PROGRAM MASTER UNIVERSITAS RIAU MASHADI

ANALISIS JALUR MODEL TRIMMING Model Trimming adalah model untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model varibel eksogen yang koefisien jalurnya tidak singifikat Jadi kita perlu menghitung ulang koefisien jalur tanpa menyetakan variabel eksogen yang tidak signifikan

Contoh Kontribusi kepemimpinan, Iklim organisasi dan motivasi kerja terhadap prestasi kerja

Rumuskan Hipotesanya Kepemimpinan dan iklim organisasi berkontribusi secara simultan dan terhadap motivasi kerja Kepemimpinan, iklim organisasi dan motivasi kerja berkontribusi secara simultan dan signifikan terhadap prestasi kerja Dari hipotesis di atas dapat dirumuskan kerangka hubungan kausal emperis antara jalur dengan persamaan struktural sebagai berikut

1 3 X1 x3x1 yx1 r12 X3 yx3 Y x2x1 yx2 X2

Sub Struktur 1 X1 x3x1 r12 X3 x2x1 X2

SILAKAN TENTUKAN KOEFISIEN DI ATAS TAPI SEBAIKNYA PERIKSA HIPOTESA DULU UNTUK ITU APA YANG MESTI ANDA LAKUKAN LAKUKAN REGRESI X1 X2 DAN X3 DIDAPAT HASIL BERIKUT

Dari tabel Anova ini berarti Hipotesa secara simultan yaitu : H0 : Kepemimpinan dan Iklim organisasi Berkontribusi secara simultan dan signifikan terhadap motivasi H0 : x3x1 = x3x2  0 Hipotesa Diterima ????

x3x2=0.666 x3x1=0.345 Silakan hitung nilai F Hitung F= 26.994 Data di atas kita gunakan untuk pengujian secara individual

H0:x3x1 >0 Dengan kata lain :Kepemimpinan berkontribusi secara signifikan terhadap motivasi kerja Hipotesa ditolak (tidak signifikan) H0:x3x2 >0 Dengan kata lain : Iklim organisasi berkontribusi secara signifikan terhadap motivasi kerja Hipotesa diterima ( signifikan)

INGAT JANGAN BURU2 MENENTUKAN PERSAMAAN SAJA. Walaupun di model summary sig = 0.00, tapi ada koefisien jalur yan.g tidak signifikan yaitu variabel kepemimpinan (X1) , maka model di atas perlu diperbaiki melalui model trimming. Yaitu dengan mengeluarkan variabel kepemimpinan. Kemudian dilakukan dan di uji lagi yang mana variabel eksogen kepemimpinan (X1) tidak di ikutserjakan INGAT JANGAN BURU2 MENENTUKAN PERSAMAAN SAJA. Diperoleh hasil sebagai berikut

x3x2=0.887

Jadi persamaannya menjadi YANG PALING PENTING JELASKAN APA MAKNA PERSAMAAN DI ATAS

Menguji sub struktur ke 2

SEBELUM MELAKUKAN PERHITUNGAN PERSAMAAN STRUKTURNYA LAKUKAN DULU UJI HIPOTESANYA DLL

Pengujian secara simultan (keseluruhan) Hipotesa : H0 : Kepemimpinan, Iklim Orgnisasi dan motivasi kerja berkontribusi secara simultan dan signifikan terhadap prestasi kerja H0 : yx3 = yx2 = yx1  0 Hipotesa diterima : silakan beri makna/interpretasi

Pengujian secara Individual Rumuskan Hipotesa 1 H0: Kepemimpinan berkontribusi secara signifikan terhadap prestasi kerja H0: yx1 >0 Hipotesa diterima : silakan buat interpretasi

Pengujian secara Individual Rumuskan Hipotesa 2 H0: Iklim organisasi berkontribusi secara signifikan terhadap prestasi kerja H0: yx2 >0 Hipotesa ditola: siklakan buat interpretasi

Pengujian secara Individual Rumuskan Hipotesa 3 H0: Motivasi kerja berkontribusi secara signifikan terhadap prestasi kerja H0: yx3 >0 Hipotesa diterima : silakan buat interpretasi

Silakan dicoba Dari data di atas diperoleh bahwa : Ada koefisien jalur yang tidak signifikan yaitu variabel Iklim , (X2 ) maka model perlu diperbaiki yaitu dengan mengeluarkan variabel X2 , kemudian di ulang lagi perhitungannya dengan tidak mengikutsertakan varibel X2 Silakan dicoba

diperoleh Dari model summary di atas Apa yang dapat anda simpulkan

Apa yang dapat anda simpulkan (silakan buat sendi) Hipotesanya apa dan kesimpulannya apa

Selanjutnya apa yang mesti anda hitung lagi Dari sini apa yang dapat anda simpulkan yx1 = 0.666 yx3 = 0.367 Selanjutnya apa yang mesti anda hitung lagi Nilai y ??? Bagaimana menghitungnya

Hitung dulu besar koefisien determinannya R2yx3x1 = yx1 x ryx1 + yx3x ryx3 R2yx3x1 = 0.666 x 0.950 + 0.367x 0.881 = 0.956

Kalau anda sudah paham sebenarnya bisa Dilihat disini Jadi y = = 0.2098 Dengan demikian hubungan sub jalur 2 menjadi

X1 yx1 =0.666 2=0.044 X3 yx3 =0.367 Y Hubungan emperis sub struktur 2 Variabel X1 dan X3 terhadap Y

Hubungan Variabel X1 , X2 dan X3 terhadap Y adalah 2=0.044 yx1= 0.666 X3 yx3 =0.367 Y x2x1 =0.887 1=0.213 X2

Dengan koefisien jalur adalah X 3 = x3x2 X2 + x3 1 Dengan R2x3x1 X 3 = 0.887 X2 + 0.143 Dengan R2x3x1 =0.787 Y = yx1 X1 + yx3 X3 +y 2 Dengan R2yx3x1 Y = o.666 X1 + 0.367 X3 +0.044 Dengan R2yx3x1 = 0.956

YANG PERLU KITA PIKIRKAN BERIKUTNYA ADALAH KESESUAIAN MODEL JADI PERLU DILAKUKAN UJI KESESUAIAN MODEL

Uji kesesuaian model (goodness-of-fitt test) adalah untuk menguji apakah model yang diusulkan memiliki kesesuaian (fit) dengan data yang ada. Model dikatakan fit dengan data yang ada apabila matriks korelasi sampel tidak jauh berbeda dengan matrik korelasi estimasi (reproduced correlation matrix) atau korelasi yang diharapkan (expected correlation matrix). Untuk mengujinya banyak cara yang dapat dilakukan, akan tetapi banyak peneliti dan juga yang sesuai dengan bidang MANAJEMENT menggunakan :alat uji sebagai berikut

Hipotesa : R = R() : matrik korelasi estimasi sama dengan matrik korelasi sampel Dengan uji statistik sebagai berikut Dengan Q = Koefisien Q

Selanjutnya lihat buku hal 147 Q di uji dengan statistik W yang dihitung dengan rumus Dengan N : Ukuran Sampel D : Banyaknya koefisien jalur yang tidak signifikan Dasar Pengambilan Keputusan Signifikat bila W hitung  2(df,α) Selanjutnya lihat buku hal 147

Kita ambil dari model sub struktur 1

Kita ambil dari model sub struktur 1 setelah trimming

Kita ambil dari model sub struktur 2 setelah trimming

Ternyata Wh > t yaitu 6.457 > 3.841 Bandingkan dengan tabel distribusi chi kuadrat Diperoleh t = 3.841 Ternyata Wh > t yaitu 6.457 > 3.841 Artinya model signifikan dst Selanjutnya baca Memaknai Hasil analisis Jalu pada buku

Dengan koefisien jalur adalah X 3 = x3x2 X2 + x3 1 Dengan R2x3x1 X 3 = 0.887 X2 + 0.4615 1 Dengan R2x3x1 =0.787 Y = yx1 X1 + yx3 X3 +y 2 Dengan R2yx3x1 Y = o.666 X1 + 0.367 X3 +0.2098 2 Dengan R2yx3x1 = 0.956 Lihat buku hal 149

Perhatikan data berikut dan kemudian coba rancang persamaan struktur yang mungkin Kita kerjakan denan model trimming, lalu kita lihat masalah yang timbul, kemudian baru dikerjakan dengan model kausalitas