FEB Univ. 17 Agustus 1945 Jakarta SEM dengan AMOS Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt Tim Dosen FEB

Skedul Pelatihan SEM - AMOS 09.30-10.00: Pembukaan 10.00-11.00: Install Program SPSS dan AMOS 11.00-12.00: Proses Pengolahan Data Penelitian dengan AMOS 12.00-13.30: Ishoma 13.30-15.30: Membaca Hasil SEM – AMOS dan Interpretasinya Instruktur: Sihar Tambun, SE, M.Si, Ak. Email: sihar.tambun@yahoo.com Email: sihar.tambun@uta45jakarta.ac.id Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Tools Pembuktian Hipotesis Kuantitatif Uji Beda Uji Korelasi Uji Regresi (Single & Multiple) Path Analysis (Moderating & Intervening) Structural Equation Modeling Ms. Excel SPSS, Eviews Amos, Lisrel & PLS ALASAN MENGAPA WORKSHOP INI SANGAT PENTING Misi Penelitian Tahun 2015: FEB Memiliki Penelitian Yang Terbaik di Jakarta Utara Indikator Terbaik Pada Tahun 2015: Penelitian Dosen > 80% sudah menggunakan Path Analysis dan SEM Penelitian Dosen > 80% dipresentasikan dalam National Conference dan International Conference Penelitian Dosen > 80% dipublikasi di Jurnal ISSN Penelitian Dosen > 20% dipublikasi di Jurnal ISSN dan Terakreditasi Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Hasil Riset Terkini di FEB Mei 2014 Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Introduction SEM atau Structural Equation Modeling (Pemodelan Persamaan Struktural) = CFA + Path Analysis. CFA adalah Confirmatory Faktor Analysis. SEM digunakan untuk menguji validitas dan reliabilitas instrumen, menguji pengaruh variabel independent terhadap variabel dependent, dan menguji pengaruh langsung dan tidak langsung dari variabel eksogen terhadap variabel endogen. SEM sebaiknya memiliki sampel 5-10 x jumlah indikator (parameter), dan indikator bersifat reflektif (kecuali PLS boleh formatif). SEM sebaiknya digunakan apabila variabelnya berbentuk laten (kualitatif). Simbol variabel laten adalah bentuk . Istilah lain untuk variabel laten adalah Variabel Konstrak, Unobservable Variable, Unvisible Variable, dan Faktor. Variabel Laten diukur dengan Indikator Variabel . Istilah lain untuk indikator variabel adalah variabel manifest, observable variabel, dan visible variable. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Tahapan SEM dengan AMOS Gambar Model: Teori & penelitian terdahulu Uji Validitas dan Reliabilitas: CFA, Convergent Validity, Construct Reliability, AVE, dan Discriminant Validity. Uji Normalitas: Normalitas Univariate dan Multivariate, Mahalanobis Distance, dan Determinant of Sample Covariance Matrix Uji Kesesuaian Model: Chi-Square, GFI, CFI, AGFI, RMSEA, dan lain lain. Uji Hipotesis: Dengan kriteria Critical Ratio (CR) > 1,96 dan Nilai Probability (P) < 0,05. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

I. Gambar Model Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt Langkah 1: Buka Program AMOS. Cari dari Start, Program, hingga ketemu Program Amos. Bila program Amos sudah dibuka, akan muncul tampilan seperti dibawah ini. Gambar disebelah kiri adalah tools untuk menjalankan Amos, sedangkan yang disebelah kanan, adalah bidang kerja, tempat untuk menggambar model penelitian. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt Langkah 2: Lakukan pengaturan bidang kerja, boleh menggunakan portrait atau landscape. Klik View, Interface Properties. Tampilan awal akan muncul Portrait – Letter. Silakan dirubah menjadi Lanscape – A4. Kemudian klik Apply untuk menyelesaikan proses ini. Close interface properties. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 3: Gambar model penelitian dibawah ini, dengan mempergunakan 6 tools yang dilingkari. Lingkaran biru untuk menggambar variabel dan indikatornya. Lingkaran kuning untuk memutar posisi indikator. Lingkaran hitam untuk copy, lingkaran ungu untuk memindahkan gambar, dan lingkaran merah untuk mempertahan simetris gambar. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 4: Tulis nama variabel dengan cara view, object properties (atau double klik / klik kiri varabelnya), ketik namanya di variabel name, font disesuaikan. Menggambar anak panak dengan mengklik tanda panah yang dilingkari terlebih dahulu, baru digambar anak panah dari variabel eksogen kearah variabel endogen. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 5: Tambahkan residual error pada variabel unggul dan variabel kinerja dengan mengklik tools residual yang dilingkari dengan warna merah. Klik Plugins, Name Unobserved Variables. Gambar covariance dengan cara klik tools gambar tangan, pilih variabel eksogen, klik Pugins, Draw Covariances. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 6: Import data, cara klik select “Data File” (lingkaran hitam), akan muncul data files, klik file name, dan pilih file yang akan diolah, klik ok. Kemudian klik “List Variabel in Data Set “(lingkaran merah), maka akan muncul tampilan “Variabel in Dataset”. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 7: Pindahkan Indikator Indikator variabel dari “Variables in Dataset” ke indikator variabel masing masing. Caranya klik dan drag saja. Hingga hasilnya tampak seperti dibawah ini. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 8: Klik “Title” dan tempatkan di bidang kerja, hingga muncul tampilan “Figure Caption”, kemudian ketik seperti tertulis dalam contoh. Bila sudah selesai klik “OK” dan lihat tampilannya seperti dibawah ini. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 9: Klik kembali “Title” dan tempatkan di bidang kerja, hingga muncul tampilan “Figure Caption”, kemudian ketik semua komponen Goodness of Fiit yang ada dalam slide. Klik “OK” bila sudah selesai. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 10: Klik “Analysis Properties” yang lingkaran hitam, kemudian klik Output (kotak merah), dan klik semua jenis output yang kita inginkan. Akhiri dengan menutup tampilan “Analysis Properties”. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 11: Klik “Calculate Estimate” tools yang dilingkaran hitam Langkah 11: Klik “Calculate Estimate” tools yang dilingkaran hitam. Akan terjadi proses pengolahan data. Lihat “View The Input Path Diagram” yang di kotak merah tampak cerah, artinya run data sukses. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 12: Selanjutnya klik “View The Otput Path Diagram” yang dilkotak merah vertikal, klik juga “Standardized Estimates” yang kotak hitam horizontal. Tampak muncul angka pada path diagramnya. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 13: Selanjutnya klik “Unstandardized Estimates”, perhatikan terjadi perubahan angka pada path diagramnya. Angka “Unstandardized Estimates” dan “Standardized Estimates” digunakan untuk uji validitas dan untuk coeficient pengaruh. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 14: Untuk membaca output dalam bentuk teks, klik tools “View Text”, maka akan muncul tampilan seperti dibawah ini: Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 15: Uji Validitas dengan Uji CFA atau Uji Validitas konstrukt(indikator) yaitu mengukur apakah konstruk (indikator) mampu atau tidak merefleksikan variabel latennya. Hasilnya memenuhi kriteria yaitu nilai Critical Ratio (CR) > 1,96 dengan Probability (P) < 0,05. Tanda *** adalah signifikan < 0,001. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 16: Uji Validitas dengan Uji Convergent Validitas, yaitu menguji konstruk (indikator) apakah memiliki proporsi variance yang tinggi atau tidak. Memenuhi kriteria apabila “Loading Factor” atau “Standardized Loading Estimate” >0,5 Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 17: Uji Reliabilitas dengan Uji Construct Reliability, yaitu menguji keandalan dan konsistensi data. Memenuhi kriteria apabila Construct Reliability > 0,7. Nilai Construct Reliability diantara 0,6 s/d 0,7 masih dapat diterima dengan syarat validitas konstruk (indikator) dalam model adalah baik. Hasilnya semua diatas 0,7. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 18: Uji Validitas dengan Uji Average Variance Extracted (AVE), yaitu uji confirmatory dengan cara melihat rata-rata dari variance extracted antar indikator dari suatu variabel laten. Memenuhi syarat jika AVE > 0,5. Hasil AVE dalam penelitian ini semuanya > 0,5. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 19: Uji Validitas dengan Uji Discriminant Validity (sesama variabel eksogen), yaitu mengukur seberapa jauh suatu indikator (konstruk) benar benar berbeda dari indikator (konstruk) lainnya. Memenuhi kriteria apabila Nilai Akar Kuadrat dari AVE harus LEBIH TINGGI dari Nilai Correlation antar Variabel Latent. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 20: Uji Normalitas Data dengan Normalitas Univariate dan Multivariate, yaitu menganalisis tingkat normalitas data yang digunakan dalam penelitian ini. Univariate melihat nilai CR pada Skewness diharapkan disekitar ± 2.58. Bila ada nilai diluar angka tersebut bisa ditoleransi apabila nilai Multivariatenya masih disekitar ± 2.58. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 21: Uji Normalitas Data dengan Uji Outlier Mahalanobis, yaitu mendeteksi data data yang ekstrim. Caranya dengan melihat Nilai Mahalanobis hitung < Chi Square DistributionTable. Hasilnya jarak mahalanobis minimal = 15,029 dan maksimal = 37,166. Nilai chi-square dengan derajat bebas 21 (jumlah indikator variabel) pada tingkat signifikansi 0,01 (***) maka nilai mahalanobis = 39,932. Dengan demikian tidak ada data yang outlier. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 22: Uji Normalitas Data dengan Determinant of Sample Covariance Matrix, yaitu melihat apakah terdapat multikolineritas dan singularitas dalam sebuah kombinasi variabel. Determinant yang benar-benar kecil mengindikasikan adanya multikolinearitas atau singularitas. Diharapkan Determinant of Sample Covariance Matrix menjauhi NOL dan lebih baik lagi jika > 1. Hasilnya menunjukkan Determinant of Sample Covariance Matrix 1,644. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

≤ 204.690, dimana Chi Square untuk df 173; Taraf Sig 5% = 204.690 Langkah 23: Menilai Goodness of Fit Indeks dari Hasil Uji Full Model. Yang terpenting adalah Chi Squarenya baik. Jika Indeks yang lain terpenuhi, berarti datanya semakin fit. Goodness of Fit Indeks Cut of Value Hasil Analisis Evaluasi Model Chi Square ≤ 204.690, dimana Chi Square untuk df 173; Taraf Sig 5% = 204.690 202.869 Baik Probability > 0.05 0.060 GFI > 0.90 0.870 Marginal AGFI 0.827 IFI 0.982 TLI 0.978 CFI NFI 0.891 RMSEA < 0.08 0.036 Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt

Langkah 24: Uji Hipotesis Langkah 24: Uji Hipotesis. Signfikan apabila nilai CR > 1,96 dan nilai P < 0,05. Hasilnya dapat disimpulkan bahwa hanya variabel Adaptabilitas yang tidak berpengaruh signifikan terhadap Keunggulan Bersaing. Selebihnya adalah signifikan. Kekuatan pengaruh dapat dilihat pada nilai estimate atau pun pada diagram yang dilingkari merah. Pelatihan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt SELESAI