TUGAS KELOMPOKMATA KULIAH STATISTIKA INDUSTRI IISTRUCTURAL EQUATION MODELLING (SEM)

Oleh :Farras Tsany (125100300111024)Luki Hidayati (125100300111028)Mutiara Devita Sari (125100301111020)Yuniandini Ichsania .G (125100300111060)M.Prima Dieky (125100300111041)Azis Saputra (125100300111060)

JURUSAN TEKNOLOGI INDUSTRI PERTANIANFAKULTAS TEKNOLOGI PERTANIANUNIVERSITAS BRAWIJAYAMALANG2015

A. PENGERTIAN SEMStructural Equation Modeling (SEM) merupakan generasi kedua teknik anlisis multivariate untuk menguji hubungan variabel yang kompleks. SEM dapat menguji model struktural dan model pengukuran, mampu menguji kesalahan pengukuran dan analisis faktor bersamaan dengan pengujian hipotesis. Program SEM lain seperti AMOS, LISREL, EQS, ROMANO, LISCOMP, dll (Bahri, 2014).SEM adalah suatu teknik modeling statistik yang bersifat sangat cross sectional, linear dan umum, termasuk didalamnya factor analysis dan regression digunakan untuk menguji model statistic dalam bentuk sebab akibat. SEM mencakup pengukuran struktur matriks covariance atau disebut juga sebagai analisis struktur covariance. Sekali model parameter diestimasi, maka model menghasilkan matriks covariance kemudian dapat dibandingkan dengan matriks kovarian yang berasal dari data empiris. Jika kedua matrik konsisten satu dengan lainnya, maka model persamaan struKtural tersebut dapat dianggap sebagai eksplanasi yang dapat diterima untuk mengetahui hubungan-hubungan antara pengukuran tersebut (Bahri, 2014).Keunggulan SEM-Amos adalah memiliki kemampuan membuat model konstruk sebagai variabel laten secara langsung, diestimasi dari variabel yang diasumsikan mempunyai hubungan dengan variabel laten. Hal ini memungkinkan pembuat model mengetahui adanya ketidak-relibilitas suatu pengukuran dalam model (Bahri, 2014).B. SEJARAH SEMSEM (Structural Equation Modelling) adalah alat analisis statistic yang semakin popular dewasa ini. Jika dilihat dari penyusunan model serta cara kerjanya, sebenarnya SEM adalah gabungan dari analisis faktor dan analisis regresi. Pada tahun 1950-an SEM sudah mulai dikemukakan oleh para ahli statistic yang mencari metode untuk membuat model yang dapat menjelaskan hubungan di antara variabel-variabel. Dalam kenyataan, khususnya ilmu-ilmu sosial, banyak variabel yang bersifat laten, seperti motivasi seseorang, komitmen, kesetian pelanggan dan lainnya. Variabel-variabel tersebut baru bisa diukur dengan sejumlah indikator (variabel manifest), dan hubungan diantara keduanya, serta antar variabel laten memunculkan model yang membutuhkan alat analisis lanjutan untuk menyelesaikannya. Kemajuan teknologi informasi di era 1970-an memungkinkan alat analisis SEM dikembangkan. Joreskog dan Sorbom kemudian mengembangkan metode estimasi maximum likehoold, dan mulai munculnya software khusus SEM, sepertia LISREL, AMOS, EQS dan sebagainya. Alat analisis SEM saat ini sudah menjadi prosedur multivariate yang dominan (Santoso, 2007).

C. KEUNGGULAN SEMKeunggulan lain SEM-Amos dibandingkan dengan regresi berganda ialah : (Bahri, 2014)1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel 2. Penggunaan confirmatory factor analysis dapat mengurangi kesalahan pengukuran3. Daya tarik interface permodelan grafis memudahkan pengguna membaca hasil analisis4. Kemungkinan adanya pengujian model secara keseluruhan5. Kemampuan untuk menguji model menggunakan variabel tergantung6. Kemampuan untuk membuat model terhadap variabel perantara7. Kemampuan untuk membuat model gangguan kesalahan 8. Kemampuan menguji koefisien diluar antara beberapa kelompok subyek

D. CONTOH KASUS SEMSOAL 1. Membuat Struktural Equations Modelling (SEM) dengan Analysis of Moment Structure (AMOS).JAWABAN:1.1 IDENTIFIKASI VARIABEL:Variabel yang digunakan dinotasikan sebagai berikut:X1 = Komitmen OrganisasiX2 = Partisipasi KerjaX3 = Kinerja Karyawan1.2 INDIKATOR VARIABEL PENELITIAN1) Komitmen Organisasi diukur dengan indikator sebagai berikut:X11 = Kebiasaan bekerja dengan penuh dedikasiX12 = Keyakinan akan kemampuan diri sendiri.X13 = Perusahaan merupakan tempat terbaik untuk aktualisasi diri.2) Partisipasi Kerja diukur dengan indikator sebagai berikut:X21 = Keterlibatan para karyawanX22 = Kontribusi penting terhadap pekerjaanX23 = Tingkat kelogisan alasan yang diberikan oleh karyawan3) Kinerja Karyawan diukur dengan indikator sebagai berikut:X31 = Kesesuaian pelaksanaan tugas dengan standar perusahaanX32 = Waktu pelaksanaan pekerjaan/tugas yang dapat diselesaikanX33 = Efisiensi penyelesaian pekerjaan1.3 HIPOTESISH1 : Komitmen organisasi berpengaruh signifikan terhadap partisipasi kerjaH2: Komitmen organisasi berpengaruh signifikan terhadap kinerja karyawanH3 : Partisipasi kerja berpengaruh signifikan terhadap kinerja karyawan1.4 METODE ANALISIS DATAMetode analisis data menggunakan Structural Equation Modeling (SEM)dengan menggunakan AMOS1.5 LANGKAH-LANGKAH SEMStruktural Equations Modelling (SEM) merupakan gabungan dari dua metode statistik yang terpisah yaitu analisis faktor dan model persamaan simultan. Dalam persamaan struktural ada dua variabel yaitu variabel eksogen dan variabel endogen. Variabel eksogen merupakan variabel yang tidak dipengaruhi oleh variabel anteseden (sebelumnya) sedangkan variable endogen merupakan variabel yang dipengaruhi oleh variabel sebelumnya. Adapun langkah-langkah SEM antara lain:1. Berdasarkan input data 1 maka dapat dibangun model SEM sebagai berikut :

Berdasarkan model tersebut maka dapat dijelaskan sebagai berikut.a. Terdapat satu variabel eksogen laten yaitu Komitmen Organisasi (X1) variabel diukur dengan indikator atau manifest yang disimbolkan dengan X1 dan nilai errornya adalah e.b. Terdapat dua variabel endogen laten yaitu partisipasi kerja (X2) dan Kinerja (X3) yang diukur dengan indikator manifest X2 dan X3 dan nilai errornya adalah e.c. Variabel laten endogen harus diberi error atau nilai residual regression dengan simbol zeta (z) yaitu z1 dan z2.1.6 MODEL ANALISIS JALURModel SEM yang dibangun seperti gambar 1 di atas dapat dianalisis dengan menggunakan AMOS dengan hasil sebagai berikut.

1.7 OUTPUT ANALISIS JALUR DENGAN AMOSAnalysis SummaryDate and TimeDate: Saturday, July 17, 2010Time: 11:03:55 AMTitleInsert: Saturday, July 17, 2010 11:03 AMNotes for Group (Group number 1)The model is recursive.Sample size = 115Variable Summary (Group number 1)Your model contains the following variables (Group number 1)Observed, endogenous variablesX11X12X13X23X22X21X31X32X33Unobserved, endogenous variablesx3x2Unobserved, exogenous variablesx1e1e2e3e6e5e4e7e8e9z1z2Variable counts (Group number 1)Number of variables in your model: 23Number of observed variables: 9Number of unobserved variables: 14Number of exogenous variables: 12Number of endogenous variables: 11

Condition number = 10.315Eigenvalues2.100 1.860 1.127 .739 .652 .345 .295 .255 .204Determinant of sample covariance matrix = 1.011

Condition number = 8.834Eigenvalues2.541 1.993 1.297 .806 .729 .552 .467 .327 .288Notes for Model (Default model)Computation of degrees of freedom (Default model)Number of distinct sample moments: 45Number of distinct parameters to be estimated: 21Degrees of freedom (45 - 21): 24Result (Default model)Minimum was achievedChi-square = 74.224Degrees of freedom = 24Probability level = .000Estimates (Group number 1 - Default model)Scalar Estimates (Group number 1 - Default model)Maximum Likelihood EstimatesRegression Weights: (Group number 1 - Default model)

1.8 INTEPRETASI HASIL ANALISIS AMOSBerdasarkan output tersebut di atas maka dapat dijelaskan hasil analisissebagai berikut.1.8.1. UJI NORMALITASUji normalitas dilakukan dengan kriteria yang digunakan dalam uji normalitas adalah apabila nilai Critical Ratio lebih dari 2. Data dapat disimpulkan memiliki distribusi normal jika nilai absolute Critical Ratio Skewness lebih besar dari 2. Berdasarkan hasil analisis yang terdapat pada ouput AMOS pada tabel Regression Weights: (Group number 1 - Default model) dapat diketahui bahwa nilai C.R pada tiap variabel memiliki nilai lebih dari 2. Sehingga dengan demikian dapat dinyatakan bahwa data tiap variabel dalam penelitian ini memiliki distribusi normal.1.8.2. UJI MULTIKOLINIERITASMultikolinieritas dapat dilihat melalui determinan matriks kovarians. Nilai determinan yang sangat kecil atau mendekati nol, menunjukkan indikasi terdapatnya masalah multikolinieritas atau singularitas, sehingga data itu tidak dapat digunakan untuk penelitian (Tbachnick and Fidell, 1998 dalam Ghozali, 2005: 131). Hasil pengujian multikolinieritas pada ouput di atas memberikan nilai determinat of sample covariance matrix sebesar 1,011. Nilai ini jauh dari angka nol sehingga dapat disimpulkan bahwa tidak terdapat masalah multikolinieritas dan singularitas pada data yang dianalisis.1.8.3. ANALISIS STRUCTURAL EQUATION MODELING (SEM)Sesuai dengan tujuan penelitian yaitu membuktikan dan menganalisis pengaruh Komitmen Organisasi (X1) terhadap Partisipasi Kerja (X2) dan Kinerja Karyawan (X3) dengan menggunakan program Software AMOS Versi 7. Namun sebelum mengetahui hasil pengujian hipotesis dalam penelitian ini perlu ditelaah terlebih dahulu kecukupan model atau goodness of fit dalam model analisis ini.a. Uji Kesesuaian Model (Goodness-of-fit Test)Pengujian model pada SEM bertujuan untuk melihat kesesuaian model. Adapun hasil pengujian kesesuaian model dalam penelitian ini adalah seperti disajikan Tabel 1. Berdasarkan Tabel 1 di bawah ini, diketahui bahwa dari delapan kriteria yang digunakan untuk menilai layak/tidaknya suatu model dalam analisis ini ternyata seluruh kriteria terpenuhi. Dengan demikian dapat dikatakan model dapat diterima, yang berarti ada kesesuaian antara model dengan data.

b. Hasil Pengujian HipotesisSetelah diketahui bahwa model dalam analisis ini telah fit maka analisis selanjutnya adalah mengetahui tingkat hubungan dan signifikansi atau kebermaknaan hubungan antar variabel yang ada dalam penelitian ini. Hasil pengujian dengan program AMOS memberikan hasil model persamaan struktural yang menunjukkan adanya hubungan antar variabel komitmen organisasi (X1) dengan partisipasi kerja (X2), komitmen organisasi (X1) dengan kinerja karyawan (X3) dan partisipasi kerja (X2) dengan kinerja (X3). Selengkapnya hasil analisis hubungan antara variabel-variabel tersebut dapat dilihat pada Tabel 2 di bawah ini. Setelah diketahui gambaran hubungan antara variabel-variabel penelitian inimaka selanjutnya akan dipaparkan hasil pengujian hipotesis. Dalam hal ini akan disajikan nilai koefisien jalur antar variabel berikut signifikansi hasil uji hipotesis pada Tabel 2, sebagai berikut:

Hipotesis pertama dalam penelitian ini menyatakan bahwa komitmen organisasi berpengaruh signifikan dan negatif terhadap partisipasi kerja karyawan. Berdasarkan Tabel 2 diketahui bahwa nilai koefisien jalur antara komitmen organisasi terhadap partisipasi kerja adalah sebesar -0,089 dengan nilai C.R 2,640 lebih besar dari nilai kritis yang disyaratkan sebesar 2. Hasil ini tentu saja mendukung (menerima) hipotesis pertama pada penelitian ini yang menyatakan komitmen organisasi berpengaruh signifikan dan positif terhadap partisipasi kerja karyawan di Universitas Jember. Variabel komitmen organisasi terhadap kinerja memiliki nilai koefisien jalur sebesar 0,242 dengan nilai C.R sebesar 1,879 lebih kecil dari nilai kritis sebesar 2 sebagaimana yang disyaratkan. Hasil ini tidak mendukung (menerima) hipotesis kedua pada penelitian ini yang menyatakan komitmen organisasi tidak berpengaruh signifikan dan positif terhadap kinerja karyawan di Universitas Jember. Berdasarkan hasil analisis yang ada ternyata nilai koefisien jalur komitmen organisasi terhadap kinerja karyawan adalah sebesar 0,520 dengan niai C.R 2,204. Nilai C.R ini lebih besar dari nilai kritis yang disyaratkan sebesar 2. Sehingga dengan demikian dapat dinyatakan bahwa partisipasi kerja berpengaruh signifikan dan positif terhadap kinerja karyawan di Universitas Jember.c. Pengaruh Antar Variabel PenelitianDalam persamaan struktural yang melibatkan banyak variabel dan jalur antar variabel terdapat pengaruh antar variabel yang meliputi pengaruh langsung, tidak langsung, dan pengaruh total. Untuk itu akan dibahas secara rinci masing masing pengaruh tersebut.1) Pengaruh Langsung Antar Variabel PenelitianHubungan langsung terjadi antara variabel laten eksogen komitmen organisasi dengan variabel endogen intervening partisipasi kerja dan variabel endogen kinerja karyawan. Tabel 3 menyajikan hasil direct mengenai hubungan langsung yang terjadi diantara variabel-variabel laten eksogen dan endogen.Tabel 3. Pengaruh Langsung Variabel Penelitian

Berdasarkan pada Tabel 3, dapat dijelaskan besar pengaruh langsung dari variabel laten eksogen terhadap variabel laten endogen. Terdapat dua efek langsung pada kinerja karyawan, yakni Komitmen organisasi (X1) sebesar -0,089 dan partisipasi kerja (X2) sebesar 0,242. Hal ini menunjukkan bahwa variabel-variabel laten tersebut memberikan kontribusi yang besar dalam mempengaruhi Kinerja Karyawan (X3).2) Pengaruh Tidak Langsung Antar Variabel PenelitianHubungan tidak langsung terjadi antara variabel laten eksogen komitmen organisasi (X1) dan partisipasi kerja (X2) dengan variabel laten Kinerja Karyawan (X3). Tabel 4 menyajikan hasil indirect mengenai hubungan tidak langsung yangterjadi diantara variabel-variabel laten eksogen dan endogen.

Berdasarkan pada Tabel 4, dapat dijelaskan besar pengaruh tidak langsung dari variabel laten eksogen terhadap variabel laten endogen. Terdapat dua efek tidak langsung pada Kinerja Karyawan (X3), yakni Komitmen organisasi (X1) melalui partisipasi kerja (X2) sebesar -0,416.3) Pengaruh Total Antar Variabel PenelitianHubungan total terjadi antara variabel komitmen organisasi dengan variable Partisipasi kerja dan variabel endogen Kinerja Karyawan. Tabel 5 menyajikan hasil total effect mengenai hubungan yang terjadi diantara variabel-variabel laten eksogen dan endogen.

Berdasarkan Tabel 5, dapat dijelaskan besar pengaruh total dari variable laten eksogen terhadap variabel laten endogen. Terdapat dua efek total pada kinerja karyawan yakni Komitmen organisasi (X1) sebesar 0,196 dan Partisipasi kerja (X2) sebesar 0,516 sedangkan pengaruh komitmen organisasi terhadap partisipasi kerja sebesar -0,089.