Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8.

54 Hal aman ii


Aplikasi Met ode
St ruct ural Equat ion Modeling
Dengan LI SREL 8. 54




























Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman ii

Kat a Pengant ar


Sebagai seorang konsul t an st ati sti ka, penuli s seri ng menghadapi pert anyaan mengenai
apli kasi st ati st i ka dengan menggunakan soft war e LI SREL. LI SREL adal ah soft war e
St ati sti ka yang khusus menangani masal ah anal i si s kausal (Causal Anal ysi s) . Soft ware i ni
bel um l ama di kenal di I ndonesi a, sehi ngga bel um banyak t erdapat buku yang membahas
penggunaan LI SREL.

Buku i ni beri si kan teori si ngkat SEM, cara penggunaan LI SREL dengan bahasa LI SREL,
cont oh apl i kasi pembahasan out put , sert a penggunaan PRELI S sebagai al at bant u LI SREL
yang cukup penti ng.

Penuli s menyadari bahwa buku keci l ini masi h memili ki banyak kekurangan, unt uk i tu
penuli s mengharapkan masukan dan koreksi sert a kri ti k dari pembaca.

Sel amat membaca ! Semoga bermanf aat . Ami n.

For my sunshine Lint ang & Ello





































Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman ii

Daft ar I si



I . Kat a Pengant ar. .......... .......... .......... .......... .......... .......... .......... .......... ......... .... i

I I . Daf t ar I si . .......... ......... .......... .......... ................... .......... .......... .......... .......... .. ii

I I I . Bagi an Pert ama STRUCTURAL EQUATI ON MODELI NG
1. Apakah SEM ? ...... .......... .......... ......... .......... .......... .......... .......... ......... ... 1
2. Cont oh dari SEM.... ......... .......... .......... .......... .......... .......... ......... .......... .. 1
3. Dasar Teori dal am SEM .... ................... .......... .......... .......... .......... ......... .. 2
4. Pembentukan Model Dal am SEM .. .......... ......... .......... ......... .......... .......... .. 3
5. Langkah Langkah Apli kasi SEM .......... .......... .......... .......... .......... ......... .. 3

I V. Bagi an Kedua LI NEAR STRUCTURAL RELATI ON
1. Apakah LI SREL ? ... ......... .......... .......... .......... .......... .......... .......... ......... .. 7
2. Not asi dal am LI SREL ....... .......... .................... .......... .......... ......... .......... .. 7
3. Menerj emahkan Path Di agram Ke Dal am Not asi LI SREL.......... ......... .......... . 8

V. Bagi an Keti ga I DENTI FI KASI DAN UJI KECOCOKAN MODEL
1. I denti fi kasi Model .. ......... .......... .......... ......... .......... .......... .......... .......... 10
2. Uj i Kecocokan Model ....... .......... .......... .......... .......... .......... ......... .......... 10
3. Uj i I ndi vi dual Measurement Model ......... ......... .......... .......... .......... ......... 12
4. Uj i I ndi vi dual St ructural Model .... ................... .......... .......... ......... .......... 13

VI . Bagi an Keempat APLI KASI SEM DENGAN LI SREL
1. Mengi mport Fil e SPSS ...... ......... .......... ......... .......... .......... .......... .......... 14
2. Membuat Synt ax LI SREL Secar a I nt er acti ve ..... .......... .......... ......... .......... 15
3. Synt ax LI SREL ..... .......... .......... .......... ......... .......... .......... .......... ......... . 24
4. Out put LI SREL ............... .......... .......... ......... .......... .......... .......... ......... . 25
5. Ukuran Kecocokan Model .. ......... .......... ......... .......... .......... .......... ......... . 30

VI I . Daf t ar Pust aka .. .......... .......... .......... .......... .......... .......... .......... ......... .......... 31
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 1


Bagian Pert ama
St ruct ural Equat ion Modeling

1. Apakah SEM ?

SEM adal ah sebuah t ehni k anal i si s st ati sti ka yang mengkombi nasi kan beberapa aspek
yang t erdapat pada anali si s j al ur dan anal i si s f akt or konfi rmat ori unt uk mengest i masi
beberapa persamaan secar a si mul t an.

Secara umum, t ehni k di dal am SEM t erbagi menj adi dua :
a. Mengesti masi beberapa persamaan yang sali ng berhubungan secar a si mul t an.
( St ruct ural Model )
b. Merepresent asi kan vari abel construct berdasarkan vari abel observed
( Measurement Model )

2. Cont oh dari SEM

Unt uk memperj el as gambar an mengenai SEM, perhati kanl ah gambar di bawah i ni :



Gambar 1 Pat h Di agram dan Measurement Model

Yang berbet uk per segi adal ah vari abel obser vasi (observed vari abl es) , sedangkan
yang berbentuk oval adal ah vari abel const ruct ( const ruct vari abl es) .

Struct ural Model
Yang di maksud dengan st ruct ur al model adal ah bagi an dari SEM yang menampil kan
hubungan ant ar a vari abel vari abel const ruct . Unt uk cont oh di at as, yang di maksud
dengan st ruct ural model adal ah sebagai beri kut
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 2






Exogenous Vari abl e

Gambar 2 Pat h Di agram
Adal ah vari abel const ruct yang menj adi vari abel independen, yai tu vari abel yang
ti dak di predi ksi ol eh vari abel const ruct yang l ai n.
Unt uk cont oh di at as, vari abel eksogennya adal ah St rukt ur dan Budaya

Endogenous Vari abl e
Adal ah vari abel const ruct yang menj adi vari abel dependen, yang di predi ksi ol eh
vari abel const ruct yang l ai n. Unt uk cont oh di at as, vari abel eksogennya adal ah
Mot ivasi

Apabil a st ruct ural model unt uk contoh di at as di t erj emahkan ke dal am persamaan,
maka akan berbent uk sebagai beri kut :

Endogenous Vari abl e Exogenous Vari abl e
Moti vasi = St ruktur + Budaya

Measurement Model
Secara defi ni si Measurement Model adal ah bagi an dari SEM yang menspesi fi kasi kan
i ndi kat or ( vari abel observed) untuk set iap vari abl e const ruct , ser t a menghi t ung ni l ai
reli abi li t as unt uk cont ruct t ersebut .
I ndi kat or unt uk cont oh di at as adal ah STOKO, STOFE, STOSE, BUDPD, BUDI N,
BUDMA, dan BUDOLO, i ndi kat or indi kat or t ersebut unt uk vari abel exogenous,
sedangkan untuk vari abel endogenous adal ah MOTVA, MOTEX, dan MOTI N.

Di bawah i ni adal ah pembent ukan measurement model

Const ruct Vari abl es ( Lat ent ) Observed Vari abl es ( I ndi kat or)
St rukt ur = STOKO + STOFO + STOSE
Budaya = BUDPD + BUDI N + BUDMA + BUDOLO


3. Dasar Teori Dalam SEM

Model yang akan di anali si s dengan SEM harus memil i ki l andasan t eori yang
mendukungnya. Dengan demi ki an model yang di reka reka, at au ti dak memil i ki
l andasan teori ti dak dapat di pakai .
Teori di defi ni si kan sebagai sekel ompok hubungan causal yang si st emati s yang
memberi kan penj el asan yang konsi st en dan menyel uruh dari sebuah fenomena.
Teori di si ni ti dak hanya monopol i dari akademi si , t api j uga dapat berupa
pengal aman empi ri s dari peneli ti yang di t uangkan ke dal am model .
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 3


4. Pembent ukan Model Dalam SEM

Terdapat ti ga buah st rat egi dal am membangun model di dal am SEM, yai t u :
a. Confi rmat ory Modeling St rat egy
Mayori t as apli kasi SEM menggunakan Confi rmat ory Modeli ng St rat egy, di mana
seorang penel i ti membent uk model dan hanya i ngi n menget ahui apakah model
t ersebut cocok at au ti dak.
St rat egi i ni adal ah st r at egi yang pali ng mudah, karena hanya menguj i satu model
saj a dan set el ah di perol eh hasi l nya l angsung dapat di put uskan apakah model
t ersebut cocok at au ti dak.
Kekurangan dari st rat egi i ni adal ah bil a sebuah model di t eri ma maka peneli ti ti dak
akan mencari model l ai n yang j uga mungkin di t eri ma ( cocok) . Karena t erdapat
kemungkinan bahwa model yang cocok ti dak hanya model yang di usul kan
t ersebut

b. Competi ng Model s St rat egy
Dal am Competi ng Model s St rat egy, model yang di usul kan di bandi ngkan dengan
beberapa model al t ernati f. St rat egi i ni l ebi h bai k dari Confi rmat ory Model ing
St rat egy, karena penel i ti dapat menget ahui dan membandi ngkan beberapa model
sehi ngga memperol eh informasi yang l ebi h banyak dan dapat memut uskan model
mana yang akan di gunakan.

c. Model Devel opment St rat egy
Dal am Model Devel opment St rat egy, sebuah model diusul kan l al u di esti masi
dengan SEM, set el ah di perol eh hasi lnya ( cocok at au ti dak cocok) , penel i ti
mel akukan re- spesi fi kasi model unt uk mendapat kan model yang l ebi h bai k.
St rat egi i ni yang pal i ng banyak di gunakan dan yang pali ng bai k, kar ena ti dak
harus membuat beberapa model at ernati f yang cukup repot ( Competi ng Model s
St rat egy) , namun ti dak menut up kemungki nan adanya model l ai n yang l ebih bai k
( Confi rmat ory Modeling St rat egy).

5. Langkah Langkah Aplikasi SEM

a. Membangun Model Berdasar kan Teori
Model SEM berdasarkan pada hubungan kausal , di mana perubahan dari sebuah
vari abel akan mempengaruhi vari abel l ai nnya.
Terdapat empat buah kri t eri a yang harus di penuhi apabil a seseorang i ngi n
mengat akan bahwa model yang i a bangun merupakan model kausal .
- Adanya asosi asi ( hubungan) ant ar a kedua vari abel t ersebut .
- Adanya perbedaan wakt u t erj adi nya sebab dan aki bat
- Ti dak adanya vari abel sebab yang l ai n
- Adanya dukungan t eori untuk model t ersebut

b. Membentuk Path Di agram
Di agram j al ur adal ah sebuah gambar yang menampi l kan hubungan ( rel ati onshi p)
yang l engkap dari sekel ompok const ruct . Di mana gari s lurus dengan panah
menunj ukkan bahwa vari abel sumber panah adal ah vari abel i ndependen, dan
vari abel yang di kenai panah adal ah vari abel dependen.
Gambar 2 di at as merupakan cont oh dari Pat h Di agram.

c. Menerj emahkan Path Di agram Ke Dal am Persamaan
Set el ah model di susun ke dal am pat h di agram, l angkah beri kut nya adal ah
menerj emahkan di agram t ersebut ke dal am bent uk persamaan mat emati s.
Terdapat dua kel ompok persamaan mat emati s yang harus di buat , yai t u St ructural
Model , dan Measur ement Model .
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 4


St ruct ural Model
Model st ruktural untuk cont oh di at as ( gambar 2) memil i ki dua buah vari abel
independen dan dua buah vari abel dependent . Vari abel i ndependen dal am notasi
LI SREL di si mbol kan dengan ( Ksi ) sedangkan vari abel dependen di si mbol kan
dengan q ( et a) .
Panah yang menunj uk dari i ndependen vari abel ke vari abel independen l ai n atau
ke vari abel dependen di si mbol kan dengan ( gamma) . Sedangkan panah dari
vari abel dependen ke vari abel dependen l ai nnya di beri si mbol dengan B (Bet a)

Measurement Model
Terdapat dua kel ompok Measurement Model , yai t u unt uk Vari abel I ndependen,
dan unt uk vari abel Dependen. Unt uk vari abel i ndependent di si mbol kan
x
(l ambda
x) , dan
y
(l ambda y) untuk dependen vari abel .


d. Menent ukan Mat ri k I nput dan Mengesti masi Model
Dat a I nput
Dat a yang harus dii nput unt uk SEM berbeda dengan dat a yang di perl ukan ol eh
Dat a yang perlu dii nput ke dal am program komput er dal am hal i ni LI SREL
hanyal ah mat ri k vari ans kovari ans at au mat ri k korel asi .

Asumsi
Terdapat beber apa asumsi yang harus di penuhi dal am SEM :
- Seti ap pengamat an harus sal i ng I ndependen
- Sampel yang di perol eh merupakan sampel random
- Hubungan ant ar a vari abel berbent uk li near
- Dat a berdi st ri busi normal

Mat rik Korelasi at au Kovarians
I nput mat ri k dapat menggunakan Mat ri k Korel asi at au Kovari ans, masi ng
masi ng memi liki kel ebi han dan kekur angan.

- Mat ri k Kovari ans
Hasil esti masi yang di perol eh dengan menggunakan mat ri k kovari ans sebagai
i nput dapat di gunakan sebagai pembandi ng yang vali d dengan hasil est i masi
dari sampel yang l ai n dengan model yang sama. Hal i ni ti dak dapat dil akukan
apabi l a di gunakan mat ri k korel asi .
Kekurangan mat ri k kovari ans adal ah bahwa hasi l yang di perol eh ti dak mudah
unt uk di nt erpret asi kan kar ena set i ap vari abel memi li ki satuan ( met ri k) yang
berbeda.

- Mat ri k Korel asi
Keunt ungan dari penggunaan mat ri k korel asi sebagai i nput adal ah bahwa
sel ai n seti ap nil ai yang di perol eh sudah memili ki sat uan yang sama, j uga nil ai
ni l ai yang di perol eh dapat l angsung di bandingkan.
Penggunaan mat ri k korel asi sangat t epat bil a t uj uan dari penel i ti an adal ah
unt uk mel ihat model hubungan ( rel ati on) ant ar const ruct .


Jenis Korelasi
Terdapat beber apa j eni s korel asi yang dapat di dal am LI SREL bergant ung pada
j eni s dat a yang di hadapi . Umumnya yang di gunakan adal ah korel asi Product
Moment Pearson. Korel asi i ni di gunakan bi l a dat a yang di hadapi sel uruhnya
berskal a ukur i nt erval .
Bil a dat a berskal a ordi nal dengan kat egori mi nimal 3 buah, maka yang di gunakan
adal ah korel asi Polychoric, sedangkan untuk dat a bi ner gunakan korel asi
Tet rachoric.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 5



Ukuran Sampel
Ti dak t erdapat at uran yang pasti mengenai ukuran sampel yang harus di perol eh.
Hanya t erdapat beber apa anj uran mengenai hal i ni . Menurut sebagi an besar
peneli ti , j uml ah sampel mini mal yang harus di ambi l adal ah sepul uh kali lipat
j uml ah paramet er yang akan di t aksi r. Bahkan ada yang menganj urkan 15 kal i
li pat apabi l a dat a ti dak berdi st ri busi normal .
Akan t et api j uml ah yang di anj urkan adal ah sebesar 100 200 responden. Bil a
l ebih dari 400 responden LI SREL akan menj adi sangat sensi ti f.

e. Mengi dentifi kasi Model St ruktural Yang Di hasil kan
Pada saat esti masi , seri ngkali nil ai yang di hasi l kan ti dak ber makna, at au tidak
masuk akal . Hal i ni di sebabkan kar ena program t i dak dapat menghasil kan sebuah
sol usi yang unique.
Sat u hal yang harus di penuhi adal ah bahwa persamaan yang ada harus l ebi h
banyak dari paramet er yang akan di t aksi r. Semaki n kompl eks model yang akan
di esti masi , ti dak ada j ami nan bahwa sol usi yang uni que akan di perol eh.




Bil a sebuah model di i denti fi kasi , ada ti ga macam kesi mpul an yang dapat di ambil :
1. Just - I dent i fi ed.
Sebuah model di sebut Just - I denti fi ed apabi l a ni l ai deraj at kebebasan adal ah
nol ( 0) . Model Just - I denti fi ed pastil ah merupakan model yang cocok sempurna
( perfect fi t) . Namun model i ni ti dak dapat di uji .
Sebuah model akan Just - I denti fi ed apabil a j uml ah korel asi ant ar a vari abel
i ndi kat or ( observed vari abl es) sama dengan j uml ah paramet er yang akan
di t aksi r.

Juml ah korel asi ant ara vari abel indi kat or di hi t ung dengan menggunakan
rumus :
1
( p + q) ( p + q + 1)

2

p = Juml ah i ndi kat or endogen
q = Juml ah i ndi kat or eksogen

Dan nil ai deraj at kebebasan di hi tung dengan rumus :




di mana
df =
1
( p + q) ( p + q + 1) t

2
t = Juml ah paramet er yang akan di t aksi r

2. Underi denti fi ed
Sebuah model di sebut underi denti fi ed bil a ni l ai deraj at bebas negat i f. Model i ni
ti dak akan dapat di esti masi sebel um dil akukan perubahan pada model dengan
mem-fi x- kan beber apa par amet er.

3. Overi denti fi ed
Model di sebut overi dentifi ed adal ah model yang di harapkan, yai tu di mana ni l ai
deraj at kebebasan posi ti f. Yai t u di mana i nformasi yang di mili ki l ebi h banyak
dari informasi yang di butuhkan.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 6




f. Menguj i Kecocokan Model
Terdapat empat l angkah yang harus di l akukan dal am menguj i kecocokan model ,
yai t u :
1. Memperhati kan ni l ai t aksi ran yang rusak
Pada l angkah pert ama i ni , harus di perhati kan adanya ni l ai t aksi ran yang
rusak, nil ai rusak i ni dapat t erj adi pada st ruct ural model at au measurement
model . Umumnya nil ai rusak i ni adal ah taksi ran pada :
- Vari ans error negati f
- Nil ai st andardi zed yang l ebi h besar at au t erl al u mendekati 1
- St andard Error yang t erl ampau besar

2. Uj i kesel uruhan
Bil a ti dak t erdapat nil ai yang rusak, l angkah beri kutnya dapat dil akukan yai t u
menguji kecocokan model secar a kesel uruhan.
Kecocokan sebuah model dapat dil i hat dari ti ga kondi si :
- Absol ut e Fi t Measur es
- I ncrement al Fi t Measures
- Parsi moni ous Fi t Measures

3. Uj i indi vi dual Measurement Model
Bil a kecocokan model secar a kesel uruhan t el ah t erpenuhi , sel anj ut nya adal ah
memperhati kan kecocokan Measurement Model unt uk seti ap model . Yang
harus di perhat i kan dari set i ap cont ruct adal ah unidimensionality dan
reliabilit y.

Unidimensionalit y
Yai t u sebuah asumsi yang di ambil pada saat penghi t ungan nil ai reli abil i t y dan
dapat dil ihat bil a mana i ndi kat or i ndi kat or dari sebuah const ruct sudah
memil i ki ni l ai kecocokan yang dapat di teri ma.

Reliabilit y
Adal ah sebuah ukuran konsi st ensi i nt ernal dari indi kat or i ndi kat or sebuah
const ruct , yang menggambar kan kemampuan dari indi kat or indi kat or unt uk
mewaki li const ruct .

Yang harus di ket ahui adal ah bahwa reli abili ty ti dak sama dengan val i di ty.
Vali di t y adal ah kemampuan (keakurat an) dari i ndi kat or unt uk mengukur apa
apa yang seharusnya di ukur .

4. Uj i I ndi vi dual St ructural Model
Langkah beri kut nya adal ah menguj i st rukt ural model . Ada dua hal yang harus
di perhati kan, yai t u :
a. Si gni fi kansi koefi si en Bet a dan Gama dengan uj i t
b. Kecocokan dari model st ruktur al dengan memperhat i kan nil ai R
2
(Squared
Mul ti pl e Correl ati on) .

g. Mengi nt erper t asi Dan Memodifi kasi Model
Set el ah model dapat di teri ma dari segi st at i st i k, peneli ti harus menguj i apakah
hasi l yang di perol eh sesuai dengan t eori yang diaj ukan at au ti dak.
Mi sal nya, apakah hubungan yang di nyat akan dal am t eori mendapat kan hasi l yang
si gnifi kan ? Apakah t erdapat model al t ernati f ? Apakah model hasi l est i masi
memi li ki arah yang sama dengan model dal am t eori ( posi ti f at au negati f ) ?
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 7




Bagian Kedua
Linear St r uct ural RELat ions

1. Apakah it u LI SREL ?

LI SREL adal ah sebuah soft ware yang di kembangkan khusus untuk menangani
permasal ah St ruct ural Equati on Modeli ng. LI SREL di kembangkan ol eh dua orang ahl i
psi kol ogi pendi di kan yai tu Prof. Karl Joreskog dan Prof. Dag Sorbom.
Saat i ni sudah t erbi t versi LI SREL t erbaru yai t u ver si 8.72 yang dapat di beli di
www.ssi cent r al .com. Unt uk menghi ndari pembaj akan, www. ssi cent ral .com j uga
menyedi akan LI SREL St udent Ver si on versi 8. 72. Hanya saj a dal am LI SREL Student
Versi on banyaknya vari abel yang dapat di ol ah adal ah 12.

2. Notasi dal am LI SREL

Unt uk menggunakan LI SREL dengan bai k, user harus menget ahui bahasa yang
di gunakan sebagai input . Ada dua bahasa yang dapat di gunakan dal am LI SREL
sebagai i nput , yai t u bahasa LI SREL dan bahasa SI MPLI S.
Kedua j eni s bahasa t ersebut memi li ki hasil yang rel ati f sama, namun dengan LI SREL
pemodel an dapat dil akukan dengan hati hati , kar ena semua mat ri k yang akan
di esti masi di persi apkan t erl ebi h dahul u.
Dal am modul dan pel ati han ini yang akan di bahas adal ah bahasa LI SREL.

LI SREL menggunakan not asi dengan huruf Yunani sebagai l ambang dari mat ri k,
const ruct dan i ndi kat or. Unt uk j el asnya perhat i kan t abel di bawah i ni :

Model LI SREL Ket erangan Mat ri ks El emen
Const ruct dan I ndicat or
Const ruct

Exogenous ( Ksi ) Exogenous Const ruct


Endogenous (Et a) Exogenous Const ruct

q

I ndi cat or

Exogenous Exogenous I ndi cat or

X
Endogenous Exogenous I ndi cat or

Y

Matrik

St ruct ural Model

Bet a Rel asi dari q kepada q B |
Gamma Rel asi dari kepada q I
Phi Hubungan ant ar u |
Psi Error dari q +

Measurement Model

Lambda-X Loadi ng dari X A
x

x

Lambda-Y Loadi ng dari Y A
y

y

Thet a-Del t a Error dari X O
o u
o
Thet a-Epsil on Error dari Y O
c u
c
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 8



y

3. Menerj emahkan Pat h Di agram kedalam notasi LI SREL

Unt uk memudahkan apli kasi LI SREL, eval uasi sert a menj aga kehati -hati an, sebel um
menj al ankan LI SREL sebai knya di persi apkan t erl ebi h dahulu pat h di agram dan mat ri k
yang di but uhkan.
Perhati kan gambar 1 di at as, gambar t er sebut adal ah sebuah cont oh dari SEM. Pada
poi nt ( c) nomor 5 bagi an pert ama di at as, gambar 1 t el ah di t erj emahkan ke dal am
bent uk per samaan dengan not asi yunani .
Hal tersebut bel um cukup, kar ena di but uhkan pul a penerj emahan ke dal am bent uk
mat ri ks. Di bawah i ni adal ah mat ri ks yang di butuhkan unt uk model dengan gambar 1
di at as :

Struct ural Model

Mat ri k Bet a ( Full Mat ri x, menunj ukkan hubungan ant ar const ruct endogenous)

0 0(

B =
(


|
21
0


Mat ri k Gamma ( Full Mat ri x, menunj ukkan hubungan ant ara const ruct exogenous dan
const ruct endogenous)


11


12
(

I =
(

21

22

Mat ri k Phi ( Symmet ri c Mat ri x, menunj ukkan korel asi ant ar const ruct exogenous)

11
(

u =
(

21

22

Mat ri k Psi ( Full Mat ri x, menunj ukkan error dari const ruct endogenous)

11
(

+ =
(


0
22


Measurement Model

Mat ri k Lambda X ( Full Mat ri x, I ndi kat or const ruct exogenous)


11
0 (

0
(

21
(
A
x
=
31
0 (

0
(
42 (

0
(

52

Mat ri k Lambda Y ( Ful l Mat ri x, I ndi kat or const ruct endogenous)


11
0 (

0
(
A =

21
(
0
32
(

0
(

42
(

Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 9



0

(
u
(


Mat ri k Thet a Del t a ( Symmet ri c Mat ri x, Error const ruct exogenous)

u
11



(
u
22
(

O
o
= 0 0

u
33
(

0 0 0

(

u
44 (

0 0 0 0
(

55

Mat ri k Thet a Epsi l on ( Symet ri k Mat ri k, Error const ruct endogenous)

u
11


0

O =

(
u
22
(

c
0 0

u
33
(

0 0 0
(

u
44
(

Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 10




BAGI AN KETI GA
I dent ifikasi dan Uj i Kecocokan Model

Pada bagi an keti ga i ni akan di bahas mengenai uji kecocokan model , yai tu penguj i an
secar a kesel uruhan dan penguj i an i ndi vi du untuk St ruct ur al Model dan Measurement
Model .

I dent ifikasi Model

Dari hasil out put di at as dapat dapat dii dentifikasi bahwa model yang di bentuk adal ah
model yang Over ident ified. Yai tu di perol eh nil ai deraj at bebas yang posi tif ( 21) , dan
di perol eh sol usi yang unique dengan i terasi sebanyak 11 kal i .
Dengan demi ki an dapat di t eruskan dengan menguji kecocokan model .

Uj i Kecocokan Model

Sepert i yang t el ah di j el askan pada bagi an pert ama hal aman 6, bahwa uj i kecocokan
model terdi ri at as empat l angkah, yai t u : Memperhatikan Nilai Taksiran Yang Rusak,
Uj i Keseluruhan Model, Uj i I ndividual Measurement Model, dan Uj i I ndividual
St ruct ural Model.

1. Memper hat ikan Nil ai Taksir an Yang Rusak

Dari out put yang di perol eh t erl i hat bahwa t i dak ada nil ai yang rusak, yai t u ti dak ada
vari ans error yang negati f, t i dak ada nil ai st andardi zed yang sangat mendekati at au
l ebih dari 1, j uga ti dak ada st andard error yang t erl ampau besar.

2. Uj i Keseluruhan Model

Uj i kesel uruhan model t erbagi menj adi ti ga bagi an yai t u : Absolut e Fit Measures,
I ncrement al Fit Measures, dan Parsimonious Fit Measures.

Absolut e Fit Measures
Bagi an pert ama dari uji kesel uruhan model i ni menent ukan ti ngkat keakurat an dari
model unt uk mempr edi ksi mat ri k kovari ans at au mat ri k korel asi yang di gunakan
sebagai i nput .

St ati sti k uj i yang di gunakan adal ah :

- Likelihood Rat io Chi- Square St at ist ics
Al at ukur yang pali ng penti ng unt uk menguj i model kesel uruhan adal ah li kel i hood
chi square ( _
2
) . Nil ai chi square yang besar ( rel ati f t erhadap deraj at kebebasan)
menunj ukkan perbedaan ant ar a mat ri k input t erhadap mat ri k hasil esti masi
( korel asi at au kovari ans)
P- val ue dari st ati sti k chi square di harapkan unt uk l ebi h besar dari 0.05 at au 0.1,
yakni uj i t idak signifikans. Bil a uj i tidak signifikans, yang ber arti mat ri k input
dengan mat ri k hasi l esti masi ti dak berbeda, maka model yang diaj ukan cocok.
Kekurangan dari st ati sti k chi square i ni adal ah dapat di pengaruhi ol eh j uml ah
sampel yang t erl alu besar at au t erl al u kecil , dengan kat a l ain st ati sti k chi square
sensi ti f t erhadap j uml ah sampel . Di sarankan j uml ah sampel berki sar ant ara 100
sampai 200.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 11





- Noncent rality and Scaled Noncent rality Paramet er
Noncent rali t y paramet er ( NCP) dan Scal ed Noncent r ali ty Paramet er ( SNCP) adal ah
dua st at i sti k yang di buat unt uk menambal kel emahan dari st ati sti k chi square.
Ti dak ada acuan yang pasti mengenai ni l ai NCP untuk mengat akan bahwa model
yang di uji kan cocok, hanya semaki n kecil nil ai maka akan semaki n bai k.

- Goodness of Fit I ndex ( GFI )
GFI j uga merupakan sebuah nil ai yang di sedi akan LI SREL, GFI ti dak memi liki
acuan si gnifi kansi . Akan t et api sebuah model di kat akan bai k apabil a ni l ai GFI
mendekati 1 dan buruk apabil a mendekati 0

- Root Mean Square Residual ( RMR)
RMR adal ah akar dari rat a rat a error kuadrat , ni l ai i ni menunj ukkan besar
perbedaan ant ara mat ri k i nput dengan mat ri k hasil esti masi . Ni l ai RMR < 0.05
menunj ukkan model yang bai k.

- Root Mean Square Error of Approximat ion ( RMSEA)
RMSEA menunj ukkan kecocokan model yang di kat akan baik apabi l a nil ai nya l ebih
kecil dari 0.05, reasonable j i ka l ebi h keci l dari 0.08, cukup j i ka kurang dari 0.1,
dan buruk bil a l ebi h dari 0.1.


I ncrement al Fit Measures
Bagi an kedua dari uji kesel uruhan i ni membandi ngkan model yang di aj ukan t erhadap
model nol (null model ) . Null Model adal ah sebuah model di mana hanya mat ri k
korel asi / kovari an yang dii nput di anggap nol .

St ati sti k uj i yang di gunakan adal ah :
- Adj ust ed Goodness of Fit I ndex ( AGFI )
AGFI merupakan st ati sti k GOF yang mi ri p dengan GFI , perbedaannya bahwa AGFI
di sesuai kan dengan ni l ai deraj at bebasnya. Model dengan ni l ai AGFI mi ni mal 0.90
dapat di kat akan sebagai model yang bai k.

- Non Normed Fit I ndex ( NNFI / Tucker Lewis I ndex)
NNFI adal ah ni l ai yang membandi ngkan model yang sedang di uj i dengan nul l
model , model di kat akan bai k bil a nil ai NNFI - nya mi ni mal 0.90

- Normed Fit I ndex ( NFI )
NFI hampi r mi ri p dengan NNFI , hanya saj a NFI memili ki rent ang dari 0 hi ngga 1,
ni l ai NFI yang mendekati 0.90 mengi ndi kasi kan model yang bai k.

- Beberapa St at istik GOF Lainnya
Di sampi ng AGFI , NNFI , dan NFI masi h ada beber apa st at i sti k GOF l ai nnya yai t u :
Relative Fit I ndex ( RFI ) , I ncrement al Fit I ndex ( I FI ) , dan Comparat ive Fit
I ndex ( CFI ) . Ket i ga st ati sti k t ersebut menunj ukkan perbandi ngan ant ar a model
yang di uji dengan model nul l , dengan rent ang nil ai 0 hi ngga 1, model di kat akan
bai k bil a nil ai mendekati 0.90.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 12




Parsimonious Fit Measures
Ukuran kel ompok keti ga i ni menghubungkan ant ara kecocokan model dengan j uml ah
paramet er yang di t aksi r. Prinsi p yang di pegang adal ah parsi moni , yai t u gunakan
j uml ah paramet er yang mi ni mal dengan ti ngkat akurasi maksi mal .

- Parsimonious Normed Fit I ndex ( PNFI )
Nil ai PNFI adal ah ni l ai NFI yang di modi fi kasi , pada PNFI di perhati kan ni l ai deraj at
kebebasan yang di gunakan unt uk mencapai kecocokan model . Semaki n besar
ni l ai PNFI , maka model menj adi semaki n bai k.
Nil ai PNFI dapat di gunakan unt uk membandi ngkan dua model , bil a perbedaannya
mencapai 0.06 sampai 0.09, maka di kat akan perbedaan kedua model t ersebut
si gnifi kan.

- Parsimonious Goodness of Fit I ndex ( PGFI )
PGFI memodi fi kasi nil ai GFI dengan memper hati kan banyaknya vari abel l at en
yang di bent uk dal am model . Ni l ai PGFI ber ada dal am rent ang 0 sampai 1. Ni l ai
yang l ebi h ti nggi menunj ukkan model yang l ebih bai k.

- Akaike Criterion I nformat ion ( AI C) dan Consist ent AI C ( CAI C)
AI C dan CAI C di gunakan pada saat membandi ngkan beber apa model , di mana nil ai
yang l ebi h keci l menunj ukkan model yang l ebi h bai k.
Sebuah model di kat akan bai k bil a ni l ai Model AI C l ebi h bai k dari I ndependent
AI C dan Sat urat ed AI C. Hal yang sama j uga berl aku unt uk CAI C.


3. Uj i I ndividual Measurement Model

Bil a model t el ah memenuhi kri t eri a yang di t et apkan pada uj i kesel uruhan, maka
l angkah sel anj ut nya menguj i set i ap const ruct secara t erpi sah, dengan:
1. Uj i si gni fi kansi set i ap i ndi kat or dengan Uj i - t
2. Menghi tung Reli abilit as Const ruct

Uj i Signifikansi I ndikat or
Vari abel i ndi kat or di kat akan si gni fi kan apabi l a nil ai t yang di perol eh mi ni mal sebesar
1.96 unt uk t ar af o = 5%, dan 2.58 untuk t ar af o = 1%.
Nil ai reli abil i t as mi ni mal unt uk seti ap indi kat or di harapkan sebesar 0.50, dengan
l oadi ng mi ni mal sebesar 0.70. Measurement error unt uk set i ap i ndi kat or adal ah satu
di kurangi dengan reli bil i t as i ndi kat or t ersebut .


Menghit ung Reliabilitas Const ruct dan Ekst raksi Varians
Rumus yang di gunakan unt uk menghi tung reli abil i t as dari sebuah const ruct adal ah :


Const ruct Reli abilit y =

(
Loadi ng St andar di zed
)
2
=

2

(
Loading St andar di zed)
+ (
Measurement Error )

Sedangkan rumus yang untuk menghi tung ekst raksi vari ans dari const ruct adal ah :


(Loadi ng St andar di zed)
2

Vari ance Ext ract ed =

(Loadi ng St andar di zed)
2
+
(
Measurement Err or
)
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 13




4. Uj i I ndividual St ruct ural Model

Langkah sel anj ut nya adal ah menguj i st ruct ural model . Pada penguji an i ni t rdapat dua
hal yang harus di l akukan, yai t u :
1. Uj i koefi si en gamma dan bet a
2. Uj i kesel uruhan st ruct ural model

Uj i Signifikansi Koefisien Gamma dan Bet a
Sepert i hal nya uj i si gni fkansi unt uk i ndi kat or, par amet er Gamma at au Bet a di kat akan
si gnifi kan apabil a nil ai t yang di perol eh mi ni mal sebesar 1.96 untuk t ar af o = 5%,
dan 2.58 untuk t araf o = 1%.

Uj i Keseluruhan St ruct ural Model
Unt uk menil ai kebai kan dari kesel uruhan st ruct ur al model , perhati kanl ah ni l ai
Squared Mul ti pl e Correl at i on ( R
2
). Semaki n besar ni l ai tersebut semaki n bai k model
yang di hasil kan.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 14




BAGI AN KEEMPAT Aplikasi
SEM dengan LI SREL

Mengimport File SPSS

1. Pili h I mport Dat a in Free Format



Gambar 3


2. Browse Fil e SPSS yang akan di gunakan l alu kli l k Open



Gambar 4


3. Set el ah muncul l ayar yang menampil kan dat a hasi l i mport , pi lih menu File, l al u
Close
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 15




Membuat Synt ax LI SREL Secara I nt eractive

1. Pili h New dari menu File



Gambar 5


2. Dari kot ak di al og New pil ih LI SREL Proj ect



Gambar 6


3. Si mpan fil e LI SREL Proj ect yang akan di buat pada fol der yang Anda i nginkan. Harus
di ket ahui bahwa LI SREL akan mel et akkan fil e fil e yang di hasi l kan pada fol der yang
sama dengan fil e LI SREL Proj ect



Gambar 7


4. Pili h Variables dari menu Setup



Gambar 8
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 16





5. Pada kot ak di al og Variables i sil ah nama dari vari abel indi kat or pada Observed
Variables, dan vari abel const ruct pada Lat ent Variables.
Unt uk menambah bari s t ekan I nsert at au t ekan kursor ke ar ah bawah. ( +)
Bil a pada dat a SPSS yang sudah di i mport sudah t ertuli s nama vari abel nya, maka
penuli san nama vari abel ti dak perl u dil akukan secara manual .
Langkah l angkah yang harus di l akukan adal ah sebagai beri kut :

Tekan t ombol Add/ Read Variables:



Gambar 9


Pili h PRELI S Syst em Files untuk j eni s fil e yang akan di gunakan, l al u t ekan Browse,



Gambar 10


Ambil fil e PSF yang di but uhkan, fil e t ersebut akan t erl et ak pada l okasi yang sama
dengan fi l e SPSS yang t el ah di -i mport . Pil ih Open l alu OK.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 17






Gambar 11


Unt uk Lat ent Variables, i si l ah dengan cara manual .



Gambar 12


Set el ah sel esai kli k Next


6. Pada kot ak di al og Dat a, pili h Raw Dat a pada St at ist ics form, dan pada opt i on
Mat rix t o be analyzed pil ih Covariances. Number of Obser vat ions sebanyak
235. Lalu kl i k Next .
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 18






Gambar 13


7. Kot ak di al og beri kut nya adal ah Define Observed Variable, pil ih observed vari abel
yang di t ampil kan sebagai vari abel Y at au X.
Pili h t uj uh vari abel pert ama l al u kli k Select As X, dan pilih si sanya sebagai Y



Gambar 14


Set el ah sel esai kli k Next

8. Sel anj ut nya adal ah kot ak di al og Define Lat ent Variables, pil ih Mot ivasi sebagai
Eta- Variables dan St ruktur dan Budaya sebagai Ksi Variables.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 19






Gambar 15


Set el ah sel esai kli k Next


9. Kemudi an akan muncul kot ak di al og Model Paramet er seperti di bawah ini :



Gambar 16


Pada kot ak di al og di at as, spesi fi kasi kanl ah del apan buah mat ri ks bil a di perl ukan.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 20




Mat rik Lambda- Y

- Kli k pada Lambda- Y Full Mat ri x, Fi xed, akan muncul ket er angan Ful l Mat ri x dan
Fi xed pada menu di sebel ah kanan. Sepert i pada gambar 13 di at as
- Kli k t ombol Speci fy, maka akan muncul kot ak di al og Element and Value for
Lambda- Y di mana i si nya berwarna kuni ng semua dengan nil ai nol .
- Pi lih sel uruh indi kat or pada kol om Mot ivasi l al u t ekan Free. Sebagai beri kut :



Gambar 17




Gambar 18


- Kli k Ok dan pil ih Yes bil a muncuk kot ak di al og konfi rmasi di at as.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 21





Mat rik Lambda- X

- Kli k pada Lambda- X Full Mat ri x, Fi xed, akan muncul ket erangan Ful l Mat ri x dan
Fi xed pada menu di sebel ah kanan.
- Kli k t ombol Speci fy, maka akan muncul kot ak di al og Element and Value for
Lambda- X di mana i sinya berwarna kuning semua dengan nil ai nol .
- Pada kol om St ruktur, pili h STOKO, STOFO, dan STOSE, l alu tekan Free. Ul angi
unt uk Kol om Budaya sehi ngga di perol eh hasil sepert i gambar beri kut :



Gambar 19


- Kli k Ok dan pili h Yes bil a muncuk kot ak di al og konfi rmasi .


Mat rik Gamma

- Kli k pada Gamma Ful l Mat ri x, Fi xed , akan muncul ket er angan Full Mat ri x dan
Fi xed pada menu di sebel ah kanan. Lal u t ekan Specify.
- Buat seperti menj adi gambar beri kut .



Gambar 20
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 22




Mat rik Phi dan Mat rik Psi

- Abai kan

Mat rik Thet a Epsil on

- Kli k pada Thet a Epsil on Di agonal Mat ri x, Free, akan muncul ket erangan Di agonal
Mat ri x dan Free pada menu di sebel ah kanan.



Gambar 21


Mat rik Thet a Delt a

- Kli k pada Thet a Del t a Di agonal Mat ri x, Free , akan muncul ket er angan Di agonal
Mat ri x dan Free pada menu di sebel ah kanan.



Gambar 22


Mat rik Thet a Delt a Epsilon

- Abai kan
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 23




10. Set el ah sel esai kli k Next , maka akan muncul kot ak di al og Const raint s



Gambar 23


Kar ena ti dak ada const rai nt s yang di perl ukan kli k Next , unt uk memuncul kan kot ak
di al og Out put Select ions


11. Pada kot ak di al og Out put Sel ecti ons pi lih output yang di ingi nkan,



Gambar 24


Kli k OK dan akan muncul l ayar beri kut yang menampi l kan Synt ax yang di hasil kan.
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 24


























Gambar 25


12. Kli k tombol Run Lisrel pada t ool bar untuk eksekusi



Gambar 26


Syntax LI SREL

Di bawah i ni akan di j el askan i si dari Synt ax LI SREL yang di hasil kan

TI
DA NI=10 NO=235 NG=1 MA=CM
RA FI='C:\Modul\SEM.psf'
SE
8 9 10 1 2 3 4 5 6 7 /
MO NX=7 NY=3 NK=2 NE=1 LY=FU,FI LX=FU,FI GA=FU,FI PH=SY,FR PS=DI,FR
TE=SY,FI TD=SY,FI
LE
MOTIVASI
LK
STRUKTUR BUDAYA
FR LY(1,1) LY(2,1) LY(3,1) LX(1,1) LX(2,1) LX(3,1) LX(4,2) LX(5,2) LX(6,2)
FR LX(7,2) GA(1,1) GA(1,2) TE(1,1) TE(2,2) TE(3,3) TD(1,1) TD(2,2) TD(3,3)
FR TD(4,4) TD(5,5) TD(6,6) TD(7,7)
PD
OU RS EF SC

KODE SYNTAX

TI = Adal ah Ti tl e and Comment s. , bari s ini dapat dii si dengan beberapa bari s,

LI SREL akan mengeksekusi program dari Peri nt ah DA. Jadi berapapun bari s

Ti tl e dan Comment s ti dak j adi masal ah.
DA = Dat a , arti nya mul ai dari bari s i ni peri ntah SEM di mul ai
NI = Number of I ndi cat or
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 25



NO = Number of Observati on
NG = Number of Groups
MA = Jeni s Mat ri k i nput yang di gunakan ( CM = Kovari an, KM = Korel asi )
RA = Raw Dat a, menunj ukkan bahwa yang di gunkaan sebagai input adal ah Raw Dat a
SE = Menunj ukkan bari s beri kut nya adal ah vari abel vari abel yang di gunakan
MO = Model Paramet er
NX = Juml ah I ndi kat or X
NY = Juml ah I ndi kat or Y
NK = Juml ah Vari abel Lat en Eksogen
NE = Juml ah Vari abel Lat en Endogen
LE = Label ETA
LK = Label KSI
LY = Mat ri ks Lambda Y
LX = Mat ri ks Lambda X
BE = Mat ri ks Bet a
GA = Mat ri ks Gamma
PH = Mat ri ks Phi
PS = Mat ri ks Psi
TE = Mat ri ks Thet a Epsil on
TD = Mat ri ks Thet a Del t a
FU = Full Mat ri x
SY = Symmet ri c Mat ri x
DI = Di agonal Mat ri x
FI = Fi xed Mat ri x
FR = Fr ee Mat ri x
FR = Menspesi fi kasi l okasi sel yang di freekan
FI = Menspesi fi kasi kan sel yang di fi xkan
PD = Memi nt a Path Di agram
OU = Out put
EF = Tot al Effek dan I ndi rect Effect
SC = Soluti on Compl et el y St andardi zed

Out put LI SREL

Di bawah i ni adal ah out put dari synt ax di at as yang di edi t dengan membuang bagi an
bagi an yang ti dak perl u.

LI SREL Menuliskan Kembali Synt ax Yang Digunakan :

TI
DA NI=10 NO=235 NG=1 MA=CM
RA FI='C:\Modul\SEM.psf'
SE
8 9 10 1 2 3 4 5 6 7 /
MO NX=7 NY=3 NK=2 NE=1 LY=FU,FI LX=FU,FI GA=FU,FI PH=SY,FR PS=DI,FR
TE=SY,FI
TD=SY,FI
LE
MOTIVASI
LK
STRUKTUR BUDAYA
FR LY(1,1) LY(2,1) LY(3,1) LX(1,1) LX(2,1) LX(3,1) LX(4,2) LX(5,2) LX(6,2)
FR LX(7,2) GA(1,1) GA(1,2) TE(1,1) TE(2,2) TE(3,3) TD(1,1) TD(2,2) TD(3,3)
FR TD(4,4) TD(5,5) TD(6,6) TD(7,7) TE(1,3)
PD
OU RS EF SC
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 26



TI

Number of Input Variables 10
Number of Y - Variables 3
Number of X - Variables 7
Number of ETA - Variables 1
Number of KSI - Variables 2
Number of Observations 234

Dibawah I ni Adalah Mat rik Covarians Yang Digunakan Sebagai I nput

Covariance Matrix


MOTIN
--------
MOTVA
--------
MOTEX
--------
STOKO
--------
STOFO
--------
STOSE
--------
MOTIN 38.05

MOTVA 10.15 24.22

MOTEX 21.99 9.34 41.01

STOKO 1.48 0.42 2.99 5.83

STOFO 8.36 4.40 10.20 2.20 33.48

STOSE 5.55 3.23 4.51 1.60 9.00 16.59
BUDOPD 2.04 2.76 1.66 0.36 0.99 0.86
BUDOIN 2.98 3.93 3.03 0.32 1.33 1.34
BUDOMA 2.10 2.78 1.81 0.33 0.59 0.61
BUDOLO 4.47 2.94 3.90 0.39 1.50 1.65

Covariance Matrix

BUDOPD
--------
BUDOIN
--------
BUDOMA
--------
BUDOLO
--------
BUDOPD 1.88

BUDOIN 1.81 4.48

BUDOMA 1.35 1.78 1.92

BUDOLO 1.45 2.21 1.49 4.29


Unt uk Set iap Matrik Dit ampilkan Paramet er Yang Akan Dit aksir Yait u Berupa
Bilangan Bulat , Nampak Bahwa Ter dapat 24 Paramet er Yang Akan Dit aksir.

Parameter Specifications

LAMBDA-Y


MOTIVASI
--------
MOTIN 0
MOTVA 1
MOTEX 2

LAMBDA-X


STRUKTUR
--------
BUDAYA
--------
STOKO 3 0
STOFO 4 0
STOSE 5 0
BUDOPD 0 6
BUDOIN 0 7
BUDOMA 0 8
BUDOLO 0 9
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 27



MOTIVASI
--------
MOTIN 3.18

MOTVA

3.18

(0.59)

5.38

MOTEX

2.97

(0.47)

6.27

GAMMA

STRUKTUR BUDAYA
-------- --------
MOTIVASI 10 11

PHI

STRUKTUR BUDAYA
-------- --------
STRUKTUR 0

BUDAYA 12 0

PSI

MOTIVASI
--------
13

THETA-EPS

MOTIN
--------
MOTVA
--------
MOTEX
--------

MOTIN 14

MOTVA 0 15

MOTEX 16 0 17


THETA-DELTA



STOKO

STOFO

STOSE

BUDOPD

BUDOIN

BUDOMA

-------- -------- -------- -------- -------- --------

18 19 20 21 22 23


THETA-DELTA



BUDOLO


--------


24



Hasil Est imasi Dengan Met ode Maximum Likelihood

Number of Iterations = 16

LISREL Estimates (Maximum Likelihood)
LAMBDA-Y
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 28

LAMBDA-X



STRUKTUR BUDAYA
-------- --------
STOKO 0.63 - -

(0.20)

3.12

STOFO

3.62 - -

(0.57)

6.32

STOSE

2.48 - -

(0.40)

6.24

BUDOPD

- - 1.15

(0.08)

14.86

BUDOIN

- - 1.58

(0.13)

12.62

BUDOMA

- - 1.15

(0.08)

14.64

BUDOLO

- - 1.32

(0.13)

10.28


GAMMA


STRUKTUR BUDAYA
-------- --------
MOTIVASI 0.37 0.60

(0.12) (0.12)

3.16 5.08


Covariance Matrix of ETA and KSI

MOTIVASI STRUKTUR BUDAYA
-------- -------- --------
MOTIVASI 1.00

STRUKTUR 0.53 1.00

BUDAYA 0.70 0.27 1.00

PHI


STRUKTUR
--------
BUDAYA
--------
STRUKTUR 1.00


BUDAYA

0.27

1.00

(0.09)


2.96

Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 29




PSI

MOTIVASI
--------
0.38
(0.17)
2.19


Squared Multiple Correlations for Structural Equations

MOTIVASI
--------
0.62


THETA-EPS

MOTIN MOTVA MOTEX
-------- -------- --------
MOTIN 27.94
(3.19)
8.76

MOTVA - - 14.13
(2.15)
6.57

MOTEX 12.56 - - 32.22
(2.67) (3.50)
4.70 9.21


Squared Multiple Correlations for Y - Variables

MOTIN MOTVA MOTEX
-------- -------- --------
0.27 0.42 0.21

THETA-DELTA

STOKO STOFO STOSE BUDOPD BUDOIN BUDOMA BUDOLO
-------- -------- -------- -------- -------- -------- --------
5.43 20.41 10.43 0.56 1.99 0.60 2.54
(0.53) (3.82) (1.84) (0.08) (0.23) (0.08) (0.26)
10.25 5.34 5.66 6.81 8.74 7.07 9.69


Squared Multiple Correlations for X - Variables

STOKO STOFO STOSE BUDOPD BUDOIN BUDOMA BUDOLO
-------- -------- -------- -------- -------- -------- --------
0.07 0.39 0.37 0.70 0.56 0.69 0.41
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 30




Ukuran Kecocokan Model Dit ampilkan Di Bawah I ni

Goodness of Fit Statistics

Degrees of Freedom = 31
Minimum Fit Function Chi-Square = 38.31 (P = 0.17)
Normal Theory Weighted Least Squares Chi-Square = 38.39 (P = 0.17)
Estimated Non-centrality Parameter (NCP) = 7.39
90 Percent Confidence Interval for NCP = (0.0 ; 27.31)

Minimum Fit Function Value = 0.16
Population Discrepancy Function Value (F0) = 0.032
90 Percent Confidence Interval for F0 = (0.0 ; 0.12)
Root Mean Square Error of Approximation (RMSEA) = 0.032
90 Percent Confidence Interval for RMSEA = (0.0 ; 0.061)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.82

Expected Cross-Validation Index (ECVI) = 0.37
90 Percent Confidence Interval for ECVI = (0.34 ; 0.46)
ECVI for Saturated Model = 0.47
ECVI for Independence Model = 4.39

Chi-Square for Independence Model with 45 Degrees of Freedom = 1003.82
Independence AIC = 1023.82
Model AIC = 86.39
Saturated AIC = 110.00
Independence CAIC = 1068.38
Model CAIC = 193.32
Saturated CAIC = 355.04

Normed Fit Index (NFI) = 0.96
Non-Normed Fit Index (NNFI) = 0.99
Parsimony Normed Fit Index (PNFI) = 0.66
Comparative Fit Index (CFI) = 0.99
Incremental Fit Index (IFI) = 0.99
Relative Fit Index (RFI) = 0.94

Critical N (CN) = 318.45


Root Mean Square Residual (RMR) = 0.88
Standardized RMR = 0.046
Goodness of Fit Index (GFI) = 0.97
Adjusted Goodness of Fit Index (AGFI) = 0.94
Parsimony Goodness of Fit Index (PGFI) = 0.55
Apli kasi St ruct ural Equati on Model i ng dengan LI SREL 8. 54 Hal aman 31




Daft ar Pust aka


Du Toi t , Sthepen., Du Toi t , Mat hil da., Joreskog, K. G., & Sorbom, D. (1999) . I nt eract ive
LI SREL users guide. Chi chago: Sci entifi c Soft ware I nt ernati onal

E. Schumacker, Randall ., & G. Lomax, Ri chard., ( 1996). A Begi nners Gui de To St ruct ural
Equati on Model i ng. New Jersey: Lawr ence Erl baum Associ at es.

F. Hai r, Joseph., E. Anderson, Rol ph., L. Tat ham, Ronal d., & C. Bl ack, Will i am. ( 1998).
Mult ivariat e Dat a Analysi s, I nt ernat ional Edit ion 5
t h
Edit ion. New Jer sey: Prenti ce-
Hal l I nt ernati onal , I nc

Joreskog, K. G., & Sorbom, D. ( 1993) . St ruct ural equat ion modeling wit h t he SI MPLI S
command language. Chi chago: Sci enti fi c Sof t ware I nt ernati onal

Joreskog, K. G., & Sorbom, D. ( 1996) . LI SREL 8 users ref erences guide. Chi chago:
Sci enti fi c Software I nt ernati onal

Joreskog, K. G., & Sorbom, D. (1996) . PRELI S 2 users ref erences guide. Chi chago:
Sci enti fi c Software I nt ernati onal

M. Byrne, Barbar a., (1998) . St ruct ural Equat i on Modeling with LI SREL, PRELI S and
SI MPLI S: Basi c Consept , Appl icat i ons, and Programming. London: Lawrence
Erl baum Associ at es.