CONTOH ANALISIS FAKTOR DAN ANALISIS JALUR

MEMAHAMI SOAL-JAWAB ANALISIS ANALISIS FAKTOR DAN ANALISIS JALUR UNTUK DATA PENELITIAN ILMU-ILMU SOSIAL Oleh: Darmawan Soegandar

PERSOALAN KE-1. Diteliti “Efektifitas Organisasi Sekolah”. Masalah penelitian dirumuskan sebagai berikut: “apa penciri utama efektifitas organisasi sekolah menengah pertama di lingkungan Dinas Pendidikan Provinsi Jawa Barat”. Dengan ringkasan hasil analisis data

Gambar A Model Pengukuran EOS Table 1 Ringkasan Hasil Pengujian M odel (n=128) 2

Indikator

λ*

c.r

P

R

Y11 Y12 Y13 Y14 Y15 Y16 Y17 Y18 Y19

0.419 0.545 0.803 0.823 0.653 0.614 0.596 0.642 0.448

4.655 6.281 10.407 10.805 7.848 7.263 6.997 7.685 5.011

*** *** *** *** *** *** *** *** ***

0.176 0.297 0.644 0.678 0.426 0.377 0.355 0.413 0.200

*koefisien bobot faktor dalam angka y ang disandarkan

Pada Uji Fit Model di dapatkan keterangan: Chi-Square

= 35.447

Df

= 27

P-value

= 0.128

RMSEA

= 0.050

GFI

= 0.942

AGFI

= 0.903

NFI

= 0,910

NNFI

= 0,969

CFI

= 0.977

Problem: a. Rumuskan diagram jalur dan persamaan model pengukuran EOS dalam format CFA

Penyelesaian:

Gambar B Diagram Jalur

1|D a r m a w a n S o e g a n d a r

Keterangan gambar Diagram Jalur: Variabel laten

: EOS

Indikator

: Y11; Y12; Y13; Y14; Y15; Y16; Y17; Y18 dan Y19

Measurement error

: δ11 s.d. δ19

Factor loading

: λ 11 11 s.d. λ 19 19

Sedangkan persamaan model pengukuran konstruk EOS-nya adalah Y11 = λ 11EOS 11EOS + δ11 Y12 = λ 12EOS 12EOS + δ12 Y13 = λ 13EOS 13EOS + δ13 Y14 = λ 14EOS 14EOS + δ14 Y15 = λ 15EOS 15EOS + δ15 Y16 = λ 16EOS 16EOS + δ16 Y17 = λ 17EOS 17EOS + δ17 Y18 = λ 18EOS 18EOS + δ18 Y19 = λ 19EOS 19EOS + δ19

b. Berdasarkan hasil analisis data, apakah model pengukuran EOS fit atau tidak dengan data? Mengapa? Jelaskan?

Penyelesaian: Syarat fit tidaknya model dengan data adalah sebagai berikut Table 2 Indikator Uji FIT Model

Indikator P-value RMSEA GFI AGFI NFI NNFI CFI

Syarat > 0.05 < 0.08 > 0.90 > 0.90 > 0.90 > 0.90 > 0.90

2|Darmawan Soegandar

Hasil Uji 0.128 0.050 0.942 0.903 0.910 0.969 0.977

Keputusan FIT FIT FIT FIT FIT FIT FIT

∴

bisa kita ambil kesimpulan berdasarkan indikator yang di berikan pada diagram jalur empiris dan syarat perlunya maka bahwa model pengukuran EOS fit dengan data.

c. Apakah model pengukuran memenuhi kriteria validitas dan realibilitas? Mengapa? Jelaskan?

Penyelesaian: Untuk menjawab pertanyaan ini kita akan menggunakan tabel 1 ringkasan hasil penelitian Indikator

λ*

c.r

Y11 0.419 4.655 Y12 0.545 6.281 Y13 0.803 10.407 Y14 0.823 10.805 Y15 0.653 7.848 Y16 0.614 7.263 Y17 0.596 6.997 Y18 0.642 7.685 Y19 0.448 5.011 *koefisien bobot faktor dalam angka yang disandarkan

2

P

R

*** *** *** *** *** *** *** *** ***

0.176 0.297 0.644 0.678 0.426 0.377 0.355 0.413 0.200

•

Sebuah koefisien bobot faktor tidak signifikan jika P > 0.05, sehingga berdasarkan syarat ini semua indikator memenuhi syarat

•

Sebuah indikator tidak valid jika Koefisien bobot faktornya dalam angka yang distandarkan kurang dari 0.50, sehingga berdasarkan syarat ini maka indikator Y11 ( λ 11 11 = 0.419 < 0.50) dan Y19 (λ ( λ 19 19 = 0.448 <0.50) tidak memenuhi syarat ini.

Oleh karena itu maka bisa kita katakan bahwa indikator Y11 dan Y19 tidak memenuhi kriteria validitas. Sedangkan indikator Y12; Y13; Y14; Y15; Y16; Y17 dan Y18 memenuhi kriteria kriteria validitas. Untuk mengetahui realibilitas model kita akan menggunakan rumus untuk itu kita memerlukan tabel persiapan berikut: Table 3 Persiapan CRk

Indikator

λ

E

Y11 Y12 Y13 Y14 Y15

0.419 0.545 0.803 0.823 0.653

0.824 0.703 0.356 0.322 0.574


೙ ఒ൯మ ∑ ൫ ೔సభ ௞ = ൫∑೔సభ೙ ఒ൯మା൫∑೔సభ೙ ௘೔൯,

Y16 Y17 Y18 Y19

Maka dengan

∑௜ୀଵ௡ =

0.614 0.596 0.642 0.448

5,543 maka

sehingga kita dapat menghitung

0.623 0.645 0.587 0.800

ሺ∑௜ୀଵ௡ ሻଶ =൫∑30,೙ 7ఒ24849 మ ൯ ೔సభ ௞ = ൫∑೔సభ೙ ఒ൯మା൫∑೔సభ೙ ௘೔൯ = ,

sedangkan 0,849718668. 0,849718668.

∑௜ୀଵ௡ ௜ = 5,434 Jadi

kita

bisa

mengambil kesimpulan bahwa realibilitas model adalah sebesar 0.85. Realibilitas ini tentu akan berubah jika indikator yang tidak valid yaitu Y11 dan Y19 dikeluarkan.

d. Merujuk hasil pengujian model, jelaskan bagaimana jawaban empiris terhadap penelitian yang diajukan? Jelaskan.

Penyelesaian: Indikator Fleksibilitas (Y11) dan Keterampilan Karyawan (Y19) diindikasikan tidak valid mengukur variabel latennya Efektivitas Organisasi Sekolah (EOS). Oleh karena itu, dikeluarkan dari model. Sehingga dapat kita katakan bahwa variabel laten valid dan realibel dapat diukur oleh Y12; Y13; Y14; Y15; Y16; Y17 dan Y18. Dengan kata lain, mengindikasikan data variabel laten EOS = komposit skor indikator Y12; Y13; Y14; Y15; Y16; Y17 dan Y18. Berdasarkan data tersebut maka, penciri utama efektifitas organisasi sekolah menengah pertama di lingkungan Dinas Pendidikan Provinsi Jawa Barat adalah Perolehan sumber daya, Perencanaan, Produktivitas, Efisiensi, Ketersediaan Informasi, Stabilitas dan Kohesitivitas.


PERSOALAN Ke-2. Seorang peneliti merumuskan kerangka pemeikiran penelitian sebagai berikut:

Y1 = f(X1, X2, X3, e1) Y2 = f(X1, X2, X3, Y1, e2) Dugaan sementara semua variabel penyebab berpengaruh positif terhadap variabel akibat. Berdasarkan data yang dikumpulkan dari sampel berukuran 111 responden. a. Dalam format analisis jalur, buat diagram dan persamaan struktrural untuk kedua model yang akan diuji.

Gambar C Model Y1

Parameter yang diestimasi:

ଵ = ଵ ଵ൅ ଶ ଶ൅ ଷ ଷ൅ ଵ

Gambar D Model Y2



ଶ= ଵ ଵ൅ ଶ ଶ൅ ଺ ଵ൅ ଶ

b. Rumuskan hipotesis penelitian dan hipotesis statistik untuk hipotesis penelitian yang akan diuji. •

ଵ: ଵ = ሺ ଵ, ଶ, ଷሻ

Model Hipotesis penelitian:

H1 : Semakin tinggi tingkat X 1, semakin tinggi tingkat Y 1 H2 : Semakin tinggi tingkat X 2, semakin tinggi tingkat Y 1 H3 : Semakin tinggi tingkat X 3, semakin tinggi tingkat Y 1 Hipotesis statistik: mempengaruhi Y1 mempengaruhi Y 1 •

Model



଴: ௬ଵ௫ଵ = ௬ଵ௫ଶ = ௬ଵ௫ଷ = 0; ଵ, ଶ,

H1: sekurang-kurangnya satu diantara

dan

ଷ

tidak

dan

ଵ

tidak

ଵ, ଶ, dan ଷ

ଶ: ଶ = ሺ ଵ, ଷ, ଵሻ

H4 : Semakin tinggi tingkat X 1, semakin tinggi tingkat Y 2 H5 : Semakin tinggi tingkat X 3, semakin tinggi tingkat Y 2 H6 : Semakin tinggi tingkat Y 1, semakin tinggi tingkat Y 2 Hipotesis statistik: mempengaruhi Y2 mempengaruhi Y 2



଴: ௬ଶ௫ଵ = ௬ଶ௫ଷ = ௬ଶ௬ଵ = 0; ଵ, ଶ,

H1: sekurang-kurangnya satu diantara

ଵ, ଶ, dan ଵ

c. Berdasarkan hasil analisis data diatas: i. Buat tabel ringkasan hasil pengujian hipotesis baik untuk model Y1 dan model Y2 Table 4 Ringkasan Hasil Pengujian Hipotesis

Model Model Y1 Y1 X1 Y1 X2 Y1 X3 Model Y2 Y2 X1 Y2 X3 Y2 Y1 ← ← ←

← ← ←

Koefisien Jalur

t

P-value

R

0.341 0.411 0.256

5.089 6.235 4.455

*** *** ***

0,853849

0.169 0.144 0.431

2.042 2.068 4.010

*** *** ***

0.821


Berbeda dengan model Y 2, model Y1 tidak diberikan tabel model summary 2 sehingga kita tidak bisa langsung mengetahui R yang pada tabel model summary bisa langsung diketahui dengan membaca kolom ke-3 (R Square). Untuk itu kita akan menggunakan fungsi balikan dari rumus F hitung.

= ሺ௡ି௞௞ሺିଵଵିమሻሻ మ

dengan memasukkan data yang kita dapatkan dari tabel ANOVA

bahwa Fhitung = menghasilkan

208, 373 dengan n = 111; k = 3 maka rumus tersebut ሺଵଵଵିଷିଵሻ ଵଵଵିଷିଵሻమ 2 sehingga kita dapatkan R sebesar ଷሺଵିమ ሻ

208.373 ൌ

0,853849. Atau bisa lebih cepat jika menggunakan fungsi balikan

ii.

b

ଵ ଶ ൌ ೙షೖషభ ቀ ಷೖ ቁାଵ

Buat diagram jalur lengkap (full path diagram) empiris untuk model penelitian yang telah di uji. Model Y1

Gambar E Full Path Diagram Model Y1

ଵ ൌ 0.341 ଵ ൅0.411 ଶ ൅0.256 ଷ ൅ 0.14615 ଵ ; ଶ ൌ 0,853849 Model Y2

Gambar F Full Path Diagram Model Y2


ଶ = 0.169 ଵ ൅0.144 ଷ ൅0.431 ଵ ൅0.179 ଶ; ଶ = 0,821 iii.

Buat interpretasi terhadap hasil pengujian hipotesis penelitian yang diajukan Model Y1 Uji overall  Hipotesis statistik ; dan tidak mempengaruhi Y 1  H1:

଴: ௬ଵ௫ଵ = ௬ଵ௫ଶ = ௬ଵ௫ଷ = 0 ଵ, ଶ, ଷ sekurang-kurangnya satu diantara ଵ , ଶ , dan ଷ mempengaruhi Y

1

Fhitung diketahui dari tabel ANOVAb sebesar 208,373 > F tabel 2,689 dengan P sig = 0.000 < 0.0001  H0 ditolak Artinya, diantara variabel dan ada yang mempengaruhi Y 1. Variabel yang mempengaruhi Y 1 akan diketahui melalui uji individual.

ଵ, ଶ,

Uji individual

ଷ

Hipotesis statistik

଴: ௬ଵ௫ଵ = ௬ଵ௫ଶ = ௬ଵ௫ଷ = 0; secara individual ଵ, ଶ, dan ଷ tidak mempengaruhi Y H : ௬ଵ௫ଵ = ௬ଵ௫ଶ = ௬ଵ௫ଷ > 0: secara individual ଵ , ଶ , dan ଷ berpengaruh positif terhadap Y Pengujian: ௬ଵ௫ଵ t 5.089 > t 1,982 dengan P = 0.000 < 0.0001 ௬ଵ௫ଶ t 6.235 > t 1,982 dengan P = 0.000 < 0.0001 ௬ଵ௫ଷ t 4.455 > t 1,982 dengan P = 0.000 < 0.0001 1 

1

1

 1hitung

tabel

sig

 2 hitung

tabel

sig

 3 hitung

tabel

sig

Hasil uji: H0 ditolak artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-1,2 dan 3 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y 1 yang dihipotesiskan seutuhnya dapat diterima. Model Y2 Uji overall  Hipotesis statistik ; dan tidak mempengaruhi Y 2  H1:

଴: ௬ଶ௫ଵ = ௬ଶ௫ଷ = ௬ଶ௬ଵ = 0 ଵ, ଷ, ଵ sekurang-kurangnya satu diantara ଵ , ଷ , dan ଵ mempengaruhi Y ଵଵଵିଷିଵሻ଴.଼ଶଵ sebesar 163,5884544 > = ሺ௡ି௞௞ሺିଵଵିమሻሻ మ = ሺଵଵଵିଷିଵሻ F diketahui rumus ଷሺଵି଴.଼ଶଵ ሻ F 2,689 dengan P = 0.000 < 0.0001 H ditolak Artinya, diantara variabel ଵ , ଷ , dan ଵ ada yang mempengaruhi Y . Variabel 2

hitung tabel

sig



0

2

yang mempengaruhi Y 2 akan diketahui melalui uji individual.

Uji individual



଴: ௬ଶ௫ଵ = ௬ଶ௫ଷ = ௬ଶ௬ଵ = 0; secara individual ଵ, ଷ, dan ଵ tidak mempengaruhi Y H : ௬ଵ௫ଵ = ௬ଵ௫ଶ = ௬ଵ௫ଷ > 0: secara individual ଵ , ଷ , dan ଵ berpengaruh positif terhadap Y Pengujian: ௬ଶ௫ଵ t 2.042 > t 1,982 dengan P = 0.044 > 0.0001 ௬ଶ௫ଷ t 2.068 > t 1,982 dengan P = 0.041 > 0.0001 ௬ଶ௬ଵ t 4.010 > t 1,982 dengan P = 0.000 < 0.0001 2 

1

2

 4hitung

tabel

sig

 5 hitung

tabel

sig

 6 hitung

tabel

sig

Hasil uji: H0 ditolak pada t 6 dan diterima pada t 4 dan t5 artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-3 diterima dan ke-1 dan 2 ditolak dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y1 yang dihipotesiskan tidak seutuhnya dapat diterima. Karena pengaruh langsung yang tidak signifikan dari X 1 dan X3. iv.

Buat tabel decomposition of effect variabel penyebab terhadap variabel akibat Table 5 Decomposition of Effect

Pengaruh Antar Variabel Y1 Y1 Y1 Y2 Y2 Y2 Y2 v.

← ← ← ← ← ← ←

X1 X2 X3 X1 X2 X3 Y1

Pengaruh

Langsung 0.341 0.411 0.256 0.169 0.224 0.144 0.431

Melalui Y1

0,147 0,177 0,11

Total 0.341 0.411 0.256 0,316 0,401 0,254 0.431

Tentukan variabel apa yang memiliki pengaruh relatif paling kuat terhadap variabel Y2? Jelaskan! Variabel yang paling kuat relatif terhadap variabel Y 2 adalah variabel Y 1, hal ini bisa kita lihat dari nilai beta sebesar 0,431 yang signifikan. Kedua variabel lain tidak signifikan berpengaruh. Dan ketiga, ada pengaruh tak langsung dari X 1,2,3 ke Y2 melalui Y1


PERSOALAN Ke-3. Seorang peneliti merumuskan masalah penelitian sebagai berikut:

a. Bagaimana pengaruh X 1, X2, X3 dan X4 terhadap Y b. Bagaimana pengaruh X 1, X2, X3, X4 dan Y terhadap Z Berdasarkan kajian teori tertentu, peneliti berhasil merumuskan kerangka pemikiran sebagai berikut:

= ሺ ଵ, ଶ, ଷ, ସ, ଵሻ = ሺ ଵ , ଶ , ଷ, ସ, , ଶ ሻ a. Rumuskan hipotesis penelitian dan hipotesis statistik yang akan a kan di uji •

: = ሺ ଵ, ଶ, ଷ, ସሻ


H1 : Semakin tinggi tingkat X 1, semakin tinggi tingkat Y H2 : Semakin tinggi tingkat X 2, semakin tinggi tingkat Y H3 : Semakin tinggi tingkat X 3, semakin tinggi tingkat Y H4 : Semakin tinggi tingkat X 4, semakin tinggi tingkat Y Hipotesis statistik: mempengaruhi Y mempengaruhi Y •

Model

଴: ௬௫ଵ = ௬௫ଶ = ௬௫ଷ = ௬௫ସ = 0; ଵ, ଶ, ଷ dan ସ tidak H : sekurang-kurangnya satu diantara ଵ , ଶ , ଷ dan ସ



1

: = ሺ ଵ, ଶ, ଷ, ସ, ሻ

H5 : Semakin tinggi tingkat X 1, semakin tinggi tingkat Z H6 : Semakin tinggi tingkat X 2, semakin tinggi tingkat Z H7 : Semakin tinggi tingkat X 3, semakin tinggi tingkat Z H8 : Semakin tinggi tingkat X 4, semakin tinggi tingkat Z H9 : Semakin tinggi tingkat Y, semakin tinggi tingkat Z

଴: ௓௫ଵ = ௓௫ଶ = ௓௫ଷ = ௓௫ସ = ௓௬ = 0; ଵ, ଶ, ଷ, ସ dan tidak mempengaruhi Z H : sekurang-kurangnya satu diantara ଵ , ଶ , ଷ, ସ

Hipotesis statistik:



dan

mempengaruhi Z.

10 | D a r m a w a n S o e g a n d a r

1

b. Dalam format analisis jalur, rumuskan diagram jalur dan persamaan model struktural yang akan diuji

Gambar G Model Y


= ଵ ଵ൅ ଶ ଶ൅ ଷ ଷ൅ ସ ସ൅ ଵ

Gambar H Model Z



= ଵ ଵ൅ ସ ସ൅ ଻ ൅ ଶ

c. Dengan input data matrik kovariansi atau matrik korelasi, uji apakah model yang diusulkan fit atau tidak dengan data? Jelaskan.

Substruktur 1: Model Y R1 =

బ,బ,ఱరళఱభ బ,రభళబల బ,బ,లరలమభ బ,బ,రలభళబల భరఴ లళభ బ, ర లళభ లమభ భ బ, ర ళఴల బ,ఱళఱభ బ,రభరఴ బ,రళఴల భ

ቈ

቉

೉೉భమ ೉೉యర

Matriks inversnya -1

R1 =

మ,భమలయయయ వయఴఱళమ షబ,మలఱభమయ ఱయఱ షబ,భ,యవవలఱల మఴలఱల షబ, షబ, ఴలఱల షబ, రయఴభ షబ, షబ,షబ,వలఴఱళమ మబఱయఱ షబ,యమరయఴభ ఱభమయ షబ,భ,వభభఱమర ఱయఱ షబ, మబఱయఱ షబ,భ,ఱళఴయభవ

ቈ

቉

Selanjutnya dari matriks invers tersebut kita akan mendapatkan ρ

మ,భమలయయయ వయఴఱళమ షబ,మలఱభమయ ఱయఱ షబ,భ,యవవలఱల మఴలఱల షబ, షబ, ఴలఱల షబ, రయఴభ షబ, ௜௝ షబ,వఴఱళమ షబ,యరయఴభ భ,వభభఱమర షబ,మబఱయఱ షబ,లఱయఱ షబ,మఱభమయ షబ,మబఱయఱ భ,ఱళఴయభవ

ቈ

=

቉

బ,బ,ఱఱయరభ యర బ,బ,ఱఱఴఱల లయఱ

ρ1 = (2,163330258)(0,5341)+(-0,286560253)(0,534)+(-0,985724353)(0,5856)+(0,653498363)(0,5635) = 0,056925007 ρ2 = (-0,286560253)(0,5341)+(1,399659482)(0,534)+(-0,343810636)(0,5856)+(0,251230181)(0,5635) = 0,251462617 ρ3 = (-0,985724353)(0,5341)+(-0,343810636)(0,534)+(1,911523773)(0,5856)+(0,205352551)(0,5635) = 0,293601902 ρ4 = (-0,653498363)(0,5341)+(-0,251230181)(0,534)+(-0,205352551)(0,5856)+( 1,578318918)(0,5635) = 0,285937864 sehingga koefisien determinasinya adalah

ଵଶ = ∑൫ ௜௝൯൫ ௜௝ ൯

=

(0,056925007)(0,5341)+(

0,293601902)(0,5856)+( 0,285937864)(0,5635) = 0,497743944 Dengan demikian bisa kita dapatkan koefisien jalur residual

1−0,497743944 = 0,7087 ௘௜ = ට 1 − ௜ଶ = √ 1−0,

Selanjutnya kita akan mencari R 2 Substruktur 2: Model Z

2

1 0 , 5 7 5 1 0 , 5 3 4 1 ଵ ൥00,,55735411 0,51635 0,51635൩ ସ

R2 =


0,251462617)(0,534)+(

Matriks inversnya -1

1,൥−0,6539 6563925 25 −0, −0 , 6 643 6 435 5 −0, −0 , 5 09 6435 1, 7 32128 −0, 6 2122 ൩ −0,509 509 −0, −0,6212 21222 1,62191 219177 1,൥−0,6539 6563925 25 −0, −0 , 6 643 6 435 5 −0, −0 , 5 09 0, 7 251 6435 1, 7 32128 −0, 6 2122 ൩ 0, 6 642 −0,509 509 −0, −0,6212 21222 1,621917 21917 0,7009

R2 =

Selanjutnya dari matriks invers tersebut kita akan mendapatkan ρ ρij =

ρ5 = (1,653924883)(0,7251)+(-0,664350981)(0,6642)+(-0,508999503)(0,7009) 0,401241259 ρ6 = (-0,664350981)(0,7251)+(1,732128183)(0,6642)+(-0,621224372)(0,7009) 0,23334248 ρ7 = (-0,508999503)(0,7251)+(-0,621224372)(0,6642)+(1,621916568)(0,7009) 0,355108555

= = =

sehingga koefisien determinasinya adalah

ଶଶ = ∑൫ ௜௝൯൫ ௜௝ ൯

=

(0,401241259)(0,7251)

+

(0,23334248)(0,6642)

+

(0,355108555)(0,7009) = 0,694821698 Dengan demikian bisa kita dapatkan koefisien jalur residual

1−0,694821698 = 0,552429 ௘௜ = ට 1 − ௜ଶ = √ 1−0,

Untuk melakukan pengujian overall model fit dengan statistik Q 2 Rm = M = 1 - (1 - 0,497743944)(1 - 0,694821698) = 0,84672235

= ଵି଴,ଵି଴,଼଼ସ଺଻ଶଶଷହ ସ଺଻ଶଶଷହ = 1

, karena Q = 1 dapat disimpulkan bahwa model yang diusulkan fit

dengan data. Kesimpulan: hasil estimasi parameter model yang diperoleh data sampel dapat diberlakukan terhadap populasi. d. Uji apakah hipotesis penelitian seluruhnya diterima? Jika tidak, bagaimana model diperbaiki? Jelaskan.

Model Y Uji overall  Hipotesis statistik

଴: ௬௫ଵ = ௬௫ଶ = ௬௫ଷ = ௬௫ସ = 0; ଵ, ଶ, ଷ dan ସ tidak mempengaruhi Y H : sekurang-kurangnya satu diantara ଵ , ଶ , ଷ dan ସ mempengaruhi Y మ ሺ ሻ ሺ ሻ ௡ି ௞ ଵ ି  ଵ଴଴ି ସ ିଵ ଴, ସ ଽ଻଻ସଷଽସସ = = F diketahui dari ௞ሺଵିమሻ ସሺଵି଴,ସଽ଻଻ସଷଽସସሻ ଽ଻଻ସଷଽସସሻ sebesar 23,5366374 >



1

hitung

Ftabel 2,699 dengan P sig = 0.000 < 0.0001  H0 ditolak


ଵ, ଶ, ଷ

ସ

Artinya, diantara variabel dan ada yang mempengaruhi Y. Variabel yang mempengaruhi Y akan diketahui melalui uji individual. Uji individual


଴: ௬௫ଵ = ௬௫ଶ = ௬௫ଷ = ௬௫ସ = 0; secara individual ଵ, ଶ, ଷ dan ସ tidak mempengaruhi Y H : ௬௫ଵ = ௬௫ଶ = ௬௫ଷ = ௬௫ସ > 0: secara individual ଵ, ଶ, ଷ dan ସ berpengaruh positif terhadap Y Pengujian: ఘ೤ೣభమ = ଴,଴ହ଺ଽଶହ଴଴଻ = 0,532 P > 0,0001 ௬௫ଵ tଵ = ଵ = ට ൫భషೃ ሻమ,భలయయయ వళళరయవరర ൫భషೃ భ൯಴భభ ට ሺభషబ,రవళళరయవరరሻ భబబషరషభ ೙షೖషభ ఘ೤ೣమమ = ଴,ଶହଵସ଺ଶ଺ଵ଻ = 2,351 P < 0,0001 ௬௫ଶ tଶ = ଶ = ට ൫భషೃ వళళరయవరరሻమ,భలయయయ ൫భషೃభ൯಴భభ ට ሺభషబ,రవళళరయవరరሻ 

1









௬௫ଷ tଷ = ଷ = 

௬௫ସ tସ = ସ = 

೙షೖషభ ఘ೤ೣయమ ൫భషೃ ൯಴ భ ට ൫భషೃ ೙షೖషభభభ ఘ೤ೣరమ ൫భషೃ భ൯಴భభ ට ൫భషೃ ೙షೖషభ

భబబషరషభ

ଽଷ଺଴ଵଽ଴ଶ = 2,745 = ට ሺభషబ,଴,రଶవళళరయవరరሻ వళళరయవరర భబబషరషభሻమ,భలయయయ ଼ହଽଷ଻଼଺ସ = = ට ሺభషబ,଴,రଶవళళరయవరరሻ వళళరయవరర భబబషరషభሻమ,భలయయయ

P

< 0,0001

2,674 P < 0,0001 2,674

Hasil uji: H0 ditolak pada t 2,3,4 artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-2,3 dan 4 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y yang dihipotesiskan tidak seutuhnya dapat diterima. Maka model bisa diperbaiki dengan cara mentriming jalur dari X 1 ke Y karena model fit dengan data. Model Z Uji overall  Hipotesis statistik ;

଴: ௭௫ଵ = ௭௫ସ = ௭௬ = 0 ଵ, ସ, dan tidak mempengaruhi Z H : sekurang-kurangnya satu diantara ଵ , ସ , dan mempengaruhi Z ሺ௡ି௞ଵି ሻమమ = ሺଵ଴଴ିସିଵ ሻ଴,଺ଽସ଼ଶଵ଺ଽ଼ sebesar 54,07335718 > F diketahui dari = ௞ሺଵି ሻ ସሺଵି଴,଺ଽସ଼ଶଵ଺ଽ଼ሻ ଽସ଼ଶଵ଺ଽ଼ሻ F 2,699 dengan P = 0.000 < 0.0001 H ditolak Artinya, diantara variabel ଵ , ସ , dan ada yang mempengaruhi Z. Variabel 

hitung tabel

sig



0

yang mempengaruhi Z akan diketahui melalui uji individual.


1

Uji individual


଴: ௭௫ଵ = ௭௫ସ = ௭௬ = 0; secara individual ଵ, ସ, dan tidak mempengaruhi Z H : ௭௫ଵ = ௭௫ସ = ௭௬ > 0: secara individual ଵ , ସ , dan berpengaruh 

1

positif terhadap Y Pengujian:

ఘ೥ೣభమ = ଴,ସ଴ଵଶସଵଶହଽ = 5,504687515 ௭௫ଵ tହ = ହ = ට ൫భషೃ ሻభ,లఱయవమరఴఴయ వరఴమభలవఴ ൫భషೃ భ൯಴భభ ට ሺభషబ,లవరఴమభలవఴሻ భబబషరషభ ೙షೖషభ ఘ೥ೣరమ = ଴,ଶଷଷଷସଶସ଼ = 3,20125961 ௭௫ସ t଺ = ଺ = ට ൫భషೃ ሻభ,లఱయవమరఴఴయ వరఴమభలవఴ ൫భషೃ భ൯಴భభ ට ሺభషబ,లవరఴమభలవఴሻ భబబషరషభ ೙షೖషభ ఘ೥೤మ = ଴,ଷହହଵ଴଼ହହହ = 4,871786202 ௭௬ t଻ = ଻ = ට ൫భషೃ ሻభ,లఱయవమరఴఴయ వరఴమభలవఴ ൫భషೃ భ൯಴భభ ට ሺభషబ,లవరఴమభలవఴሻ భబబషరషభ ೙షೖషభ 





P

< 0,0001

P

< 0,0001

P

< 0,0001

Hasil uji: H0 ditolak artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-5,6 dan 7 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y yang dihipotesiskan seutuhnya dapat diterima. e. Buat ringkasan hasil analisis data dalam bentuk tabel, persamaan dan diagram jalur empiris lengkap untuk model struktural yang diuji. Interpretasikan hasil analisis data tersebut. Pengaruh Antar Variabel Y Y Y Y Z Z Z Z Z

f.

← ← ← ← ← ← ← ← ←

X1 X2 X3 X4 X1 X2 X3 X4 Y

Pengaruh

Langsung 0,056925007 0,251462617 0,293601902 0,285937864 0,401241259

0,23334248 0,355108555

Melalui Y

0,020214557 0,089296527 0,104260547 0,101538982

Total 0,056925007 0,251462617 0,293601902 0,285937864 0,421455816 0,089296527 0,104260547 0,334881462 0,355108555

Variabel apa yang memiliki pengaruh relatif paling kuat terhadap variabel Z? Jelaskan. Variabel yang paling kuat mempengaruhi ke variabel Z adalah variabel X1 hal ini bisa kita lihat dengan total pengaruh 0,421455816.

g. Saran apa yang bisa sdr. Berikan untuk penelitian lebih lanjut? Jelaskan.


Saya menyarankan untuk mencoba model korelasional yang lain pada variabel-variabel ini, dengan dukungan teoritis yang kuat tentu saja, agak ditemukan model yang paling fit dalam mempengaruhi Z.


PERSOALAN Ke-4. Diteliti pengaruh home background (HOME) dan ability (ABILITY) terhadap aspiration of education (ASPIRE) dan achievement (ACHIEVE). Masalah penelitian dirumuskan sebagai berikut:

1) Apakah tinggi rendahnya ASPIRE dipengaruhi HOME dan ABILITY? 2) Apakah tinggi rendahnya ACHIEVE dipengatuhi HOME ABILITY dan ASPIRE? Merujuk masalah penelitian dan kerangka pemikiran selanjutnya peneliti mengajukan lima hipotesis sebagai mana dinyatakan persamaan struktural sebagai berikut: ASPIRE = f (HOME, ABILITY) ACHIEVE = f( HOME, ABILITY, ASPIRE) a. Rumuskan hipotesis penelitian yang akan diuji •

ASPIRE: ASPIRE:ASPIRE SPIRE== fሺHOME, HOME,ABILI ABILITYሻ TYሻ HOME ABILITY ଴: ஺௦௠ = ஺௦஺௕ = 0


H1 : Semakin tinggi tingkat H2 : Semakin tinggi tingkat

, semakin tinggi tingkat

ASPIRE ASPIRE

, semakin tinggi tingkat

Hipotesis statistik: ; HOME dan ABILITY tidak mempengaruhi ASPIRE  H1: sekurang-kurangnya satu diantara HOME dan ABILITY mempengaruhi ASPIRE •

Model

ACHIEVE: ACHIEVE:ACHIEVE EVE = fሺHOME, OME,ABIL ABILITY, ITY,ASPIR ASPIREሻEሻ

H3 : Semakin tinggi tingkat HOME, semakin tinggi tingkat ACHIEVE H4 : Semakin tinggi tingkat ABILITY, semakin tinggi tingkat ACHIEVE H5 : Semakin tinggi tingkat ASPIRE, semakin tinggi tingkat ACHIEVE

଴: ஺௖௠ = ஺௖஺௕ = ஺௖஺௦ = 0

Hipotesis statistik: ; HOME, ABILITY, dan ASPIRE tidak mempengaruhi ACHIEVE  H1: sekurang-kurangnya satu diantara HOME, ABILITY, dan ASPIRE mempengaruhi ACHIEVE. b. Rumuskan persamaan pengukuran dan persamaan struktural untuk kasus penelitian di atas. Model Persamaan A. Pengukuran 1. Variabel laten HOME Faminc = λ 1 HOME + δ1 FaEd = λ 2 HOME + δ2


2. Variabel laten ABILITY

VerbAb = λ 3 ABILITY + δ3 QuantAb = λ 4 ABILITY + δ4

3. Variabel laten ASPIRE

EdAsp = λ 5 ASPIRE + δ5 AccAsp = λ 6 ASPIRE + δ6

4. Variabel laten ACHIEVE

VerbAch = λ 7 ACHIEVE + δ7 QuantAch = λ 8 ACHIEVE + δ8

B. Struktural 1. Model ASPIRE 2. Model ACHIEVE

ASPIRE = γ1HOME + γ2ABILITY + ζ1 ACHIEVE = γ1HOME + γ2ABILITY + βASPIRE + ζ2

c. Buat diagram jalur lengkap dan hipotesis statistik untuk model yang diuji dalam format SEM

Gambar I Full Path Diagram Studi Schumacker - Lomax


Semoga bermanfaat untuk bahan sama-sama belajar Salam hangat dari Bandung

www.facebook.com/darmawan.soegandar YM: [email protected] www.darmawansoegandar.blogspot.com


CONTOH ANALISIS FAKTOR DAN ANALISIS JALUR

Recommend Documents