39 BAB III
METODELOGI PENELITIAN
3.1 Objek Penelitian 3.1.1 Lokasi penelitian
Dalam penelitian ini yang menjadi objek penelitian adalah para konsumen yang pernah melakukan pembelian The Body Shop. Penelitiandilakukan secara online melalui media twitter, jenis penelitian ini adalah metode explanatory. Menurut Masri Singarimbun dan Sofyan Effendi (2009:28) metode explanatory ini merupakan metode penelitian yang dilakukan pada populasi besar maupun kecil, tetapi data yang dipelajari adalah data yang diambil dari sampel populasi tersebut, sehingga ditemukan deskripsi dan hubungan antar variabel.
3.1.2 Gambaran Umum Perusahaan
The Body Shop International plc adalah sebuah perusahaan manufaktur dan retail global yang terinspirasi oleh alam serta menghasilkan produk kecantikan dan kosmetik yang diproduksi dengan etika. Didirikan di Inggris pada tahun 1976 oleh Dame Anita Roddick, saat ini kami memiliki lebih dari 2.400 toko di 61 negara, dengan lebih dari 1.200 rangkaian produk.
40 3.2 Desain Penelitian
Penelitian ini menggunakan motede analisis kausal karena pendekatan dasarnya untuk menggambarkan penyebab atau akibat dari suatu masala dengan tujuan mengetahui seberapa besar pengaruh kepercayaan offline store terhadaponline store dalam pencarian informasi dan intense pembelian.
3.3 Hipotesis
Hipotesis adalah hubungan yang diperkirakan secara logis di antara dua atau lebih variabel yang di ungkapkan dalam bentuk penyataan yang dapat di uji.Hipotesis bisa saja benar dan bisa saja salah, hipotesis ini akan diuji dengan teknik pengujian tersendiri sehingga dapat diambil suatu kesimpulan apakah hipotesis tersebut dapat diterima atau ditolak.
Berdasarkan perumusan masalah yang telah dikemukakan maka, hipotesis penelitian adalah sebagai berikut :
Hipotests alternatif :
Ha1 : Terdapat pengaruh kepercayaan offline store terhadap kepercayaan online store
Ha2 : Terdapat pengaruh kepercayaan offlinestore terhadap pencarian informasi
Ha3 : Terdapat pengaruh kepercayaan offline storeterhadap intensi pembelian
41
Ha4 : Terdapat pengaruh kepercayaan online store terhadap pencarian informasi
Ha5 : Terdapat pengaruh kepercayaan online store terhadap intensi pembelian
Ha6 :Terdapat pengaruh pencarian informasi online store terhadap intensi pembelian
3.4 Variabel dan Skala Pengukuran 3.4.1 Definisi Operasional Variabel
Data yang diperlukan dalam penelitian ini meliputi kepercayaan konsumen offline store, kepercayaan konsumen di online shop, terhadap pencarian informasi dan intensi pembelian . Tiap-tiap variabel penelitian didefinisikan, dioperasionalkan dan diukur skalanya.Secara lengkap, operasioanl variable-variabel penelitian dapat dilihat pada tabel dibawah ini :
Table 3.1 Operasional Variabel-Variabel Penelitian
Variable Definisi Operasional Indikator Skala Ukur Kepercayaan Offline Store (X1) Penjualan secara offline diartikan
sebagai penjualan yang menggunakan media tempat sebagai sarana menjual dan memasarkan produk 1. Kehandalan toko (offline store) 2. Percaya terhadaptoko (offline Store) 3. Secara umum toko(Offline store) dapat dipercaya Skala Ordinal
42 Kepercayaan
Online Store (Y1)
Kepercayaan pembeli terhadap website online shop terletak pada popularitas website online shop
tersebut.Semakin popularitas suatu website, maka pembeli lebih yakin dan percaya terhadap reliabilitas website tersebut. 1. Sistem keamanan website 2. Sistem kerahasiaan informasi 3. Jaminan keamanan, kerahasiaan dan kompensasi ataskeluhan 4. Kemudahan melaporkan keluhan Skala Ordinal Pencarian Informasi (Y2) Sebagai aktivasi termotivasi dari pengetahuan yang tersimpan di dalam ingatan atau perolehan informasi dari lingkungan
1. Kesediaan untuk mencari informasi produk 2. Informasi yang tersedia up-to-date 3. Informasi yang tersedia dapat mewakili produk 4. Tampilan website menarik Skala Ordinal Intensi Pembelian (Y3) perilaku yang diperlihatkan konsumen dalam mencari, membeli, menggunakan, mengevaluasi dan menghabiskan produk dan jasa yang mereka harapkan akan memuaskan kebutuhan mereka 1. Kesediaan untuk membeli produk di online store 2. Harga yang ditawarkan offline store sama dengan harga di online store 3. Waktu yang dihabiskan untuk berbelanja di online store 4. Kesediaan untuk merekomendasikan online store Skala Ordinal
43 3.4.2 Skala Pengukuran
Penelitian ini menggunakan skala ordinal, jika data di kumpulkan dapat dibedakan menjadi beberapa kategori yang berbeda dengan memperhatikan urutan (rangking).Pemberian angka pada masing kategori dapat memberikan gambaran tentang urutan masing-masing kategori.Pengukuran masing-masing-masing-masing variabel dalam penelitian ini menggunakan skala Likert.Skala Likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2009). Skala Likert menggunakan lima angka penilaian yaitu :
Tabel 3.2
Instrument Skala Likert
Pernyataan Kode Skor
Sangat setuju SS 5
Setuju S 4
Netral N 3
Tidak setuju TS 2
Sangat tidak setuju STS 1
Urutan setuju atau tidak setuju dapat juga dibalik mulai dari sangat tidak setuju sampai dengan sangat setuju.
44 3.5 Metode Pengumpulan Data
Dalam penelitian ini data dikumpulkan melalui dua cara, yaitu penelitian kepustakaan dan penelitian lapangan.Penelitian kepustakaan dilakukan untuk mengumpulkan data mengenai teori-teori yang mendukung penelitian dan data pendukung lainnya, sedangkan penelitian lapangan dilakukan dengan mengumpulkan data dari responden.
Data penelitian lapangan dikumpulkan dengan menggunakan angket atau kuesioner.Teknik yang menggunakan kuesioner adalah suatu cara pengumpulan data dengan memberikan atau menyebarkan daftar pertanyaan kepada responden.Menurut Malhotra (2007)kuesioner merupakan serangkaian daftar pertanyaan formal yang digunakan untuk mendapat informasi dari responden.
3.6 Jenis dan Sumber Data
Data yang dipergunakan dalam penyusunan skripsi ini menggunakan jenis data primer. Data primer adalah data yang didapat dari sumber pertama, dari induvidu, seperti : hasil wawancara atau hasil pengisian kuesioner yang biasanya dilakukan peneliti (Siagian, Sugiarta, 2000). Jenis data ini diperoleh langsung dari wawancara berdasarkan daftar pertanyaan kepada para konsumen
45 3.7 Populasi dan Sampel
3.7.1 Populasi
Populasi adalah wilayah generalisasi yang terdiri atas objek atau subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulan.Dikarenakan populasi yang sangat besar maka metode sangat sensitive sehingga sulit untuk mendapatkan ukuran-ukuran goodness of fit yang baik.Untuk penelitian ini yang digunakan adalah populasi dari konsumen The Body Shop.
3.7.2 Sampel
Sampel didefinisikan sebagai bagian dari populasi yang memiliki karakteristik tertentu untuk diteliti.Meskipun pengamatan – pengamatan secara induvidu tidak diperlukan, seperti metode multivariate yang lain, ukuran sampel memainkan suatu peran pentingt dalam penilaian dan penafsiran dari hasil SEM. SEM pada umumnya memerlukan sejumlah sampel yang relative banyak untuk pendekatan-pendekatan multivariate lainnya.Beberapa alogaritma statistik telah menggunakan program-program SEM adalah tidak konsisten dengan sampel yang sedikit .Ukuran sampel, seperti yang ada dalam statistik lainnya, menyediakan suatu dasar untuk melakukan estimasi pengambilan sampel yang salah. Berikut ini adalah pembahasan ukuran sample untuk SEM (Hair, 2006 :740-742).
46
Karena metode alat analisa yang digunakan adalah Struktural Equation Model (SEM), maka jumlah sampel ideal dan respresentative adalah 100-200 tergantung pada jumlah parameter yang diestimasikan .Pedomannya adalah 5-10 kali jumlah parameter yang diestimasikan. Jumlah sampel 5-10 dikali jumlah indikator (Ferdinand, 2005). Ukuran sampel minimum yaitu 5x(6+15) = 105. Maka dari itu pada penelitian ini sampel yang digunakan adalah konsumen yang pernah melakukan pembeliansecara offline dan online di The Body Shop .Dengan jumlah responden 150responden hal ini dilakukan untuk menghindari data menyimpang dan juga sesuai dengan prosedur estimasi MLE yang berkisar antara 100-200 responden.
Teknik pengambilan sampel ini yaitu dengan menggunakan snowball sampling adalah cara yang efektif untuk membangun kerangka pengambilan sampel yang mendalam, dalam populasi yang relatif kecil, yang masing-masing orang cenderung melakukan hubungan satu dan lainnya. Dalam pengambilan sampel peneliti menentukan satu atau lebih individu atau tokoh kunci dan meminta dia atau mereka untuk menyebut orang-orang lain yang pada gilirannya dapat ditemui.
47 3.8 Metode Analisis Data
Dalam melakukan analisis, penulis menggunakan perhitungan statistik sebagai alat hitung, yaitu sebagai berikut :
1. Uji Validitas
Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2011). Dalam hal ini digunakan beberapa butir pertanyaan yang dapat secara tepat mengungkapkan variabel yang diukur tersebut.
Uji validitas dilakukan dengan membandingkan nilai r hitung dengan r tabel untuk tingkat signifikansi 5 persen dari degree of freedom (df) = n-2, dalam hal ini n adalah jumlah sampel. Jika r hitung > r tabel maka pertanyaan atau indikator tersebut dinyatakan valid, demikian sebaliknya bila r hitung < r tabel maka pertanyaan atau indikator tersebut dinyatakan tidak valid ( Ghozali, 2011 ) 2. Uji Reliabilitas
Menurut Hasan dalam Sangadji (2010:163) reliabilitas suatu alat pengukur adalah derajat keajegan alat dalam mengukurapa saja yang diukurnya. Uji ini merupakan alat mengukur indikator dari variabel atau konstruk.Suatu kuesioner dikatakan realibel atau handal jika jawaban seseorang terhadap pernyataan adalah
48
konsisten atau stabil dari waktu ke waktu. Untuk menguji reliabilitas digunakan rumus Construct Realibility (Ghozali, 2005:134), sebagai berikut:
Construct Realibility= (∑Loading Baku)2 (∑Loading Baku)2 + ∑
ej
Dimana:a. Std. Loading diperoleh langsung dari Standardize Loading untuk tiap-tiap indikator.
b. εj adalah measurement error dari tiap-tiap indikator. Nilai batas yang digunakan untuk menilai atau auntuk menguji apakah setiap variabel dapat dipercaya, handal dan akurat dipergunakan koefisien Alpha Cronbach.
Variabel dapat dinyatakan realibel apabila koefisien Alpha Cronbach lebih besar dari 0,60. Artinya tingkat realibilitas yang kedua adalah Variance Extract, yang menunjukan jumlah varians yang indikator-indikator yang diekstrasi oleh konstruk laten yang dikembangkan. Nilai Variance Extractyang tinggi menunjukan bahwa indikator-indikator itu telah mewakili secara baik konstruk laten yang dikembangkan.
Nilai Variance Extractini direkomendasikan pada tingkat paling sedikit 0,50. Variance Extract diperoleh dari rumus berikut ini:
49
Variance Extracted = (∑ Loading Baku 2) (∑Loading Baku 2) + ∑
ej
3. Structual Equation Modeling (SEM)
Teknis analisis data yang digunakan untuk menganalisis data adalah Structual Equation Modeling (SEM). Menurut Ghozali (2005:1), SEM merupakan gabungan dari dua model statistik yang terpisah yaitu analisis faktor dan model persamaan simultan. Sedangkan Santoso (2007:12) menyatakan bahwa SEM adalah teknik analisis multivariate yang merupakan kombinasi antara analisis factor dan analisis regresi (kolerasi), yang bertujuan untuk menguji hubungan-hubungan antara variabel yang ada pada sebuah model baik itu antara indikator dengan konstruknya ataupun hubungan antara konstruk analisis data pada penelitian ini menggunakan teknik analisis Structual Equation Modeling (SEM) dengan menggunakan program AMOS.
Structual Equation Modeling atau permodelan persamaan struktual merupakan alat statistic yang mampu menganalisis variabel laten, variabel indikator, dan kesalahan pengukuran secara bersamaan. Pengujian dengan SEM pada penelitian ini untuk model secara keseluruhan (full model) menggunakan teknik faktor konfirmatori first orderdan second order serta evaluasi Goodness
50
of Fit Indices. Sebelum melakukan pengujian terhadap variabel-variabel yang dibentuk berdasarkan oleh teori yang ada, beberapa persyaratan yang harus dipenuhi oleh data sebelum diolah dengan SEM.
Asumsi-asumsi dalam SEM
Menurut Ferdinand (2002:51) ada beberapa asumsi SEM yang harus dipenuhi, dalam prosedur pengumpulan dan pengelolahan data yaitu sebagai berikut:
1. Ukuran Sampel
Ukuran yang harus dipenuhi dalam permodelan SEM adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan empat observasi untuk setiap estimasi parameter. 2. Normalitas dan linearitas
Normalitas dapat diuji dengan melihat gambar histrogram data atau dapat diuji dengan metode-metode statistik.Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. Evaluasi normalitas dilakukan dengan menggunnkan krikteria critical ratioskweness value sebesar ± 2,58, pada tingkat signifikan 0,01. Data dapat disimpulkan mempunyai distribusi normal jika nilai critical ratioskweness value memiliki nilai mutlak antara – 2,58 sampai 2,58.
51 3. Angka ekstrim (outliers)
Angka ekstrim (outliers) adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariate yaitu muncul karena kombinasi karakteristik yang unik yang dimilikinya dan terlihat sangat jauh berbeda dengan observasi-observasi lainnya.
4. Multikolineritas
Asumsi multikolineritas (multicollinearity) mengharuskan tidak adanya kolerasi yang sempurna atau besar diantara variabel-variabel independen.
Pengujian Model
Sebuah permodelan SEM yang lengkap pada dasarnya terdiri dari measurement model dan structural model.Measurement model ditujukan untuk mengkonfirmasi sebuah dimensi atau faktor berdasarkan indikator-indikator empirisnya.Structural model adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. Prosedur yang yang dilalui dalam validitas model terdiri dari beberapa tahapan, yaitu:
1. Konseptualisasi Model
Tahap awal yang dilakukan adalah perumusan atau formulasi model.Dalam tahap ini dirumuskan hipotesis yang berkaitan dengan pola keterkaitan antara variabel disesuaikan dengan
52
teori.Konseptualisasi model mengharuskan dua hal yang harus dilakukan:
a. Hubungan yang dihiposesiskan antara variabel laten harus ditentukan. Tahap pengembangan model ini berfokus pada model struktual dan harus mempresentasikan kerangka teoritis yang diuji. Disini, variabel eksogen, endogen dan intervening harus dapat dibedakan dengan jelas. Karena variabel endogen tidak secara sempurna dipengaruhi oleh variabel yang dihipotesiskan (masih terdapat kemungkinan variabel endogen tersebut dipengaruhi oleh variabel selain yang dihipotesiskan), maka error term (residu) juga dihipotesiskan mempengaruhi variabel endogen dalam suatu model. Setelah itu, memutuskan arah (positif atau negatif) dan jumlah hubungan antara variabel-variabel eksogen dan antara variabel-variabel eksogen dan variabel-variabel endogen. Disini, peran teori dari hasil penelitian sebelumnya sangat berperan.
b. Pengukuran model dan menghubungkan dengan operasinalisasi variabel laten, sehingga dikenal beberapa indikator (manifest variable) yang digunakan untuk mengukur variabel laten (unobserved variable) tersebut. Variabel manifest dalam AMOS biasanya menggunankan reflective indicators (juga disebut sebagai effect indicators). Indikator reflektif berarti bahwa konstruk laten dianggap “mempengaruhi” variabel observed.
53
2. Penyusunan diagram jalur (path diagram construction)
Representasi mengenai bagaimana beberapa variabel pada suatu model berhubungan satu sama lain, yang memberikan suatu pandangan menyeluruh mengenai struktur model disebut sebagai diagram jalur (path diagram). Konstruksi diagram alur bermanfaat untuk menunjukan alur hubungan kausal antara variabel eksogen dan endogen. Untuk melihat hubungan kausal dibuat beberapa model kemudian diuji menggunakan SEM untuk mendapatkan model yang paling tepat, dengan krikteria Goodness of Fit.Berdasarkan teori dibuat model struktual, kemudian ditentukan variabel bebas dan variabel terikatnya yang dibuat arah panah sesuai dengan arah kausalitas. Bila model pengukuran ini dimasukan ke dalam diagram jalur, maka diperoleh diagram jalur model struktual dan model pengukuran secara terintegrasi. Setelah diagram jalur dibuat, maka dilakukan konversi diagram alur ke dalam model struktual.
Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar bagian konstruk. Persamaan struktual dari model diagram jalur penelitian ini dinyatakan sebagai berikut:
KPOS = β1 KPOF + Z1...(1) PI = β1 KPOF+β2 KPOS + Z2...(2) NPP = β1 KPOF +β2 KPOS +β3 PI + Z3....(3)
54 Keterangan :
β (beta) = hubungan langsung variabel eksogen terhadap variabel endogen
KPOF = Kepercayaan offline store KPOS = Kepercayaan Online Store PI = Pencarian Informasi NPP = Intensi Pembelian Analisis factor loading
a. Factor loading kepercayaan pada offline store dengan persamaan: X1 = λ1 KPOF +ε1
X2 = λ2 KPOF + ε2 X3 = λ3 KPOF + ε3
b. Factor loading kepercayaan online store dengan persamaan: Y1 = Y1 KPOS + ε4
Y2 = Y2 KPOS+ ε5 Y3 = Y3 KPOS+ ε6 Y4 = Y4 KPOS + ε7
c. Factor loading pencarian informasi dengan persamaan: Y5 = Y5 PI + ε8
Y6 = Y6 PI+ ε9 Y7 = Y7 P1+ ε10 Y8 = Y8 P1 + ε11
55
d. Factor loading intensi pembelian dengan persamaan: Y9 = Y9 NPP + ε12
Y10 = Y9 NPP+ ε13 Y11 = Y11 NPP+ ε14 Y12 = Y12 NPP + ε15
3. Memilih jenis input matrik dan model/estimasi model yang diusulkan.
4. Perbedaan sem dengan teknik-teknik multivariate lainnya adalah dalam input data yang digunakan dalan permodelan dan estimasinya. SEM menggunnkan matriks varian atau kovarian atau matriks kolerasi sebagai data input untuk keseluruhan estimasi yang dilakukan. Observasi individual tetap digunakan dalam program ini, tetapi input-input tersebut akan segera dikonversi dalam bentuk matriks kovarians atau matriks kolerasi sebelum estimasi dilakukan. Hal ini karena fokus SEM bukanlah pada data individual tetapi pada pola hubungan antar responden.
5. Indentifikasi model
Permasalahan yang sering muncul di dalam model struktual adalah penduga parameter, bias unidentified atau under identified, yang menyebabkan proses pendugaan parameter tidak memperoleh solusi, bisa over identified yang mengakibatkan proses pendugaan tidak menghasilkan pendugaan yang unik, dan model tidak bisa
56
dipercaya. Gejala yang muncul akibat adanya masalah identifikasi antara lain (dalam output computer):
a. Standard error untuk satu atau beberapa koefisien adalah sangat besar.
b. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan.
c. Muncul angka-angka yang aneh seperti adanya varians error negative.
d. Muncul kolerasi yang tinggi (> 0,9) antar koefisien hasil estimasi yang didapat.
6. Estimasi parameter
Estimasi parameter untuk suatu model diperoleh dari data karena AMOS berusaha untuk menghasilkan matriks kovarians berdasarkan model (modelbased covarians matrix) yang sesuai dengan kovarians matriks sesungguhnya (observed covarians matrix). Uji signifikasi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol.
7. Penilaian model fit
Secara keseluruhan goodness of fit dari suatu model dapat dinilai berdasarkan beberapa ukuran fit berikut:
a. Chi-Square dan Probabilitas
Nilai chi-square ini menunjukan adanya penyimpangan antara sampel covariance matrix dan model (fitted) covariance matrix.
57
Namun, nilai chisquare ini hanya akan valid apabila asumsi normalitas data terpenuhi ukuran sampel adalah besar. Chi-Square ini merupaka ukuran mengenai buruknya fit suatu model. Nilai chi-square sebesar 0 menunjukan bahwa model memiliki fit yang sempurna (perfect fit). Probanilitas Chi-Square ini diharapkan tidak signifikam. Nilai Chi-Square yang signifikan (kurang dari 0,05) menunjukan bhawa data empiric yang diperoleh memiliki perbedaan dengan teori yang telah dibangun bedasarkan Structual Equation Modeling. Sedangkan nilai probabilitas yang tidak signifikan adalah yang diharapkan, yang menujukan bahwa data empiris sesuai dengan model.
b. Goodness of Fit Index (GFI)
GFI merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovarians. Nilai GFI ini harus berkisar antara 0 dan 1.Meskipun secara teoti GFI mungkin memiliki nilai negative tetapi hal tersebut seharusnya tidak terjadi, karenamoel yang memiliki nilai GFI negative adalah model yang paling buruk dari seluruh model yang ada. Nilai GFI yang lebih besar daripada 0,9 menunjukan suatu model yang baik.
58
c. Adjusted Goodness of Fit Index (AGFI)
AGFI adalah sama seperti GFI, tetapi telah menyesuaikan pengaruh degress of freedompada suatu model. Sama seperti GFI, nila AGFI yang dirokemdasikan adalah sama atau > 0.90 Ukuran yang hampir sama dengan GFI dan AGFI adalah Parsimony goodness of fit index (PGFI). Tetapi seperti AGFI, juga telah menyesuaikan adanya dampak dan degree of freedom dan kompleksitas model interprestasi PGFI ini sebaliknya diikuti dengan indeks model fit lainnya. Model yang baik apabila nilai PGFI jauh lebih besar daripada 0,6.
d. Root Mean Square Error of Approximation (RMSEA)
RMSEA ini mengukur penyimpangan nilai parameter pada suatu model dengan matrix covarians populasinya.Nilai RMSEA antara 0.05 sampai 0.08 merupakan ukuran yang dapat diterima.
e. CMIN/DF
The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah
59
model. Dalam hal ini CMIN/DF tidak lain adalah statistic chi-square, X2 dibagi DFnya sehingga disebut X2 relatif. Nilai X2 relatif kurang dari 2.0 atau bahkan kadang kurang dari 2.0 adalah indikator dari acceptable fit antara model dan data.
f. TLI (Tucker Lewis Index)
TLI adalah sebuah alternative increamental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baselinemodel. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan > 0,9 dan nilai yang sangat mendekati 1 menunjukan a very good fit.
g. CFI (Comperative Fit Index)
Besaran indeks ini adalah pada rentang sebesar 0-1. Semakin mendekati 1 mengindikasikan tingkat fit yang paling baik. Nilai yang direkomendasikan adalah CFI > 0,9. Keunggulan indeks ini adalah bahwa indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena sangat baik untuk mengukur tingkat penerimaaan sebuah model.
8. Modifikasi model
Setelah melakukan penilaian model fit, maka model penelitian diuji untuk menentukan apakah modifikasi model
60
diperlukan karena tidak fitnya hasil yang diperoleh pada tahap keenam. Namun harus diperhatikan, bahwa segala modifikasi harus berdasarkan teori yang mendukung.
9. Validasi silang model
Pengujian atas fit tidaknya model terhadap suatu data baru. Validasi silang ini penting apabila terdapat modifikasi substansial yang dilakukan terhadap model asli yang dilakukan pada langkah ketujuh.
