Tugas Akhir Analisis Jalur NURWAHIDAH (12B07031)_KELAS B
TUGAS ANALISIS JALUR DENGAN MUNGGUNAKAN SOFTWARE AMOS Data yang akan di analisis:
Data Data 24 peng penguk ukur uran an pada pada peub peubah ah penc pencem emar aran an udar udara a dicatat pada pukul 12.00 siang di Los Angels pada hari-hari yang berb berbed eda. a. Enam Enam peub peubah ah mani manife fes s yang yang memb memben entu tuk k 2 peub peubah ah late laten. n. Peub Peubah ah late laten n pert pertam ama a adal adalah ah ke kead adaa aan n cuac cuaca a (KC) (KC) dibangun oleh peubah manifes Wind (X 1) dan Solar Rotation (X 2). Peubah laten kedua kandungan kimia (KM) yang dibangun oleh senyawa CO (X3), NO (X4), NO2 (X5), O3 (X6), dan HC (x 7). Datanya sebagai berikut:
x1 8 7 7 10 6 8 9 5 7 8 6 6 7 10 10 9 8 8 9 9 10 9 8 5 6
x2 98 107 103 88 91 90 84 72 82 64 71 91 72 70 72 77 76 71 67 69 62 88 80 30 83
x3 7 4 4 5 4 5 7 6 5 5 5 4 7 4 4 4 4 5 4 3 5 4 4 3 5
x4 2 3 3 2 2 2 4 4 1 2 4 2 4 2 1 1 1 3 2 3 3 2 2 3 1
x5 12 9 5 8 8 12 12 21 11 13 10 12 18 11 8 9 7 16 13 9 14 7 13 5 10
x6 8 5 6 15 10 12 15 14 11 9 3 7 10 7 10 10 7 4 2 5 4 6 11 2 23
x7 2 3 3 4 3 4 5 4 3 4 3 3 3 3 3 3 3 4 3 3 4 3 4 3 4
statistika | P a g e 1
Tugas Akhir Analisis Jalur NURWAHIDAH (12B07031)_KELAS B
8 6 8 6 10 8 7 5 6 10 8 5 5 7 7 6 8
84 78 79 62 37 71 52 48 75 35 85 86 86 79 79 68 40
3 4 2 4 3 4 4 6 4 4 4 3 7 7 5 6 4
2 2 1 3 1 1 1 5 1 1 1 1 2 4 2 2 3
7 11 7 9 7 10 12 8 10 6 9 6 13 9 8 11 6
6 11 10 8 2 7 8 4 24 9 10 12 8 25 6 14 5
3 3 3 3 3 3 4 3 3 2 2 2 2 3 2 3 2
Kemudian dianalisis dengan software AMOS 20, model yang dapat dibuat dari data tersebut adalah:
kemudian dari output AMOS diperoleh: Koefisien jalur yang (regression weights) yang dihasilkan adalah sebagai berikut:
statistika | P a g e 2
Tugas Akhir Analisis Jalur NURWAHIDAH (12B07031)_KELAS B
Covariances: (Group number 1 - Default model)
KC <-->
Estimate -.391
KM
S.E. .301
C.R. -1.297
P Label .194
Jadi, koefisien jalur KC↔KM adalah -0,391 yang bermakna KC dan KM berkorelasi negatif namun korelasi antar KC dan KM tidak signifikan karena nilai
p(0,194) > 0,05. Selanjutnya, kontribusi masing-
masing indikator (peubah manifes) terhadap peubah laten dapat dilihat dari hasil berikut: Regression Weights: (Group number 1 - Default model)
Estimate x 1 x 2 x 3 x 4 x 5 x 6 x 7
S.E.
C.R.
P Label
10.370
-.916
.360
<---
KC
1.000
<---
KC
-9.500
<---
KM
1.000
<---
KM
.495
.177
2.799
.005
<---
KM
1.764
.574
3.075
.002
<---
KM
1.557
.815
1.909
.056
<---
KM
.142
.102
1.388
.165
Koefisien jalur yang ditunjukkan di atas adalah yang belum terbakukan (unstandardized), sehingga untuk menentukan urutan kontribusi masing-masing indicator belum dapat dilakukan. Urutan kontribusi
dapat
ditentukan
dari
bobot
terbakukan
(standarizedregression weights) sebagai berikut: Correlations: (Group number 1 - Default model)
KC <-->
KM
Estimate -.643
statistika | P a g e 3
Tugas Akhir Analisis Jalur NURWAHIDAH (12B07031)_KELAS B
Karena hanya satu jalur dyang menghubungkan KC dan KM maka koefisien jalur tebakukannya adalah satu. Dari tabel di atas diperoleh koefisien korelasi -0,643 menunjukkan terjadi korelasi negatif antara KC dan KM. Artinya, semakin besar nilai keadaan cuaca maka nilai kandungan kimia akan semakin kecil, demikian pula sebaliknya. Standardized Regression Weights: (Group number 1 - Default model)
Estimate x 1 x 2 x 3 x 4 x 5 x 6 x 7
<---
KC
.342
<---
KC
-.296
<---
KM
.932
<---
KM
.523
<---
KM
.602
<---
KM
.332
<---
KM
.236
Kemudian, kontribusi indikator X1 dan X2 terhadap peubah laten KC berbeda jauh. Kontribusi X1 lebih tinggi dan bernilai positif (0,342) daripada kontribusi
X 2 (-0,296). Selanjutnya, urutan
kontribusi indikator X3, X 4, X5, X 6 dan X7 kepada peubah laten KM, yang terbesar adalah X 3 (0,932), kemudian X 5 (0,602), kemudian X 4 (0,523), kemudian X6 (0,332) dan terakhir X 7 (0,236). Selanjutnya, ciri model diberikan oleh model fit summary sebagai berikut: Model Fit Summary CMIN
statistika | P a g e 4
Tugas Akhir Analisis Jalur NURWAHIDAH (12B07031)_KELAS B
Model Default model Saturated model Independence model
NPAR 15 28 7
CMIN 34.421 .000 70.800
DF 13 0 21
P .001
CMIN/DF 2.648
.000
3.371
RMR, GFI
Model Default model Saturated model Independence model
RMR 4.114 .000 5.439
GFI .855 1.000 .704
AGFI .688
PGFI .397
.606
.528
NFI Delta1 .514 1.000 .000
RFI rho1 .215
IFI Delta2 .629 1.000 .000
TLI rho2 .305
Baseline Comparisons
Model Default model Saturated model Independence model
.000
.000
CFI .570 1.000 .000
Parsimony-Adjusted Measures
Model Default model Saturated model Independence model
PRATIO .619 .000 1.000
PNFI .318 .000 .000
PCFI .353 .000 .000
NCP
Model Default model Saturated model Independence model
NCP 21.421 .000 49.800
LO 90 7.728 .000 27.958
FMIN .840 .000 1.727
F0 .522 .000 1.215
HI 90 42.768 .000 79.240
FMIN
Model Default model Saturated model Independence model
LO 90 .188 .000 .682
HI 90 1.043 .000 1.933
RMSEA
statistika | P a g e 5
Tugas Akhir Analisis Jalur NURWAHIDAH (12B07031)_KELAS B
Model Default model Independence model
RMSEA .200 .240
LO 90 .120 .180
HI 90 .283 .303
PCLOSE .003 .000
BIC 90.486 104.655 96.963
CAIC 105.486 132.655 103.963
AIC
Model Default model Saturated model Independence model
AIC 64.421 56.000 84.800
BCC 71.694 69.576 88.194
ECVI
Model Default model Saturated model Independence model
ECVI 1.571 1.366 2.068
LO 90 1.237 1.366 1.536
HI 90 2.092 1.366 2.786
MECVI 1.749 1.697 2.151
HOELTER
Model Default model Independence model
HOELTER .05 27 19
HOELTER .01 33 23
statistika | P a g e 6
