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:
7/24/2019 Modul Pelatihan Lisrel Cetak
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#'*, $!'* dan '!'!. Demikian juga jika
kinerja keuangan baik, akan tercermin melalui tingginyabaiknya nilai *! dan
*2. *leh karenanya, diagram mengenai hubungan ini dapat diberikan sebagaiberikut:
&
7/24/2019 Modul Pelatihan Lisrel Cetak
3/48
Keterangan:!'* 4 penjualanrata6rata piutang
8'* 4 ""rata6rata persediaan
9#'* 4 penjualanrata6rata modal kerja$!'* 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
7/24/2019 Modul Pelatihan Lisrel Cetak
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.
7/24/2019 Modul Pelatihan Lisrel Cetak
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 $Program PRELIS%
"2581 adalah program suplemen dari paket program 58125 ?. "2581 dapatmenyimpan data mentah yang sebelumnya disimpan pada berbagai macam program
seperti 1"11, Ms 2@#25, 1!1, data te>t, dan lain sebagainya.
58125 hanya dapat menjalankan model dari data mentah yang disimpan dalam"2581 atau te>t document. 1ehingga setiap data mentah yang disimpan pada
program yang lain harus disimpan terlebih dahulu kedalam "2581.
1elain untuk menyimpan data, "2581 juga dapat digunakan untuk melakukan
manipulasi data dan manajemen data serta memberikan deskripsi a7al dari data.
2.1.1. "en-!mpan Data
!le #ar! SPSS
/uka program 58125, kemudian klikFiledan klikImport Data in Free Format.
=
7/24/2019 Modul Pelatihan Lisrel Cetak
6/48
!kan muncul kotak dialog Open Data File.
"adaLook in, pilih folder tempat data disimpan. "adaFiles of Typepilih SPSS forWindows (*sa!). "adaFile "amepilih nama file. Kemudian klik O#.
1ecara langsung file data analisis faktor (dalam gambar diatas) yang disimpan padaprogram 1"11 juga akan disimpan dalam bentuk "2581.
A
7/24/2019 Modul Pelatihan Lisrel Cetak
7/48
!le #ar! "s E/0EL
/uka program 58125, kemudian klikImport E$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$el pada
List Files of Type. "adaFile "amepilih nama file. Kemudian klik O#.
B
7/24/2019 Modul Pelatihan Lisrel Cetak
8/48
!kan muncul kotak SpreadS%eet raerberikut:
Klik Data +rea, kemudian blok seluruh data. Kemudian klik ,ariale "ames dan
blok nama variabel. Kemudian klik O#.
?
7/24/2019 Modul Pelatihan Lisrel Cetak
9/48
!kan muncul kotak dialogFile Sa!e +s, yang meminta kita untuk menyimpan datadalam format "2581. 1ecara langsung file data yang disimpan pada program 2>cel
juga akan disimpan dalam bentuk "2581.
C
7/24/2019 Modul Pelatihan Lisrel Cetak
10/48
2.1.2. "enentukan en!s Data
0enis data dalam 58125 umumnya dibagi & yaitu dari continous dan data
ordinal. Data dikatakan continous jika memiliki kategori lebih dari =. 1ebaliknya,dikatakan data ordinal.
;ntuk menentukan jenis data klikDatakemudianDefine ,ariales, maka akan
muncul tampilan
7/24/2019 Modul Pelatihan Lisrel Cetak
11/48
1etelah itu klik nama variabel dan klik ,ariale Type, akan muncul kotak dialog
berikut:
'entukan jenis data. 0ika seluruh data akan diperlakukan sama, klik+pply to all.
2.1.&. "em'uat "atr!ks 0oar!ance #an correlat!ons
8nput data pada 58125 dapat berupa data mentah maupun matriks covariance dan
matriks korelasi. 0ika ingin mempublikasikan hasil penelitian pada jurnal ilmiah, kitatidak mungkin menyediakan data mentah. 1olusinya adalah dengan memberikan data
matriks covariance atau matriks korelasi.
"em'uat "atr!ks 0oar!ance
1etelah data mentah disimpan dalam "2581, klik O&tp&t Options pada bagian
Statistis.
!kan muncul kotak dialog berikut:
7/24/2019 Modul Pelatihan Lisrel Cetak
12/48
"ada moment matri$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.
7/24/2019 Modul Pelatihan Lisrel Cetak
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:
-
7/24/2019 Modul Pelatihan Lisrel Cetak
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.
7/24/2019 Modul Pelatihan Lisrel Cetak
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
=
7/24/2019 Modul Pelatihan Lisrel Cetak
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
7/24/2019 Modul Pelatihan Lisrel Cetak
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
7/24/2019 Modul Pelatihan Lisrel Cetak
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.
&-
7/24/2019 Modul Pelatihan Lisrel Cetak
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&.
&
7/24/2019 Modul Pelatihan Lisrel Cetak
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 &,
7/24/2019 Modul Pelatihan Lisrel Cetak
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
7/24/2019 Modul Pelatihan Lisrel Cetak
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 ,
7/24/2019 Modul Pelatihan Lisrel Cetak
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).
&?
7/24/2019 Modul Pelatihan Lisrel Cetak
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
7/24/2019 Modul Pelatihan Lisrel Cetak
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
-
7/24/2019 Modul Pelatihan Lisrel Cetak
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.
oodness of Ait Statisti1s
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
-
7/24/2019 Modul Pelatihan Lisrel Cetak
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:
-&
7/24/2019 Modul Pelatihan Lisrel Cetak
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 @
7/24/2019 Modul Pelatihan Lisrel Cetak
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:
Measurement ECuations
,% & 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.
-
7/24/2019 Modul Pelatihan Lisrel Cetak
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#
oodness of Ait Statisti1s
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
-=
7/24/2019 Modul Pelatihan Lisrel Cetak
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:
-?
7/24/2019 Modul Pelatihan Lisrel Cetak
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
Latent @aria/les A+*(R% A+*(R
Relationshi!s
,% - ,. & A+*(R%
,. ,6 - ,9 & A+*(R
)um/er of De1imals & .
Gide Print
Print Residual
Path Diagram
End of Pro/lem
1ebagian outputnya dapat dilihat sebagai berikut:
Measurement ECuations
,% & 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
7/24/2019 Modul Pelatihan Lisrel Cetak
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
oodness of Ait Statisti1s
Degrees of Areedom & 8
Minimum Ait Aun1tion hi-SCuare & 4#6.4 >P & 7#77?
Aa1tor +nalFsis
Aitted o0arian1e Matri2
,% , ,. ,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
SummarF Statisti1s for Aitted Residuals
7/24/2019 Modul Pelatihan Lisrel Cetak
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
Latent @aria/les A+*(R% A+*(R
Relationshi!s
,% - ,. & A+*(R%
,6 - ,9 & A+*(R
let the error of ,% and , 1orrelate
)um/er of De1imals & .
Gide Print
Print Residual
Path Diagram
End of Pro/lem
7/24/2019 Modul Pelatihan Lisrel Cetak
42/48
*utput path diagramnya dapat diberikan sebagai berikut:
*utput teksnya diberikan sebagai berikut:
Measurement ECuations
,% & 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
7/24/2019 Modul Pelatihan Lisrel Cetak
43/48
>7#7567? >7#735?
%6#%5 %#%36
Error o0arian1e for , and ,% & 7#67
>7#%%6? .#95.
orrelation Matri2 of Inde!endent @aria/les
A+*(R% A+*(R
-------- --------
A+*(R% %#777
A+*(R 7#87% %#777
>7#755?
8#35
oodness of Ait Statisti1s
Degrees of Areedom & 8 Minimum Ait Aun1tion hi-SCuare & 4#6.4 >P & 7#77?
Aa1tor +nalFsis
Aitted o0arian1e Matri2
,% , ,. ,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
SummarF Statisti1s for Aitted Residuals
Smallest Aitted Residual & -7#%%7
Median Aitted Residual & 7#777 Largest Aitted Residual & 7#.86
Standardied Residuals
,% , ,. ,6 ,4 ,9
-------- -------- -------- -------- -------- --------
,% - -
, - - - -
7/24/2019 Modul Pelatihan Lisrel Cetak
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
*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
7/24/2019 Modul Pelatihan Lisrel Cetak
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 @
7/24/2019 Modul Pelatihan Lisrel Cetak
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?
Measurement ECuations
,. & 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#%.?
7/24/2019 Modul Pelatihan Lisrel Cetak
47/48
4#98
SL+ & 7#6;P+R*ISI< Error0ar#& 7#5< R= & 7#%5
>7#%7?6#75
orrelation Matri2 of Inde!endent @aria/les
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
oodness of Ait Statisti1s
Degrees of Areedom & 9
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
7/24/2019 Modul Pelatihan Lisrel Cetak
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
*he Modifi1ation Indi1es Suggest to +dd an Error o0arian1e
Between and De1rease in hi-SCuare )ew Estimate
,% ,4 3#6 7#%5
,% ,9 %6#3 -7#7