ANALISIS KOMPARATIF MANOVA Tm 14 a ANALISIS KOMPARATIF

ANALISIS KOMPARATIF (MANOVA) Tm 14 a

ANALISIS KOMPARATIF Berdasarkan Permasalahan: Perbandingan suatu populasi (sampel) dg standart Perbadingan dua populasi (sampel) Perbandingan lebih dari dua populasi (sampel) Berdasarkan Jenis Data: Analisis Parametrik (berlandaskan pada distribusi normal) Analisis Nonparametrik (bebas distribusi) Boostrap (bebas distribusi) Berdasarkan Jumlah Variabel: Analisis Univariate (variabel tunggal) Analisis Multivariate (multivariabel secara simultan)

KAIDAH PEMILIHAN METODE ANALISIS KOMPARATIF

ILUSTRASI Suatu penelitian bertujuan untuk mengetahui: Apakah terdapat perbedaan yang signifikan antara 1) Kondisi perusahaan jasa dan manufaktur 2) Leverage perusahaan jasa dan manufaktur 3) NPS perusahaan yang penjualan saham hariannya naik, turun dan konstan 4) Perusahaan yang penjualan saham hariannya naik, turun dan konstan Data dari Bursa Efek Jakarta (tahun 2000)

HASIL ANALISIS 1) Data kondisi - penjualan saham (ordinal): Mann-Whitney Test Pengujian Hipotesis : Terima H 0 (p = 0. 310) Interpretasi : Tidak terdapat perbedaan yang signifikan penjualan saham harian antara perusahaan jasa dengan manufaktur

HASIL ANALISIS 2) Data Leverage (ratio) : T-Test Pengujian Hipotesis : 1) Leven’s Test : Terima H 0 (p = 0. 126); gunakan equal variance assumed 2) T Test : Terima H 0 (p = 0. 764) Interpretasi : Tidak terdapat perbedaan yang signifikan Leverage antara

HASIL ANALISIS 3) Uji Simultan seluruh variabel : MANOVA INTERPRETASI 1) Antara perusahaan yang penjualan saham harianya naik, konstan dan turun terjadi perbedaan yang signifikan 2) Untuk mengetahui dari ketiga variabel (NPS, NPM dan Leverage), mana yang signifikan

HASIL ANALISIS 4) Data NPS (ratio) : ANOVA (F-Test)

HASIL ANALISIS 4) Data NPM (ratio) : ANOVA (F-Test)

HASIL ANALISIS 4) Data Leverage (ratio) : ANOVA (F-Test)

INTERPRETASI Diringkas dalam bentuk Tabel hasil Uji Tukey 1) NPS perusahaan yang penjualan saham harianya naik tertinggi dan terendah pada yang penjualan saham hariannya turun 2) NPM berbeda nonsignifikan 3) Leverage antara perusahaan yang penjualan saham hariannya konstan berbeda

ANALISIS FAKTOR tm 14 b Analisis faktor merupakan salah satu dari analisis ketergantungan (interdependensi) antar variabel. Prinsip dasar analisis faktor adalah mengekstraksi sejumlah faktor bersama (common factors) dari gugusan variabel asal X 1, X 2, …, Xp, sehingga: Banyaknya faktor lebih sedikit dibandingkan dengan banyaknya variabel asal X. Sebagian besar informasi (ragam) variabel asal X, tersimpan dalam sejumlah faktor.

KEGUNAAN ANALISIS FAKTOR • • • Mengekstraks unobservable variable (latent variabel) dari manifest variable atau indikator. Atau mereduksi variabel menjadi variabel baru yang jumlahnya lebih sedikit. Mempermudah interpretasi hasil analisis, sehingga didapatkan informasi yang realistik dan sangat berguna. Pengelempokan dan pemetaan obyek (mapping dan clustering) berdasarkan karakteristik yang terkandung di dalam faktor. Pemeriksaan validitas dan reliabilitas instrumen penelitian (berupa kuisioner). Dengan diperolehnya skor faktor, maka analisis faktor merupakan langkah awal (sebagai data input) dari berbagai metode analisis data yang lain, misal analisis diskriminan, analisis regresi, cluster analisis, ANOVA, MANCOVA, Analisis Path, Model Struktural, MDS, dan lain sebagainya. 13

Analisis Faktor Analisis faktor : mengekstraksi sejumlah faktor bersama (common factors) dari gugusan variabel asal X 1, X 2, …, Xp, sehingga : A. Banyaknya faktor lebih sedikit dari variabel asal X. B. Sebagian besar informasi variabel X, tersimpan dalam faktor Konsep Dasar : X 1= nilai Matematika, X 2 = nilai Fisika, X 3 = nilai Geografi, X 4 = nilai PPKN dan X 5 = nilai Sejarah. X 1 = 0. 03 F 1 + 0. 94 F 2 + 0. 46 F 3 + 0. 85 F 4 + 0. 34 F 5 + 1 X 2 = 0. 16 F 1 + 0. 90 F 2 + 0. 78 F 3 + 0. 25 F 4 + 0. 46 F 5 + 2 X 3 = 0. 76 F 1 + 0. 24 F 2 + 0. 03 F 3 + 0. 29 F 4 + 0. 83 F 5 + 3 X 4 = 0. 84 F 1 + 0. 15 F 2 + 0. 64 F 3 + 0. 82 F 4 + 0. 27 F 5 + 4 X 5 = 0. 95 F 1 + 0. 13 F 2 + 0. 25 F 3 + 0. 73 F 4 + 0. 05 F 5 + 5 Faktor Bersama (common factors) : Misal Faktor Bermakna : F 1 dan F 2 (eigen value > 1) F 1 = Faktor Kemampuan Menghafal F 2 = Faktor Kemampuan Logika (matematik) X 1 s/d X 4 secara bersama-sama mengandung F 1 dan F 2 14

Analisis Faktor Metode Pendugaan Parameter : - PCA Solution - MLE Data Input (PCA Solution) : - Matrik Kovarians : Unit satuan sama & rentang homogen - Matrik Korelasi : Unit satuan dan rentang berbeda Skor Faktor Matriks input Kovarians : S-Fa = c’S-1(xj Matriks input Korelasi : S-Fa = c’R-1 Zj. ) Perhatikan : Di dalam Analisis Faktor, skor faktor tidak dapat dihitung langsung berdasarkan loading faktor sebagai koefisien Jadi berbeda dengan Skor Diskriminan atau Skor PCA 15

ANALISIS FAKTOR KONFIRMATORI • • Analisis faktor konfirmatori dapat digunakan untuk mendapatkan data variabel laten, yang diperoleh dari indikator dan berupa skor faktor. Misalnya kita ingin mengukur Motivasi dan Kinerja karyawan. Kedua variabel tersebut bersifat unobservable (laten), sehingga perlu dikembangkan indikator sebagai pengukurnya. Untuk mengukur Motivasi dikembangkan 4 indikator, yaitu X 2. 1 s/d X 2. 4, dan untuk mengukur kinerja terdapat 5 indikator, yaitu X 4. 1 s/d X 4. 5. Permasalahannya: Apakah benar X 2. 1 s/d X 2. 4 merupakan instrument pengukur motivasi yang valid dan reliabel ? Demikian juga : Apakah benar X 4. 1 s/d X 4. 5 merupakan alat ukur kinerja yang valid dan reliabel ? Untuk itu, perlu dilakukan konfirmasi, yaitu apakah instrument tersebut valid dan reliabel atau tidak. Hal ini dapat dilakukan salah satunya dengan Analisis Faktor, sehingga dinamakan Analisis Faktor Konfirmatori. Jadi pada prinsipnya kita hanya akan melakukan konfirmasi berdasarkan teori atau konsep yang sudah ada terhadap keakuratan (valid dan reliable) instrumen yang kita buat. 16

ILUSTRASI 17

18

19

ANALISIS JALUR ( PATH ANALYSIS – tm 14 c ) ILUSTRASI Suatu penelitian berbentuk survey (observasional) bertujuan ingin menguji model pengaruh beberapa variabel terhadap variabel kinerja karyawan (telah dibahas pada analisis faktor) Sistem hubungan sbb: Kepuasan Motivasi Kinerja Loyalitas 20

LANGKAH-LANGKAH ANALISIS PATH (1) • PERTAMA (PERANCANGAN MODEL) – Merancang model berdasarkan konsep dan teori. Misal, secara teoritis : • Variabel Motivasi berpengaruh terhadap Kepuasan dan Loyalitas. • Loyalitas dipengaruhi oleh Kepuasan. • Variabel Kepuasan dan Loyalitas berpengaruh terhadap Kinerja. – Berdasarkan hubung-hubungan antar variabel secara teoritis tersebut, dapat dibuat model HIPOTETIK 21

LANGKAH-LANGKAH ANALISIS PATH (1) KONSTRUKSI DIAGRAM JALUR 22

LANGKAH-LANGKAH ANALISIS PATH (1) KONVERSI DIAGRAM JALUR KE PERSAMAAN • Model tersebut juga dapat dinyatakan dalam bentuk persamaan, sehingga membentuk sistem persamaan / sistem persamaan simultan / model struktural. (1) Kepuasan = 0 + 1 Motivasi + 1 (2) Loyalitas = 0 + 1 Motivasi + 2 Kepuasan + 2 (3) Kinerja = 0 + 1 Kepuasan + 2 Loyalitas + 3 • Atau bilamana sudah dibakukan : (1) ZKepuasan = 0 + 1 ZMotivasi + 1 (2) ZLoyalitas = 0 + 1 ZMotivasi + 2 ZKepuasan + 2 (3) ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3 • Mengingat model tersebut dikembangkan untuk menjawab permasalahan penelitian dan berbasis teori dan konsep, maka dinamakan model hipotetik. 23

LANGKAH-LANGKAH ANALISIS PATH (2) • KEDUA (ASUMSI) – Asumsi yang melandasi analisis path adalah : • Di dalam model analisis path, hubungan antar variabel adalah linier dan aditif • Hanya model rekursif dapat dipertimbangkan, yaitu hanya sistem aliran causal ke satu arah. Sedangkan pada model yang mengandung causal bolakbalik tidak dapat dilakukan analisis path. • Data variabel endogen minimal dalam skala interval • Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan reliabel). • Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan. n KETIGA Pendugaan Parameter (Perhitungan Koefisien Jalur) Metode perhitungan koefisien jalur terdapat tiga cara: Pendekatan matriks korelasi; bila model tidak berjenjang (p = Rx-1 Ry) Koefisien regresi dilanjutkan dengan suatu perhitungan matematik { pi = bi (Sxi / Sy)} Koefisien regresi standardize Pada tulisan ini dipilih metode yang terakhir, yaitu regresi standardize, hal ini mengingat metode ini yang dipandang paling sederhana. Di samping itu, perhitungan goodness of fit berupa Koefisien Determinasi Total dapat dilakukan secara sederhana, dan pelaksanaan Theory Triming dapat dilakukan dengan mudah. 24

LANGKAH-LANGKAH ANALISIS PATH (3) • KETIGA – Pendugaan parameter: Koefisien regresi standardize • Untuk anak panah bolak-balik , koefisiennya merupakan koefisien korelasi, r dihitung seperti biasanya) • Untuk anak panah satu arah digunakan perhitungan regresi data standardize, secara parsiil pada masing-masing persamaan. • Metode yang digunakan adalah OLS, yaitu metode kuadrat terkecil biasa. Hal ini dapat dilakukan mengingat modelnya rekursif. 25

PENGARUH LANGSUNG DAN TIDAK LANGSUNG (3) Koefisien pi dinamakan koefisien path pengaruh langsung Sedangkan pengaruh tidak langsung dan pengaruh total dihitung dengan cara : Pengaruh langsung Motivasi ke Kepuasan = p 1 Pengaruh tidak langsung Motivasi ke Kinerja melalui Kepuasan = p 1 x p 4 Pengaruh tidak langsung Kepuasan ke Kinerja melalui Loyalitas = p 3 x p 5 Pengaruh total adalah penjumlahan dari pengaruh langsung dan seluruh pengaruh tidak langsung. Pengaruh total Kepuasan ke kinerja = p 4 + (p 3 x p 5) = Pengaruh langsung + Pengaruh tidak langsung 26

ANALISIS PATH Pendugaan Parameter (3) • Pendugaan parameter dengan Metode OLS, dimana di dalam software SPSS dihitung melalui analisis regresi, yaitu dilakukan pada masing-masing persamaan secara sendiri-sendiri. • Pertama, Regresi untuk persamaan : Kepuasan = 0 + 1 Motivasi + 1 • Atau bilamana sudah dibakukan : ZKepuasan = 0 + 1 ZMotivasi + 1 27

ANALISIS PATH Pendugaan Parameter (3) 28

ANALISIS PATH Pendugaan Parameter (3) • Dengan demikian diperoleh model sebagai berikut. Kepuasan = -0. 00097 + 0. 547 Motivasi • Atau bilamana sudah dibakukan : ZKepuasan = 0. 512 ZMotivasi • Kedua, Regresi untuk persamaan : Loyalitas = 0 + 1 Motivasi + 2 Kepuasan + 2 • Atau bilamana sudah dibakukan : ZLoyalitas = 0 + 1 ZMotivasi + 2 ZKepuasan + 2 29

ANALISIS PATH Pendugaan Parameter (3) 30

ANALISIS PATH Pendugaan Parameter (3) • Dengan demikian diperoleh model sebagai berikut. Loyalitas = -0. 305 + 0. 517 Motivasi + 0. 136 Kepuasan • Atau bilamana sudah dibakukan : ZLoyalitas = 0. 546 ZMotivasi + 0. 154 ZKepuasan • Ketiga, Regresi untuk persamaan : Kinerja = 0 + 1 Kepuasan + 2 Loyalitas + 3 • Atau bilamana sudah dibakukan : ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3 31

ANALISIS PATH Pendugaan Parameter (3) • Dengan demikian, diperoleh model sebagai berikut. Kinerja = -0. 353 + 0. 212 Kepuasan + 0. 383 Loyalitas + 3 • Atau bilamana sudah dibakukan : ZKinerja = 0. 181 ZKepuasan + 0. 313 ZLoyalitas + 3 • Berdasarkan model-model pengaruh tersebut, dapat disusun model lintasan pengaruh sebagai berikut. Model lintasan ini disebut dengan analisis path, dimana pengruh error ditentukan sebagai berikut : 32

ANALISIS PATH Pendugaan Parameter (3) 33

ANALISIS PATH Pendugaan Parameter (3) • Analisis path dalam bentuk persamaan disajikan sebagai berikut. ZKepuasan ZLoyalitas ZKinerja = 0. 512 ZMotivasi = 0. 546 ZMotivasi + 0. 154 ZKepuasan = 0. 181 ZKepuasan + 0. 313 ZLoyalitas + 3 34

LANGKAH-LANGKAH ANALISIS PATH (4) • KEEMPAT (VALIDITAS MODEL) Koefisien Determinasi Total • Total keragaman data yang dapat dijelaskan oleh model di ukur dengan : • • interpretasiya, mirip dengan interpretasi koefisien determinasi (R 2) pada analisis regresi. Untuk data ilustrasi diperoleh: koefisien determinasi total = 1 – (0. 859)2 (0. 769)2 (0. 942)2 = 0. 6128 keragaman data yang dapat dijelaskan oleh model tersebut adalah sebesar 61. 28 % model hasil analisis dapat menjelaskan sebesar 61. 28 % thdp fenomena yg dikaji, sedangkan sisanya 38. 72 % dijelaskan oleh variabel lain (yang belum terdapat di dalam model) dan error. 35

VALIDITAS MODEL (4) • Theory Triming – – – Uji validasi koefisien path pada setiap jalur untuk pengaruh langsung adalah sama dengan pada regresi, menggunakan nilai p dari uji t, yaitu pengujian koefisien regresi variabel dibakukan secara parsiil. Berdasarkan theory triming, maka jalur-jalur yang nonsignifikan dabuang, sehingga diperoleh model yang didukung (konfirmasi) oleh data empirik. Motivasi berpengaruh ke Kinerja bersifat tidak langsung (indirect) yaitu melalui Loyalitas, dengan koefisien path pengaruh tidak langsung = 0. 546 x 0. 313 = 0. 171. 36

Theory Triming (4) 37

LANGKAH-LANGKAH ANALISIS PATH (5) • KELIMA (INTERPRETASI) – Langkah terakhir di dalam analisis path adalah melakukan interpretasi hasil analisis. – Pertama dengan memperhatikan hasil validitas model. Untuk data ilustrasi, diperoleh informasi sebagai berikut : • Berdasarkan koefisien determinasi total, diperoleh bahwa model dapat menjelaskan informasi yang terkandung di dalam data, sebesar 61. 28%. Angka ini cukup besar, sehingga layak dilakukan interpretasi lebih lanjut. • Lintasan pengaruh yang signifikan adalah dari Motivasi ke Kinerja melalui Loyalitas. 38

INTERPRETASI (4) • Kedua, hitung pengaruh total dari setiap variabel yang mempunyai pengaruh kausal ke variabel endogen. Di dalam ilustrasi, seandainya seluruh lintasan signifikan, maka harus dihitung pengaruh total dari Motivasi, Kepuasan dan Loyalitas terhadap Kinerja. Variabel dengan pengaruh total terbesar adalah yang memiliki pengaruh terkuat. • Untuk data ILUSTRASI dapat dihasilkan informasi bahwa upaya meningkatkan kinerja karyawan harus dilakukan dengan cara meningkatkan Motivasi dan diikuti dengan upaya agar karyawan lebih bersifat Loyal. • Pada keadaan demikian variabel Loyalitas berfungsi sebagai variabel intervening atau mediating. • Pengaruh tidak langsung Motivasi ke Kinerja melalui Loyalitas = 0. 546 x 0. 313 = 0. 171 39

Structural Equation Modeling (SEM – tm 14 d) ILUSTRASI Penelitian di bidang Managemen Sumberdaya Manusia Misalkan telah dilakukan telaah teoritis, menghasilkan hipotesis penelitian : 1) Pengembangan karir berpengaruh signifikan terhadap Kepuasan Karyawan 2) Pengembangan karir berpengaruh signifikan terhadap Kinerja Karyawan 3) Terdapat pengaruh timbal balik antara kepuasan dengan kinerja karyawan Disamping itu, diperoleh bahwa setiap variabel diukur berdasarkan indikator sebagai berikut : Variabel Peng Karir diukur oleh 10 indikator : X 1. 1 s/d X 1. 10 Variabel Kepuasan diukur oleh 6 indikator : X 2. 1 s/d X 2. 6

Struktur hubungan tsb dalam bentuk diagram path disajikan sbb 41

Analisis dengan Regresi Y = 0 + 1 X 1 + 2 X 1 = Peng. Karir, X 2 = Kepuasan dan Y = Kinerja Karyawan P. Karir KINERJA Karyawan Kepuasan Permasalahan : (1) Struktur hubungan antar variabel dipaksakan bersifat langsung (2) Analisis Regresi dapat diterapkan bilamana data yang tersedia adalah data dari variabel (observable variable) dan bukan data dari 42 indikator

Analisis dengan Path Kepuasan P. Karir KINERJA Permasalahan : (1) Variabel bersifat unobservable (2) Analisis Path hanya pada model REKURSIF 43

STRUCTURAL EQUATION MODELING Kepuasan P. Karir KINERJA Structural Model atau Path Analysis Factor Analysis (Measurement Model) 44

Measurement Model Variabel Exogen (Confirmatory Factor Analysis) - Structural Model (A. Regresi) - Path Analysis Structural Equation Modeling (SEM) Measurement Model Variabel Endogen (Confirmatory Factor Analysis) 45

Measurement Model VALIDITAS INSTRUMEN Koefisein korelasi antara skor suatu indikator dengan skor total positif dan lebih besar 0. 3 : valid (validitas kriteria) Masrun (1979) SEM : - Validitas setiap indikator ditunjukkan oleh - Validitas unidimensionalitas, GFI 0. 9 RELIABILITAS INSTRUMEN Alpha Cronbach, 0. 6 : reliabel (konsistensi internal) (Malhotra, 1996) SEM : Reliabilitas setiap indikator ditunjukkan oleh 1 - untuk variabel 46 exogen dan 1 - untuk variabel endogen

LANGKAH-LANGKAH SEM Pengembangan Model Berbasis Konsep dan Teori Mengkontruksi Diagram Path Konversi Diagram Path ke Persamaan Memilih Matriks Input Menilai Masalah Identifikasi Evaluasi Goodness-offit Interpretasi dan Modifikasi Model 47

Pengembangan Model Berbasis Konsep dan Teori Dapat dengan mudah dipahami bahwa variabel karir, kepuasan, dan kinerja merupakan variabel yang bersifat unobservable. Untuk mengukur variabel tersebut dikembangkan indikator sebagai variabel manifest : Karir : X 1. 1, X 1. 2, X 1. 3, X 1. 4, X 1. 5, X 1. 6, X 1. 7, X 1. 8, X 1. 9 dan X 1. 10 Kepuasan : X 2. 1, X 2. 2, X 2. 3, X 2. 4, X 2. 5, dan X 2. 6 Kinerja : X 3. 1, X 3. 2, X 3. 3, X 3. 4, X 3. 5, dan X 3. 6 48

Konversi Diagram Path ke Persamaan Konversi diagram path, model struktural, ke dalam model matematika menjadi sebagai berikut : 1 = 1 2+ 1 1 + 1 2 = 2 1+ 2 1 + 2 atau : Kepuasan = 1 Kinerja + 1 Karir + 1 Kinerja = 2 Kepuasan + 1 Karir + 2 Konversi diagram path, model pengukuran, ke dalam model matematika menjadi sebagai berikut : 49

X 1. 1 = 1 1 + 1 X 2. 1 = 11 1 + 1 X 3. 1 = 17 2 + 7 X 1. 2 = 2 1 + 2 X 2. 2 = 12 1 + 2 X 3. 2 = 18 2 + 8 X 1. 3 = 3 1 + 3 X 2. 3 = 13 1 + 3 X 3. 3 = 19 2 + 9 X 2. 4 = 14 1 + 4 X 3. 4 = 20 2 + 10 X 2. 5 = 15 1 + 5 X 3. 5 = 21 2 + 11 X 2. 6 = 16 1 + 6 X 3. 6 = 22 2 + 12 X 1. 4 = 4 1 + 4 X 1. 5 = 5 1 + 5 X 1. 6 = 6 1 + 6 X 1. 7 = 7 1 + 7 X 1. 8 = 8 1 + 8 X 1. 9 = 9 1 + 9 X 1. 10 = 10 1 + 10 50

Memilih Matriks Input MATRIKS KOVARIANS (Raw Data): - pengujian suatu model yang telah mendapatkan justifikasi teori - sulit dilakukan interpreasi terhadap besar-kecilnya pengaruh - hasil analisis setara dengan analisis regresi MATRIKS KORELASI (Standardize Data): - penjelasan menganai pola hubungan kausal antar variabel laten - pengaruh dominan; Faktor Determinan dan Jalur terkuat - hasil analisis setara dengan analisis path 51

ASUMSI SEM Asumsi : Spesifikasi model - Semua hubungan : linier (data time series sulit dpt memenuhi) - Model aditif Asumsi : Pendugaan parameter & Uji hipotesis - Antar unit pengamatan independen - Data tidak mengandung pencilan (outliers) - Pendugaan parameter dengan MLE, sampel size minimum 100. - Data yang akan dianalisis (variabel latent) menyebar normal ganda (multinormal) - Beberpa software tidak bisa jalan bila terdapat missing data 52

Pengujian Parameter - Parameter Lamda; - Parameter Delta dan Epsilon; - Parameter Beta; - Parameter Gama menggunakan t-test, H 0 : parameter = 0 VS H 1 : parameter 0 Pengujian Model Pengukuran VALIDITAS INSTRUMEN Validitas setiap indikator = , nonsignifikan tidak valid RELIABILITAS INSTRUMEN Reliabilitas setiap indikator = 1 - untuk variabel exogen 1 - untuk variabel endogen 53 LISREL : (1 - ) atau (1 - ), nonsignifikan tidak reliabel

Pengujian Model Overall No Goodness-of-fit Cut-off Keterangan 1 2 Khi Kuadrat RMR Nonsignifikan Kecil Digunakan untuk n besar 3 RMSEA 0. 08 Digunakan untuk n besar GFI 0. 90 Miirip dg R 2 dlm regresi AGFI 0. 90 Mirip dengan R 2 -adjusted CFI 0. 94 Tidak sensitif thdp besar sampel 7 AIC Model Struktural Kecil Pengujian 8 Khi Kuadrat / DF < 2, 00 4 5 6 Koefisien Determinasi Total : 54

Sample Size Pedoman Umum : - Bila pendugaan parameter menggunakan MLE : 100 – 200; minimum 50. - Sebanyak 5 – 10 kali jumlah parameter - Sama dengan 5 – 10 kali, indikator keseluruhan variabel laten SEM dengan aplikasi LISREL (Oud, 2001) : - Besar sampel untuk program LISREL adalah 400. - LISREL : 10 x jumlah variabel. - LISREL : minimum 10 x parameter (independen) yang ada dalam model 55

SOFTWARE aplikasi SEM AMOS (oleh Arbuckle) EQS (oleh Bentler) Mx (oleh Neale) LISREL (oleh Joreskog). langkah sederhana Operasi AMOS Siapkan data dalam Worksheet SPSS (SPSS) Buat Diagram Path dalam Bidang Kerja AMOS (AMOS) Hubungkan Diagram Path dalam AMOS dengan data dalam SPSS (AMOS) Tentukan output yang diperlukan (AMOS) Lakukan analisis (estimasi) (AMOS) 56

CONTOH HASIL SEM Analisis Full Model Struktural

TERIMA KASIH 58