Modul Pelatihan Lisrel Cetak

7/24/2019 Modul Pelatihan Lisrel Cetak

1/48

BAB I. PENDAHULUAN

1.1. Pengantar ke Program LISREL

Dalam suatu penelitian, umumnya variabel yang diamati lebih dari satu

(multivariabel) dan sangat jarang penelitian yang hanya mengamati variabel tunggal.Multivariabel yang diamati merupakan karakteristik suatu obyek penelitian dan

pengamatannya dilakukan secara simultan. Metode statistika yang analisisnya

melibatkan multivariabel secara simultan, tercakup didalam analisis multivariate(analisis peubah ganda).

Klasifikasi analisis multivariate berdasarkan permasalahan penelitiannya dapat

dikelompokkan atas:

. !nalisis multivariate dalam analisis penilaian (identifikasi, prediksi, eksplorasi dan

deskripsi), diantaranya adalah: !nalisis Komponen "okok ("rinciple #omponent !nalysis)

!nalisis $aktor ($actor !nalysis)

!nalisis %erombol (#luster !nalysis)

&. !nalisis multivariate dalam analisis pembandingan (komparasi) diantaranyaadalah:

'& otelling

M!*+!M!#*+!

-. !nalisis multivariate dalam analisis hubungan (asosiasi) antar variabel diantaranyaadalah:

!nalisis egresi /erganda

!nalisis 0alur ("ath !nalysis)

Model "ersamaan 1truktural (1tructural 23uation Modelling412M)

Korelasi Kanonik

!nalisis Diskriminan

5ogit, "robit, 'obit, %ompit dan 5ogistic Model

Model persamaan strukural ((1tructural 23uation Modelling412M) adalah

generasi kedua dari teknik analisis multivariate, yang memungkinkan peneliti untukmenguji hubungan antara variabel yang kompleks baik recursive maupun non6

recursive untuk memperoleh gambaran menyeluruh mengenai keseluruhan model.

/erbeda dengan analisis multivariate biasa (misalnya regresi berganda, analisis

faktor), 12M dapat menguji secara bersama6sama:. Model struktural: hubungan antara konstruk independen dan dependen

&. Model measurement: hubungan (nilai loading) antara indikator dengan konstruk

(variabel laten)Digabungkannya pengujian model struktual dan model pengukuran tersebut

memungkinkan peneliti untuk:


2/48

. Menguji kesalahan pengukuran (measurement error) sebagai bagian tidak

terpisahkan dari 1tructural 23uation Modelling

&. Melakukan analisis faktor bersamaan dengan pengujian hipotesis"entingnya 12M sebagai alat statistik dalam penelitian (khususnya dibidang

ilmu sosial) menyebabkan berkembangnya berbagai soft7are 12M, seperti 58125,

!M*1, *M!*, 12"!' dan 581#*M". amun demikian, diantara soft7areyang ada tersebut, 58125 (5inerar 1tructural 25ationship) merupakan program

12M yang paling banyak digunakan. al ini disebabkan, selain kemampuan 58125

dalam mengestimasi berbagai masalah 12M (yang seringkali tidak mungkindilakukan program lain), tampilan 58125 juga paling informatif dalam menyajikan

hasil6hasil statistik.

1.2. Konsep Stuctural Euat!on "o#ell!ng $SE"%

Dalam penelitian kita seringkali menganalisis hubungan atau pengaruh antarvariabel. 'etapi, seringkali juga dalam penelitian (terutama dalam penelitian ilmu

sosial) kita berhadapan dengan variabel yang tidak bisa diukur secara langsung(misalnya kinerja karya7an, kepribadian dan lainnya), dan memerlukan beberapa

indikator untuk pengukurannya. +ariabel yang tidak bisa diukur ini dinamakan

dengan konstruk latenvariabel latenvariabel unobserved, sedangkan indikatorsebagai variabel terukur dinamakan sebagai variabel manifestvariabel observed.

Misalnya di bidang manajemen keuangan, kita ingin menganalisis pengaruh

efektivitas penggunaan terhadap kinerja keuangan. Kedua variabel tersebut

(efektivitas penggunaan dana dan kinerja keuangan) adalah variabel yang tidakterukur. *leh karenanya kita membutuhkan indikator untuk merepresentasikan kedua

variabel tersebut.1ecara teori, jika penggunaan dana efektif, maka akan tercermin melaluitingginyabaiknya nilai !'*, 8'*, 9#'*, $!'* dan '!'!. Demikian juga jika

kinerja keuangan baik, akan tercermin melalui tingginyabaiknya nilai *! dan

*2. *leh karenanya, diagram mengenai hubungan ini dapat diberikan sebagaiberikut:

&


3/48

Keterangan:!'* 4 penjualanrata6rata piutang

8'* 4 ""rata6rata persediaan

9#'* 4 penjualanrata6rata modal kerja$!'* 4 penjualanaktiva tetap

'!'! 4 penjualantotal aktiva

*! 4 penerimaan setelah pajaktotal aktiva*2 4 penerimaan setelah pajakmodal sendiri

2$2K'8$ 4 2fektivitas penggunaan dana

K820! 4 Kinerja keuangane 4 error

"ada dasarnya diagram diatas sama dengan regresi sederhana biasa yang

melihat pengaruh satu variabel independen terhadap variabel dependen. amunperbedaannya adalah variabel6variabel tersebut adalah variabel unobserved yang

diukur dengan berbagai indikator. *leh karena itu, teknik regresi biasa tidak dapat

digunakan untuk mengestimasi model tersebut.1elain itu, dari diagram tersebut terlihat bah7a, di setiap pengukuran indikator

pasti terdapat kesalahan yang dinamakan dengan kesalahan pengukuran

(measurement error). 1elain itu juga terdapat kesalahan struktural (error yangdiperlihatkan pada variabel dependent) sebagai akibat tidak masuknya semua variabel

yang mempengaruhi variabel dependen (kinerja keuangan) ke dalam model. 8ni

dinamakan dengan kesalahan struktural (structural error).12M memungkinkan kita untuk menguji hubungan antara variabel laten (antara

efektivitas penggunaan dana dengan kinerja keuangan) sehingga kita dapat menguji

teori. 1elain itu, secara simultan, 12M juga menguji indikator6indikatornya sehingga

kita dapat menilai kualitas pengukuran. Dengan demikian kita dapat menentukanapakah efektivitas penggunaan dana berpengaruh terhadap !'* (misalnya),

-

e

e

e

e

e

e

ee


4/48

seberapa besar pengaruhnya dan seberapa baik !'* dapat dijadikan indikator untuk

variabel efektivitas penggunaan dana.

1.&. Be'erapa De(!n!s! #an Konsep )erka!t

. +ariabel eksogen: adalah variabel yang nilainya tidak dipengaruhiditentukan olehvariabel lain di dalam model setiap variabel eksogen selalu variabel independen

&. +ariabel endogen: adalah variabel yang nilainya dipengaruhiditentukan oleh

variabel lain di dalam model. Dikenal juga dengan istilah variabel dependen-. Konstruk 5aten+ariabel 5aten+ariabel ;nobserved: adalah variabel yang tidak

dapat diukur secara langsung dan memerlukan beberapa indikator atau proksi

untuk mengukurnya.


5/48

BAB II. PEN*+PERASIAN PR+*RA" LISREL

Dalam operasinya, "rogram 58125 membutuhkan input data dan input file(perintah). ;ntuk menyiapkan input data, 58125 menyediakan program "2581

dan untuk menyiapkan input file, 58125 menyediakan program 18M"581 sebagai

bahasa perintah."ada dasarnya selain menggunakan "2581, input data untuk 58125 juga dapat

ditulis dengan te>t documen. Demikian juga untuk input file, selain melalui 18M"581

juga dapat disiapkan melalui bahasa 58125 itu sendiri. amun demikian, alternatif

tersebut tidak dianjurkan karena sulit untuk dioperasionalkan. *leh karenanya, padabab ini akan diuraikan tahapan6tahapan persiapan input data hanya dengan "2581

dan input file (perintah) hanya dengan 18M"581.

2.1. "EN,IAPKAN INPU) DA)A $Program PRELIS%

"2581 adalah program suplemen dari paket program 58125 ?. "2581 dapatmenyimpan data mentah yang sebelumnya disimpan pada berbagai macam program

seperti 1"11, Ms 2@#25, 1!1, data te>t, dan lain sebagainya.

58125 hanya dapat menjalankan model dari data mentah yang disimpan dalam"2581 atau te>t document. 1ehingga setiap data mentah yang disimpan pada

program yang lain harus disimpan terlebih dahulu kedalam "2581.

1elain untuk menyimpan data, "2581 juga dapat digunakan untuk melakukan

manipulasi data dan manajemen data serta memberikan deskripsi a7al dari data.

2.1.1. "en-!mpan Data

!le #ar! SPSS

/uka program 58125, kemudian klikFiledan klikImport Data in Free Format.

=


6/48

!kan muncul kotak dialog Open Data File.

"adaLook in, pilih folder tempat data disimpan. "adaFiles of Typepilih SPSS forWindows (*sa!). "adaFile "amepilih nama file. Kemudian klik O#.

1ecara langsung file data analisis faktor (dalam gambar diatas) yang disimpan padaprogram 1"11 juga akan disimpan dalam bentuk "2581.

A


7/48

!le #ar! "s E/0EL

/uka program 58125, kemudian klikImport E$ternal Data ini Ot%er Formats

!kan muncul kotak dialog berjudulInp&t Data 'ase. "adaDri!es, pilih drive tempat

data disimpan. "adaDiretoriespilih folder tempat data disimpan. #ari E$el pada

List Files of Type. "adaFile "amepilih nama file. Kemudian klik O#.

B


8/48

!kan muncul kotak SpreadS%eet raerberikut:

Klik Data +rea, kemudian blok seluruh data. Kemudian klik ,ariale "ames dan

blok nama variabel. Kemudian klik O#.

?


9/48

!kan muncul kotak dialogFile Sa!e +s, yang meminta kita untuk menyimpan datadalam format "2581. 1ecara langsung file data yang disimpan pada program 2>cel

juga akan disimpan dalam bentuk "2581.

C


10/48

2.1.2. "enentukan en!s Data

0enis data dalam 58125 umumnya dibagi & yaitu dari continous dan data

ordinal. Data dikatakan continous jika memiliki kategori lebih dari =. 1ebaliknya,dikatakan data ordinal.

;ntuk menentukan jenis data klikDatakemudianDefine ,ariales, maka akan

muncul tampilan


11/48

1etelah itu klik nama variabel dan klik ,ariale Type, akan muncul kotak dialog

berikut:

'entukan jenis data. 0ika seluruh data akan diperlakukan sama, klik+pply to all.

2.1.&. "em'uat "atr!ks 0oar!ance #an correlat!ons

8nput data pada 58125 dapat berupa data mentah maupun matriks covariance dan

matriks korelasi. 0ika ingin mempublikasikan hasil penelitian pada jurnal ilmiah, kitatidak mungkin menyediakan data mentah. 1olusinya adalah dengan memberikan data

matriks covariance atau matriks korelasi.

"em'uat "atr!ks 0oar!ance

1etelah data mentah disimpan dalam "2581, klik O&tp&t Options pada bagian

Statistis.

!kan muncul kotak dialog berikut:


12/48

"ada moment matri$pilih o!arianes, kliksa!e to file, kemudian tulis namafile untuk menyimpan matriks kovarians tersebut. Kemudian klik O#. Dalam contoh

diatas data disimpan pada partisi hardisk D dengan nama file data.cov

Data matriks kovarians akan tersimpan dalam format te>t documen. $ile tersebutdapat dibuka dengan program otepad (bagian program 9indo7s).

"em'uat "atr!ks korelas!

Matriks korelasi dibagi dua yaitu :. Matriks korelasi continous yang dihasilkan dari data continous. ;ntuk jenis

ini "2581 akan menghasilkan matriks korelasinya dalam bentuk "earsonEs#orrelation.&. Matriks korelasi ordinal yang dihasilkan dari data ordinal. ;ntuk jenis ini

"2581 akan menghasilkan matriks korelasinya dalam bentuk "olychoric

#orrelation.Dalam 58125, data yang memiliki kategori lebih dari = dikategorikan sebagai data

continous, sebaliknya jika kurang dari = secara otomatis dikategorikan sebagai data

ordinal. Kita dapat merubah data ordinalinterval menjadi continous, tetapi tidak

sebaliknya.'erdapat empat jenis matriks korelasi untuk data ordinal

. "olychoric: matriks korelasi yang seluruh variabel memiliki skala ordinal dan

juga diperlakukan sebagai ordinal&. 'etrachoric: matriks korelasi dimana seluruh variabel memiliki skala

dichotomous (variabel dummy dan )

-. "olyserial: matriks korelasi dimana variabel memiliki skala ordinal dan jugaskala interval, yang diperlakukan sebagai ordinal.


13/48

;ntuk membuat matrik korelasi adalah sebagai berikut:

1etelah data mentah disimpan dalam "2581, klik O&tp&t Options pada bagian

Statistis. !kan muncul tampilan berikut:

"ada moment matri> pilih -orrelations, kliksa!e to file, kemudian tulis namafile untuk menyimpan matriks korelasi tersebut. Kemudian klik *K. Dalam contoh

diatas data disimpan pada partisi hardisk D dengan nama file data&.cor

Data matriks korelasi akan tersimpan dalam format te>t documen. $ile tersebut dapatdibuka dengan program otepad (bagian program 9indo7s).

"em'uat As-mtot!c 0oar!ance "atr!3

!symtotic #ovariance Matri> merupakan perhitungan matriks varians dankovarians yang dihitung berdasarkan data yang berdistribusi tidak normal. Matriks ini

umumnya digunakan untuk metode 9eigthed 5east 13uare (951). 1elain itu,

asymptotic covariance matri> juga digunakan bersamaan dengan penggunaanpolychoric matri>.

;ntuk membuat !symtotic #ovariance Matri> adalah sebagai berikut:

1etelah data mentah disimpan dalam "2581, klik O&tp&t Optionspada bagianStatistis. !kan muncul tampilan berikut:

-


14/48

Klik 1ave to file pada !symptotic #ovariance Matri>, kemudian tulis nama file

tempat penyimpanan di ba7ahnya. Kemudian klik *K. Dalam contoh diatas datadisimpan pada partisi hardisk D dengan nama file data-.acm

Data matriks asymtotic covariance akan tersimpan dalam format te>t

document. $ile tersebut dapat dibuka dengan program otepad (bagian program9indo7s), namun demikian nilainya tidak dapat dibaca dengan otepad. 'etapi file

tersebut tetap memiliki nilai dan dapat dipergunakan untuk analisis.

2.2. "EN,IAPKAN INPU) ILE4PERIN)AH $Program4Ba5asa SI"PLIS%

/uka program 58125, kemudian klik Filedan klik e7. !kan muncul tampilanberikut:

Kemudian klik SIMPLIS Pro.et, dan klik O#. !kan muncul kotak dialog Sa!e +s.


15/48

"ada Sa!e in, pilih folder tempat data disimpan. "ada Sa!e of Type pilih SIMPLIS

Pro.et (*sp.). "adaFile "amepilih nama file. Kemudian klik Sa!e. !kan muncul

tampilan kosong berikut tempat untuk menginputmenulis perintah

=


16/48

Struktur Penul!san Per!nta5 pa#a Program S!mpl!s

1ynta> dan aturan6aturan yang sering digunakan dalam input file 18M"581 sebagai

berikut: (synta> lainnya selain yang diberikan di ba7ah ini, akan diberikan bersamaandengan contoh aplikasi pada bab6bab berikutnya)

1. Baris Judul

/aris pertama pada input file dapat digunakan sebagai baris judul. 1etiap

keterangan pada baris pertama akan diperlakukan sebagai baris judul kecuali 58125

menemukan dua hal berikut:

/aris yang dimulai dengan kata *bserved +ariables atau 5abels yang merupakan

baris perintah pertama dalam input file 18M"581

/aris yang dua karakter (huruf) pertamanya dimulai dengan D!, Da, d! atau da,

yang merupakan baris perintah pertama dalam input file 18M"581

2. Variabel Observed

1etelah baris judul, baris selanjutnya adalah observed variables, yangmerupakan variabel yang memiliki nilai pada input data.

/aris ini harus dilakukan jika input data adalah matriks kovarians atau matriks

korelasi atau data mentah yang disimpan dalam file te>t.

/aris ini tidak diharuskan jika input data menggunakan data mentah yang

disimpan dalam program "2581."enulisan observed variables dengan memberikan spasi antar variabel. #ontoh:

Oser!ed ,ariales /0 /1 /2 30 31

3. Data

1etelah baris observed variables, baris selanjutnya adalah penjelasan unuk input

data. Dalam 58125 input data dapat berupa data mentah, Matriks kovarians,Matriks kovarias dan means, Matriks korelasi,Matriks korelasi dan standar deviasi,

Matriks korelasi, standar deviasi dan means. "ada seluruh macam format input data

tersebut, asymptotic covariance matri> juga dapat ditambahkan pada input data.;ntuk membaca data, perintahnya adalah sebagai berikut:

;ntuk Data mentah

4aw Data from file 5nama file6

Matriks kovarians

-o!ariane Matri$ from file 5nama file6 Matriks kovarians dan means

-o!ariane Matri$ from file 5nama file6

Means from file 5nama file6

Matriks korelasi

-orrelations Matri$ from file 5nama file6

Matriks korelasi dan standar deviasi

A


17/48

-orrelations Matri$ from file 5nama file6

Standard De!iations from file 5nama file6

Matriks korelasi, standar deviasi dan means-orrelations Matri$ from file 5nama file6Standard De!iations from file 5nama file6

Means from file 5nama file6

!symptotic #ovariance Matri>

+symptoti -o!ariane Matri$ from file 5nama file6

!symptotic +ariances Matri>

+symptoti ,arianes Matri$ from file 5nama file6

4. Ukuran Sampel

;kuran sampel perlu dituliskan jika input data bukan berupa data mentah. #ontoh

penulisannya sebagai berikut:Sample si7e 8 002

5. Variabel Laten atau Unobserved

;ntuk menuliskan nama variabel laten dapat menggunakan Latent ,ariales atau9noser!ed ,ariales. ama variabel laten tidak boleh sama dengan variabel

observed. #ontoh penulisan:

Latent ,ariales: komitmen kep&asan kiner.a

. !elations"ips #"ubun$an%

1etelah baris variabel laten, baris selanjutnya adalah baris hubungan. 0udul

untuk baris ini dapat ditulis sebagai elationships, elations atau 23uations. 0uduljuga boleh tidak dituliskan.

"enulisan hubungan bisa menggunakan persamaan (tanda 4) berikut:

,ariael dependen 8 !ariael independenIndikator 8 !ariael laten

"enulisan hubungan juga bisa dilakukan dengan menggunakan path (jalur) berikut:,ariael independen ; !ariael dependen

,ariael laten ; indikator

/aik dengan menggunakan persamaan maupun menggunakan path, penulisanvariabel dapat dilakukan secara simultan (beberapaseluruh variabel dituliskan secara

bersamaan). /erkaitan dengan ini, penulisannya dapat dilakukan dengan versi pendekatau versi panjang. #ontoh:

B


18/48

+ersi panjang +ersi "endek

4elations%ips

/0 /1 /2 /< 8 kiner.a

4elations%ips

/0 = /< 8 kiner.a4elations%ips

kiner.a ; /0 /1 /2 /pected #hanges untuk sementara diabaikan

sampai pada pembahasan yang terkait dengan hal tersebut.

&-


24/48

BAB I6. APLIKASI PR+*RA" LISREL PADA PA)H ANAL,SIS

!nalisis jalur ("ath !nalysis) merupakan teknik statistik yang digunakan untukmenguji hubungan kausal antara dua atau lebih variabel. !nalisis jalur berbeda

dengan teknik analisis regresi lainnya, dimana pada analisis jalur memungkinkan

pengujian dengan menggunakan variabel mediatinginterveningperantara (misalnya@L G L )

Dengan menggunakan data NkerjaO yang digunakan sebelumnya, misalnya kita

membentuk model sebagai berikut:

$% & ,% , ,. $

$ & ,% ,.

Gang berarti bah7a gaji sekarang (G) selain dipengaruhi oleh pendidikan (@),masa kerja sekarang (@&), masa kerja sebelumnya (@-), juga dipengaruhi oleh gaji

a7al bekerja (G&). %aji a7al bekerja (G&) itu sendiri juga dipengaruhi oleh

pendidikan (@) dan masa kerja sebelumnya (@-).

8nput untuk menjalankan persamaan tersebut adalah sebagai berikut:

+nalis Path Dengan Menggunakan LISREL

Raw Data from file 'D:\Data Pelatihan LISREL-ED\s!ss\ker"a#!sf'

Relationshi!s

$% & ()S*+) ,% , ,. $

$ & ()S*+)* ,% ,.

Path Diagram

(!tions: SS EAEnd of Pro/lem

#atatan: perintah Option: SS, digunakan untuk menampilkan nilai standardiFed

hubungan antar variable. 0ika perintah ini tidak digunakan, maka yang akan

ditampilkan hanya nilai unstandariFed (tetapi nilai standardiFed tetap bias dilihat pada

path diagram). *ption: 2$ digunakan untuk menampilkan effect decomposition(komposisi pengaruh).

Dengan input tersebut, 58125 menghasilkan estimasi regresi unstandariFed berikut:

$% & - %#9% %#88;$ 7#798;,% 7#7%9;, - 7#77%8;,.< Error0ar#& 7#44 < R= &7#5%

>7#..? >7#743? >7#7%9? >7#77.6? >7#777.4? >7#7.9?

-6#3 .7# 6#79 6#8. -6#3% %4#..

$ & - 7#33 7#%3;,% 7#77%9;,.< Error0ar#& 7#.6 < R= & 7#64

>7#%6? >7#7738? >7#7778? >7#7?

-9#35 %3#67 9#%8 %4#..

Dari output tersebut terlihat bah7a semua variabel pada taraf berpengaruh

signifikan, baik terhadap G maupun G&.

&


25/48

1elanjutnya, output covariance matri> untuk independent variables dan latent

variables diberikan sebagai berikut. 8nterpretasinya sama dengan kasus sebelumnya.

o0arian1e Matri2 of Inde!endent @aria/les

,% , ,.

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

,% 5#.

>7#46?

%4#..

, %#.5 %7%#

>%#.6? >9#97?

%#7. %4#..

,. -89#%6 .#%. %73.5#5

>%6#.4? >65#46? >8%.#4.? -4#.7 7#79 %4#..

o0arian1e Matri2 of Latent @aria/les

$% $ ,% , ,.

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

$% #36

$ %#%3 7#9

,% .#4 %#66 5#.

, #%3 7#9 %#.5 %7%#

,. -%8#6% .#8 -89#%6 .#%. %73.5#5

1elanjutnya, sebagian output oodness of Ait Statisti1s diberikan diba7ah ini:

oodness of Ait Statisti1s

Degrees of Areedom & %

Minimum Ait Aun1tion hi-SCuare & #6% >P & 7#%?

Model memiliki fit yang sangat baik karena memiliki nilai probabilitas yang tidaksignifikan (p6value 4 ,& #hi613uare 4 &,


26/48

*utput /2'! adalah output 58125 yang berupa matriks hubungan antara sesame

variable endogen. /agian kolom adalah variable endogen independent dan bagian

baris adalah variable endogen dependent. Dari output tersebut diketahui nilaistandardiFed pengaruh antara G& terhadap G adalah ,?.

+MM+

,% , ,.

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

$% 7#%% 7#73 -7#%%

$ 7#93 - - 7#

*utput %!MM! adalah output 58125 yang berupa matriks pengaruh

(standardiFed) antara variable eksogen (independent) terhadap variable endogen(dependen). /agian kolom adalah variable eksogen (independent) dan bagian baris

adalah variable endogen (dependent).orrelation Matri2 of $ and ,

$% $ ,% , ,.

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

$% %#77

$ 7#55 %#77

,% 7#99 7#9. %#77

, 7#%. 7#7. 7#74 %#77

,. -7#%7 7#74 -7#4 7#77 %#77

*utput diatas adalah matrik korelasi antara variable yang dianalisis. *utput ini hanya

akan ditampilkan jika ada perintah *ption: 11

PSI

)ote: *his matri2 is diagonal#

$% $

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

7#%3 7#44

*utput "18 menampilkan output mengenai measurement error (perhatikan hanyauntuk variable endogen) dimana error telah distandarisasi. G memiliki measurement

error ,C dan G& sebesar ,==.

Regression Matri2 $ on , >Standardied?

,% , ,.

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

$% 7#98 7#73 7#78

$ 7#93 - - 7#

Karena variable6variabel yang dianalisis adalah variable observed dan tidak latent,

maka output di atas adalah output gabungan sebelumnya yaitu output /2'! dan%!MM!.

&A


27/48

1elanjutnya, berdasarkan perintah *ption: 2$, 58125 memberikan output berikut:

*otal Effe1ts of , on $

,% , ,.

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

$% 7#67 7#7 7#77

>7#7? >7#77? >7#77?

%5#3. 6#8. #7.

$ 7#%3 - - 7#77

>7#7%? >7#77?

%3#67 9#%8

*utput diatas memberikan pengaruh total antara variable eksogen terhadap variable

endogen. "engaruh total ini merupakan penjumlahan dari pengaruh langsung (lihat

output estimasi regresi unstandariFed sebelumnya) dengan pengaruh tidak langsung(lihat output di ba7ah ini). Misalnya pengaruh total @ terhadap G sebesar ,


28/48

*utput diatas memberikan pengaruh total variable endogen terhadap variable

endogen. "engaruh total G& terhadap G sama dengan pengaruh langsungnya. Karena

hubungan antara G& dan G adalah langsung dan tidak memiliki hubungan tidaklangsung.

Standardied *otal and Indire1t Effe1ts

Standardied *otal Effe1ts of , on $

,% , ,.

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

$% 7#98 7#73 7#78

$ 7#93 - - 7#

Standardied Indire1t Effe1ts of , on $

,% , ,.

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

$% 7#49 - - 7#%5

$ - - - - - -

Standardied *otal Effe1ts of $ on $

$% $

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

$% - - 7#5%

$ - - - -

'ampilan output diatas sama dengan tampilan sebelumnya, hanya ini merupakan

pengaruh yang telah standariFed (yang diturunkan dari estimasi nilai standariFed).

&?


29/48

BAB 6. APLIKASI PR+*RA" LISREL PADA "+DEL PEN*UKURAN

DAN ANALISIS AK)+R

;ntuk aplikasi program 58125 pada model pengukuran dan analisis faktor

akan digunakan data mentah pada file NbankO. Data pada file tersebut adalah data dari

responden nasabah bank untuk mengukur mengenai keyakinan nasabahmengenai kualitas pelayanan bank. ;ntuk mengukur keyakinan kualitas pelayanan

bank tersebut dikembangkan dua dimensi kualitas pelayanan yaitu dimensi fisik dan

dimensi non6fisik. ;ntuk dimensi fisik digunakan tiga indikator pengukuran danuntuk dimensi non6fisik dikembangkan lima indikator pengukuran. 8ndikator6

indikator tersebut ditanyakan kepada responden dengan menggunakan pengukuran

skala likert 6=, mulai dari sangat tidak setuju sampai sangat setuju. incian indikatorsebagai berikut:

In#!kator Perseps! Kual!tas Pela-anan D!mens! Kual!tas Pela-anan

@ 1aya tidak kha7atir menggunakan fasilitas

!'M karena terjamin aman.

$isik

@& 1aya tidak ragu memarkirkan kendaraan,

karena yakin akan keamanannya

@- 1aya tidak ragu datang ke bank pada jam

padat, karena yakin ruangan tunggunya

cukup untuk menampung nasabah yang

ada

@< 1aya tidak yakin akan keakuratan dan

keterandalan pelayanan bank sesuai

dengan yang dijanjikan.

on$isik

@= 1aya t idak yakin bank akan memberikan

bantuan pelayanan dengan segera jika saya

ada masalah yang berkaitan dengan bank

@A 1aya tidak yakin dengan kemampuan

pega7ai bank dalam mengatasi masalahsaya yang berkaitan dengan bank

@B

1aya tidak yakin bank memiliki kepedulian

dan perhatian personal yang tinggi kepada

saya

&C


30/48

"enulisan input untuk menjalankan model tersebut adalah sebagai berikut:

Measurement Model

Raw Data from file 'D:\Data !elatihan lisrel-hed\s!ss\/ank#!sf'Latent @aria/les AISI )()AISI

Relationshi!s

,% - ,. & AISI

,6 - ,8 & )()AISI

Path Diagram< t0&%7

End of Pro/lem

"erhatikan, pada baris ketiga kita sebutkan nama variabel laten (unobserved

variable), yang menunjukkan dua dimensi kualitas pelayanan yang akan diukur.

"erhatikan penulisan persamaan pada baris keempat dan kelima yang berbeda dengancontoh6contoh sebelumnya, karena adanya variabel laten. 8ndikator berada di sebelah

kiri tanda sama dengan, sedangkan variabel laten di sebelah kanan. "erhatikan jugapenulisan tanda strip (6) diantara indikator, yang berarti Nsampai denganO. "enulisan

baris kelima (demikian juga untuk baris keenam) sebenarnya adalah ringkasan dari:@ 4 $818K

@& 4 $818K

@- 4 $818KGang berarti variabel laten $818K berpengaruh terhadap indikator @, @& dan @-.

"erhatikan penulisan perintah path diagram yang diikuti dengan kata6kata

tv4. "erintah ini meminta 58125 untuk menguji (menandai) output path diagramdengan tingkat signifikansi . (0ika tidak dituliskan, default 58125 adalah =).

8nput tersebut akan memberikan estimasi mengenai hubungan antara indikator

dengan variabel laten, atau dengan kata lain, kita ingin menguji validitas indikatordalam merefleksikan variabel laten (unobserved).

Measurement ECuations

,% & 7#5;AISI< Error0ar#& 7#8% < R= & 7#733

>7#%6? >7#%?

%#3. 4#39

, & 7#7;AISI< Error0ar#& 7#34 < R= & 7#7774

>7#%6? >7#%.?

7#%9 8#78

,. & 7#6.;AISI< Error0ar#& 7#53 < R= & 7#%8 >7#7? >7#7?

#%% 6#44

,6 & - 7#7.3;)()AISI< Error0ar#& %#7% < R= & 7#77%4

>7#%.? >7#%6?

-7#3 8#79

,4 & - 7#.6;)()AISI< Error0ar#& 7#93 < R= & 7#%4

-


31/48

>7#%? >7#%%?

-#3% 9#%6

,9 & - 7#66;)()AISI< Error0ar#& 7#8% < R= & 7# >7#%.? >7#%.?

-.#6 4#68

,8 & - 7#99;)()AISI< Error0ar#& 7#46 < R= & 7#64

>7#%9? >7#%3?

-6#4 #59

Dengan menggunakan J 4 , nilai t6tabel df4CC adalah ,AA. 8ni berarti dari

output diatas dapat diketahui bah7a yang tidak signifikan adalah indicator @& yang

merupakan indicator $818K dan @< sebagai indicator *$818K. Kedua indicator itujuga memberikan nilai & paling kecil. ilai & pada masing6masing persamaan,

biasanya diinterpretasikan sebagai reliabilitas indicator. 1ebaliknya, indicator6indikator lainnya terbukti cukup baik dalam merepresentasikan variable laten.

Dari output juga dapat disimpulkan bah7a dari ketiga indicator $818K, indicator@- merupakan indicator yang paling reliable, sedangkan dari lima empat indicator

*$818K, indicator @B yang paling reliable.


Degrees of Areedom & %.

Minimum Ait Aun1tion hi-SCuare & %%#75 >P & 7#97?

Model memiliki fit yang sangat baik karena memiliki nilai probabilitas yang

tidak signifikan (p6value 4 ,A #hi613uare 4 ,? dengan df 4 -). #atatan: modelyang fit seharusnya memiliki nilai p yang tidak signifikan (lebih besar dari ,=).

Karena model pengukuran di atas memiliki fit yang sangat baik, maka kitadapat menggunakan nilai estimasi (loading) sebagai koefisien validitas. Dengan

demikian, karena @- memiliki nilai loading yang paling besar (sebesar ,7#.4?

-#.%

Dua variable independent (eksogen) secara default 58125 diasumsikan saling

berkorelasi, maka output 58125 juga menampilkan nilai korelasinya. ilai korelasi

-


32/48

antara $818K dan *$818K adalah 6,?& dengan standar error ,-= dan nilai t4

6&,- (signifikan pada J 4 =).

8nformasi korelasi dan standar error ini berguna untuk mengetahui apakah sebenarnyamodel cocok menggunakan satu variable laten saja atau dua variable laten. Dengan

kata lain, kita dapat membuktikan apakah dari tujuh indicator tersebut, sebaiknya

dipecah dalam dua dimensi ($818K dan *$818K) atau menjadi satu dimensi saja.Karena korelasinya cukup kuat, maka dapat kita simpulkan sebaiknya model

menggunakan satu dimensi saja.

*utput path diagram yang menampilkan koefisien estimasi dari kasus kita sebagai

berikut:

*utput path diagram yang menampilkan nilai t dari kasus kita sebagai berikut:

-&


33/48

/erkaitan dengan model pengukuran dan analisis faktor, berikut ini diberikan satu

contoh lagi, dengan penekanan pembahasan pada teknik modifikasi model dalam

analisis faktor jika model fit tidak baik. #ontoh berikut ini menggunakan data mentahpada file Nanalisis faktorO. Data ini hanya merupakan data hipotetik.

Misalnya kita memiliki dua faktor yaitu $!K'* dan $!K'*&. !sumsikan

masing6masing faktor tersebut akan diukur melalui tiga indikator. $!K'* diukur

melalui indikator @, @& dan @- dan $!K'*& diukur melalui @


34/48

8nput untuk model diatas adalah sebagai berikut:

Aa1tor +nalFsis

Raw Data from file 'D:\Data !elatihan lisrel-hed\s!ss\analisis faktor#!sf'Sam!le Sie & %44

Latent @aria/les A+*(R% A+*(R

Relationshi!s

,% - ,. & A+*(R%

,6 - ,9 & A+*(R

)um/er of De1imals & .

Gide Print

Print Residuals

Path Diagram

End of Pro/lem

!da tambahan dua elemen baru dalam baris perintah yaitu:)um/er of De1imals & .

Gang memerintahkan 58125 untuk menampilkan output dengan tiga desimal dibelakang koma (default 58125 dua desimal).Gide Print

Gang memerintahkan 58125 untuk menampilkan output dengan -& karakter

perbaris (default 58125 ? karakter)Print Residuals

Gang memerintahkan 58125 untuk menampilkan residual

Dengan perintah6perintah tersebut diatas, 58125 menghasilkan persamaan

pengukuran sebagai berikut:


,% & 7#99;A+*(R%< Error0ar#& 7#3. < R= & 7#.

>7#%79? >7#%..?

9#95 9#349

, & 7#58.;A+*(R%< Error0ar#& 7#99% < R= & 7#4.9

>7#%%7? >7#%68?

8#344 6#65%

,. & 7#439;A+*(R%< Error0ar#& 7#5.% < R= & 7#33

>7#7358? >7#%%9?

9#7.3 8#%4.

,6 & 7#.65;A+*(R< Error0ar#& 7#588 < R= & 7#%% >7#75%%? >7#%7%?

6#55 5#98

,4 & %#55;A+*(R< Error0ar#& 7#.. < R= & 7#5.8

>7#733%? >7#%.7?

%#333 #634

,9 & %#%46;A+*(R< Error0ar#& 7#%% < R= & 7#59.

-


35/48

>7#7587? >7#%7.?

%.#99 #797

1eluruh indicator tersebut signifikan pada taraf atau =. 1eluruh error variancejuga signifikan pada tarf atau =, dengan & berkisar antara ,& sampai ,?A-.

'etapi jika diliha dari goodness of fit berikut ini, ternyata model tidak fit#


Degrees of Areedom & 5

Minimum Ait Aun1tion hi-SCuare & 94#5% >P & 7#77?

#hi613uare sebesar A=,?& dengan derajat bebas ? dan nilai p yang signifikan,mengindikasikan model tidak fit. Dalam konteks ini, ada dua alternatif. Melakukan

penelitian ulang atau memodifikasi model. 'entu saja pilihan yang lebih logis adalah

memodifikasi model, asal terdapat justifikasi teori yang kuat untuk modifikasi modeltersebut.

"erintahPrint resid&aldalam input kita sebelumnya dapat memberikan kita informasi

mengenai penyebab tidak fitnya model. *utput6output 58125 di ba7ah ini dapat

digunakan sebagai pemandu untuk menganalisis penyebab tidak fitnya model.

o0arian1e Matri2

,% , ,. ,6 ,4 ,9

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

,% %#.9%

, 7#98 %#6.

,. 7#..8 7#648 %#%59

,6 7#68% 7#69% 7#64. 7#335 ,4 7#6.3 7#9%7 7#48. 7#.37 %#35

,9 7#% 7#4 7#9% 7#679 %#637 %#46.

Aitted o0arian1e Matri2

,% , ,. ,6 ,4 ,9

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

,% %#.9%

, 7#485 %#6.

,. 7#.36 7#47 %#%59

,6 7#%. 7#%84 7#%%3 7#335

,4 7#637 7#969 7#66% 7#665 %#35

,9 7#6.3 7#483 7#.34 7#67% %#659 %#46.

Aitted Residuals

,% , ,. ,6 ,4 ,9

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

,% 7#777

, 7#736 7#777

,. -7#748 -7#79. 7#777

,6 7#..5 7#58 7#..6 7#777

-=


36/48

,4 -7#74% -7#7.9 7#%.% -7#745 7#777

,9 -7#%3 -7#748 7#9 7#776 7#776 7#777

SummarF Statisti1s for Aitted Residuals

Smallest Aitted Residual & -7#%3

Median Aitted Residual & 7#777

Largest Aitted Residual & 7#..5

*utput dengan judul o0arian1e Matri2secara statistik juga dikenal dengan istilah

1ample #ovariance Matri> (yang merupakan tampilan default dari 58125). *utputdengan judul Aitted o0arian1e Matri2 merupakan estimasi program dalam

memprediksi covariance matri> model penelitian yang diajukan. "engurangano0arian1e Matri2 dengan Aitted o0arian1e Matri2menghasilkan output Aitted

Residuals.

1uatu model dikatakan fit jika matriks residualnya (Aitted Residuals) adalah nol(mendekati nol). 1edangkan model dikatakan memiliki fit yang sangat buruk apabilamatriks residualnya sangat besar.

/erdasarkan hal tersebut, terlihat bah7a residual kovarians yang terbesar adalah

antara @ dan @< yaitu ,--?, sehingga diperoleh kesimpulan bah7a @ dan @pected #hange) juga

divisualisasikan oleh 58125 dalam bentuk path diagram berikut:

-?


39/48

/erikut ini diberikan cara mengoperasikan 58125 untuk memodifikasi model#ontoh untuk modifikasi tipe a dari kasus kita diatas. 8nputnya dapat ditulis:

Aa1tor +nalFsis

Raw Data from file 'D:\Data !elatihan lisrel-hed\s!ss\analisis

faktor#!sf'Sam!le Sie & %44


Relationshi!s

,% - ,. & A+*(R%

,. ,6 - ,9 & A+*(R


Gide Print

Print Residual

Path Diagram

End of Pro/lem

1ebagian outputnya dapat dilihat sebagai berikut:


,% & 7#964;A+*(R%< Error0ar#& 7#364 < R= & 7#.74

>7#%%8? >7#%65?

4#4 9#67.

, & %#76;A+*(R%< Error0ar#& 7#..9 < R= & 7#896

>7#%68? >7#98?

8#798 %#9%

-C


40/48

,. & 7#57;A+*(R% 7#.3.;A+*(R< Error0ar#& 7#543 < R= & 7#89

>7#%79? >7#7395? >7#%7.?

#94% 6#79. 5#.95

,6 & 7#.65;A+*(R< Error0ar#& 7#588 < R= & 7#%

>7#7574? >7#%7%?

6#.9 5#93

,4 & %#64;A+*(R< Error0ar#& 7#6. < R= & 7#85

>7#735? >7#%%8?

%#988 .#93.

,9 & %#%36;A+*(R< Error0ar#& 7#%%8 < R= & 7#36

>7#7567? >7#735?

%6#%5 %#%36

orrelation Matri2 of Inde!endent @aria/les

A+*(R% A+*(R

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

A+*(R% %#777

A+*(R 7#63 %#777

>7#753?

6#57



Minimum Ait Aun1tion hi-SCuare & 4#6.4 >P & 7#77?

Aa1tor +nalFsis


,% , ,. ,6 ,4 ,9

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

,% %#.9%

, 7#98 %#6.

,. 7#53 7#695 %#%59

,6 7#739 7#%49 7#%83 7#335

,4 7#.64 7#448 7#9.3 7#6.6 %#35

,9 7#..7 7#4.6 7#9%. 7#6%9 %#658 %#46.

Aitted Residuals

,% , ,. ,6 ,4 ,9-------- -------- -------- -------- -------- --------

,% 7#777

, 7#777 7#777

,. 7#765 -7#7%7 7#777

,6 7#.86 7#.74 7#86 7#777

,4 7#736 7#74. -7#798 -7#766 7#777

,9 -7#%%7 -7#7% 7#775 -7#7%7 7#77. 7#777



41/48

Smallest Aitted Residual & -7#%%7

Median Aitted Residual & 7#777

Largest Aitted Residual & 7#.86

Standardied Residuals

,% , ,. ,6 ,4 ,9

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

,% - -

, - - - -

,. %#%8 -%#%8 - -

,6 6#.46 .#87 .#546 - -

,4 %#.97 %#78 -#%7 -%#%95 - -

,9 -#97 -7#863 7#39 -7#3%5 4#799 - -

SummarF Statisti1s for Standardied Residuals

Smallest Standardied Residual & -#97 Median Standardied Residual & 7#777

Largest Standardied Residual & 4#799

Largest Positi0e Standardied Residuals

Residual for ,6 and ,% 6#.46

Residual for ,6 and , .#87

Residual for ,6 and ,. .#546

Residual for ,9 and ,4 4#799

*he Modifi1ation Indi1es Suggest to +dd the

Path to from De1rease in hi-SCuare )ew Estimate

,6 A+*(R% %3#8 7#6.

*he Modifi1ation Indi1es Suggest to +dd an Error o0arian1e

Between and De1rease in hi-SCuare )ew Estimate,6 ,% %7#7 7#6

,6 ,. 5#8 7#%

,9 ,% %.#6 -7#7

,9 ,4 4#8 #8

#ontoh untuk modifikasi tipe &a dari kasus kita diatas. 8nputnya dapat ditulis:

Aa1tor +nalFsis

Raw Data from file 'D:\Data !elatihan lisrel-hed\s!ss\analisis faktor#!sf'

Sam!le Sie & %44


Relationshi!s

,% - ,. & A+*(R%

,6 - ,9 & A+*(R

let the error of ,% and , 1orrelate


Gide Print

Print Residual

Path Diagram

End of Pro/lem


42/48

*utput path diagramnya dapat diberikan sebagai berikut:

*utput teksnya diberikan sebagai berikut:


,% & 7#.34;A+*(R%< Error0ar#& %#74 < R= & 7#%%4

>7#%%4? >7#%65?

.#67 5#%3

, & 7#9.5;A+*(R%< Error0ar#& %#7%4 < R= & 7#58

>7#%%.? >7#%69?

4#94. 9#343

,. & 7#8..;A+*(R%< Error0ar#& 7#947 < R= & 7#64

>7#%%7? >7#%.8?

9#94 6#869

,6 & 7#.65;A+*(R< Error0ar#& 7#588 < R= & 7#% >7#7574? >7#%7%?

6#.9 5#93

,4 & %#64;A+*(R< Error0ar#& 7#6. < R= & 7#85

>7#735? >7#%%8?

%#988 .#93.

,9 & %#%36;A+*(R< Error0ar#& 7#%%8 < R= & 7#36


43/48

>7#7567? >7#735?

%6#%5 %#%36

Error o0arian1e for , and ,% & 7#67

>7#%%6? .#95.


A+*(R% A+*(R

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

A+*(R% %#777

A+*(R 7#87% %#777

>7#755?

8#35


Degrees of Areedom & 8 Minimum Ait Aun1tion hi-SCuare & 4#6.4 >P & 7#77?

Aa1tor +nalFsis


,% , ,. ,6 ,4 ,9

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

,% %#.9%

, 7#98 %#6.

,. 7#53 7#695 %#%59

,6 7#739 7#%49 7#%83 7#335

,4 7#.64 7#448 7#9.3 7#6.6 %#35

,9 7#..7 7#4.6 7#9%. 7#6%9 %#658 %#46.

Aitted Residuals

,% , ,. ,6 ,4 ,9

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

,% 7#777

, 7#777 7#777

,. 7#765 -7#7%7 7#777

,6 7#.86 7#.74 7#86 7#777

,4 7#736 7#74. -7#798 -7#766 7#777

,9 -7#%%7 -7#7% 7#775 -7#7%7 7#77. 7#777


Smallest Aitted Residual & -7#%%7

Median Aitted Residual & 7#777 Largest Aitted Residual & 7#.86

Standardied Residuals

,% , ,. ,6 ,4 ,9

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

,% - -

, - - - -


44/48

,. %#%8 -%#%8 - -

,6 6#.46 .#87 .#546 - -

,4 %#.97 %#78 -#73 -%#%95 - -

,9 -#97 -7#863 7#39 -7#3%5 4#798 - -

SummarF Statisti1s for Standardied Residuals

Smallest Standardied Residual & -#97

Median Standardied Residual & 7#777

Largest Standardied Residual & 4#798

Largest Positi0e Standardied Residuals

Residual for ,6 and ,% 6#.46

Residual for ,6 and , .#87

Residual for ,6 and ,. .#546

Residual for ,9 and ,4 4#798

*he Modifi1ation Indi1es Suggest to +dd the Path to from De1rease in hi-SCuare )ew Estimate

,6 A+*(R% 4#8 7#55


Between and De1rease in hi-SCuare )ew Estimate

,6 ,% %7#7 7#6

,6 ,. 5#8 7#%

,9 ,% %.#6 -7#7

,9 ,4 4#8 #8


45/48

BAB 6I. APLIKASI PR+*RA" LISREL PADA S)RU0)URAL E7UA)I+N

"+DELLIN*

Di bidang akuntansi manajemen dikatakan bah7a timbulnya budgetary slackkarena rendahnya komitmen yang dimiliki manajer. /udgetary slack ini juga

tergantung pada tingkat partisipasi dalam penyusunan anggaran oleh manajer.

1edangkan partisipasi dalam penyusunan anggaran akan berpengaruh terhadapkomitmen organisasi yang dimiliki oleh manajer.

1elanjutnya untuk mengukur partisipasi anggaran digunakan dua indikator (@

Q @&), untuk mengukur komitmen organisasi digunakan dua indikator (@- Q @


46/48

Path Diagram

End of Pro/lem

8nput tersebut menghasilkan output sebagai berikut: (#atatan: 'idak diinterpretasikandisini, sebagai bahan diskusi, mengacu pada interpretasi pada bab6bab sebelumnya)

LISREL Estimates >Ma2imum Likelihood?


,. & 7#8;(MI*ME)< Error0ar#& 7#99 < R= & 7#66

>7#%%?

4#54

,6 & 7#9.;(MI*ME)< Error0ar#& 7#97 < R= & 7#.3

>7#%%? >7#736?

4#97 9#6.

,4 & %#.;SL+< Error0ar#& 7#68 < R= & 7#89

>7#%6?

.#.8

,9 & %#%;SL+< Error0ar#& 7#786< R= & 7#34

>7#%? >7#%.?

%7#6 7#43

,% & 7#8.;P+R*ISI< Error0ar#& 7#5. < R= & 7#.3

>7#%%? >7#%.?

9#5% 9#

, & 7#3.;P+R*ISI< Error0ar#& 7#48 < R= & 7#97

>7#%? >7#%8?

5#7% .#67

Stru1tural ECuations

(MI*ME) & 7#89;P+R*ISI< Error0ar#& 7#6 < R= & 7#45

>7#%.? >7#7?

4#98 #%

SL+ & 7#8;(MI*ME) - 7#%.;P+R*ISI< Error0ar#& 7#97 < R= & 7#67

>7#.7? >7#9? >7#%6?

#67 -7#47 6#66

Redu1ed Aorm ECuations

(MI*ME) & 7#89;P+R*ISI< Error0ar#& 7#6< R= & 7#45

>7#%.?


47/48

4#98

SL+ & 7#6;P+R*ISI< Error0ar#& 7#5< R= & 7#%5

>7#%7?6#75


P+R*ISI

--------

%#77

o0arian1e Matri2 of Latent @aria/les

(MI*ME) SL+ P+R*ISI

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

(MI*ME) %#77 SL+ 7#9 %#77

P+R*ISI 7#89 7#6 %#77



Minimum Ait Aun1tion hi-SCuare & 4#9. >P & 7#7779?

)ormal *heorF Geighted Least SCuares hi-SCuare & 6#5% >P & 7#777.8?

Estimated )on-1entralitF Parameter >)P? & %5#5%

37 Per1ent onfiden1e Inter0al for )P & >8#74 H .5#%7?

Minimum Ait Aun1tion @alue & 7#%8

Po!ulation Dis1re!an1F Aun1tion @alue >A7? & 7#%

37 Per1ent onfiden1e Inter0al for A7 & >7#769 H 7#4? Root Mean SCuare Error of +!!ro2imation >RMSE+? & 7#%6

37 Per1ent onfiden1e Inter0al for RMSE+ & >7#758 H 7#7?

P-@alue for *est of lose Ait >RMSE+ 7#74? & 7#7769

E2!e1ted ross-@alidation Inde2 >E@I? & 7#.9

37 Per1ent onfiden1e Inter0al for E@I & >7#5 H 7#65?

E@I for Saturated Model & 7#8

E@I for Inde!enden1e Model & #97

hi-SCuare for Inde!enden1e Model with %4 Degrees of Areedom & .55#56

Inde!enden1e +I & 677#56

Model +I & 46#5%

Saturated +I & 6#77

Inde!enden1e +I & 64#%7

Model +I & %%4#69 Saturated +I & %9#3%

)ormed Ait Inde2 >)AI? & 7#3.

)on-)ormed Ait Inde2 >))AI? & 7#58

ParsimonF )ormed Ait Inde2 >P)AI? & 7#.8

om!arati0e Ait Inde2 >AI? & 7#34

In1remental Ait Inde2 >IAI? & 7#34

Relati0e Ait Inde2 >RAI? & 7#56


48/48

riti1al ) >)? & %7#7.

Root Mean SCuare Residual >RMR? & 7#794 Standardied RMR & 7#768

oodness of Ait Inde2 >AI? & 7#34

+d"usted oodness of Ait Inde2 >+AI? & 7#5

ParsimonF oodness of Ait Inde2 >PAI? & 7#8

*he Modifi1ation Indi1es Suggest to +dd the

Path to from De1rease in hi-SCuare )ew Estimate

,4 (MI*ME) 5#. #%5

,9 (MI*ME) 5#. -#%4


Between and De1rease in hi-SCuare )ew Estimate

,% ,4 3#6 7#%5

,% ,9 %6#3 -7#7

Modul Pelatihan Lisrel Cetak

Documents

Transcript of Modul Pelatihan Lisrel Cetak