Kesesuaian Model SEM

Indikator kesesuaian model SEM dapat dilihat dari

beberapa ukuran diantaranya Chi-Square Statistic, Goodnest
of Fit Indices (GFI), Adjusted Goodnest of Fit Index (AGFI),
Root Mean Square Error of Approximation (RMSEA), dan
Comparative Fit Index (CFI) (Ghozali dan Fuad, 2005).
Hipotesis yang digunakan untuk menguji kesesuaian model
dengan ukuran-ukuran tersebut adalah sebagai berikut.
H
0
: )

( ) ( u u E = E atau matriks varians kovarians populasi sama

dengan matriks varians kovarians model yang ditaksir
(model sesuai).
H
1
: )

( ) ( u u E = E atau matriks varians kovarians populasi tidak

sama dengan matriks varians kovarians model yang
ditaksir (model tidak sesuai).
Indeks-indeks pengukuran untuk menguji kesesuaian
model dijelaskan sebagai berikut.
1. Chi-Square Statistic
Statistik uji Chi-Square mengukur overall fit. Model
yang diperoleh dikatakan sesuai jika nilai Chi-Square
(
2
) yang dihasilkan semakin kecil atau memiliki P-
value yang lebih besar dari 0,05 pada taraf signifikasi
5%. P-value yang lebih besar dari 0,05 menunjukkan
tidak adanya perbedaan yang signifikan antara matriks
varians kovarians populasi dengan hasil estimasi
(Sharma, 1995). Statistik uji Chi-Square nilainya
dipengaruhi besar sampel yang digunakan.
2. Goodnest of Fit Indices (GFI)
Nilai GFI dapat diperoleh dengan menggunakan
persamaan 2.10.
( )
( )
(

E
(

E
=

2
1
2
1

1
S tr
I S tr
GFI

(2.10)
GFI yang memiliki rentang antara 0 sampai dengan 1
mengukur besarnya varians dan kovarians dalam S
yang dapat diprediksi dengan model. GFI dipengaruhi
oleh ukuran sampel dan banyak indikator yang
digunakan.
3. Adjusted Goodnest of Fit Index (AGFI)
AGFI dihitung dengan formula sebagai berikut.
| | GFI
df
p p
AGFI
(

= 1
2
) 1 (
1
(2.11)

dimana :
p = jumlah variabel endogen
df = degree of freedom
Indeks AGFI diperoleh dengan cara adjust dari GFI
terhadap degree of freedom untuk menguji kesesuaian
model. AGFI berkisar antara 0 sampai dengan 1
dimana model dikatakan semakin sesuai jika nilai
AGFI mendekati 1.
4. Root Mean Square Error of Approximation (RMSEA)
Persamaan 2.12 merupakan formula dari RMSEA.
1
2
+

=
N
df
RMSEA
_
(2.12)
dimana :

2
= nilai chi-square model
df = degree of freedom
N = jumlah sampel
RMSEA digunakan untuk kompensasi Chi-Square
dengan jumlah sampel besar. Model dikatakan sesuai
jika indeks RMSEA lebih kecil atau sama dengan
0,08 yang menunjukkan model memiliki perkiraan
kesalahan rasional.
5. Comparative Fit Index (CFI)
CFI membandingkan model yang diuji dengan
baseline model yang diperoleh dengan persamaan
2.13.
) (
) (
1
2
2
h h
i i
df
df
CFI

=
_
_

(2.13)

dimana
2
i
_ = Chi-square baseline model
2
h
_ = Chi-square model yang diuji
i
df = derajat bebas dari baseline model

h
df = derajat bebas dari model yang diuji
Nilai CFI tidak dipengaruhi oleh ukuran sampel. Nilai
CFI yang semakin mendekati 1 menunjukkan bahwa
kesesuaian model semakin tinggi.
Nilai kritis yang direkomendasikan untuk indikator-
indikator kesesuaian model tersebut, ditunjukkan pada Tabel
2.1.
Tabel 2.1 Nilai Kritis Indikator Kesesuaian Model
Indikator
Kesesuaian
Model
Model Fit
Model Dapat
Diterima
Chi-square
P-value
0
2
2df
0,05 P-value
1,00
2df
2
3df
0,01 P-value
0,05
GFI 0,95 GFI 1,00 0,90 GFI 0,95
AGFI 0,90 AGFI 1,00 0,85 AGFI 0,90
RMSEA 0 RMSEA 0,05
0,05 RMSEA
0,08
CFI 0,97 CFI 1,00 0,95 CFI 0,97
Sumber : Engel, Moosbrugger & Muller (2003)