χ2 adalah uji statistik perbedaan antara observasi dan estimasi model yang dihasilkan. Perbedaan yang dimaksud antara matriks kovarians sampel dan matriks kovarians populasi. Nilai Chi-square yang kecil dan tidak signifikan adalah nilai yang diharapkan supaya hipotesis nol (H0) diterima. Sehingga antara matrik kovarian sampel (observasi) dan kovarians populasi (estimasi model) tidak signifikan berbeda. Pengujian ini dimaskudkan untuk melihat overall fit dari model.
Untuk menguji overall fit antara matrik kovarians Sampel dan matrik kovarians populasi mengunakan likelihood ratio chi-square statistics. Nilai chi-square yang rendah menghasilkan nilai signfikansi lebih besar dari 0.05 sehingga mengindikasikan bahwa tidak ada perbedaan antara matrik kovarian sampel dan matrik kovarian populasi. Contoh output hasil uji model Kinerja Pelayanan seperti di bawah ini.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiRaSQ8YcrykAzSH2Kbv6dughywWv299FFzbP9M1W1bg-AH7G2ZIZAz-hE-EkHgAH1Z9t2Hnt7GvUdyk-IknsvKFo1B9yOfk1xdplZcaakpyQhzkvxeyMtmLBSO1ANbFsS03pjnk9mRNqLk/s320/Chi+square+SEM.jpg) |
Nilai Chi-Square dan Signifikansi |
Nilai degree of freedom (df) sebesar 126 berasal dari selisih number of distinct sample moments 171 dengan number of distinct parameters to be estimated 45. Nilai chi-square hitung yang diperoleh 151.305 dan probability level 0.062. Nilai Chi-Square tersebut sudah rendah karena lebih kecil dari chi-square tabel 153.2, dengan df 126 pada taraf signifkansi 5%. Demikian juga nilai signifikansi yang dapat dilihat pada Probability level sebesar 0.062. Dengan hasil ini menunjukkan bahwa antara matrik kovarians sampel dan matrik kovarians populasi tidak ada perbedaan yang signifikan.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiJYE0a9YZHG7y1u5tBYHEiNTbG8iWz-uwJXPL7VOgB1ovOXYsj4ERedt6I1PxaH4Fsp-GVBYqmi1SN98gPxLV-KWCud4ZloSD-NXODpBwlBAsx8KhPBN__85luYis-P_6nz8Byphu-Bhvl/s320/tabel+chi-square.jpg) |
Nilai Chi-square tabel pada df 126 |
CMIN/DF
Nilai χ2 dapat dibandingkan dengan degrees of freedom (df) untuk mendapatkan nilai χ2-relatif sehingga nilai χ2-relatif yang tinggi menujukkan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasi dan yang diestimasi. Nilai ini diperoleh dengan cara CMIN (The minimum sample discrepancy function) dibagi dengan degree of freedom (df) . Dalam hal ini CMIN/DF tidak lain adalah statistik chi-square (χ2) dibagi DFnya sehingga disebut χ2-relatif. χ2-relatif kurang dari 2.0 adalah indikasi dari acceptable fit antara model dan data.
Dengan contoh hasil di atas, nilai CMIN/DF dapat dihitung : 151,305/126 = 1,20 nilai ini kurang dari 2.0 maka CMIN/DF terpenuhi.
![](https://2.bp.blogspot.com/-ncRwcLNy6vs/WPzcOd4yyBI/AAAAAAAAGDk/E952Ph3qUOQezCvWGwRe2kaaXkdMSRGlACEw/s320/F%2Bmin.jpg) |
Nilai FMIN |
Nilai Ch-Square dapat dihitung dari rumus (N-1)FMIN,dimana N adalah banyaknya jumlah sampel (200). Sehingga nilai Chi-square, (200-1) x 0.760 = 151.24. Perhitungan nilai ini terdapat selisih, lebih rendah dari output Chi-square 151,305.
Referensi :
Byrne,B.M. (2010). Structural Equation Modeling with AMOS: Basic
Concepts, Applications, and Programming 2nd. New York: Rouledge Taylor
& Francis
Ferdinand, A. (2014). Structural Equation Modeling Dalam Penelitian Manajemen. Semarang : Badan Penerbit Universitas Diponegoro.
Ghozali,
I. (2011). Model Persamaan Struktural Konsep dan Aplikasi Dengan
Program AMOS 19. Semarang : Badan Penerbit Universitas Diponegoro.
Kline,R.B. (2011). Principles and Practice of Structural Equation Modeling 3rd. New York London: Guilford Press
Loehlin,J.C.
(2004). Latent Variable Modeling 4th: an Introduction to factor,path,
and structural equation analyisis. New Jersey London: Lawrence Erlbaum
Association
Maruyama,G.M. (1997). Basics of Structural Equation Modeling. London New York: Sage Publication
Mulaik,S. (2009). Linear Causal Modeling with Structural Equations. London New York: CRC Press
Muller,R.O. (1996). Basic Principles of Structural Equation Modeling : An Introduction of Lisrel and EQS. New York: Springer
Raykov,T
and Marcoulides,G.A. (2006). A First Course in Structural Equation
Modeling 2nd. New Jersey London: Lawrence Erlbaum Associates
Schumacker,R.E
And Lomax, R.J. (2010). A Beginner's Guide Structural Equation Modeling
3rd. New Jersey London:Lawrence Erlbaum Associates