Analisis SEM Dengan SPSS -Regresi Linier Variabel Laten

10/9/2017

Analisis SEM dengan SPSS -Regresi Linier Variabel Laten

Teknik Analisis Data Teknik analisis data statistik penelitian dengan SPSS dan R Stat

Regresi Linier untuk Variabel Laten May 26, 2016

Uji Pengaruh

Perhatian: sebagian orang mungkin menganggap bahwa ini adalah analisis SEM dengan spss. Analisis SEM tidak bisa dilakukan dengan SPSS, hanya bisa dengan Lisrel atau Amos. Penjelasan di halaman ini hanya pengganti SEM jika jumlah responden tidak mencukupi untuk SEM. Di halaman ini dijelaskan teknik analisis data dengan uji regresi linier untuk variabel laten. Untuk penjelasan apa itu variabel laten ada di Halaman Depan di Depan di bagian Pengolahan Data untuk Variabel Laten di Ilmu Sosial. Data yang digunakan untuk penjelasan di halaman ini adalah datanya.sav . Silakan unduh filenya di sini.. sini

Contoh Model Penelitian

Contoh model regresi variabel laten Model di atas adalah contoh model penelitian yang mungkin ada di pemasaran. Ada tiga variabel laten yaitu Ekspektasi, Kepuasan dan Loyalitas. Setiap variabel laten diukur dengan tiga variabel terukur/indikator terukur/indikator (observed variable). Misal, variabel Ekspektasi diukur dengan indikator B1, B2 dan B3.

Cara Menggabungkan Indikator dengan Rata-Rata http://teknikanalisisdata.com/regresi-linier-variabel-laten/

1/6

10/9/2017


Sebelum variabel dapat diregresikan, indikator-indikatornya harus digabung terlebih dahulu. Indikator dapat digabung dengan rata-rata. Buka file datanya.sav yang sudah diunduh lalu klik seperti di bawah ini.

Kita pertama-tama akan menggabungkan indikatornya Ekspektasi. Untuk itu: 1. ketik Ekspektasi di Target Variable 2. ketik rumus rata-rata untuk mendapat nilai rata-rata B1, B2 dan B3 3. klik OK Seperti di bawah ini.

http://teknikanalisisdata.com/regresi-linier-variabel-laten/

2/6

10/9/2017


Di Data View akan muncul variabel baru seperti di bawah ini.


3/6

10/9/2017


Lakukan hal di atas untuk variabel Kepuasan dan Loyalitas.

Cara Melakukan Regresi Liniernya Ingat kembali di modelnya ada dua panah: 1. dari Ekspektasi ke Kepuasan 2. dari Kepuasan ke Loyalitas Karena itu kita lakukan dua kali regresi yaitu 1. Kepuasan sebagai variabel terikat (dependent variable) dan Ekspektasi sebagai variabel bebas (independent variable) 2. Loyalitas sebagai variabel terikat (dependent variable) dan Kepuasan sebagai variabel bebas (independent variable)


4/6

10/9/2017


Sehingga didapat dua persamaan regresi: Regresi 1: Kepuasan = α + β Ekspektasi Regresi 2: Loyalitas = α + β Kepuasan

Regresi 1: Kepuasan = α + β Ekspektasi Seperti biasa, pilih menu regresi linier seperti di bawah ini

Lalu masukkan Kepuasan di Dependent Variable dan Ekspektasi di Independent variable. Variabel Kepuasan dan Ekspektasi ini adalah variabel hasil penggabungan indikator dengan menggunakan rata-rata.


5/6

10/9/2017


Hasilnya adalah seperti ini.

Sesuai dengan nilai signifikansinya yang lebih dari 5% (0.171) sehingga tolak H0 di mana: H0: ekspektasi tidak mempengaruhi kepuasan Sehingga dapat disimpulkan bahwa H0 tidak ditolak/gagal ditolak atau dengan kata lain ekspektasi tidak mempengaruhi kepuasan. Catatan: kalau sudah terima H0 atau tidak menolak H0, tidak usah melihat angka α dan β nya.

Regresi 2: Loyalitas = α + β Kepuasan Hal ini berbeda dengan regresi Kepuasan terhadap Loyalitas di mana hasilnya adalah sebagai berikut:


6/6

Analisis SEM Dengan SPSS -Regresi Linier Variabel Laten

Recommend Documents