen, (4) mengakomodasi peringatan yang timbal balik, simultan dan saling ketergantungan.
4.8.2 Uji Analisis Penelitian
Dalam penelitian menggunakan SEM diperlukan asumsi-asumsi yang mendasari penggunaannya. uji analisis antara lain .
1) Uji asumsi
(1) Uji normalitas
Uji normalitas yang dilakukan pada SEM mempunyai dua tahapan. Pertama menguji normalitas untuk setiap variabel, sedangkan tahap kedua adalah pengujian normalitas semua variabel secara bersama-sama yang disebut dengan multivariate normality. Hal ini disebabkan jika setiap variabel normal secara individu, tidak berarti jika diuji secara bersama (multivariat) juga pasti berdistribusi normal.
(2) Uji linieritas
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear. Dasar pengambilan keputusan dalam uji linearitas adalah jika nilai probabilitas > 0,05, maka hubungan antara variabel X dengan Y adalah linear.Jika nilai probabilitas < 0,05, maka hubungan antara variabel X dengan Y adalah tidak linear.
2) Uji Ukuran sampel
Pada penelitian yang menggunakan SEM membutuhkan jumlah sampel yang besar. Menurut Ferdinand (2002), dalam Wuensch (2006) bahwa ukuran sampel untuk pengujian model dengan menggunakan SEM adalah antara 100-200 sampel atau tergantung pada jumlah parameter yang digunakan dalam seluruh variabel laten, yaitu jumlah parameter dikalikan 5 sampai 10.
3) Uji Outliers
Pada setiap penelitian akan ada observasi yang muncul dengan nilai-nilai yang tidak rasional/ekstrim baik secara univariat maupun multivariate. Munculnya nilai nilai ini karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya. Outliner ini bias mendapatkan perlakuan apabila diketahui penyebab dan alasan kemunculannya
4) Multicolinnearity dan Singularity
Suatu model dapat secara teoritis diidentififikasi tetapi tidak dapat diselesaikan karena masalah-masalah empiris, misalnya adanya
multikolinearitas tinggi dalam setiap model.
5) Data interval
Pada penelitian dengan menggunakan SEM sebaiknya menpergunakan data interval, karena pada SEM akan muncul suatu bentuk model yang eksplisit yang disebabkan penggunaan data ordinal. Variabel-variabel eksogenous berupa variabel-variabel dikotomi atau variabel dummy kategorikal tidak boleh digunakan dalam variabel-variabel endogenous. Penggunaan data ordinal atau
nominal akan mengecilkan koefesien matriks korelasi yang digunakan dalam
SEM.
6) Uji Sobel
Di dalam penelitian ini terdapat variabel intervening yaitu lingkungan, pendidikan, keturunan dan pelayanan kesehatan. Menurut Baron dan Kenny (1986) dalam Ghozali (2009), suatu variabel disebut variabel intervening jika variabel tersebut ikut mempengaruhi hubungan antara variabel prediktor (independen) dan variabel kriterion (dependen). Pengujian hipotesis mediasi dapat dilakukan dengan prosedur yang dikembangkan oleh Sobel (1982) dan dikenal dengan uji Sobel (Sobel test). Uji sobel dilakukan dengan cara menguji kekuatan pengaruh tidak langsung variabel independen (X) ke variable dependen (Y) melalui variabel intervening (M). Pengaruh tidak langsung X ke Y melalui M dihitung dengan cara mengalikan jalur X→M (a) dengan jalur M→Y (b) atau ab. Jadi koefisien ab = (c – c’), dimana c adalah pengaruh X terhadap Y tanpa mengontrol M, sedangkan c’ adalah koefisien pengaruh X terhadap Y setelah mengontrol M. Standard error koefisien a dan b ditulis dengan Sa dan Sb, besarnya standard error pengaruh tidak langsung (indirect effect) .
Menurut Hair, dkk, (Ferdinand, 2002), mengemukakan bahwa dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Beberapa indeks kesesuaian dan cut-off value-nya yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak seperti diuraikan berikut ini.
1) Chi-Square Statistic (C2)
Model dipandang baik atau memuaskan bila nilai Chi-square nya rendah. Semakin kecil nilai chi-square semakin baik model itu dan nilai signifikansi lebih besar dari cut off value (p>0,05).. Menurut Hulland, dkk. (Ferdinand, 2002) bahwa semakin kecil nilai c2 semakin baik model itu, c2 =0, berarti benar-benar tidak ada perbedaan (Ho diterima) berdasarkan probabilitas dengan cut off value sebesar p>0,05 atau p>0,10.
2) RMSEA (The Root Mean Square Error of Approximatian)
RMSEA adalah sebuah indeks yang dapat digunakan untuk menkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Menurut Browne & Cudeck (Ferdinand, 2002), bahwa nilai RMSEA yang 70 lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan
degrees of freedom.
3) GFI (Goodness of Fit Index)
Indeks kesesuaian (fit index) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan menurut Bentley,dkk. (Ferdinand, 2002). GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1,0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah "better fit".
4) AGFI (Adjusted Goodness-of-Fit Index)
Menurut Tanaka & Huba (Ferdinand, 2002) menyatakan bahwa GFI adalah anolog dari R2 dalam regresi berganda. Menurut Hair, dkk. (Ferdinand, 2002) bahwa tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik good overall model fit (baik) sedangkan besaran nilai antara 0,90 - 0,95 menunjukkan tingkatan cukup (adequate fit). Indeks ini diperoleh dengan rumus sebagai berikut:
AGFI =1-(I -GFI) db/d Dimana:
db = jumlah sampel moment, d = degrees of freedom.
5) CMIN/DF (the minimum sample discrepancy function/degree of freedom)
Indeks CMIN/DF adalah statistik chi-square, Chi-square dibagi DF-nya
disebut chi-square relatif. Bila nilai chi-square relatif kurang dari 2.0 atau 3.0 mengindikasikan acceptable fit antara model dan data c2 dibagi DF. Nilai c2 relatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 menunjukkan antara model dan data fit menurut Arbuckle (Ferdinand, 2002).
6) TLI (Tucker Lewis Index)
TLI merupakan sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai acuan untuk diterimanya sebuah model adalah penerimaan > 0,95 dan nilai yang
sangat mendekati 1 menunjukkan a very good fit menurut Arbuckle (Ferdinand, 2002).
7) CFI (Comparative Fit Index)
Indeks ini mempunyai rentang nilai antara 0 sampai dengan 1. Semakin mendekati 1, mengindikasikan adanya a very good fit. Nilai yang direkomendasikan adalah CFI > 0,94. Menurut Ferdinand (2002), indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model seperti pada Tabel 4.1
Tabel 4.1
Indeks Uji Kelayakan SEM
No Goodness of Fit Measure Nilai Kritis
(Cut of Value)
1 Chi Square (λ2) Chi Square (λ2) Diharapkan kecil
2 Significance Probability Significance Probability (p) ≥ 0,05
3 RMSEA RMSEA ≤ 0,08 4 GFI GFI ≥ 0,09 5 AGFI AGFI ≥ 0,09 6 CMIN/DF CMIN/DF ≤ 2,00 7 TLI TLI ≥ 0,95 8 CFI CFI ≥ 0,95 Sumber : Ferdinand, 2002
