contoh analisis faktor dan analisis jalur
DESCRIPTION
Beberapa contoh sistematika, cara dalam melakukan analisa faktor untuk kemudian menumukan jalur dan dianalisa jalurnya dengan path analysisTRANSCRIPT
MEMAHAMI SOAL-JAWAB ANALISIS FAKTOR DAN ANALISIS JALUR UNTUK DATA PENELITIAN ILMU-ILMU SOSIAL
Oleh: Darmawan Soegandar
PERSOALAN KE-1. Diteliti “Efektifitas Organisasi Sekolah”. Masalah penelitian dirumuskan sebagai berikut: “apa penciri utama efektifitas organisasi sekolah menengah pertama di lingkungan Dinas Pendidikan Provinsi Jawa Barat”. Dengan ringkasan hasil analisis data
Gambar A Model Pengukuran EOS
Table 1 Ringkasan Hasil Pengujian Model (n=128)
Indikator λ* c.r P R2
Y11 0.419 4.655 *** 0.176
Y12 0.545 6.281 *** 0.297
Y13 0.803 10.407 *** 0.644
Y14 0.823 10.805 *** 0.678
Y15 0.653 7.848 *** 0.426
Y16 0.614 7.263 *** 0.377
Y17 0.596 6.997 *** 0.355
Y18 0.642 7.685 *** 0.413
Y19 0.448 5.011 *** 0.200
1 | D a r m a w a n S o e g a n d a r
*koefisien bobot faktor dalam angka yang disandarkan
Pada Uji Fit Model di dapatkan keterangan:
Chi-Square = 35.447
Df = 27
P-value = 0.128
RMSEA = 0.050
GFI = 0.942
AGFI = 0.903
NFI = 0,910
NNFI = 0,969
CFI = 0.977
Problem:
a. Rumuskan diagram jalur dan persamaan model pengukuran EOS dalam format CFA
Penyelesaian:
Gambar B Diagram Jalur
2 | D a r m a w a n S o e g a n d a r
Keterangan gambar Diagram Jalur:
Variabel laten : EOS
Indikator : Y11; Y12; Y13; Y14; Y15; Y16; Y17; Y18 dan Y19
Measurement error : δ11 s.d. δ19
Factor loading : λ11 s.d. λ19
Sedangkan persamaan model pengukuran konstruk EOS-nya adalah
Y11 = λ11EOS + δ11
Y12 = λ12EOS + δ12
Y13 = λ13EOS + δ13
Y14 = λ14EOS + δ14
Y15 = λ15EOS + δ15
Y16 = λ16EOS + δ16
Y17 = λ17EOS + δ17
Y18 = λ18EOS + δ18
Y19 = λ19EOS + δ19
b. Berdasarkan hasil analisis data, apakah model pengukuran EOS fit atau tidak dengan data? Mengapa? Jelaskan?
Penyelesaian:
Syarat fit tidaknya model dengan data adalah sebagai berikut
Table 2 Indikator Uji FIT Model
Indikator Syarat Hasil Uji Keputusan P-value > 0.05 0.128 FIT RMSEA < 0.08 0.050 FIT GFI > 0.90 0.942 FIT
AGFI > 0.90 0.903 FIT NFI > 0.90 0.910 FIT
NNFI > 0.90 0.969 FIT CFI > 0.90 0.977 FIT
3 | D a r m a w a n S o e g a n d a r
∴ bisa kita ambil kesimpulan berdasarkan indikator yang di berikan pada diagram jalur empiris dan syarat perlunya maka bahwa model pengukuran EOS fit dengan data.
c. Apakah model pengukuran memenuhi kriteria validitas dan realibilitas? Mengapa? Jelaskan?
Penyelesaian:
Untuk menjawab pertanyaan ini kita akan menggunakan tabel 1 ringkasan hasil penelitian
Indikator λ* c.r P R2
Y11 0.419 4.655 *** 0.176
Y12 0.545 6.281 *** 0.297
Y13 0.803 10.407 *** 0.644
Y14 0.823 10.805 *** 0.678
Y15 0.653 7.848 *** 0.426
Y16 0.614 7.263 *** 0.377
Y17 0.596 6.997 *** 0.355
Y18 0.642 7.685 *** 0.413
Y19 0.448 5.011 *** 0.200
*koefisien bobot faktor dalam angka yang disandarkan
• Sebuah koefisien bobot faktor tidak signifikan jika P > 0.05, sehingga berdasarkan syarat ini semua indikator memenuhi syarat
• Sebuah indikator tidak valid jika Koefisien bobot faktornya dalam angka yang distandarkan kurang dari 0.50, sehingga berdasarkan syarat ini maka indikator Y11 (λ11 = 0.419 < 0.50) dan Y19 (λ19 = 0.448 <0.50) tidak memenuhi syarat ini.
Oleh karena itu maka bisa kita katakan bahwa indikator Y11 dan Y19 tidak memenuhi kriteria validitas. Sedangkan indikator Y12; Y13; Y14; Y15; Y16; Y17 dan Y18 memenuhi kriteria validitas.
Untuk mengetahui realibilitas model kita akan menggunakan rumus ��� = �∑ ��� ��∑ ��� ���∑ ��� ,
untuk itu kita memerlukan tabel persiapan berikut:
Table 3 Persiapan CRk
Indikator λ E
Y11 0.419 0.824
Y12 0.545 0.703
Y13 0.803 0.356
Y14 0.823 0.322
Y15 0.653 0.574
4 | D a r m a w a n S o e g a n d a r
Y16 0.614 0.623
Y17 0.596 0.645
Y18 0.642 0.587
Y19 0.448 0.800
Maka dengan ∑ ����� = 5,543 maka �∑ ����� �� = 30,724849, sedangkan ∑ !����� = 5,434
sehingga kita dapat menghitung ��� = �∑ ��� ��∑ ��� ���∑ ��� =0,849718668. Jadi kita bisa
mengambil kesimpulan bahwa realibilitas model adalah sebesar 0.85. Realibilitas ini tentu akan berubah jika indikator yang tidak valid yaitu Y11 dan Y19 dikeluarkan.
d. Merujuk hasil pengujian model, jelaskan bagaimana jawaban empiris terhadap penelitian yang diajukan? Jelaskan.
Penyelesaian:
Indikator Fleksibilitas (Y11) dan Keterampilan Karyawan (Y19) diindikasikan tidak valid mengukur variabel latennya Efektivitas Organisasi Sekolah (EOS). Oleh karena itu, dikeluarkan dari model. Sehingga dapat kita katakan bahwa variabel laten valid dan realibel dapat diukur oleh Y12; Y13; Y14; Y15; Y16; Y17 dan Y18. Dengan kata lain, mengindikasikan data variabel laten EOS = komposit skor indikator Y12; Y13; Y14; Y15; Y16; Y17 dan Y18.
Berdasarkan data tersebut maka, penciri utama efektifitas organisasi sekolah menengah pertama di lingkungan Dinas Pendidikan Provinsi Jawa Barat adalah Perolehan sumber daya, Perencanaan, Produktivitas, Efisiensi, Ketersediaan Informasi, Stabilitas dan Kohesitivitas.
5 | D a r m a w a n S o e g a n d a r
PERSOALAN Ke-2. Seorang peneliti merumuskan kerangka pemeikiran penelitian sebagai berikut:
Y1 = f(X1, X2, X3, e1)
Y2 = f(X1, X2, X3, Y1, e2)
Dugaan sementara semua variabel penyebab berpengaruh positif terhadap variabel akibat. Berdasarkan data yang dikumpulkan dari sampel berukuran 111 responden.
a. Dalam format analisis jalur, buat diagram dan persamaan struktrural untuk kedua model yang akan diuji.
Gambar C Model Y1
Parameter yang diestimasi: $� = %�&� ' %�&� ' %(&( ' !�
Gambar D Model Y2
Parameter yang diestimasi: $� = %�&� ' %�&� ' %)$� ' !�
6 | D a r m a w a n S o e g a n d a r
b. Rumuskan hipotesis penelitian dan hipotesis statistik untuk hipotesis penelitian yang akan diuji.
• Model $�:$� = +�&�, &�, &(� Hipotesis penelitian:
H1 : Semakin tinggi tingkat X1, semakin tinggi tingkat Y1
H2 : Semakin tinggi tingkat X2, semakin tinggi tingkat Y1
H3 : Semakin tinggi tingkat X3, semakin tinggi tingkat Y1
Hipotesis statistik: ,-:%.�/� = %.�/� = %.�/( = 0; &�, &�, dan &( tidak
mempengaruhi Y1 � H1: sekurang-kurangnya satu diantara &�, &�, dan &( mempengaruhi Y1
• Model $�:$� = +�&�, &(, $�� H4 : Semakin tinggi tingkat X1, semakin tinggi tingkat Y2
H5 : Semakin tinggi tingkat X3, semakin tinggi tingkat Y2
H6 : Semakin tinggi tingkat Y1, semakin tinggi tingkat Y2
Hipotesis statistik: ,-:%.�/� = %.�/( = %.�.� = 0; &�, &�, dan $� tidak
mempengaruhi Y2 � H1: sekurang-kurangnya satu diantara &�, &�, dan $� mempengaruhi Y2
c. Berdasarkan hasil analisis data diatas: i. Buat tabel ringkasan hasil pengujian hipotesis baik untuk model Y1 dan
model Y2
Table 4 Ringkasan Hasil Pengujian Hipotesis
Model Koefisien Jalur
t P-value R2
Model Y1 Y1 ← X1 0.341 5.089 ***
0,853849 Y1 ← X2 0.411 6.235 ***
Y1 ← X3 0.256 4.455 *** Model Y2 Y2 ← X1 0.169 2.042 ***
0.821 Y2 ← X3 0.144 2.068 ***
Y2 ← Y1 0.431 4.010 ***
7 | D a r m a w a n S o e g a n d a r
Berbeda dengan model Y2, model Y1 tidak diberikan tabel model summary sehingga kita tidak bisa langsung mengetahui R2 yang pada tabel model summary bisa langsung diketahui dengan membaca kolom ke-3 (R Square). Untuk itu kita akan menggunakan fungsi balikan dari rumus F hitung.
0 = ��1�1��2����12�� dengan memasukkan data yang kita dapatkan dari tabel ANOVAb
bahwa Fhitung = 208, 373 dengan n = 111; k = 3 maka rumus tersebut
menghasilkan 208.373 � ����1(1��2�(��12�� sehingga kita dapatkan R2 sebesar
0,853849. Atau bisa lebih cepat jika menggunakan fungsi balikan �� � �4565�76 8��
ii. Buat diagram jalur lengkap (full path diagram) empiris untuk model
penelitian yang telah di uji. Model Y1
Gambar E Full Path Diagram Model Y1
$� � 0.341&� ' 0.411&� ' 0.256&( ' 0.14615!�; �� � 0,853849
Model Y2
Gambar F Full Path Diagram Model Y2
8 | D a r m a w a n S o e g a n d a r
$� = 0.169&� ' 0.144&( ' 0.431$� ' 0.179!�; �� = 0,821
iii. Buat interpretasi terhadap hasil pengujian hipotesis penelitian yang diajukan Model Y1 Uji overall � Hipotesis statistik ,-:%.�/� = %.�/� = %.�/( = 0; &�, &�, dan &( tidak mempengaruhi Y1 � H1:
sekurang-kurangnya satu diantara &�, &�, dan &( mempengaruhi Y1 Fhitung diketahui dari tabel ANOVAb sebesar 208,373 > Ftabel 2,689 dengan Psig = 0.000 < 0.0001 � H0 ditolak Artinya, diantara variabel &�, &�, dan &( ada yang mempengaruhi Y1. Variabel yang mempengaruhi Y1 akan diketahui melalui uji individual. Uji individual �Hipotesis statistik ,-:%.�/� = %.�/� = %.�/( = 0; secara individual &�, &�, dan &( tidak
mempengaruhi Y1 � H1: %.�/� = %.�/� = %.�/( > 0: secara individual &�, &�, dan &( berpengaruh positif terhadap Y1 Pengujian: %.�/��t1hitung 5.089 > ttabel 1,982 dengan Psig = 0.000 < 0.0001 %.�/��t2 hitung 6.235 > ttabel 1,982 dengan Psig = 0.000 < 0.0001 %.�/(�t3 hitung 4.455 > ttabel 1,982 dengan Psig = 0.000 < 0.0001
Hasil uji: H0 ditolak artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-1,2 dan 3 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y1 yang dihipotesiskan seutuhnya dapat diterima. Model Y2 Uji overall � Hipotesis statistik ,-:%.�/� = %.�/( = %.�.� = 0; &�, &(, dan $� tidak mempengaruhi Y2 � H1:
sekurang-kurangnya satu diantara &�, &(, dan $� mempengaruhi Y2
Fhitung diketahui rumus 0 = ��1�1��2����12�� = ����1(1��-.=��
(��1-.=��� sebesar 163,5884544 >
Ftabel 2,689 dengan Psig = 0.000 < 0.0001 � H0 ditolak Artinya, diantara variabel &�, &(, dan $� ada yang mempengaruhi Y2. Variabel yang mempengaruhi Y2 akan diketahui melalui uji individual. Uji individual �Hipotesis statistik
9 | D a r m a w a n S o e g a n d a r
,-:%.�/� = %.�/( = %.�.� = 0; secara individual &�, &(, dan $� tidak
mempengaruhi Y2 � H1: %.�/� = %.�/� = %.�/( > 0: secara individual &�, &(, dan $� berpengaruh positif terhadap Y2 Pengujian: %.�/��t4hitung 2.042 > ttabel 1,982 dengan Psig = 0.044 > 0.0001 %.�/(�t5 hitung 2.068 > ttabel 1,982 dengan Psig = 0.041 > 0.0001 %.�.��t6 hitung 4.010 > ttabel 1,982 dengan Psig = 0.000 < 0.0001
Hasil uji: H0 ditolak pada t6 dan diterima pada t4 dan t5 artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-3 diterima dan ke-1 dan 2 ditolak dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y1 yang dihipotesiskan tidak seutuhnya dapat diterima. Karena pengaruh langsung yang tidak signifikan dari X1 dan X3.
iv. Buat tabel decomposition of effect variabel penyebab terhadap variabel akibat
Table 5 Decomposition of Effect
Pengaruh Antar
Variabel
Pengaruh
Langsung Melalui Y1 Total Y1 ← X1 0.341 0.341 Y1 ← X2 0.411 0.411 Y1 ← X3 0.256 0.256 Y2 ← X1 0.169 0,147 0,316 Y2 ← X2 0.224 0,177 0,401 Y2 ← X3 0.144 0,11 0,254 Y2 ← Y1 0.431 0.431
v. Tentukan variabel apa yang memiliki pengaruh relatif paling kuat terhadap
variabel Y2? Jelaskan! Variabel yang paling kuat relatif terhadap variabel Y2 adalah variabel Y1, hal ini bisa kita lihat dari nilai beta sebesar 0,431 yang signifikan. Kedua variabel lain tidak signifikan berpengaruh. Dan ketiga, ada pengaruh tak langsung dari X1,2,3 ke Y2 melalui Y1
10 | D a r m a w a n S o e g a n d a r
PERSOALAN Ke-3. Seorang peneliti merumuskan masalah penelitian sebagai berikut:
a. Bagaimana pengaruh X1, X2, X3 dan X4 terhadap Y b. Bagaimana pengaruh X1, X2, X3, X4 dan Y terhadap Z
Berdasarkan kajian teori tertentu, peneliti berhasil merumuskan kerangka pemikiran sebagai berikut:
$ = +�&�, &�, &(, &>, !�� ? = +�&�, &�, &(, &>, $, !��
a. Rumuskan hipotesis penelitian dan hipotesis statistik yang akan di uji
• Model $:$ = +�&�, &�, &(, &>� Hipotesis penelitian:
H1 : Semakin tinggi tingkat X1, semakin tinggi tingkat Y
H2 : Semakin tinggi tingkat X2, semakin tinggi tingkat Y
H3 : Semakin tinggi tingkat X3, semakin tinggi tingkat Y
H4 : Semakin tinggi tingkat X4, semakin tinggi tingkat Y
Hipotesis statistik: ,-:%./� = %./� = %./( = %./> = 0; &�, &�, &( dan &> tidak
mempengaruhi Y � H1: sekurang-kurangnya satu diantara &�, &�, &( dan &> mempengaruhi Y
• Model ?:? = +�&�, &�, &(, &>, $� H5 : Semakin tinggi tingkat X1, semakin tinggi tingkat Z
H6 : Semakin tinggi tingkat X2, semakin tinggi tingkat Z
H7 : Semakin tinggi tingkat X3, semakin tinggi tingkat Z
H8 : Semakin tinggi tingkat X4, semakin tinggi tingkat Z
H9 : Semakin tinggi tingkat Y, semakin tinggi tingkat Z
Hipotesis statistik: ,-:%@/� = %@/� = %@/( = %@/> = %@. = 0; &�, &�, &(, &> dan $ tidak mempengaruhi Z � H1: sekurang-kurangnya satu diantara &�, &�, &(, &> dan $ mempengaruhi Z.
11 | D a r m a w a n S o e g a n d a r
b. Dalam format analisis jalur, rumuskan diagram jalur dan persamaan model struktural yang akan diuji
Gambar G Model Y
Parameter yang diestimasi: $ = %�&� ' %�&� ' %(&( ' %>&> ' !�
Gambar H Model Z
Parameter yang diestimasi: ? = %�&� ' %>&> ' %A$ ' !�
12 | D a r m a w a n S o e g a n d a r
c. Dengan input data matrik kovariansi atau matrik korelasi, uji apakah model yang diusulkan fit atau tidak dengan data? Jelaskan. Substruktur 1: Model Y
R1 = B �C,DECFC,FF��C,GEG�C,DECF�C,DFE�C,D�DH
C,FF��C,DFE��C,DEHFC,GEG�C,D�DHC,DEHF� I J�J�JKJD
Matriks inversnya
R1-1 = B �,�FKKK5C,�HFGF5C,LHGE�5C,FGKG
5C,�HFGF�,KLLFGF5C,KDKH�5C,�G��K5C,LHGE�5C,KDKH��,L��G�D5C,�CGKG
5C,FGKG5C,�G��K5C,�CGKG�,GEHK�LI
Selanjutnya dari matriks invers tersebut kita akan mendapatkan ρ
%�M= B �,�FKKK5C,�HFGF5C,LHGE�5C,FGKG5C,�HFGF�,KLLFGF5C,KDKH�5C,�G��K
5C,LHGE�5C,KDKH��,L��G�D5C,�CGKG5C,FGKG5C,�G��K5C,�CGKG�,GEHK�LI
C,GKD�C,GKDC,GHGFC,GFKG
ρ1 = (2,163330258)(0,5341)+(-0,286560253)(0,534)+(-0,985724353)(0,5856)+(-0,653498363)(0,5635) = 0,056925007 ρ2 = (-0,286560253)(0,5341)+(1,399659482)(0,534)+(-0,343810636)(0,5856)+(-0,251230181)(0,5635) = 0,251462617 ρ3 = (-0,985724353)(0,5341)+(-0,343810636)(0,534)+(1,911523773)(0,5856)+(- 0,205352551)(0,5635) = 0,293601902 ρ4 = (-0,653498363)(0,5341)+(-0,251230181)(0,534)+(-0,205352551)(0,5856)+( 1,578318918)(0,5635) = 0,285937864 sehingga koefisien determinasinya adalah ��� = ∑�%�M �N�M = (0,056925007)(0,5341)+( 0,251462617)(0,534)+(
0,293601902)(0,5856)+( 0,285937864)(0,5635) = 0,497743944 Dengan demikian bisa kita dapatkan koefisien jalur residual
%�� = O1 − ��� = √1 − 0,497743944 = 0,7087
Selanjutnya kita akan mencari R2
2
Substruktur 2: Model Z
R2 =R 1 0,5751 0,53410,5751 1 0,56350,5341 0,5635 1 S &�&>$
13 | D a r m a w a n S o e g a n d a r
Matriks inversnya
R2-1 =R1,653925 −0,66435 −0,509−0,66435 1,732128 −0,62122−0,509 −0,62122 1,621917S
Selanjutnya dari matriks invers tersebut kita akan mendapatkan ρ
ρij =R1,653925 −0,66435 −0,509−0,66435 1,732128 −0,62122−0,509 −0,62122 1,621917S0,72510,66420,7009
ρ5 = (1,653924883)(0,7251)+(-0,664350981)(0,6642)+(-0,508999503)(0,7009) = 0,401241259 ρ6 = (-0,664350981)(0,7251)+(1,732128183)(0,6642)+(-0,621224372)(0,7009) = 0,23334248 ρ7 = (-0,508999503)(0,7251)+(-0,621224372)(0,6642)+(1,621916568)(0,7009) = 0,355108555 sehingga koefisien determinasinya adalah ��� = ∑�%�M �N�M = (0,401241259)(0,7251) + (0,23334248)(0,6642) +
(0,355108555)(0,7009) = 0,694821698 Dengan demikian bisa kita dapatkan koefisien jalur residual
%�� = O1 − ��� = √1 − 0,694821698 = 0,552429
Untuk melakukan pengujian overall model fit dengan statistik Q Rm
2 = M = 1 - (1 - 0,497743944)(1 - 0,694821698) = 0,84672235
T = �1-,=>)A��(U�1-,=>)A��(U = 1, karena Q = 1 dapat disimpulkan bahwa model yang diusulkan fit
dengan data. Kesimpulan: hasil estimasi parameter model yang diperoleh data sampel dapat diberlakukan terhadap populasi.
d. Uji apakah hipotesis penelitian seluruhnya diterima? Jika tidak, bagaimana model diperbaiki? Jelaskan.
Model Y Uji overall � Hipotesis statistik ,-:%./� = %./� = %./( = %./> = 0; &�, &�, &( dan &> tidak mempengaruhi Y �
H1: sekurang-kurangnya satu diantara &�, &�, &( dan &> mempengaruhi Y
Fhitung diketahui dari 0 = ��1�1��2����12�� = ��--1>1��-,>VAA>(V>>
>��1-,>VAA>(V>>� sebesar 23,5366374 >
Ftabel 2,699 dengan Psig = 0.000 < 0.0001 � H0 ditolak
14 | D a r m a w a n S o e g a n d a r
Artinya, diantara variabel &�, &�, &( dan &> ada yang mempengaruhi Y. Variabel yang mempengaruhi Y akan diketahui melalui uji individual. Uji individual �Hipotesis statistik ,-:%./� = %./� = %./( = %./> = 0; secara individual &�, &�, &( dan &> tidak
mempengaruhi Y � H1: %./� = %./� = %./( = %./> > 0: secara individual &�, &�, &( dan &> berpengaruh positif terhadap Y Pengujian:
%./��t� = XN� = YZ[�O��5\�� ]��565�
= -,-U)V�U--AO��5C,DLEEDKLDD��,�FKKK�CC5D5�
= 0,532 �P > 0,0001
%./��t� = XN� = YZ[�O��5\�� ]��565�
= -,�U�>)�)�AO��5C,DLEEDKLDD��,�FKKK�CC5D5�
= 2,351 �P < 0,0001
%./(�t( = XN( = YZ[KO��5\�� ]��565�
= -,�V()-�V-�O��5C,DLEEDKLDD��,�FKKK�CC5D5�
= 2,745 �P < 0,0001
%./>�t> = XN> = YZ[DO��5\�� ]��565�
= -,�=UV(A=)>O��5C,DLEEDKLDD��,�FKKK�CC5D5�
=2,674 �P < 0,0001
Hasil uji: H0 ditolak pada t2,3,4 artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-2,3 dan 4 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y yang dihipotesiskan tidak seutuhnya dapat diterima. Maka model bisa diperbaiki dengan cara mentriming jalur dari X1 ke Y karena model fit dengan data.
Model Z Uji overall � Hipotesis statistik ,-:%^/� = %^/> = %^. = 0; &�, &>, dan $ tidak mempengaruhi Z � H1:
sekurang-kurangnya satu diantara &�, &>, dan $ mempengaruhi Z
Fhitung diketahui dari 0 = ��1�1��2����12�� = ��--1>1��-,)V>=��)V=
>��1-,)V>=��)V=� sebesar 54,07335718 >
Ftabel 2,699 dengan Psig = 0.000 < 0.0001 � H0 ditolak Artinya, diantara variabel &�, &>, dan $ ada yang mempengaruhi Z. Variabel yang mempengaruhi Z akan diketahui melalui uji individual.
15 | D a r m a w a n S o e g a n d a r
Uji individual �Hipotesis statistik ,-:%^/� = %^/> = %^. = 0; secara individual &�, &>, dan $ tidak mempengaruhi
Z � H1: %^/� = %^/> = %^. > 0: secara individual &�, &>, dan $ berpengaruh
positif terhadap Y Pengujian:
%^/��tU = XNU = Y_[�O��5\�� ]��565�
= -,>-��>��UVO��5C,FLDH��FLH��,FGKL�DHHK�CC5D5�
= 5,504687515 �P < 0,0001
%^/>�t) = XN) = Y_[DO��5\�� ]��565�
= -,�(((>�>=O��5C,FLDH��FLH��,FGKL�DHHK�CC5D5�
= 3,20125961 �P < 0,0001
%^.�tA = XNA = Y_ZO��5\�� ]��565�
= -,(UU�-=UUUO��5C,FLDH��FLH��,FGKL�DHHK�CC5D5�
= 4,871786202 �P < 0,0001
Hasil uji: H0 ditolak artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-5,6 dan 7 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y yang dihipotesiskan seutuhnya dapat diterima.
e. Buat ringkasan hasil analisis data dalam bentuk tabel, persamaan dan diagram jalur empiris lengkap untuk model struktural yang diuji. Interpretasikan hasil analisis data tersebut.
Pengaruh Antar
Variabel
Pengaruh
Langsung Melalui Y Total Y ← X1 0,056925007 0,056925007 Y ← X2 0,251462617 0,251462617 Y ← X3 0,293601902 0,293601902 Y ← X4 0,285937864 0,285937864 Z ← X1 0,401241259 0,020214557 0,421455816 Z ← X2 0,089296527 0,089296527 Z ← X3 0,104260547 0,104260547 Z ← X4 0,23334248 0,101538982 0,334881462 Z ← Y 0,355108555 0,355108555
f. Variabel apa yang memiliki pengaruh relatif paling kuat terhadap variabel Z? Jelaskan.
Variabel yang paling kuat mempengaruhi ke variabel Z adalah variabel X1 hal ini bisa kita lihat dengan total pengaruh 0,421455816.
g. Saran apa yang bisa sdr. Berikan untuk penelitian lebih lanjut? Jelaskan.
16 | D a r m a w a n S o e g a n d a r
Saya menyarankan untuk mencoba model korelasional yang lain pada variabel-variabel ini, dengan dukungan teoritis yang kuat tentu saja, agak ditemukan model yang paling fit dalam mempengaruhi Z.
17 | D a r m a w a n S o e g a n d a r
PERSOALAN Ke-4. Diteliti pengaruh home background (HOME) dan ability (ABILITY) terhadap aspiration of education (ASPIRE) dan achievement (ACHIEVE). Masalah penelitian dirumuskan sebagai berikut:
1) Apakah tinggi rendahnya ASPIRE dipengaruhi HOME dan ABILITY? 2) Apakah tinggi rendahnya ACHIEVE dipengatuhi HOME ABILITY dan ASPIRE?
Merujuk masalah penelitian dan kerangka pemikiran selanjutnya peneliti mengajukan lima hipotesis sebagai mana dinyatakan persamaan struktural sebagai berikut:
ASPIRE = f (HOME, ABILITY)
ACHIEVE = f( HOME, ABILITY, ASPIRE)
a. Rumuskan hipotesis penelitian yang akan diuji
• Model ASPIRE:ASPIRE = f�HOME, ABILITY� Hipotesis penelitian:
H1 : Semakin tinggi tingkat HOME, semakin tinggi tingkat ASPIRE
H2 : Semakin tinggi tingkat ABILITY, semakin tinggi tingkat ASPIRE
Hipotesis statistik: ,-:%nopq = %nonr = 0; HOME dan ABILITY tidak mempengaruhi ASPIRE � H1: sekurang-kurangnya satu diantara HOME dan ABILITY mempengaruhi ASPIRE
• Model ACHIEVE:ACHIEVE = f�HOME, ABILITY, ASPIRE� H3 : Semakin tinggi tingkat HOME, semakin tinggi tingkat ACHIEVE
H4 : Semakin tinggi tingkat ABILITY, semakin tinggi tingkat ACHIEVE
H5 : Semakin tinggi tingkat ASPIRE, semakin tinggi tingkat ACHIEVE
Hipotesis statistik: ,-:%nupq = %nunr = %nuno = 0; HOME, ABILITY, dan ASPIRE tidak mempengaruhi ACHIEVE � H1: sekurang-kurangnya satu diantara HOME, ABILITY, dan ASPIRE mempengaruhi ACHIEVE.
b. Rumuskan persamaan pengukuran dan persamaan struktural untuk kasus penelitian di atas. Model Persamaan
A. Pengukuran 1. Variabel laten HOME
Faminc = λ1 HOME + δ1 FaEd = λ2 HOME + δ2
18 | D a r m a w a n S o e g a n d a r
2. Variabel laten ABILITY
3. Variabel laten ASPIRE
4. Variabel laten ACHIEVE
VerbAb = λ3 ABILITY + δ3 QuantAb = λ4 ABILITY + δ4 EdAsp = λ5 ASPIRE + δ5 AccAsp = λ6 ASPIRE + δ6 VerbAch = λ7 ACHIEVE + δ7 QuantAch = λ8 ACHIEVE + δ8
B. Struktural 1. Model ASPIRE 2. Model ACHIEVE
ASPIRE = γ1HOME + γ2ABILITY + ζ1 ACHIEVE = γ1HOME + γ2ABILITY + βASPIRE + ζ2
c. Buat diagram jalur lengkap dan hipotesis statistik untuk model yang diuji dalam format SEM
Gambar I Full Path Diagram Studi Schumacker - Lomax
19 | D a r m a w a n S o e g a n d a r
Semoga bermanfaat untuk bahan sama-sama belajar
Salam hangat dari Bandung
www.facebook.com/darmawan.soegandar
www.darmawansoegandar.blogspot.com