Tampilkan postingan dengan label Analisa Data. Tampilkan semua postingan
Tampilkan postingan dengan label Analisa Data. Tampilkan semua postingan

Sabtu, 15 Januari 2022

Model Indikator Formatif (skripsi dan tesis)


Konstruk dengan indikator formatif mempunyai karakteristik berupa komposit, seperti
yang digunakan dalam literatur ekonomi yaitu index of sustainable economics welfare,
the human development index, dan the quality of life index. Asal usul model formatif
dapat ditelusuri kembali pada “operational definition”, dan berdasarkan definisi
operasional, maka dapat dinyatakan tepat menggunakan model formatif atau reflesif.
Jika η menggambarkan suatu variabel laten dan x adalah indikator, maka: η= x
Oleh karena itu, pada model formatif variabel komposit seolah-olah dipengaruhi
(ditentukan) oleh indikatornya. Jadi arah hubungan kausalitas seolah-olah dari indikator
ke variabel laten.
Ciri-ciri model indikator formatif adalah:
1. Arah hubungan kausalitas seolah-olah dari indikator ke konstruk
2. Antar indikator diasumsikan tidak berkorelasi (tidak diperlukan uji konsistensi
internal atau Alpha Cronbach)
3. Menghilangkan satu indikator berakibat merubah makna dari konstruk
4. Kesalahan pengukuran diletakkan pada tingkat konstruk (zeta)

Model Indikator Refleksif (skripsi dan tesis)

Model indikator refleksif dikembangkan berdasarkan pada classical test theory yang mengasumsikan bahwa variasi skor pengukuran konstruk merupakan fungsi dari true score ditambah error. Ciri-ciri model indikator reflektif adalah: 1. Arah hubungan kausalitas seolah-olah dari konstruk ke indikator 2. Antar indikator diarapkan saling berkorelasi (memiliki internal consitency reliability) 3. Menghilangkan satu indikator dari model pengukuran tidak akan merubah makna dan arti konstruk 4. Menghitung adanya kesalahan pengukuran (error) pada tingkat indikator

SEM (Structural Equation Modeling) (skripsi dan tesis)

 
SEM (Structural Equation Modeling) adalah suatu teknik statistik yang
mampu menganalisis pola hubungan antara
konstruk laten dan indikatornya,
konstruk laten yang satu dengan lainny
a, serta kesalahan pengukuran secara
langsung. SEM memungkinkan dilakukannya anal
isis di antara be berapa variabel
dependen dan independen secara langsung (Hair et al, 2006).
 
Teknik analisis data menggunakan
Structural Equation Modeling
(SEM),dilakukan untuk menjelaskan secara menyeluruh hubungan antar variabel yang
ada dalam penelitian
SEM adalah merupakan sekumpulan teknik-teknik statistik yang
memungkinkan pengujian sebuah rangkaian hubungan secara simultan. Hubungan
itu dibangun antara satu atau beberapa variabel independen (Santoso, 2011).
Yamin (2009) mengemukakan bahwa di dalam SEM peneliti dapat
melakukan tiga kegiatan sekaligus, yaitu pe
meriksaan validitas dan reliabilitas
instrumen (setara dengan analisis fakt
or konfirmatori), pengujian model hubungan
antar variabel laten (setara dengan analisis
path
), dan mendapatkan model yang
bermanfaat untuk prediksi (setara dengan mo
del struktural atau analisis regresi).
Alasan yang mendasari digunakannya SEM adalah (1) SEM mempunyai
kemampuan untuk mengestimasi hubungan antar variabel yang bersifat
multiple
relationship.
Hubungan ini dibentuk dalam model struktural (hubungan antara
konstruk dependen dan independen). (2) SEM mempunyai kemampuan untuk
menggambarkan pola hubungan antara konstr
uk laten dan variabel manifes atau
variabel indikator.
Berikut istilah – istilah dalam SEM
1. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas,
perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan
anak panah. Anak panah tunggal menunjukkan hubungan sebab-akibat antara
variabel-variabel eksogen atau perantara dengan satu variabel tergantung atau
lebih. Anak panah juga menghubungkan kesalahan-kesalahan (variabel error)
dengan semua variabel endogen masing-masing. Anak panah ganda
menunjukkan korelasi antara pasangan variabel-variabel eksogen.
2. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur (
pathanalysis) , yang menyusun hipotesis hubungan sebab akibat (causal
relationships ) diantara variabel- variabel dan menguji model-model sebab
akibat (causal models) dengan menggunakan sistem persamaan linier. Model-model sebab akibat dapat mencakup variabel-variabel manifes (indikator),
variabel-variabel laten atau keduanya.
3. Variabel eksogen dalam suatu model jalur ialah semua variabel yang tidak
ada penyebab - penyebab eksplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel eksogen dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah berkepala dua yang menghubungkan variabel-variabel tersebut.
4. Variabel endogen ialah variabel yang mempunyai anak panah-anak panah
menuju ke arah variabel tersebut. Variabel yang termasuk didalamnya
mencakup semua variabel perantara dan tergantung.
5. Variabel laten adalah variabel yang tidak dapat diukur secara langsung
kecuali diukur dengan satu atau lebih variabel manifes.
6. Variabel manifes adalah variabel yang digunakan untuk menjelaskan atau
mengukur sebuah variabel laten. Dalam satu variabel laten terdiri dari beberapa
variabel manifes.
 
 
13
7. Koefisien jalur adalah koefisien regresi standar atau disebut “beta” yang
menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel
tergantung dalam suatu model jalur tertentu.
8. Analisis faktor penegasan (
confirmatory factor analysis)
, suatu teknik
kelanjutan dari analisis faktor dima
na dilakukan pengujian hipotesis-hipotesis
struktur
factor loadings
dan interkorelasinya.
Analisis jalur (
path analysis
) adalah suatu bentuk terapan dari analisis
multiregresi (Kerlinger, 2003). Metode
path analysis
adalah suatu metode yang
mengkaji pengaruh (efek) langsung maupun tidak langsung dari variabel-variabel
yang dihipotesiskan sebagai akibat pengaruh perlakuan terhadap variabel tersebut.
Teknik ini digunakan untuk menguji hubungan kausal yang diduga masuk akal
(
plausibility
) antara satu variabel dengan variabel lain di dalam kondisi
noneksperimental (Muhidin, 2009).
Secara teoritis variabel dapat didefinisikan sebagai atribut seseorang atau
objek, yang mempunyai variasi antara satu orang dengan yang lain atau satu objek
dengan objek yang lain (Sugiyono, 2006). Variabel juga dapat merupakan atribut
dari bidang keilmuan atau kegiatan
tertentu. Dalam model kausal, harus
dibedakan antara variabel eksogen dan endogen. Variabel eksogen adalah variabel
yang variabilitasnya diasumsikan ditentukan oleh sebab-sebab yang berada di luar
model. Sedangkan variabel endogen adalah variabel yang variasinya dapat
diterangkan oleh variabel eksogen dan endogen yang berada di dalam sistem.
Variabel endogen diperlakukan sebagai variabel terikat dalam suatu himpunan
variabel tertentu mungkin juga dikonsepsikan sebagai variabel bebas dalam
hubungannya dengan variabel yang lain.
 
 
14
Validitas berasal dari kata “
validity
” yang mempunyai arti ketepatan dan
kecermatan suatu alat ukur dalam me
lakukan fungsi ukurnya (Burhan dkk, 2002:
316). Validitas alat ukur merupakan suatu mekanisme kontrol dalam metode
penelitian survei. Suatu
instrument
pengukuran dikatakan valid jika
instrument
dapat mengukur sesuatu dengan tepat apa yang hendak diukur. Jadi validitas dapat
menentukan apakah
instrument
yang digunakan dalam penelitian mencapai taraf
kesahihan atau tidak.
Uji reliabilitas untuk mengetahui apakah instrumen memiliki indeks
kepercayaan yang baik jika diujikan berulang. Suatu instrument pengukuran
dikatakan reliable jika pengukurannya konsiste
n dan akurat. Jadi uji reliabilitas
dilakukan dengan tujuan mengetahui konsistensi dari instrument sebagai alat ukur,
sehingga hasil pengukuran dapat dipercaya.
Metode
Partial Least Square
(PLS) merupakan metode analisis yang
powerful
karena dapat diterapkan pada semua skala data, tidak membutuhkan
banyak asumsi dan ukuran sampel tidak harus besar (Imam Ghozali,2008).
Partial
least square
juga dikembangkan untuk perancangan model statistik yang
mempunyai model lemah atau indikator yang tersedia memenuhi model
pengukuran refleksif, formatif dan rekursif (gabungan). Di dalam PLS variabel
laten bisa berupa hasil pencerminan indikatornya, diistilahkan dengan indikator
refleksif
(reflesive indicator)
. Di samping itu, variabel yang dipengaruhi oleh
indikatornya, diistilahkan dengan indikator formatif
(formative indicator)
.
Model refleksif dipandang secara mate
matis indikator seolah-olah sebagai
variabel yang dipengaruhi oleh variabel la
ten. Hal ini mengakibatkan bila terjadi
 
 
15
perubahan dari satu indikator akan be
rakibat pada perubahan pada indikator
lainnya dengan arah yang sama.

Structural Equation Modelling (SEM) dan Partial Least Squares (PLS) (skripsi dan tesis)

 

SEM merupakan suatu teknik pemodelan statistika yang mampu menganalisi hubungan antar peubah laten, peubah indikator dan kesalahan pengukuran secara langsung. Di samping hubungan kausal searah, metode SEM

juga memungkinkan untuk melakukan analisis hubungan dua arah (Ghozali, dkk. 2005). Peubah laten adalah peubah yang tidak dapat diobservasi, sehingga tidak dapat diukur secara langsung. Pengamatan pada peubah laten melalui efek pada peubah-peubah terobservasi. Peubah terobservasi adalah indikator-indikator yang dapat diukur (Ghozali, et al. 2005). Ghozali (2008) memaparkan bahwa SEM dikembangkan berdasarkan 2 (dua) kelompok yaitu SEM berbasis covariance (CBSEM) dan SEM berbasis varian/Partial Least Squares (PLS). Perbedaan utama CBSEM dan PLS adalah pada CBSEM model yang dianalisis harus dikembangkan berdasarkan pada teori yang kuat dan bertujuan untuk mengkonfirmasi model dengan data empirisnya. Sedangkan PLS lebih menitikberatkan pada model prediksi sehingga dukungan teori yang kuat tidak begitu menjadi hal terpenting (Ghozali, 2008). CBSEM bertujuan memberikan pernyataan tentang hubungan kausalitas atau memberikan deskripsi mekanisme hubungan kausalitas (sebab-akibat). Sedangkan PLS memiliki tujuan untuk mencari hubungan linear prediktif antar peubah (Ghozali, 2008). Wold (1985) dalam Ghozali (2008) menyatakan bahwa PLS merupakan metode analisis yang powerfull, data tidak harus berdistribusi normal multivariate (indikator dengan skala kategori ordinal, interval sampai ratio dapat digunakan pada model yang sama), dan sampel tidak harus besar. PLS dapat digunakan untuk mengkonfirmasi teori dan juga untuk menjelaskan ada atau tidak adanya hubungan antar peubah laten. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif dan indikator formatif. Menurut Chin (1998) dalam Ghozali (2008) menyatakan bahwa karena PLS tidak mengasumsikan adanya distribusi tertentu untuk estimasi parameter, maka teknik parametrik untuk menguji signifikansi parameter tidak diperlukan. Model evaluasi PLS berdasarkan pada pengukutan prediksi yang mempunyai sifat non parametrik. PLS tidak hanya dapat digunakan untuk mengkonfirmasi teori, namun dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antara peubah laten. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif dan indikator formatif dan hal ini tidak mungkin dijalankan dalam SEM karena akan terjadi unidentified model.

Metode Bootstrapping (skripsi dan tesis)


Metode bootstrap telah dikembangkan oleh Efron (1979)
sebagai alat untuk membantu mengurangi ketidak andalan
yang berhubungan dengan kesalahan penggunaan distribusi
normal dan penggunaannya. Pada bootstrap dibuat pseudo
data (data bayangan) menggunakan informasi dan sifat-sifat
dari data asli, sehingga data bayangan memiliki karakteristik
yang mirip dengan data asli [9].
Pada metode bootstrap dilakukan pengambilan sampel
dengan pengembalian dari sampel data (resampling with
replacement) [10]

Structural Equation Modeling (SEM) (skripsi dan tesis)

Structural Equation Modeling (SEM) merupakan metode analisis multivariat yang dapat digunakan untuk menggambarkan keterkaitan hubungan linier secara simultan antara variabel pengamatan (indikator) dan variabel yang tidak dapat diukur secara langsung (variabel laten). Variabel laten merupakan variabel tak teramati (unobserved) atau tak dapat diukur (unmeasured) secara langsung, melainkan harus diukur melalui beberapa indikator. Terdapat dua tipe variabel laten dalam SEM yaitu endogen () dan eksogen (ξ)

Minggu, 11 Oktober 2020

Model Persamaan Struktural (skripsi dan tesis)

Persamaan struktural atau juga disebut model struktural yaitu apabila setiap variabel endogen (endogenous) secara unik keadaannya ditentukan oleh seperangkat variabel eksogen (exogenous). Selanjutnya gambar meragakan struktur hubungan kausal antar variabel disebut diagram jalur. Jadi, persamaan ini Y=F(X1; X2; X3) dan Z=F(X1; X3;Y) merupakan persamaan struktural karena setiap persamaan menjelaskan hubungan kausal yaitu variabel eksogen X1, X2, dan X3 terhadap variabel endogen Y dan Z Persamaan model struktural untuk diagram jalur, yaitu: Jadi, secara sistematik analisis jalur mengikuti pola model struktural, sehingga langkah awal untuk mengerjakan atau penerapan model analisis jalur yaitu dengan merumuskan persamaan struktural dan diagram jalur yang berdasarkan kajian teori tertentu yang telah diuraikan.

Model Analisis Jalur (skripsi dan tesis)

Sebelum menghitung koefisien jalur yang didasarkan pada koefisien regresi, diagram jalur terlebih dahulu dibuatkan dengan lengkap. Adapun model diagram jalur dan persamaan struktural yang paling sederhana sampai dengan yang lebih rumit di antaranya: 
1. Model Regresi Berganda Model ini merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y
2. Model Mediasi Model mediasi atau perantara di mana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z
3. Model Kombinasi Model ini merupakan kombinasi model regresi berganda dan model mediasi, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y. 
4  Model Kompleks Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi variabel Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1.
5. Model Rekursif dan Model Non Rekursif
Dari sisi pandang arah sebab-akibat, ada dua tipe model jalur, yaitu rekursif dan non rekursif. Model tersebut dapat diterangkan sebagai berikut: - Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1. - Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel endogenous, yaitu 2, 3, dan 4. Masing-masing variabel endogenous diterangkan oleh variabel 1 dan error (e1, e2, e3). - Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya, tetapi bukan ke variabel exogenous. Model non rekursif terjadi jika anak panah tidak searah atau terjadi arah yang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebabakibat (reciprocal cause). Ada tiga tipe model dalam model rekursif dan non rekursif, yaitu

Beberapa Istilah dalam Analisis Jalur (skripsi dan tesis)

Model jalur adalah ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan terikat. Pola hubungan ditunjukkan dengan menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebabakibat antara variabel-variabel bebas (exogenous) atau perantara dengan satu variabel dengan variabel terikat atau lebih. Anak panah juga menghubungkan kesalahan (variable residue) dengan semua variabel terikat (endogenous) masingmasing. Anak panah ganda menunjukkan korelasi antara pasangan variabelvariabel exogeneus. Variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eksplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju ke arah variabel tersebut. Variabel yang termasuk di dalamnya ialah mencakup semua variabel perantara dan terikat. Variabel perantara endogenous mempunyai anak panah yang menuju ke arahnya dan dari arah variabel tersebut dalam suatu model diagram jalur. Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke arahnya. Koefisien jalur adalah koefisien regresi standar atau disebut „beta‟ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel terikat dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefisien-koefisien jalurnya merupakan koefisien-koefisien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan. Jenis pengaruh dalam analisis jalur yaitu Direct Effect (DE) dan Indirect Effect (IE). Direct Effect (DE) adalah pengaruh langsung yang dapat dilihat dari koefisien dari satu variabel ke variabel lainnya, dan Indirect Effect (IE) adalah urutan jalur melalui satu atau lebih variabel perantara.

Manfaat Analisis Jalur (skripsi dan tesis)

 Manfaat model analisis jalur di antaranya adalah: 1. Untuk penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti.  2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan prediksi dengan analisis jalur ini bersifat kualitatif. 3. Faktor dominan terhadap variabel terikat (Y) dapat digunakan untuk menelusuri mekanisme pengaruh variabel bebas (X) terhadap variabel (Y). 4. Pengujian model mengggunakan teori trimming baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.

Asumsi-asumsi Analisis Jalur (skripsi dan tesis)

Sebelum melakukan analisis, ada beberapa prinsip dasar atau asumsi yang mendasari analisis jalur, yaitu: 1. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier, adaptif, dan bersifat normal. 2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik. 3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio. 4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel. 5. Variabel observasi diukur tanpa kesalahan (instrumen pengukuran valid dan reliabel) artinya variabel yang diteliti dapat diobservasi secara langsung. 6. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti. 

Pengertian Analisis Jalur (skripsi dan tesis)

Analisis jalur dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Analisis jalur sebenarnya sebuah teknik yang merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Teknik ini juga dikenal sebagai model sebab-akibat (causing modeling). Definisi analisis jalur, di antaranya: “Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantungnya tidak hanya secara langsung, tetapi juga secara tidak langsung” (Robert D. Rutherford, 1993). Definisi lain mengatakan “Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangkat variabel” (Paul Webley, 1997). Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Model analisis jalur yang dibicarakan adalah pola hubungan sebab akibat. Oleh karena itu rumusan masalah penelitian dalam kerangka analisis jalur hanya berkisar pada variabel bebas (X1, X2, …, Xk) berpengaruh terhadap variabel terikat Y, atau berapa besar pengaruh kausal langsung, kausal tidak langsung,  kausal total maupun simultan seperangkat variabel bebas (X1, X2, …, Xk) terhadap variabel terikat Y

Sabtu, 10 Oktober 2020

Beberapa Istilah dalam Analisis Jalur (skripsi dan tesis)

Model jalur adalah ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan terikat. Pola hubungan ditunjukkan dengan menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebabakibat antara variabel-variabel bebas (exogenous) atau perantara dengan satu variabel dengan variabel terikat atau lebih. Anak panah juga menghubungkan kesalahan (variable residue) dengan semua variabel terikat (endogenous) masingmasing. Anak panah ganda menunjukkan korelasi antara pasangan variabelvariabel exogeneus. Variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eksplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju ke arah variabel tersebut. Variabel yang termasuk di dalamnya ialah mencakup semua variabel perantara dan terikat. Variabel perantara endogenous   mempunyai anak panah yang menuju ke arahnya dan dari arah variabel tersebut dalam suatu model diagram jalur. Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke arahnya. Koefisien jalur adalah koefisien regresi standar atau disebut „beta‟ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel terikat dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefisien-koefisien jalurnya merupakan koefisien-koefisien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan. Jenis pengaruh dalam analisis jalur yaitu Direct Effect (DE) dan Indirect Effect (IE). Direct Effect (DE) adalah pengaruh langsung yang dapat dilihat dari koefisien dari satu variabel ke variabel lainnya, dan Indirect Effect (IE) adalah urutan jalur melalui satu atau lebih variabel perantara

Manfaat Analisis Jalur (skripsi dan tesis)

Manfaat model analisis jalur di antaranya adalah: 1. Untuk penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti.  2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan prediksi dengan analisis jalur ini bersifat kualitatif. 3. Faktor dominan terhadap variabel terikat (Y) dapat digunakan untuk menelusuri mekanisme pengaruh variabel bebas (X) terhadap variabel (Y). 4. Pengujian model mengggunakan teori trimming baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru. 

Asumsi-asumsi Analisis Jalur (skripsi dan tesis)

 Sebelum melakukan analisis, ada beberapa prinsip dasar atau asumsi yang mendasari analisis jalur, yaitu: 1. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier, adaptif, dan bersifat normal. 2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik. 3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio. 4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel. 5. Variabel observasi diukur tanpa kesalahan (instrumen pengukuran valid dan reliabel) artinya variabel yang diteliti dapat diobservasi secara langsung. 6. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti. 

Pengertian Analisis Jalur (skripsi dan tesis)

Analisis jalur dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Analisis jalur sebenarnya sebuah teknik yang merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Teknik ini juga dikenal sebagai model sebab-akibat (causing modeling). Definisi analisis jalur, di antaranya: “Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantungnya tidak hanya secara langsung, tetapi juga secara tidak langsung” (Robert D. Rutherford, 1993). Definisi lain mengatakan “Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangkat variabel” (Paul Webley, 1997). Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Model analisis jalur yang dibicarakan adalah pola hubungan sebab akibat. Oleh karena itu rumusan masalah penelitian dalam kerangka analisis jalur hanya berkisar pada variabel bebas (X1, X2, …, Xk) berpengaruh terhadap variabel terikat Y, atau berapa besar pengaruh kausal langsung, kausal tidak langsung, kausal total maupun simultan seperangkat variabel bebas (X1, X2, …, Xk) terhadap variabel terikat Y

Uji Kesesuaian dan Uji Statistik (skripsi dan tesis)

Menurut Schumaker dan Lomax, 1996: 124 – 126) untuk mengetahui apakah model cocok dengan data digunakan kriteria sebagai berikut: a. P > α model cocok dengan data Menurut Joreskog (dalam Ghozali, 2008: 32), bila nilai P-values for test of close fit (RMSEA < 0,05) lebih besar daripada 0,05 maka model dikatakan fit. b. GFI (Goodness of Fit Index) Goodness of Fit Index (GFI) merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovariansi. Nilai GFI harus berkisar antara 0 dan 1. Nilai GFI yang lebih besar daripada 0,9 menunjukkan fit suatu model yang baik. c. RMSEA (Root Mean Square Error of Approximation) Makin kecil kecocokan model dengan data makin baik. Nilai RMSEA yang kurang daripada 0,05 mengindikasikan adanya model fit ( Byrne dalam Ghozali, 2008: 32). RMSEA digunakan untuk mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians ( Brown dan Cudec dalam Ghozali, 2008: 31). Nilai RMSEA yang berkisar antara 0,01 sampai dengan 0,08 menyatakan bahwa model fit yang cukup (MacCallum et all dalam Ghozali, 2008: 32)

Pembagian Lisrel (skripsi dan tesis)

Setiap file dalam Lisrel mengandung 4 bagian, yaitu: 1. Title: Judul 2. Data Specification: Spesifikasi Data 3. Model Specification: Spesifikasi Model 4. Output Specification: Spesifikasi Keluaran Untuk menggunakan Lisrel dengan baik, user harus mengetahui bahasa yang digunakan sebagai input. Ada dua bahasa yang dapat digunakan dalam Lisrel sebagai input yaitu bahasa Lisrel dan bahasa Simplis. Kedua jenis bahasa tersebut memiliki hasil yang relatif sama, namun dengan Lisrel pemodelan dapat dilakukan dengan hati-hati karena semua matrik yang akan diestimasi dipersiapkan terlebih dahulu. Untuk memudahkan aplikasi Lisrel, evaluasi serta menjaga kehati-hatian, sebelum menjalankan Lisrel sebaiknya dipersiapkan terlebih dahulu diagram jalur dan matrik yang dibutuhkan

Pengenalan Lisrel (skripsi dan tesis)

Menurut Chaniago (2008), lisrel merupakan singkatan dari Linear Structural Relationship juga merupakan program yang banyak digunakan untuk causal modeling. Hal ini disebabkan selain kemampuan Lisrel dalam mengestimasi berbagai masalah dalam model sebab akibat, tampilan Lisrel juga paling informatif dalam menyajikan hasil-hasil statistik. Lisrel adalah sebuah software yang dikembangkan khusus untuk menangani permasalahan causal modeling. Lisrel dikembangkan oleh dua orang ahli psikologi pendidikan yaitu Prof. Karl Joreskog dan Prof. Dag Sorbom pada tahun 1993 (Hisyam, 2009)

Uji Kesesuaian dan Uji Statistik (skripsi dan tesis)

a. χ 2 – Chi Square Statistic Semakin kecil nilai χ 2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar p > 0,05 atau p > 0,10
 b. RMSEA (The Root Mean Square Error of Approximation) Merupakan suatu indeks yang digunakan untuk mengkonpen
sasi chisquare dalam sampel yang besar. c. GFI (Goodness of Fit Index) Merupakan ukuran non-statistical yang mempunyai rentang nilai antara 0 sampai dengan 1. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”
. d. AGFI (Adjusted Godness of Fit Index) Merupakan kriteria yang memperhitungkan proporsi tertimbang dari varian dalam sebuah matrik kovarian sampel. 
e. CMIN/DF (The Minimum Sample Discrepancy Functin Devided with degree of Freedom) Merupakan statistic chi-square χ 2 dibagi degree of freedom-nya sehingga disebut χ 2 relative. 
f. TLI (Tucker Lewis Index) Merupakan incremental index yang membandingkan
 sebuah model yang diuji terhadap sebuah baseline model. 
g. CFI (Comparative Fit Index) Rentang nilai sebesar 0 – 1 dimana semakin mendekati 1, semakin mengindikasikan tingkat fit yang paling tinggi.