no comments

Uji kesesuaian dan uji statistik.

Uji kesesuaian dan uji statistik.

Untuk mengukur “kebenaran” model yang diajukan, maka harus dilakukan pengujian terhadap beberapa fit index. Berikut ini adalah beberapa indeks kesesuaian dan cut off value-nya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.

  • –  Chi- Square Statistics
    Alat uji paling fundamental untuk megukur overall fit adalah likelihood ratio Chi-square statistics. Chi-square ini bersifat sangat sensitive terhadap besarnya sampel yang digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka Chi-square harus didampingi oleh alat uji lainnya. Semakin kecil nilai 2 maka semakin baik model tersebut. Dengan p value > 0.05.
  • –  RMSEA (The Root Mean Square Error of Approxiamation)
    RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi Chi-square statistics dalam sampel besar. Nilai RMSEA lebih kecil atau sama dengan 0.08 merupakan indeks untuk diterimanya model yang menunjukkan sebuah close fit dari sebuah model berdasarkan derajat bebas.
  • –  GFI (Goodness of Fit Index)
    Indeks kesesuaian ini akan menghitung poporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians sampel yang dijelaskan oleh matriks kovarians populai yang terestimasikan. GFI adalah sebuah ukuran non-statistical yang mempunyai renyang nilai antara 0 (poor fit) sampai dengan 1 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit.
  • –  AGFI (Adjusted Goodness of Fit Index)
    GFI adalah analog dari R2 dalam regresi berganda. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0.9.
  • –  CMIN/DF

    The Minimmum sampel discrepancy function

    (CMIN) dibagi dengan derajat bebas akan menghasilkan indeks CMIN/DF, yaitu salah satu indicator untuk mengukur tingkat kesesuaian sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistics Chi- square dibagi derajat bebasnya (2 relatif). Nilai 2 relatif yang diharapkan adalah kurang dari atau sama dengan 2.00.

    • –  TLI (Tucker Lewis Index)
      TLI adalah sebuah alternatif incremental 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.
    • –  CFI (Comperative Fit Index)
      Nilai CFI yang direkomendasikan adalah  0.95. Semakin mendekati 1, maka model semakin baik. Keunggulan dari indeks ini adalah bahwa besaran ini besarnya tidak dipengaruhi oleh ukuran sampel.

    Sumber: Sahadi, M.Agung Wibowo

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL