Amos pada SPSS

Amos merupakan modul spss yang ditambahkan dan khusus digunakan untuk melakukan perhitungan SEM, path analysis dan confirmatory factor analysis. AMOS memiliki beberapa metode untuk melakukan analisis, diantaranya sebagai berikut:

1. Maximum Likelihood
2. Unweighted Least Square
3. Generelized Least Square
4. Browne’s Asymptotically Distribution-Free Criterion
5. Scale Free Least Square

Amos memiliki parameter pengujian model seperti berikut:

1. CHI – SQUARE

Chi-square merupakan alat ukur yang fundamental untuk mengukur overall fit. Pengujian Chi-square bersifat sensitif terhadap besarnya sampel yang digunakan. Model yang diuji akan dipandang memuaskan dan abik bilai nilai chi-squarenya rendah, semakin kecil nilai chi square maka semakin baik model itu. Chi-Square bertujuan untuk menguji sebuah model apakah sesuai dengan data atau fit.

2. GOODNESS OF FOT INDEX (GFI)

GFI adalah analog dari R dalam regresi berganda. GFI dapat diadjust terhadap degrees of freedom untuk menguji diterima atau tidaknya model. Ukuran non – statiskal dari GFI mempunyai rentang nilai antara 0 (poor fit) sampai 1,0 (perfecr fit). Gfi yang diharapkan adalah sebesar 0,90. GFI digunakan untuk menguji diterima atau tidaknya model.

3. ADJUSTED GOODNESS OF FIT INDEX (AGFI)

Tingkat penerimaan yang direkomendasikan apabila AGFI mmepunyai nilai sama dengan atau lebih besar dari 0,90, nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik sedangkan nilai antara 0,90 – 0,95 menunjukkan cukup. Indeks ini diperoleh dengan rumus berikut.
AGFI = 1 – (1 – GFI) 𝑑𝑏/𝑑. 
Dari keterangan tersebut dapat disimpulkan bahwa AGFI digunakan untuk mengetahui apakah suatu model diterima atau tidak.

4. CMIN/DF

CMIN/DF merupakan salah satu indikator untuk mengukur tingkat fit sebuah model, dihasilkan dari statistik Chi – Square (CMIN) dibagi dengan Degree of Freedom (DF). CMIN/DF yang diharapkan adalah sebesar ≤ 2,0 yang menunjukkan adanya penerimaan dari model. Dari pernyatan tersebut dapat disimpulkan bahwa CMIN/DF merupakan indikator yang digunakan untuk mengukur apakah suatu model fit atau tidak.

5. TUCKER LEWIS INDEX(TLI)

TUCKER LEWIS INDEX (TLI) Nilai TLI yang diharapkan sebagai acuan untuk diterimanya sebuah model adalah sebesar ≥ 0,95 dan nilai yang mendekati 1,0 menunjukkan a very good fit. TLI digunakan untuk membandingkan model yang diuji dengan baseline model. Indek TLI diperoleh dengan rumus:

6. COMPARATIVE FIT INDEX (CFI)

Besaran indeks CFI berada pada rentang 0 – 1, di mana semakin mendekati 1 mengindikasikan tingkat penerimaan model yang paling tinggi. CFI tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. CFI sendiri digunakan untuk mengukur tingkat penerimaan model tanpa terpengaruh oleh ukuran sampel.

7. THE ROOT MEAN SQUARE ERROR OF APPROXIMATION ( RMSEA)

Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model. Indeks RMSEA dapat digunakan untuk mengkompensasi statistik chi – square dalam sampel yang besar. Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi. Dari keterangan diatas dapat disimpulkan bahwa RMSEA digunakan untuk mengkompensasi statistik dari chi-square apabila sampelnya besar.