PROGRAM MASTER UNIVERSITAS RIAU MASHADI

Slides:



Advertisements
Presentasi serupa
PD TK SATU PKT SATU HOMOGEN DAN NON HOMOGEN
Advertisements


Menggambar grafik fungsi aljabar sederhana dan fungsi kuadrat
Menyusun Persamaan Kuadrat
(Sumber: Dr Solimun, MS, 2003 )
ANALISIS JALUR ( PATH ANALYSIS ).
PEMERINTAH KOTA PONTIANAK
ANALISA STRUKTUR METODE MATRIKS RANGKA RUANG (SPACE TRUSS)
Memecahkan Relasi Recurrence
ANALISIS JALUR (PATH ANALYSIS)
A N A L I S I S J A L U R ( P a t h A n a l y s i s )
Rancangan Petak Terbagi
Regresi Linier Berganda
BAB VIII REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NON LINEAR
PENYIMPANGAN - PENYIMPANGAN BENTUK STANDAR ( METODE SIMPLEX )
Penerapan Fungsi Linier dalam Ekonomi
ANALISIS REGRESI DAN KORELASI BERGANDA

VALIDASI ROC KURVA ANALISIS REGRESI
ANALISIS REGRESI DAN KORELASI
Regresi & Korelasi Linier Sederhana
Analisis Hubungan Biaya, Volume dan Laba (Cost-Volume-Profit)
ANALISIS JALUR MODUL 12 Analisis Jalur.
REGRESI LINEAR.
Pendidikan Matematika Veny Triyana Andika Sari, M.Pd.
Lilik Kustiani1 Ari Brihandhono2 Universitas Kanjuruhan Malang
REGRESI DAN KORELASI.
VARIABEL INTERVENING Variabel intervening merupakan variabel antara atau mediating, berfungsi memdiasi hubungan antara varibal independen dengan variabel.
LATIHAN SK dan KD CONTOH SOAL PEMBAHASAN
Denny Agustiawan JURUSAN TEKNIK INFORMATIKA STMIK ASIA MALANG
STATISTIKA ANALISIS REGRESI DAN KORELASI
Khaola Rachma Adzima FKIP-PGSD Universitas Esa Unggul
UNIVERSITAS TRUNOJOYO
Bab 2 Persamaan Dan Fungsi Kuadrat
Pembelajaran M a t e m a t i k a .... MATEMATIKA SMU
Universitas Esa Unggul
ANALISIS REGRESI LINIER DUA PREDIKTOR
NUR LAILATUL RAHMAH, S.Si., M.Si
MATHEMATIKA TEKNIK III
Konsumsi Bahan Bakar (km/liter)
Dasar-dasar Pemrograman
Tugas 7.1 (individu) Mahasiswa menjawab pertanyaan-pertanyaan bab Variabel Acak dari buku teks yang dijadikan acuan (Complete Business Statistics, karangan.
VOLUME LABA PADA PERUSAHAAN PENGHASIL PRODUK TUNGGAL
Analisis Regresi dan Korelasi
LINDA ZULAENY HARYANTO
Matematika Pertemuan 14 Matakuliah : D0024/Matematika Industri II
Analisis Jalur (Path Analysis).
METODE PENELITIAN KUANTITATIF oleh muhlis Fajar Wicaksana, S.Pd.,M.Pd.
Rancangan Acak Lengkap
REGRESI LINEAR.
REGRESI LINEAR.
FUNGSI DAN GRAFIKNYA.
RANCANGAN PERCOBAAN : FAKTORIAL DESIGN
ARIKEN SAIDINA ALI LUBIS
ANALISIS JALUR (PATH ANALYSIS)
Hukum Newton I, II, III dan Aplikasinya Tim Fisika TPB 2016
PROGRAM STUDI ILMU KOMUNIKASI KONSENTRASI HUMAS
MATEMATIKA SMU Kelas I – Semester 1 BAB 1
MATEMATIKA SMU Kelas I – Semester 1 BAB 1
REGRESI LINIER.
ANALISIS JALUR ( PATH ANALYSIS ).
ANALISA JALUR (PATH ANALYSIS)
BAB VIII REGRESI &KORELASI BERGANDA
REGRESI LINEAR.
BARISAN & DERET GEOMETRI Oleh : Subianto, SE.,M.Si.
PROPOSAL PENELITIAN PENGARUH SISA LEBIH PEMBIAYAAN ANGGARAN TERHADAP PENGALOKASIAN BELANJA MODAL PEMERINTAH SULAWESI TENGGARA OLEH ELY SISWANTO B1A1 12.
PROGRAM MASTER UNIVERSITAS RIAU MASHADI
PATH ANALYSIS. Analisa Jalur adalah suatu perluasan dari model regresi, yang digunakan untuk menguji cocok matriks korelasi terhadap dua atau lebih yang.
Prof. Dr. Mashadi, Jurusan Matematika FMIPA Universitas Riau
UJI REGRESI LINIER SEDERHANA Arkhiadi Benauli Tarigan
Transcript presentasi:

PROGRAM MASTER UNIVERSITAS RIAU MASHADI

PERHATIKAN TERLEBIH DAHULU SOAL MINGGU LALU MODEL DEKOMP0SISI PENGARUH KAUSAL ANTAR VARIABEL PERHATIKAN TERLEBIH DAHULU SOAL MINGGU LALU

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

Y1 X1 Z X2 Y2 Y1 = Y1x1 X1 + Y1x2 X2 + 1 Y2 = Y2x1 X1 + Y2x2 X2 + Y2Y1 Y1 + 2 Z = Zx1 X1 + Zx2 X2 + ZY1 Y1 + ZY2 Y2 + 3

UNTUK MODEL SUB STRUKTUR 1 Y1 = Y1x1 X1 + Y1 1 DIPEROLEH

TIDAK SIGNIFIKAN MAKA MODEL DIPERBAIK DG X 1 DIKELUARKAN PADA DASARNYA INIKAN SAMA DENGAN DATA LATIHAN DUA YANG LALU, MAKA CEPATNYA KITA PEROLEH MODEL

X 3 = 0.887 X2 + 0.4615 1 Dengan R2x3x1 =0.787

X 3 = 0.887 X2 + 0.4615 1 Dengan R2x3x1 =0.787 INGAT (0.887 )^2 + (0.4615)^2 = 1 Dengan R2x3x1 =0.787 JADI (0.887 )^2 + (0.4615)^2=0.787 + 0.213 =1 MODEL SUB STRUKTUR 2 Y2 = Y2x1 X1 + Y2x2 X2 + Y2Y1 Y1 + Y2 1 DIPEROLEH

tetapi APA MASALAH DISINI

Apa perlu kita buang X2 dan Y1 Ingat pada sub struktur 1 variabel X 2 juga dibuang Apa perlu kita buang X2 dan Y1 Ingat pada sub struktur 1 variabel X 2 juga dibuang Kalau begitu aneh sekali kajian teoritisnya kalau Bentuk hubungannya seperti berikut ini

Y1 X1 Z X2 Y2 Kalau seandainya memang variabel X1 , X2 , Y1 dan X2 berpengaruh terhadap variabel Z, lebih baik bentuk hubungan kausalitasnya di buat menjadi seperti berikut ini :

Tapi bagaimana dengan kajian teoritisnya Aneh ??????? X1 Z Y2 X2 Lebih sederhana Tapi bagaimana dengan kajian teoritisnya Aneh ???????

Maka kita kembali saja dalam bentuk semula tapi kita dekomposisikan pengaruh kausal antar variabel Jadi yang kita dekomposisikan adalah pengaruh lansung dan pengaruh tak lansung. Jadi akan ada 3 pengaruh : Pengaruh kausal lansung Pengaruh kausal tidak lansung Pengaruh total

Y1 8 1 7 X1 2 3 Z 4 5 X2 9 6 Y2 Lalu kita buat model dekomposisinya Sebagai berikut

Jadi kita peroleh bentuk diagram jalur sebagai berikut y11 1 Y1 Y1X1 3 zy1 Y2y1 zX1 z3 X1 Z Y2X1 Y1X2 zX1 zy2 X2 Y2X2 Y2 2 y22

Y1 X1 1 X2 Y1 = Y1x1 X1 + Y1x2 X2 + Y1 1 Subtruktur 1 Y1X1 y11 Maka diperoleh

R2 Y1x2 Y1x1

Y1 = 0.345 X1 + 0.666X2 + 0.378 1 Jadi secara bersama-sama X1 dan X2 mempengaruhi Y sebesar 85.7 % dan 14.3 % dipengaruhi oleh variabel lain

Y2 = Y2x1 X1 + Y2x2 X2 + Y2Y1 Y1 + Y2 1 Sub struktur 2 Y1 Y2y1 X1 Y2X1 X2 Y2X2 Y2 2 y22 Y2 = Y2x1 X1 + Y2x2 X2 + Y2Y1 Y1 + Y2 1 Maka diperoleh

Silakan hitung sub struktur 3 Maka diperoleh Y2 = Y2x1 X1 + Y2x2 X2 + Y2Y1 Y1 + Y2 1 Y2 = 0.510X1 + 0.526X2 – 0.032 Y1 + 0.16 2 Silakan hitung sub struktur 3 Mengacu ke buku dengan nilai koefisien  tanpa di akarkan diperoleh (yang pakai akar silakan di hitung

Sehingga diperoleh hubungan kausal emperis antar variabel adalah sbb Z = 0.457X1 -0.415X2 + 0.6 Y1 + 0.356Y2+ 0.0133 Sehingga diperoleh hubungan kausal emperis antar variabel adalah sbb

Y1 = 0.345 X1 + 0.666X2 + 0.143 1 Y2 = 0.519X1 + 0.526X2 – 0.032 Y1 + 0.16 2 Z = 0.457X1 -0.415X2 + 0.6 Y1 + 0.356Y2+ 0.0133 0.143 1 Y1 0.345 2 Y2y1 0.6 0.0.13 X1 0.457 Z 0.519 0.666 -0.415 0.356 X2 0.526 Y2 2 0.16

Ingat kembali

Pengaruh Lansung X2 terhadap Z = -0,415, Pengaruh tidak lansung X2 terhadap Z melalui Y1 = 0.3996