PROGRAM MASTER UNIVERSITAS RIAU MASHADI ANALISIS JALUR MODEL

PROGRAM MASTER UNIVERSITAS RIAU MASHADI

ANALISIS JALUR MODEL TRIMMING Model Trimming adalah model untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model varibel eksogen yang koefisien jalurnya tidak singifikat Jadi kita perlu menghitung ulang koefisien jalur tanpa menyetakan variabel eksogen yang tidak signifikan

Contoh Kontribusi kepemimpinan, Iklim organisasi dan motivasi kerja terhadap prestasi kerja

Rumuskan Hipotesanya 1. Kepemimpinan dan iklim organisasi berkontribusi secara simultan dan terhadap motivasi kerja 2. Kepemimpinan, iklim organisasi dan motivasi kerja berkontribusi secara simultan dan signifikan terhadap prestasi kerja Dari hipotesis di atas dapat dirumuskan kerangka hubungan kausal emperis antara jalur dengan persamaan struktural sebagai berikut

X 1 1 x 3 x 1 r 12 yx 1 X 3 x 2 x 1 X 2 3 yx 3 yx 2 Y

Sub Struktur 1 X 1 x 3 x 1 r 12 X 3 X 2 x 2 x 1

SILAKAN TENTUKAN KOEFISIEN DI ATAS TAPI SEBAIKNYA PERIKSA HIPOTESA DULU UNTUK ITU APA YANG MESTI ANDA LAKUKAN REGRESI X 1 X 2 DAN X 3 DIDAPAT HASIL BERIKUT

Dari tabel Anova ini berarti Hipotesa secara simultan yaitu : H 0 : Kepemimpinan dan Iklim organisasi Berkontribusi secara simultan dan signifikan terhadap motivasi H 0 : x 3 x 1 = x 3 x 2 0 Hipotesa Diterima ? ?

x 3 x 1=0. 345 x 3 x 2=0. 666 Silakan hitung nilai F Hitung F= 26. 994 Data di atas kita gunakan untuk pengujian secara individual

H 0: x 3 x 1 >0 Dengan kata lain : Kepemimpinan berkontribusi secara signifikan terhadap motivasi kerja Hipotesa ditolak (tidak signifikan) H 0: x 3 x 2 >0 Dengan kata lain : Iklim organisasi berkontribusi secara signifikan terhadap motivasi kerja Hipotesa diterima ( signifikan)

Walaupun di model summary sig = 0. 00, tapi ada koefisien jalur yan. g tidak signifikan yaitu variabel kepemimpinan (X 1) , maka model di atas perlu diperbaiki melalui model trimming. Yaitu dengan mengeluarkan variabel kepemimpinan. Kemudian dilakukan di uji lagi yang mana variabel eksogen kepemimpinan (X 1) tidak di ikutserjakan INGAT JANGAN BURU 2 MENENTUKAN Diperoleh. SAJA. hasil sebagai berikut PERSAMAAN

x 3 x 2=0. 887

Jadi persamaannya menjadi YANG PALING PENTING JELASKAN APA MAKNA PERSAMAAN DI ATAS

Menguji sub struktur ke 2

SEBELUM MELAKUKAN PERHITUNGAN PERSAMAAN STRUKTURNYA LAKUKAN DULU UJI HIPOTESANYA DLL

Pengujian secara simultan (keseluruhan) Hipotesa : H 0 : Kepemimpinan, Iklim Orgnisasi dan motivasi kerja berkontribusi secara simultan dan signifikan terhadap prestasi kerja H 0 : yx 3 = yx 2 = yx 1 0 Hipotesa diterima : silakan beri makna/interpretasi

Pengujian secara Individual Rumuskan Hipotesa 1 H 0: Kepemimpinan berkontribusi secara signifikan terhadap prestasi kerja H 0: yx 1 >0 Hipotesa diterima : silakan buat interpretasi

Pengujian secara Individual Rumuskan Hipotesa 2 H 0: Iklim organisasi berkontribusi secara signifikan terhadap prestasi kerja H 0: yx 2 >0 Hipotesa ditola: siklakan buat interpretasi

Pengujian secara Individual Rumuskan Hipotesa 3 H 0: Motivasi kerja berkontribusi secara signifikan terhadap prestasi kerja H 0: yx 3 >0 Hipotesa diterima : silakan buat interpretasi

Dari data di atas diperoleh bahwa : Ada koefisien jalur yang tidak signifikan yaitu variabel Iklim , (X 2 ) maka model perlu diperbaiki yaitu dengan mengeluarkan variabel X 2 , kemudian di ulang lagi perhitungannya dengan tidak mengikutsertakan varibel X 2 Silakan dicoba

diperoleh Dari model summary di atas Apa yang dapat anda simpulkan

Apa yang dapat anda simpulkan (silakan buat sendi) Hipotesanya apa dan kesimpulannya apa

Dari sini apa yang dapat anda simpulkan yx 1 = 0. 666 yx 3 = 0. 367 Selanjutnya apa yang mesti anda hitung lagi Nilai y ? ? ? Bagaimana menghitungnya

Hitung dulu besar koefisien determinannya R 2 yx 3 x 1 = yx 1 x ryx 1 + yx 3 x ryx 3 R 2 yx 3 x 1 = 0. 666 x 0. 950 + 0. 367 x 0. 881 = 0. 956

Kalau anda sudah paham sebenarnya bisa Dilihat disini Jadi y = = 0. 2098 Dengan demikian hubungan sub jalur 2 menjadi

X 1 yx 1 =0. 666 2=0. 044 X 3 Y yx 3 =0. 367 Hubungan emperis sub struktur 2 Variabel X 1 dan X 3 terhadap Y

Hubungan Variabel X 1 , X 2 dan X 3 terhadap Y adalah X 1 yx 1= 0. 666 X 3 X 2 2=0. 044 yx 3 =0. 367 x 2 x 1 =0. 887 1=0. 213 Y

Dengan koefisien jalur adalah X 3 = x 3 x 2 X 2 + x 3 1 X 3 = 0. 887 X 2 + 0. 143 Dengan R 2 x 3 x 1 =0. 787 Y = yx 1 X 1 + yx 3 X 3 + y 2 Dengan R 2 yx 3 x 1 Y = o. 666 X 1 + 0. 367 X 3 +0. 044 Dengan R 2 yx 3 x 1 = 0. 956

YANG PERLU KITA PIKIRKAN BERIKUTNYA ADALAH KESESUAIAN MODEL JADI PERLU DILAKUKAN UJI KESESUAIAN MODEL

Uji kesesuaian model (goodness-of-fitt test) adalah untuk menguji apakah model yang diusulkan memiliki kesesuaian (fit) dengan data yang ada. Model dikatakan fit dengan data yang ada apabila matriks korelasi sampel tidak jauh berbeda dengan matrik korelasi estimasi (reproduced correlation matrix) atau korelasi yang diharapkan (expected correlation matrix). Untuk mengujinya banyak cara yang dapat dilakukan, akan tetapi banyak peneliti dan juga yang sesuai dengan bidang MANAJEMENT menggunakan : alat uji sebagai berikut

Hipotesa : R = R( ) : matrik korelasi estimasi sama dengan matrik korelasi sampel Dengan uji statistik sebagai berikut Dengan Q = Koefisien Q

Q di uji dengan statistik W yang dihitung dengan rumus Dengan N : Ukuran Sampel D : Banyaknya koefisien jalur yang tidak signifikan Dasar Pengambilan Keputusan Signifikat bila W hitung 2(df, α) Selanjutnya lihat buku hal 147

Kita ambil dari model sub struktur 1 Kita ambil dari model sub struktur 2

Kita ambil dari model sub struktur 1 setelah trimming

Kita ambil dari model sub struktur 2 setelah trimming

Bandingkan dengan tabel distribusi chi kuadrat Diperoleh t = 3. 841 Ternyata Wh > t yaitu 6. 457 > 3. 841 Artinya model signifikan dst Selanjutnya baca Memaknai Hasil analisis Jalu pada buku

Dengan koefisien jalur adalah X 3 = x 3 x 2 X 2 + x 3 1 Dengan R 2 x 3 x 1 X 3 = 0. 887 X 2 + 0. 4615 1 Dengan R 2 x 3 x 1 =0. 787 Y = yx 1 X 1 + yx 3 X 3 + y 2 Dengan R 2 yx 3 x 1 Y = o. 666 X 1 + 0. 367 X 3 +0. 2098 2 Dengan R 2 yx 3 x 1 = 0. 956 Lihat buku hal 149

Perhatikan data berikut dan kemudian coba rancang persamaan struktur yang mungkin Kita kerjakan denan model trimming, lalu kita lihat masalah yang timbul, kemudian baru dikerjakan dengan model kausalitas