Download - Latihan structural equation modeling SEM
e: [email protected] t: @logatdjowo
Tahap-tahap SEM
1. Membuat Gambar Path
Keterangan
1. Pertama-tama buat konstruk full model dengan menggunakan
2. Setelah itu, buat item indicator, sejumlah pertanyaan yang dibuat dengan
menggunakan
3. Setelah semua konstruk sudah dibuat, kemudian dihubungkan antar konstruk dengan
menggunakan
4. Kemudian buat z dengan menggunakan sesuai jumlah variable
endogen
5. Untuk membuat uji model, menggunakan dan untuk mengedit
menggunakan
1
3
2
4 5
e: [email protected] t: @logatdjowo
2. Langkah 2 (membuka data yang akan diolah)
Keterangan:
1. Untuk mengambil data adalah klik Select Data File
2. Nanti akan muncul Data Files (seperti nomor 2) kemudian klik File Name
3. Setelah klik File Name nanti akan muncul kotak Open (seperti nomor 3), untuk
selanjutnya file of type dirubah menjadi file yang diharapkan (kalau file excel dirubah
menjadi Excel 5.0, kalau spss dirubah Sav) setelah itu cari file yang akan digunakan
(yang akan diolah). Kemudian open
1. Klik
Select Data
File
2. Klik File
Name
3. Klik data excel , tapi
files of type dirubah
menjadi Excel 5.0
e: [email protected] t: @logatdjowo
3. Langkah 3 (output yang diinginkan)
Keterangan:
1. Analysis properties ini digunakan untuk melihat output apa yang ingin diharapkan
(kalau bisa di klik semua)
1. Klik
Analysis
Propertis
2. Pada
kolom
Output, diklik
semua
e: [email protected] t: @logatdjowo
4. Langkah 4 (proses calculate)
Keterangan:
1. Untuk mengolah data agar bisa kebaca adalah dengan klik Caculate Estimates
2. Untuk melihat angka dari path analisis klik view the output path diagram
3. Kemudian setelah angka dari path keluar, untuk melihat output dari hasil analisis klik
view text seperti gambar ketiga
4. Tampilan output seperti nomor 4
Setelah semua tahap sudah dilakukan, tahap selanjutnya adalah membaca data. Tidak semua
output yang ada digunakan semua, ada beberapa yang digunakan dan ada yang tidak digunakan
dan harus ditampilkan. Berikut adalah beberapa data yang digunakan dalam pembuatan bab 4.
1. Klik
Calculate
Estimates
2. Klik view
the output
path diagram
4. Ourput
5. Data path
diagram
3. Klik view
Text
e: [email protected] t: @logatdjowo
5. Langkah 5 (membaca output)
Setelah klik View text nanti akan muncul output seperti dibawah.
A. UJI KESESUAIAN MODEL (GOODNESS-OF-FIT TEST)
Model pengukuran terhadap dimensi-dimensi yang membentuk variabel laten atau
konstruk laten atau faktor laten dalam model ini. Unidimensionalitas dari dimensi-
dimensi tersebut diuji melalui conirmatory factor analysis yang hasilnya seperti disajikan
dalam gambar berikut ini:
Hasil uji kelayakan model untuk analisis faktor konfirmatori pada adalah sebagai berikut:
Evaluasi Kriteria Goodness-of-fit Indices
Goodness-of-Fit Index Cut-off Value Hasil Data Evaluasi
Chi-square 598,308 Marjinal
Significance Probability 0.05 0,084 Baik
GFI 0.90 0,858 Marjinal
AGFI 0.90 0,837 Marjinal
CMIN/DF 2.00 1,084 Baik
TLI 0.90 0,996 Baik
CFI 0.95 0,996 Baik
e: [email protected] t: @logatdjowo
NFI 0.90 0,952 Baik
RMSEA 0.08 0,021 Baik
Untuk melihat cut-off value nilai Chi-square adalah terlebih dulu mencari nilai chisquare
dengan menggunakan excel adalah ”=chiinv(probabilitas;df)” missal probabilitas 5%
dan df 200 maka mencarinya adalah “=chiinv(0,05;200)” maka hasilnya 233,994
df disini adalah jumlah sampel dari kuesioner yang masuk.
B. MELIHAT ASUMSI NORMALITAS DATA (per indikator)
Untuk melihat normalitas data yaitu dengan menggunakan Assessment of normality
Data dikatakan normal apabila nilai C.R kurang dari ±2,8, apabila lebih dari 2,8 maka
variabel data bermasalah.
e: [email protected] t: @logatdjowo
C. MELIHAT NORMALITAS DATA DENGAN MAHALANOBIS (normalitas per
sampel)
Data dikatakan normal apabila d-square lebih kecil dari nilai chisquare. Untuk mencari
nilai chisquare dengan menggunakan excel adalah ”=chiinv(probabilitas;df)” missal
probabilitas 5% dan df 35 maka mencarinya adalah “=chiinv(0,05;25)” maka hasilnya
49,802
df disini adalah jumlah indicator (jumlah pertanyaan dari kuesioner) dan tidak termasuk
variabel penelitian
e: [email protected] t: @logatdjowo
D. EVALUASI MULTIKOLINEARITAS
Untuk melihat data normal dengan melihat korelasi antar indicator yaitu dengan
menggunakan Sample Covariances
Data dikatakan bebas dari multikolinieritas apa bila matriks kovarian lebih besar nol.
E. PENGUKURAN MODEL FIT
Untuk melihat model fit dengan menilai besaran composite reliability serta variance
extracted dari masing-masing konstruk .
e: [email protected] t: @logatdjowo
Untuk mencari reliabel menggunakan rumus
Construct Reliability = jstdloading
stdloading
2)(
2)(
Data dikatakan lolos uji reliable apabila nilai Construct Reliability lebih besar dari 0,70
Variabel Loading Loading2 Error 1-Error (Loading)
2 RELIABILITY
x5 0,783 0,613 0,613 0,387 21,893 0,974
x4 0,992 0,984 0,984 0,016
x3 0,995 0,990 0,990 0,010
x2 0,96 0,922 0,922 0,078
x1 0,949 0,901 0,901 0,099
Jumlah 4,679 4,409 4,409 0,591
Ket:
Loading2 adalah kuadrat dari Loading (loading x loading).
error sama dengan kuadrat loading, 1-error adalah 1 (satu) dikurangi error.
(loading)2 adalah kuadrat dari jumlah total loading (4,679)
2
Reliability = 21,893 / (21,893+0,591)
Dari data diatas nilai reliability adalah 0,974 lebih besar dari 0,70
F. UJI KAUSALITAS (REGRESSION TEST)
Uji regresi ini menggunakan Estimasi Parameter Regresi
dari nilai C.R. dapat terlihat bahwa semua nilai koefisien regresi secara signifikan tidak
sama dengan nol sehingga hipotesis nol dapat ditolak, sehingga hipotesis alternatif dapat
diterima.
Pengujian hipotesis ini melihat nilai C.R. dan nilai P pada tabel tersebut, di mana C.R.
adalah critical ratio dan P adalah probability atau peluang. Batasan statistik untuk nilai
e: [email protected] t: @logatdjowo
C.R. adalah > 2,00 dan P ≤ 0,05. Apabila hasil menunjukkan nilai yang memenuhi syarat
tersebut, maka hipotesis penelitian yang diajukan dapat diterima.
G. ANALISIS DIRECT EFFECT, INDERECT EFFECT, DAN TOTAL EFFECT
menganalisis kekuatan pengaruh antarkonstruk, baik pengaruh langsung, maupun
pengaruh totalnya. Efek langsung (direct effect) tidak lain adalah koefisien dari semua
garis koefisien dengan anak panah satu ujung. Efek tidak langsung adalah efek yang
muncul melalui sebuah variabel antara. Efek total adalah efek dari berbagai hubungan.
Total effect adalah penjumlahan dari direct effect dan indirect effect. Nilai total effect
yang paling besar menunjukan bahwa efek yang paling besar dari variable tersebut.
Indirect Effects Direct Effects
Total Effects
e: [email protected] t: @logatdjowo
Kesalahan yang sering terjadi: 1. Pertama mencoba SEM, ada kalanya data tidak terbaca oleh model SEM, kesalahan
ini karena pada saat menggambar model, kadang kita memodifikasi model yang sudah
ada kemudian disesuaikan dengan model penelitian. Menghapus model dan
menambahan lagi kadang menyebabkan data sedikit bermasalah dan kadang tidak
terbaca. Untuk mengantisipasikan diharapkan membuat model penelitian dari awal
sehingga meminimalisir kesalahan dalam pembuatan model.
2. Dalam penelitian terutama data primer, kadang data yang sudah diinput terjadi
masalah dalam hal normalitas data. Normalitas data ini bias menggunakan
Assessment of normality atau menggunakan Mahalanobis. Perbedaan yang terjadi
adalah Assessment of normality digunakan untuk melihat normalitas per item
indicator (missal, x1, x2, dll), sedangkan Mahalanobis untuk melihat data tersebut
normal atau tidak per sampel (missal sampel nomor 35, 45, dll).
Salah satu cara untuk mengatasinya adalah dengan mengeluarkan (delete) sampel
yang nilai chi square diatas rata-rata. Selain melihat dari Mahalanobis, bias juga
melihat sampel ada yang bermasalah atau tidak dengan menggunakan Zscore, uji
Zscore ini bisa dilakukan dengan menggunakan SPSS atau dengan menggunakan
excel.
Bila jumlah indikator melebihi rata-rata missal variable X1 ada 6 pertanyaan; variable
X2 ada 5 pertanyaan; variable X3 ada 4 pertanyaan dan variable X4 ada 4 pertanyaan,
sehingga total indicator (pertanyaan) ada 19 pertanyaan, kemudian item indikator
yang bermasalah bisa dikeluarkan (didelete) missal x1, x6, x7 bermasalah, sehingga
harus dikeluarkan , maka gambar yang ada dimodel penelitian dihapus menggunakan
tanda silang.