24 BAB III
METODOLOGI PENELITIAN 3.1 Objek Penelitian
Objek penelitian ini adalah pengunjung Taman Mini Indonesia Indah yang sedang melakukan kunjungan ke Taman Mini Indonesia Indah.
3.1.1 Lokasi Penelitian
Penelitian ini menganalisa bagaimana pengaruh kualitas layanan terhadap emotional reaction dan implikasinya terhadap re-visit intention dan willingness to recommendation. Objek penelitian yang digunakan adalah Taman Mini Indonesia Indah. Data yang diambil merupakan data hasil kuesioner terhadap revisit intention dan willingness to recommendation di Taman Mini Indonesia Indah.
3.1.2 Gambaran Utama Perusahaan
Taman Mini Indonesia Indah mulai dibangun tahun 1972 dan diresmikan pada tanggal 20 April 1975 berada di Pondok Gede kecamatan Pasar Rebo, Jakarta Timur. Dicetuskan oleh ibu Tien Soeharto dengan konsep sebagai miniatur Indonesia yang memuat tentang kekayaan alam, kekayaan budaya, dan kekayaan lainnya. Taman Mini Indonesia Indah merupakan objek wisata bertema budaya Indonesia. Taman Mini Indonesia Indah terdapat 6
25 (enam) bagian, bagian-bagian tersebut adalah anjungan daerah, bangunan keagamaan, sarana rekreasi, taman, museum, dan teater atau bioskop. Anjungan daerah merupakan gambaran dari kondisi lingkungan dan kebudayaan yang dimiliki dari 33 provinsi yang ada di Indonesia. Anjungan daerah dibangun disekitar danau yang menggambarkan mini atur kepulauan Indonesia, anjungan daerah juga menampilkan baju dan pakaian adat, baju pernikahan, baju tari, model bangunan dan kerajinan tangan. Bangunan keagaman yang terdapat di Taman Mini Indonesia Indah mewakili berbagai bangunan dan tempat ibadah yang diakui di Indonesia, hal ini menggambarkan keselarasan serta kerukunan antar umat beragama di Indonesia. Bangunan-bangunan itu antara lain:
1. Masjid Pangeran Diponegoro 2. Gereja Katolik Santa Catharina 3. Gereja Protestan Haleluya
4. Pura Penataran Agung Kerta bhumi 5. Wihara Arya Dwipa Arama
6. Sasana Adirasa Pangeran Samber Nyawa 7. Kuil Konghucu Kong Miao
Banyaknya sarana rekreasi di Taman Mini Indonesia Indah menjadikan Taman Mini Indonesia Indah tempat wisata yang cocok untuk berwisata. Sarana rekreasi yang dapat dinikmati, antara lain:
26 1. Istana Anak-anak Indonesia
2. Kereta Gantung
3. Perahu Angsa Arsipel Indonesia 4. Taman Among Putro
5. Taman Ria Atmaja 6. Desa Wisata
7. Kolam Renang Snow Bay
Taman Mini Indonesia Indah juga memiliki taman yang dibangun khusus untuk menunjukan keindahan flora dan fauna yang di Indonesia, di kawasan ini terdapat sepuluh taman, yaitu:
1. Taman Anggrek 2. Taman Apotek Hidup 3. Taman Kaktus 4. Taman Melati
5. Taman Bunga Keong Emas 6. Akuarium Ikan Air Tawar 7. Taman Bekisar
8. Taman Burung
9. Taman Ria Atmaja Park, panggung pagelaran music 10. Taman Budaya Tionghoa Indonesia
27 Museum yang berada di Taman Mini Indonesia Indah dimaksud untuk memamerkan sejarah, budaya, flora dan fauna, serta teknologi di Indonesia. Terdapat 16 museum di Taman Mini Indonesia Indah, antara lain:
1. Museum Indonesia
2. Museum Keprajuritan Indonesia 3. Museum Perangko Indonesia 4. Museum Pusaka
5. Museum Transportasi
6. Museum Listrik dan Energi Baru 7. Museum Telekomunikasi
8. Museum Penerangan 9. Museum Olahraga 10. Museum Asmat
11. Museum Komodo dan Taman Reptil 12. Museum Seranggadan Taman Kupu-Kupu
13. Museum Pusat Peragaan Ilmu Pengetahuan dan Teknologi 14. Museum Minyak dan Gas Bumi
15. Museum Timor Laste
Selain itu Taman Mini Indonesia Indah memiliki teater dengan layar yang berukuran raksasa, teater itu dikenal dengan nama Teater IMAX Keong
28 Mas. Tidak hanya itu saja terdapat Teater Tanah Airku, Teater 4D di Taman Mini Indonesia Indah.
3.2 Desain Penelitian
Dalam penelitian ini, jenis penelitian yang digunakan adalah jenis penelitian kausal. Penelitian kausal dilakukan untuk menggambarkan penyebab (cause) dari suatu masalah (eksperimen dan non eksperimental). Penelitian ini untuk mengetahui pengaruh antara satu atau lebih variabel bebas (independent variable) terhadap variabel terikat (dependent variable). Di mana peneliti ingin melihat pengaruh kualitas pelayanan terhadap emotional reaction serta implikasinya terhadap re-visit intention dan willingness to recommendation kepada pengunjung Taman Mini Indonesia Indah.
3.3 Hipotesis
Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian, dimana rumusan masalah penelitian telah dinyatakan dalam bentuk kalimat pertanyaan (Sugiyono, 2007 : 70). Jadi hipotesis juga dapat dinyatakan sebagai jawaban teoritis terhadap rumusan masalah penelitian, yang kebenarannya perlu diuji secara empiris.
29 Berdasarkan perumusan masalah yang telah dikemukakan maka, hipotesis penelitian adalah sebagai berikut :
1. Hipotesis 1 : Terdapat pengaruh kualitas pelayanan objek wisata Taman Mini Indonesia Indah terhadap emotional reaction.
2. Hipotesis 2 : Terdapat pengaruh kualitas pelayanan objek wisata Taman Mini Indonesia terhadap re-visit intention.
3. Hipotesis 3 : Terdapat pengaruh kualitas pelayanan objek wisata Taman Mini Indonesia Indah terhadap willingness to recommendation.
4. Hipotesis 4 : Terdapat pengaruh emotional reaction terhadap re-visit intention.
5. Hipotesis 5 : Terdapat pengaruh emotional reaction terhadap willingness to recommendation.
3.4 Skala Pengukuran
Penelitian ini menggunakan skala likert, yaitu metode yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2007 : 107). Dengan skala likert, maka variable yang akan diukur dijabarkan menjadi indikator variable. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pernyataan atau pertanyaan. Instrumen skala liker dapat dilihat pada table 3.1 berikut:
30 Table 3.1
Instrumen Skala Likert
Pernyataan Kode Skor
Sangat setuju (SS) 5
Setuju (S) 4
Cukup setuju (CS) 3
Tidak setuju (TS) 2
Sangat tidak setuju (STS) 1
3.5 Operasional Variable
Definisi operasional variabel adalah merupakan konsep-konsep yang berupa kerangka yang menggambarkan perilaku atau gejala yang diamati dan dapat diuji kebenaranya oleh orang lain. Konsep tersebut diterjemahkan kedalam elemen-elemen yang dapat diukur sehingga dikembangkan suatu indeks pengukuran dari konsep tersebut. Guna menghindari kesalahan dalam mengartikan variabel-variabel yang dianalisis atau untuk membatasi permasalahan dalam penelitian ini, perlu dijelaskan definisi operasional untuk masing-masing variabel.
31 Tabel 3.2
Operasional variabel kualitas pelayanan
Variable Dimensi Indikator
Kualitas pelayanan (X) Berwujud (tangible) Keandalan (reliability) Ketanggapan (Responsiveness) Jaminan dan Kepastian (Assurance) Empati (Empathy)
a. Ruang tunggu pelayanan b. Loket pelayanan
c. Penampilan petugas pelayanan
a. Keandalan petugas dalam memberikan informasi pelayanan
b. Keadalan petugas dalam melancarkan prosedur pelayanan
c. Keadalanan petugas dalam memudahkan teknis pelayanan
a. Respon petugas pelayanan terhadap keluhan pengunjung
b. Respon petugas pelayanan terhadap saran pengunjung c. Respon petugas pelayanan
terhadap kritikan pengunjung
a. Kemampuan administrasi petugas pelayanan
b. Kemampuan teknis petugas pelayanan
c. Kemampuan sosial petugas pelayanan
a. Perhatian petugas pelayanan b. Kepedulian Petugas
c. Keramahan petugas pelayanan
32 Tabel 3.3
Operasional variabel emotional reaction
Variabel Dimensi Indikator
Emotional reaction (Z) The Content The Pleasure The Relief The Newness The Surprise
a. Tempat wisata yang dikunjungi dengan keterlibatan rendah b. Kebiasaan pergi ke tempat
wisata
c. Pengalaman berkunjung ke tempat wisata
d. Kurangnya informasi yang di dapat oleh pengunjung
e. Pengunjung merasakan pengalaman yang berbeda dari pengalaman sebelumnya
f. Pengunjung menerima sesuatu yang tidak diharapkan
Sumber: Larce dan Trifu (2011)
Table 3.4
Operasional variabel Re-visit Intention
Variable Dimensi Indikator
Re-visit intention (Y1)
Pembelian secara kontinyu
Membeli jasa layanan tambahan
Menguji jasa layanan baru
a. Pengunjung berniat untuk melakukan pembelian secara kontinyu (continue purchasing)
b. Pengunjung berniat membeli jasa layanan tambahan (purchase additional service)
c. Pengunjung berniat menguji jasa layanan baru
33 Tabel 3.5
Opersional Variabel Willingness to Recommendation
Variable Dimensi Indikator
Willingness to Recommendati on (Y2) Berkata positif Rekomendasi
Kritik dan saran
a. Menginformasikan atau menyatakan hal- hal positif kepada orang lain tentang tempat wisata.
b. Meyakinkan kepada orang lain untuk berkunjung ke tempat wisata.
c. Memberi masukan kepada pengelola tempat wisata agar peningkatkan pelayanan atau pengelolaannya.
3.6 Model Pengumpulan Data
Dalam penelitian ini data dikumpulkan melalui dua cara, yaitu (1) Pengamatan langsung dan (2) penelitian kepustakaan. Data penelitian pengamatan langsung dikumpulkan dengan cara menyebar angket atau kuesioner. Teknik yang menggunakan kuesioner adalah suatu cara pengumpulan data dengan memberikan beberapa pertanyaan kepada responden. Menurut Sangadji dan Sopiah (2010 : 151) kueisoner adalah sejumlah pertanyaan yang digunakan untuk memperoleh informasi dari responden dalam arti laporan pribadinya, atau hal-hal yang ia ketahui. Sedangkan data penelitian dengan menggunakan kepustakaan merupakan kegiatan yang meliputi mencari secara literature, melokalisasi, dan menganalisis dokumen yang berhubungan dengan masalah yang akan diteliti.
34 Dokumen dapat berupa teori-teori dan dapat pula hasil-hasil penelitian yang telah dilakukan mengenai permasalahan yang akan diteliti.
3.7 Jenis Data Penelitian
Jenis dan sumber data yang digunakan dalam penelitian ini adalah: 1. Data Primer
Data primer merupakan sumber data penelitian yang diperoleh secara langsung dari sumber asli (Sangadji dan Sophia, 2010). Sumber penelitian primer diperoleh para peneliti untuk menjawab pertanyaan penelitian. Data primer dapat berupa opini subyek (orang) secara individu maupun kelompok. Hasil observasi terhadap suatu benda (fisik), kejadian atau kegiatan, dan hasil pengujian.
2. Data Sekunder
Data sekunder umumnya tidak dirancang secara spesifik untuk memenuhi kebutuhan penelitian tertentu. Seluruh atau sebagian aspek data sekunder kemungkinan tidak sesuai dengan kebutuhan penelitian.
3.8 Populasi dan Sample
Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,
35 2007 : 90). Jadi populasi bukan hanya orang, tetapi juga obyek dan benda-benda alam lain. Populasi juga bukan sekedar jumlah yang ada pada obyek atau subyek yang dipelajari, tetapi meliputi seluruh karakteristik atau sifat yang dimiliki oleh subyek atau obyek itu. Populasi dan sampel dari penelitian ini adalah pengunjung Taman Mini Indonesia Indah pada tahun 2012 sejumlah 7.888.787
Sample adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tertentu. Bila populasi besar, dan peneliti tidak mungkin mempelajari semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat menggunakan sample yang diambil dari populasi itu (Sugiyono, 2007 : 90).
Menurut Hair, et.al. (1995) ukuran sampel untuk kepentingan pengujian hipotesis yang menggunakan Structural equation modeling (SEM) adalah 5 x jumlah indikator. Dalam penelitian ini, penulis menetapkan sebanyak 135 responden, dari perhitungan 5 x 27 indikator. Selain karena berdasarkan teori tersebut, jumlah 135 merupakan jumlah kuisioner yang mampu penulis sebarkan pada waktu yang direncanakan. Penelitian ini menggunakan teknik convenience sampling, peneliti tidak mempunyai pertimbangan lain berdasarkan kemudahan saja.
36 3.9 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 mengukur apa saja yang diukurnya. Uji ini merupakan alat mengukur indikator dari variabel atau konstruk. Suatu kuesioner dikatakan realibel atau handal jika jawaban
37 seseorang terhadap pernyataan adalah 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 Extract yang tinggi menunjukan bahwa indikator-indikator itu telah mewakili secara baik konstruk laten yang dikembangkan.
38 Nilai Variance Extract ini direkomendasikan pada tingkat paling sedikit 0,50. Variance Extract diperoleh dari rumus berikut ini: 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 factor 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 Lisrel.
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
39 order dan second order serta evaluasi Goodness 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 ratio skweness value sebesar ± 2,58, pada tingkat signifikan 0,01.
40 Data dapat disimpulkan mempunyai distribusi normal jika nilai critical ratioskweness value memiliki nilai mutlak antara – 2,58 sampai 2,58.
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:
41 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 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 eksogen dan 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)
42 tersebut. Variabel manifest dalam AMOS biasanya menggunankan reflective indicators (juga disebut sebagai effect indicators). Indikator reflektif berarti bahwa konstruk laten dianggap “mempengaruhi” variabel observed.
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:
43 Z = a + b1X + ……… (1) Y1 = a + b2X + b3Z + ………. (2) Y2 = a + b4X + b5Z + ……..………... (3) Keterangan: a = konstanta b = koefisien
(epsilon) = measurement error Z = Emotional Reaction
Y1 = Revisit Intention
Y2 = Willingness To Recommendation X = Kualitas Pelayanan
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.
44 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 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
45 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. 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
46 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.
c. Adjusted Goodness of Fit Index (AGFI)
AGFI adalah sama seperti GFI, tetapi telah menyesuaikan pengaruh degress of freedom pada suatu model. Sama seperti GFI, nila AGFI sebesar 1 berarti bahwa model memiliki perfect fit. Sedangkan model yang fit adalah memiliki nilai AGFI adalah 0,9. 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 yang kurang dari 0,05 mengindikasikan adanya model fit, dan nilai RMSEA yang berkisar antara 0,08 menyatakan bahwa model memiliki perkiraan kesalahan reasonable. Sedangkan pernyataan lain dikatakan
47 bahwa RMSEA berkisar antara 0,08 sampai 0,1 menunjukan model memiliki fit yang cukup, sedangkan RMSEA yang lebih besar dari 0,1 mengindikasikan model fit sangat jelek.
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 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 3.0 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 baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan _0,95 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
48 direkomendasikan adalah CFI _0,95. 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 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.
