UKURAN KECOCOKAN MODEL MUTLAK (ABSOLUTE FIT MEASURES) :
UKURAN KECOCOKAN MODEL MUTLAK (ABSOLUTE FIT MEASURES) Uji kecocokan chi-kuadrat mengukur seberapa dekat antara implied covariance matrix (matriks kovarians hasil prediksi)
Goodness of fit index (GFI)
Ukuran GFI pada dasarnya merupakan ukuran kemampuan suau model menerangkan keragaman data. Nilai GFI berkisar antara 0 – 1. Model yang baik adalah model yang memiliki nilai GFI mendekati 1.
Root Mean Square error (RMSR)
Residu rata-rata antara matriks kovarians/korelasi teramati dan hasil estimasi. Nilai RMSR < 0,05 adalah good fit.
Root Mean Square error of approximation (RMSEA)
RMSEA merupakan ukuran rata-rata perbedaan per degree of freedom yang diharapkan dalam populasi. RMSEA <0,08 adalah good fit, sedangkan RMSEA <0,05 adalah close fit. 2
UKURAN KECOCOKAN MODEL MUTLAK (ABSOLUTE FIT MEASURES) :
UKURAN KECOCOKAN MODEL MUTLAK (ABSOLUTE FIT MEASURES) Expected cross validation index (ECVI)
Ukuran ECVI merupakan nilai pendekatan uji kecocokan suatu model apabila diterapkan pada data lain (validasi silang). Nilainya didasarkan pada perbandingan antarmodel. Semakin kecil nilai semakin baik.
Non centrality parameter (NCP)
NCP dinyatakan dalam bentuk spesifikasi ulang dari Chi-Kuadrat. Penilaian didasarkan atas perbandingan dengan model lain. Semakin kecil nilai semakin baik.
Scale non centrality parameter
NCP yang dinyatakan dalam bentuk rata-rata perbedaan setiap observasi dalam rangka perbandingan antarmodel. Semakin kecil nilai, semakin baik. 3
UKURAN KECOCOKAN INCREMENTAL (INCREMETAL/RELATIVE FIT MEASURES) :
UKURAN KECOCOKAN INCREMENTAL (INCREMETAL/RELATIVE FIT MEASURES) Adjusted goodness of fit index (AGFI)
Ukuran ini merupakan modifikasi dari GFI dengan mengakomodasi derajat bebas model dengan model lain yang dibandingkan. AGFI ≥0,9 adalah good fit, sedangkan 0,8≤AGFI≤0,9 adalah marginal fit.
Tucker Lewis Index (TLI)
Ukuran TLI disebut juga dengan nonnormed fit index/NNFI. Ukuran ini merupakan ukuran untuk pembandingan antar model yang mempertimbangkan banyaknya koefisien didalam model. Nilai TLI berkisar antara 0 – 1. Nilai TLI ≥0,9 adalah good fit, sedangkan nilai 0,8≤TLI≤0,9 adalah marginal fit.
Normed fit Index (NFI)
Nilai NFI merupakan besarnya ketidakcocokan antara model target dan model dasar. Nilai NFI berkisar antara 0 – 1. NFI ≥0,9 adalah good fit, sedangkan nilai 0,8 ≤NFI≤0,9 adalah marginal fit 4
UKURAN KECOCOKAN INCREMENTAL (INCREMETAL/RELATIVE FIT MEASURES) :
UKURAN KECOCOKAN INCREMENTAL (INCREMETAL/RELATIVE FIT MEASURES) Incremental fit index (IFI)
Nilainya berkisar antara 0 – 1. nilai IFI ≥0,9 adalah model baik, nilai 0,8 ≤IFI≤0,9 adalah marginal fit.
Comparative fit index (CFI)
Nilainya berkisar antara 0-1. nilai CFI≥0,9 adalah model baik. nilai 0,8 ≤CFI≤0,9 adalah marginal fit.
Relative fit Index (RFI)
Nilainya berkisar antara 0-1. nilai RFI≥0,9 adalah model baik. nilai 0,8 ≤RFI≤0,9 adalah marginal fit. 5
UKURAN KECOCOKAN PARSIMONI (PARSIMONIOUS/ADJUSTED FIT MEASURES) :
UKURAN KECOCOKAN PARSIMONI (PARSIMONIOUS/ADJUSTED FIT MEASURES) Parsimonious normed fit index (PNFI)
Nilai PNFI yang tinggi menunjukan kecocokan yang lebih baik. PNFI hanya digunakan untuk perbandingan model alternatif.
Parsimonious goodnees of fit index (PGFI)
PGFI merupakan modifikasi dari GFI, dimana nilai yang tinggi menunjukan model lebih baik digunakan untuk perbandingan antarmodel.
Akaike information criterion (AIC)
Nilai positif lebih kecil menunjukan parsimoni lebih baik digunakan untuk perbandingan antarmodel.
Consistent akaike information criterion (CAIC)
Nilai positif lebih kecil menunjukan parsimoni lebih baik digunakan untuk perbandingan antar model.
Criteria N (CN)
Estimasi ukuran sampel yang mencukupi untuk menghasilkan adequate model fit untuk uji chi-kuadrat. Nilai CN > 200 menunjukan bahwa sebuah model cukup mewakili sampel data 6
Refferensi: :
Refferensi: Ghozali, Imam (2008), SEM teori, konsep dan Aplikasi dengan lisrel 8.80. Semarang. Penerbit Universitas Diponegoro
Yamin, sofyan dan Kurniawan Heri (2009) SEM dengan Lisrel – PLS. Jakarta. penerbit Salemba 7