“Tiket UAS SEM“
Menggunakan data UAS a/n Friyatmi
Prof. Dr. Badrun Kartowagiran, M.Pd Nur Hidayanto Pancoro Setyo Putro, S.Pd.,M.Pd.,Ph.D
NIM. 16701261014
Diketahui : File UTS a/n Friyatmi dengan konsep model path model path analysis analysis seperti berikut,
Pada konsep sampel di analisis A/n Friyatmi menggunakan sampel 300 hanya pada nilai sampel tersebut hasilnya tidak goodness of fit dan memiliki nilai p-value yang 0,000. Maka dari itu diturunkan sampelnya menjadi 150 yang mana jumlah sampel. Untuk konsep model path analysis dan data analisis menyamakan dari file a/n Friyatmi.
Ditanyakan : Analisis : Analisis Lisrel Ulang agar mendapatkan hasil yang goodness of fit.
Penyelesaian : Analisis SEM Menggunakan Lisrel Langkah-Langkah Analisis SEM : 1. Menyiapkan data dalam dalam bentuk data data SPSS (.*sav) 2. Buka Lisrel dengan Buka program Lisrel dan buka data yang telah disiapkan dengan mengklik menu File – Import Data in Free Format - Files of type: pilih SPSS for windows dan cari lokasi file data tersimpan (nama File: semfri) lalu tekan Open. Maka data yang telah disiapkan akan terbuka di program Lisrel seperti berikut,
3. Menetukan Variabel, Pilih Menu Data Define Variabels. Kemudian pilih “A1” Variabel Type Pilih Countinuos Centang Aplly to All Pilih OK
Pilih
4. Menyiapkan file path diagram Pilih menu File New Path Diagram OK. Simpan file dengan nama ekstention *psf (runfri.psf) Save As Type dengan ekstention *pth. Kemudian muncul tampilan observed variable untuk membangun path diagram. 5. Menentukan variable observed dan laten Pilih variable observed dengan pilih setup variable Add/read variabels. Kemudian browse file yang telah disimpan dengan ekstention *dsf (runfri.dsf) OK.
Setelah itu menentukan nama variable laten, pilih Add Latent Variabel masukkan file latent yang diinginkan, dalam kasus ini latennya A, B, C, D, Next untuk menentukan banyaknya data yang adakan dianalisis. Seingga muncul 17 variabel observed seperti tampilan berikut,
6. Setelah Next, muncul tampilan seperti berikut dan diisi dengan jumlah sampel (Number of of Observation = 150) OK.
7. Menyusun Path Diagram dengan cara pilih New muncul tampilan seperti berikut,
Pilih Path Diagram
OK.
Akan
8. Menyusun semua variable latent dan observed kecuali varibael eksogen yaitu variable latent A dan variable observed A1, A2, A3, A4. Kemudian bangun path diagram sesuai
dengan kerangka yang telah ditetapkan dengan mendrag semua variable tersebut ke layar kerja seperti berikut,
9. Tentukan output yang ingin ditampilkan dengan cara Pilih Output Lisrel Outputs Selections , maka akan muncul tampilan Selection untuk memilih analisis mana yang akan dimunculkan pada outpu seperti berikut,
10. Membangun sintax lisrel dengan cara Pilih Setup tampilan berikut,
Build
Lisrel Syntax, hingga muncul
Tampilan Sintak Lisrel sebagai berikut : TI Raw Data from file 'D:\Sekolah\Doktoral\Semester 3\SEM\RUN ULANG FRI\SEMFRI.psf' Sample Size = 150 Latent Variables Relationships B1 = 0.81*B B2 = B B3 = B C1 = 0.50*C
B C D E A
C2 = C C3 = C D1 D2 D3 E1 E2 E3 A1
= = = = = = =
0.73*D D D 0.58*E E E A
A2 = A A3 = A A4 = A B D E B
= = = =
C B C B C D A
C = A D = A Set the Variance of A to 1.00 Path Diagram Let errors of A1 and A2 correlate
Let errors of C3 and C1 correlate Let errors of E3 and E2 correlate Let errors of A2 and A3 correlate Print Residuals End of Problem
11. Langkah terakhir ter akhir adalah menjalankan sintak s intak yang telah kita kit a buat sesuai dengan hubungan dari variable dengan pilij icon . Berdasarkan hasil analisis tersebut dihasilkan output gambar SEM sebagai berikut,
Hasil Analisis SEM dengan Lisrel
Gambar 1. Output 1. Output Estimation
Gambar 2. 2. Output Standardized Standardized Solution
Gambar 3. 3. Output Modification Modification Indices Berdasarkan gambar diatas terlihat bahwa nilai RMSEA, chi square, dan p-value telah memenuhi pesyaratan model fit. Untuk mengetahui fit tidaknya model secara keseluruhan, maka dianalisis uji pada hasil Goodness of Fit.
Hasil Output Goodness of Fit Statistics
Ouput ini menyajikan output Lisrel untuk ukuran-ukuran absolute fit measures, incremental fit measures dan parsimony fit measures. Ukuran-ukuran tersebut berfungsi untuk pengujian model SEM secara keseluruhan. Output Lisrel dibawah ini menyajikan nilai derajat bebas dari model SEM, menyajikan juga nilai RMSEA, dan seterusnya. Berikut ini merupakan output dari hasil analisis SEM, Goodness of Fit Statistics Degrees of Freedom = 91 Minimum Fit Function Chi-Square = 107.21 (P = 0.12) Normal Theory Weighted Least Squares Chi-Square = 102.20 (P = 0.20) Estimated Non-centrality Parameter (NCP) = 11.20 90 Percent Confidence Interval for NCP = (0.0 ; 40.18) Minimum Fit Function Value = 0.72 Population Discrepancy Function Value (F0) = 0.075 90 Percent Confidence Interval for F0 = (0.0 ; 0.27) Root Mean Square Error of Approximation (RMSEA) = 0.029 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.054) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.90 Expected Cross-Validation Index (ECVI) = 1.29 90 Percent Confidence Interval for ECVI = (1.21 ; 1.48) ECVI for Saturated Model = 1.83 ECVI for Independence Model = 18.39 Chi-Square for Independence Model with 120 Degrees of Freedom = 2707.40 Independence AIC = 2739.40 Model AIC = 192.20 Saturated AIC = 272.00 Independence CAIC = 2803.57 Model CAIC = 372.67 Saturated CAIC = 817.45 Normed Fit Index (NFI) = 0.96 Non-Normed Fit Index (NNFI) = 0.99 Parsimony Normed Fit Index (PNFI) = 0.73 Comparative Fit Index (CFI) = 0.99 Incremental Fit Index (IFI) = 0.99 Relative Fit Index (RFI) = 0.95 Critical N (CN) = 175.12 Root Mean Square Residual (RMR) = 0.031 Standardized RMR = 0.048 Goodness of Fit Index (GFI) = 0.92 Adjusted Goodness of Fit Index (AGFI) = 0.88 Parsimony Goodness of Fit Index (PGFI) = 0.62
Hasil output yang otomatis muncul dalam tampilan output lisrel ditabulasikan dalam Tabel 2 dengan tujuan untuk mengetahui model analisis jalur secara keseluruhan berdasarkan nilai patokan untuk kecocokan model. Tabel 1. 1. Uji Kecocokan Model SEM Ukuran Uji Kecocokan Model secara Keseluruhan 102,20 Probalibilitas dari 2 ℎ RMSEA 0,029 NFI 0,96 NNFI 0,99 CFI 0,99 IFI 0,99 RFI 0,95 RMR 0,031 SRMR 0,048 GFI 0,92 AGFI 0,88
Nilai Patokan untuk Kecocokan Model ≥ 0,05 ≤ 0,08 ≥ 0,9 ≥ 0,9 ≥ 0,90 ≥ 0,9 ≥ 0,9 ≤ 0,05 ≤ 0,905 ≥ 0,9 AGFI ≤ 0,90
Kecocokan Model terhadap hasil Data Cocok Cocok Cocok Cocok Cocok Cocok Cocok Cocok Cocok Cocok Cocok
Berdasarkan Tabel 1, didapatkan hasil analisis bahwa model SEM ditinjau berdasarkan absolute fit measure (Chi ( Chi square, square, GFI, dan SRMR) memiliki kategori kemampuan model yang memiliki kecocokan data (good ( good fit ). ). Kecocokan model jugaa dipenuhi oleh incremental fit measures yang ditunjukkan oleh NFI, CFI, dan IFI dimana ketiga nilai faktor tersebut memiliki nilai yang lebih besar dari 0,9 dikategorikan bahwa model tersebut memiliki kecocokan data (good (good fit ). ). Pengaruh Langsung dan Tidak Langsung antar Variabel Besarnya pengaruh secara langusng maupun secara tidak langsung antar variable dapat dianalisis berdasarkan nilai Standardized Total Effects (TE) dan Indirect Effects (IE) dari output Lisrel. Nilai pengaruh langsung (direct effect) dihitung dari selisih TE dan IE. Total pengaruh dan pengaruh tidak langsung dapat dilihat pada output sebagai berikut, Hasil Output TE, IE, IE Standardized Total and Indirect Effects Standardized Total Effects of KSI on ETA
B C D E
A -------0.55 0.66 0.51 0.36
Standardized Standardized Indirect Effects of KSI on ETA
B C D E
A -------0.09 - 0.39 0.36
Standardized Total Effects of ETA on ETA
B C D E
B -------- - 0.32 0.21
C -------0.14 - 0.37 0.31
D -------- - - 0.48
E -------- - - - -
Standardized Standardized Indirect Effects of ETA on ETA
B C D E
B -------- - - 0.15
C -------- - 0.04 0.18
D -------- - - - -
E -------- - - - -
Disamping itu, nilai korelasi dan pengaruh antar variable laten dapat dilihat pada output lisrel. Nilai korelasi antar variable terlihat dalam matriks berikut, Correlation Matrix of ETA and KSI
B C D E A
B -------1.00 0.44 0.53 0.36 0.55
C --------
D --------
E --------
A --------
1.00 0.55 0.41 0.66
1.00 0.58 0.51
1.00 0.36
1.00
Berdasarkan nilai tersbeut, maka dapat disusun nilai korelasi dan pengaruh langsung maupun tidak langsung antar variable yang dirangkum dalam tabel berikut,
Tabulasi Output Matriks Korelasi Variabel A B C D E
A 1,00 0,55 0,66 0,51 0,36
B 0,55 1,00 0,44 0,53 0,36
C 0,66 0,44 1,00 0,55 0,41
D 0,51 0,53 0,55 1,00 0,58
E 0,36 0,36 0,41 0,58 1,00
Berdasarkan tabel matriks korelasi berdasarkan analisis output lisrel diketahui bahwa koefisien korelasi antar variable lebih besar dari 0,4 (>0,4). Hasil tersebut menunjukkan bahwa terdapat hubungan dengan kategori kuat antar variable yang
terhubung. menunjukkan bahwa terdapat hubungan yang kuat antar variable yang terhubung. Pengaruh Langsung dan Tidak Langsung
A – B A – C A – D A – E B – C
Koef Korelasi 0,55 0,66 0,51 0,36 0,44
TE 0,55 0,66 0,51 0,36 0,14
Dampak DE 0,46 0,66 0,12 0,14
B – D
0,53
0,32
0,32
-
B – E
0,36
0,21
0,06
0,15
C – D
0,55
0,37
0,33
0,04
C – E
0,41
0,31
0,13
0,18
D – E
0,58
0,48
0,48
-
Variabel
IE 0,09 0,39 0,36 -
S P21P31=0,3 P21P41+P21P31P43+P21 P31P53P54+P21P51P54= 0,21 P21P31P51+P21P51+ P21P41P54+ P21P31P43P54= 0,15 P31P21P42+P21P41+ P31P51P54 = 0,18 P31P51+P31P41P54+ P31P21P42P54= 0.1 P43P53+P42P21P51+ P43P31P51+ P42P21P31P53= 0,1
Berdasarkan hasil output diatas diketahui bahwa pengaruh total (Total Effect / TE) antara TE) antara variable eksogen (A) eksogen (A) terhadap variable endogen ( endogen ( B, C, D, dan E). Nilai pengaruh total merupakan hasil penjumlahan dari pengaruh langsung dengan pengaruh tidak langsung. Contohnya pengaruh dari total A dengan B dengan nilai 0,55. Berdasarkan hasil output diatas diketahui bahwa variable yang memiliki nilai memberikan pengaruh tidak langsung antara variable eksogen dengan variable endogen. Contohnya pada output diatas, terdapat pengaruh tidak langsung A terhadap B sebesar 0,09 dan A terhadap t erhadap D sebesar 0,39. Berdasarkan hasil output diatas diketahui bahwa variable yang memiliki nilai memberikan pengaruh total dan indirect effect variable endogen terhadap variable endogen.
