Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 1.

Slides:



Advertisements
Presentasi serupa
STRUCTURAL EQUATION MODELING (SEM)
Advertisements

ANALISIS JALUR (Path Analysis)
SEM (STRUCTURAL EQUATION MODELING) MAGISTER TEKNIK INDUSTRI
Structural Equation Modelling – Partial Least Square
Covariance SEM VS Component SEM
PENGARUH PELAKSANAAN PROGRAM PERIKLANAN MELALUI INTERNET DAN PEMASARAN MELALUI TERHADAP PEMPROSESAN INFORMASI SERTA IMPLIKASINYA TERHADAP KEPUTUSAN.
UJI ASUMSI KLASIK.
UJI ASUMSI KLASIK.
Bab 4 Bahasa Pemrograman SIMPLIS
Contoh Analisa Cepat smartPLS by adiwjj-STIKIM 2013
STRUCTURAL EQUATION MODELLING
Disusun Oleh NURJANNAH
STRUCTURAL EQUATION MODELING
Jonathan Sarwono Htttp://
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Pengantar SEM Fauziyah, SE., M.Si.
FEB Univ. 17 Agustus 1945 Jakarta
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Video II Regresi Linier dengan Variabel Laten dalam Konteks SEM oleh: Jonathan Sarwono
created by Vilda Ana Veria Setyawati
Pelatihan Metode Penelitian Partial Least Square (PLS)
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Validitas dan Reliabilitas Skala Psikologi
ANALISIS JALUR MODUL 12 Analisis Jalur.
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Fakultas Ekonomi dan Bisnis Jakarta, 15 Januari 2016
KORELASI & REGRESI.
MODEL PERSAMAAN STRUKTURAL SEM
PENGGUNAAN SPSS PADA RPT (SPSS FOR SPLIT PLOT Design)
UJI ASUMSI KLASIK & GOODNESS OF FIT MODEL REGRESI LINEAR
based on Erny’s research (Postgraduate Student - S2 IKM STIKIM 2012)
HUBUNGAN-HUBUNGAN DALAM PENELITIAN
FEB Univ. 17 Agustus 1945 Jakarta
MODEL PERSAMAAN STRUKTURAL Program Studi Statistika
FEB Univ. 17 Agustus 1945 Jakarta
MODEL PERSAMAAN STRUKTURAL Program Studi Statistika
MODEL PERSAMAAN STRUKTURAL (STRUCTURAL EQUATION MODEL - SEM)
FEB Univ. 17 Agustus 1945 Jakarta
EKONOMETRIKA Pertemuan 10: Pengujian Asumsi-asumsi Klasik (Bagian 1)
Uji Asumsi Klasik Multikolinearitas Normalitas
MODUL 10 ANALISIS REGRESI
Persamaan Regresi vs Model Struktural
ANALISIS PERILAKU PENGGUNA TEKNOLOGI INFORMASI PADA SISTEM INFORMASI MANAJEMEN NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN (SIM-NUPTK) Pra Pendadaran.
EKONOMETRIKA Pertemuan 9: Pengujian Asumsi-asumsi Klasik (Bagian 1)
EKONOMETRIKA Pertemuan 9: Pengujian Asumsi-asumsi Klasik (Bagian 1)
Regresi linier satu variable Independent
Metode Kuantitatif Untuk Manajemen
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
REGRESI BERGANDA dan PENGEMBANGAN Nori Sahrun., S.Kom., M.Kom
Analisis Jalur (Path Analysis).
Analisis Regresi.
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
ANALISIS JALUR (PATH ANALYSIS)
ANALISIS HUBUNGAN NUMERIK DENGAN NUMERIK (UJI KORELASI)
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
STRUCTURAL EQUATION MODELING BERBASIS KOVARIAN ( CBSEM)
UJI ASUMSI KLASIK.
ANALISIS REGRESI LINIER
Komputer Terapan Administrasi Publik
Regresi Linier dan Korelasi
Structural Equation Modeling
ANALISA JALUR (PATH ANALYSIS)
Transcript presentasi:

Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 1

Skedul Pelatihan SEM - AMOS Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS : Pembukaan : Install Program SPSS dan AMOS : Proses Pengolahan Data Penelitian dengan AMOS : Ishoma : Membaca Hasil SEM – AMOS dan Interpretasinya Instruktur: Sihar Tambun, SE, M.Si, Ak.

Tools Pembuktian Hipotesis Kuantitatif Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 3 1. Uji Beda 2. Uji Korelasi 3. Uji Regresi (Single & Multiple) 4. Path Analysis (Moderating & Intervening) 5. 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

Hasil Riset Terkini di FEB Mei 2014 Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 4

Introduction Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 5 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.

Tahapan SEM dengan AMOS Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 6 I. Gambar Model: Teori & penelitian terdahulu II. Uji Validitas dan Reliabilitas: CFA, Convergent Validity, Construct Reliability, AVE, dan Discriminant Validity. III. Uji Normalitas: Normalitas Univariate dan Multivariate, Mahalanobis Distance, dan Determinant of Sample Covariance Matrix IV. Uji Kesesuaian Model: Chi-Square, GFI, CFI, AGFI, RMSEA, dan lain lain. V. Uji Hipotesis: Dengan kriteria Critical Ratio (CR) > 1,96 dan Nilai Probability (P) < 0,05.

I. Gambar Model Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 7

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 8

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 9

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 10

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 11

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 12

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”. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 13

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 14

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 15

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 16

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”. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 17

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 18

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 19

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 20

Langkah 14: Untuk membaca output dalam bentuk teks, klik tools “View Text”, maka akan muncul tampilan seperti dibawah ini: Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 21

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 22

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 Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 23

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 24

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 25

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 26

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 ± Bila ada nilai diluar angka tersebut bisa ditoleransi apabila nilai Multivariatenya masih disekitar ± Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 27

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 28

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 29

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 30 Goodness of Fit Indeks Cut of Value Hasil Analisis Evaluasi Model Chi Square≤ , dimana Chi Square untuk df 173; Taraf Sig 5% = Baik Probability> Baik GFI> Marginal AGFI> Marginal IFI> Baik TLI> Baik CFI> Baik NFI> Marginal RMSEA< Baik

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. Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 31 SELES AI