kriteria goodness-of-fit (skripsi, tesis, disertasi)

Pada langkah ini, kesesuaian model dievaluasi melalui telaah terhadap berbagai kriteria goodness-of-fit. Pada tahap ini dilakukan evaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM. Apabila asumsi-asumsi ini sudah dipenuhi, maka model dapat diuji melalui berbagai cara uji yang akan diuraikan pada bagian ini. Asumsi-asumsi SEM meliputi :
a. Ukuran Sampel
Ukuran sampel yang harus dipenuhi dalam pemodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan 5 observasi untuk setiap estimated parameter.
b. Normalitas dan Linearitas
Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. Uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariate dimana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. c. Outliers
Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariate. Outliers muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya. Outlier pada dasarnya dapat muncul dalam empat kategori :
a. Outlier muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data
b. Outlier dapat saja muncul karena keadaan yang benar-benar khusus yang memungkinkan profil datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai apa penyebab munculnya nilai ekstrim itu.
c. Outlier dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab-sebab munculnya nilai ekstrim itu.
d. Outlier dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim.
d. Multikolinearitas dan Singularitas
Dapat dideteksi melalui determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil memberi indikasi adanya problem multikolinearitas atau singularitas e. Evaluasi atau kriteria goodness of fit
Setelah asumsi-asumsi SEM terpenuhi, selanjutnya dilakukan pengujian kelayakan model. Untuk menguji kelayakan model yang dikembangkan dalam model persamaan struktural ini, akan digunakan beberapa indeks kelayakan model.