Sesi 5 Model Multi Sampel Model Interaksi Dr. Setyo Hari Wijanto <setyohw@idola.net.id>

Dr. Setyo Hari Wijanto <setyohw@idola.net.id> Bab 8 Model Multi Sampel Dr. Setyo Hari Wijanto <setyohw@idola.net.id>

VARIABEL MODERASI KSI ETA VM (Variabel moderasi) KSI ETA Bab 8 Model Multi Sampel April 2009

Interaction model approach VARIABEL MODERASI Teknik untuk merepresentasikan dampak interaksi dan analisisnya sudah merupakan hal yang biasa pada metode regresi dan analisis varian. Dalam SEM kita mempunyai 2 pilihan (Rigdon, Schumacker dan Wothke 1998): Multi sample approach Interaction model approach Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Peneliti biasanya mencari jawaban salah satu dari 5 pertanyaan yaitu: Apakah model pengukuran tidak bervariasi di antara grup-grup (group invariant) ? Apakah model struktural tidak bervariasi di antara grup-grup? Apakah lintasan-lintasan (paths) tertentu yang dispesifikasikan dalam model struktural tidak bervariasi di antara grup-grup? Apakah latent means dari konstruk-konstruk tertentu dalam model tidak bervariasi di antara grup-grup? Apakah muatan-muatan faktor dari model pengukuran tidak bervariasi di antara grup-grup? Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Prosedur Estimasi Model Penelitian Pembagian Sampel Ke dalam Grup-Grup Pembentukan dan Estimasi Model Dasar (Baseline Model) Estimasi Multisample Model dengan Parameter ditetapkan sama Estimasi Multisample Model dengan Parameter berbeda Evaluasi Perbedaan Parameter di antara Grup-Grup Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Prosedur A B C 1 1 A B C A Total Sampel A B C 2 2 1. Estimasi Model Penelitian 2.Pembagian Sampel ke dalam Grup-Grup 3. Estimasi Model Dasar 1 = 1 = B B = ≠ A A C 2 2 = C = 4. Estimasi Multi-sample  Parameter Sama (Model A) 5. Estimasi Multi-sample  Parameter tidak Sama (Model B) 6. Evaluasi Perbedaan Parameter di antara Grup Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Contoh Pendekatan Multi Sample TkarIlmu Adaptabi TkarWira PRODUK PROAKTI IMBAL MINAT ADAPLVS PLBisnis Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Model Penelitian Program SIMPLIS Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Model Penelitian Diagram Lintasan Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Model Penelitian Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Pembagian Sampel Ke dalam Grup-Grup 2 subsampel: NORM_1. PSF (99 responden); NORM_2.PSF (102 responden) Pembentukan Model Dasar (Baseline Model) Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Pembentukan Model Dasar (Baseline Model) Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Pembentukan Model Dasar (Baseline Model) Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Pembentukan Model Dasar (Baseline Model) Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Pembentukan Model Dasar (Baseline Model) Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter ditetapkan sama Template [Model A] Group 1: Salah satu Template 1a. s/d 1h* Template 2a atau 2b Group 2: Salah satu Template 1a. s/d 1h Template 3a atau 3b Template 4 * Penjelasan mengenai Template dapat dilihat pada bab SIMPLIS language Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Model A Group1:Persepsi terhadap ketidaktentuan lingkungan rendah System File from File NORM_1.DSF Latent variables TkarWira TkarIlmu Adaptabi Relationships PRODUK PROAKTI = TkarWira IMBALAN MINAT = TkarIlmu ADAPLVS = 1 * Adaptabi TkarWira = TkarIlmu Adaptabi = TkarWira TkarIlmu Set Error Variance of ADAPLVS to 0 Group2:Persepsi terhadap ketidaktentuan lingkungan tinggi System File from File NORM_2.DSF Path Diagram End of Problem Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Error Message Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Model A Group1:Persepsi terhadap ketidaktentuan lingkungan rendah System File from File NORM_1.DSF Latent variables TkarWira TkarIlmu Adaptabi Relationships PRODUK PROAKTI = TkarWira IMBALAN MINAT = TkarIlmu ADAPLVS = 1 * Adaptabi TkarWira = TkarIlmu Adaptabi = TkarWira TkarIlmu Set Error Variance of ADAPLVS to 0 Set Error Variance of TkarWira to 0.77 Group2:Persepsi terhadap ketidaktentuan lingkungan tinggi System File from File NORM_2.DSF Path Diagram End of Problem Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter ditetapkan sama Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter ditetapkan sama Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter ditetapkan sama Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Template [Model ….(B, C dstnya)] Group 1: Salah satu Template 1a. s/d 1h* Template 2a atau 2b Group 2: Salah satu Template 1a. s/d 1h Relationships yang akan dilihat perbedaannya diketik di sini Template 3a atau 3b Template 4 Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Yang ingin diuji: Apakah secara keseluruhan model struktural pada grup1 berbeda dengan grup2? (2) Apakah ada perbedaan nilai koefisien struktural dari (lintasan dari) TkarWira ke Adaptabi antara grup1 dengan grup2?. Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Model B Group1:Persepsi terhadap ketidaktentuan lingkungan rendah System File from File NORM_1.DSF Latent variables TkarWira TkarIlmu Adaptabi Relationships PRODUK PROAKTI = TkarWira IMBALAN MINAT = TkarIlmu ADAPLVS = 1 * Adaptabi TkarWira = TkarIlmu Adaptabi = TkarWira TkarIlmu Set Error Variance of ADAPLVS to 0 Set Error Variance of TkarWira to 0.77 Group2:Persepsi terhadap ketidaktentuan lingkungan tinggi System File from File NORM_2.DSF Path Diagram End of Problem Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Model C Group1:Persepsi terhadap ketidaktentuan lingkungan rendah System File from File NORM_1.DSF Latent variables TkarWira TkarIlmu Adaptabi Relationships PRODUK PROAKTI = TkarWira IMBALAN MINAT = TkarIlmu ADAPLVS = 1 * Adaptabi TkarWira = TkarIlmu Adaptabi = TkarWira TkarIlmu Set Error Variance of ADAPLVS to 0 Set Error Variance of TkarWira to 0.77 Group2:Persepsi terhadap ketidaktentuan lingkungan tinggi System File from File NORM_2.DSF Adaptabi = TkarWira Path Diagram End of Problem Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH Estimasi Multisample Model dengan Parameter berbeda Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH EValuasi Perbedaan Parameter di antara Grup Model A: Chi square (χ2) = 20.59 Degree of Freedom (df) = 18 Model B: χ2 = 15.24 df = 15 ∆χ2 = χ2 Model A - χ2 Model B = 20.59 – 15.24 = 5.35 ∆df = df Model A – df Model B = 18 – 15 = 3 Dari table distribusi χ2 (atau dihitung menggunakan Excel) untuk χ2 = 5.35 dan df = 3 akan diperoleh nilai p = 0.148 > 0.05  tidak signifikan (α = 0.05) Tidak ada perbedaan model struktural (nilai- nilai koefisien struktural secara keseluruhan) antara grup1 dan grup2. Bab 8 Model Multi Sampel April 2009

MULTI-SAMPLE APPROACH EValuasi Perbedaan Parameter di antara Grup Model A: Chi Square (χ2) = 20.59 Degree of Freedom (df) = 18 Model C: χ2 = 16.24 df = 17 ∆χ2 = χ2 Model A - χ2 Model C = 20.59 – 16.24 = 4.35 ∆df = df Model A – df Model C = 18 – 17 = 1 Dari table distribusi χ2 (atau dihitung menggunakan Excel) untuk χ2 = 4.35 dan df = 1 akan diperoleh nilai p = 0.037 < 0.05  signifikan pada α = 0.05. Jadi ada perbedaan nilai koefisien struktural TkarWira ke Adaptabi antara grup1 dengan grup2. Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Karena sebuah variabel laten tidak teramati, maka variabel laten tidak mempunyai skala yang intrinsic. Demikian juga titik nol dan unit pengukuran tidak terdefinisi. Dalam sebuah populasi, titik nol ditetapkan dengan asumsi bahwa semua variabel teramati diukur dalam deviasi dari reratanya dan rerata dari semua variabel laten adalah nol. Unit pengukuran dari setiap laten variabel biasanya ditetapkan dengan asumsi: Standardized variable dengan varian ditetapkan = 1 (Contoh SIMPLIS: Set Variance of LV to 1) atau Menetapkan sebuah muatan faktor yang tidak nol (non-zero loading) sebagai sebuah variabel referensi. ( contoh SIMPLIS: READING = 1 * Verbal) Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Dalam studi Multigrup, restriksi ini dapat dilonggarkan dengan mengasumsikan bahwa variabel laten mempunyai skala sama pada semua grup. Skala yang sama (Common Scale) bisa didefinisikan dengan: mengasumsikan bahwa rerata dari variabel laten adalah nol di satu grup, dan loadings dari variabel-variabel teramati pada variabel laten terkait adalah invariant pada semua grup, dengan salah satu loading dari setiap variabel laten ditetapkan = 1, sebagai variabel referensi Dengan asumsi di atas, dimungkinkan untuk mengestimasi rerata dan matrik kovarian variabel laten relatif terhadap common scale. Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Rerangka Konsepsual Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Rerangka Konsepsual Sebagai tambahan dari 8 Matrik pada SEM ada 4 matrik (atau vektor) baru yaitu Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Contoh Perbedaan Rerata pada 2 Variabel Diagram Lintasan WRITING5 READING5 READING7 WRITING7 Verbal5 Verbal7 CONSTANT κ2 τ2 τ3 τ4 κ1 τ1 λ42 λ21 1 Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Beberapa spesifikasi tambahan yang perlu ditambahkan pada Program SIMPLIS: Varian dari ξ diestimasi secara bebas pada setiap grup, demikian juga kovarian di antara mereka (matrik Φ). Hal ini dapat dilakukan dengan statemen SIMPLIS seperti di bawah ini pada grup2 dan grup-grup selanjutnya.. ‘Set the Variances of <nama variabel-variabel laten eksogen> Free’ ‘Set the Covariance of <nama variabel laten eksogen> and <nama variabel laten eksogen> Free’ Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Error variances dari model pengukuran (varian dari δ dan ε) dan dari model struktural (varian dari ζ) diestimasi secara bebas pada setiap grup. Contoh statemen SIMPLIS pada grup2 dan grup-grup selanjutnya adalah sebagai berikut: ’Set the error variances of <nama variabel-variabel teramati> Free’ Set the error variances of < nama variabel-variabel laten endogen> Free’ Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Error covariances dari model pengukuran dan model struktural yang diperlukan (tidak semua) bisa diestimasi secara bebas. Contoh statemen SIMPLIS pada semua grup adalah sebagai berikut: ‘Let the error covariance of <nama variabel teramati> and <nama variabel teramati> Free’ ‘Let the error covariance of <nama variabel laten endogen> and <nama variabel laten endogen> Free’ Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Kecuali untuk loading factor yang ditetapkan 1, semua loading factors (λ) dibatasi (constrained) sama untuk semua grup. Semua intersep untuk variabel teramati (τ atau constant) dibatasi sama untuk semua grup. Semua intersep untuk model struktural (κ) dibatasi sama dengan nol pada grup referensi (grup1) dan diestimasi secara bebas pada grup2 dan grup-grup yang lainnya. Varian dari CONSTANT tidak diestimasi tetapi ditetapkan sama dengan 1. Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN TkarIlmu Adaptabi TkarWira PRODUK PROAKTI IMBAL MINAT ADAPLVS CONSTAN Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Bab 8 Model Multi Sampel April 2009

ESTIMASI DARI RERATA (MEAN) VARIABEL LATEN Bab 8 Model Multi Sampel April 2009

Dr. Setyo Hari Wijanto <setyohw@idola.net.id> Bab 9 Model Interaksi Dr. Setyo Hari Wijanto <setyohw@idola.net.id>

INTERACTION MODEL APPROACH Ketika variabel moderasi adalah kontinu dan variabel yang dimoderasi juga kontinu, maka pendekatan yang kita gunakan untuk permasalahan ini adalah pendekatan model interaksi (interaction model approach). Kenny dan Judd (1984) memformulasikan sebuah model yang mengandung efek interaksi antara 2 variabel laten dan mengusulkan menggunakan perkalian variabel-variabel tersebut untuk mengestimasi model. Kenny dan Judd (1984) memformulasikan modelnya menggunakan regresi non-linier seperti di bawah ini. Dalam notasi SEM (Rigdon et.al. 1998; dimana ξ3 = ξ1*ξ2) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Alternatif Pendekatan Model Interaksi Multiple Indicators Model Kenny dan Judd Model Yang Jonsson Single Indicator Model Ping Model Jöreskog (Model dengan Latent Variabel Score/LVS) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Contoh menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Contoh menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Contoh menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Contoh menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Contoh menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Kenny dan Judd menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Kenny dan Judd menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Kenny dan Judd menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Yang Jonsson menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Yang Jonsson menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Yang Jonsson menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Ping Model Interaksi dengan indikator tunggal (single indicator) Dalam model Ping, data asli dari variabel-variabel teramati ditranslasikan dengan mean centering, sebelum diproses. Contoh: X1(baru) = X1(asli) - mean X1. Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Ping Menghitung parameter pada Model Ping Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Ping menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Ping menggunakan model BEA (Bagozzi et.al. 1992) Menghitung parameter pada Model Ping Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Ping menggunakan model BEA (Bagozzi et.al. 1992) Menghitung parameter pada Model Ping Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Ping menggunakan model BEA (Bagozzi et.al. 1992) Menghitung parameter pada Model Ping Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Jöreskog (LVS) menggunakan model BEA (Bagozzi et.al. 1992) Menghitung Laten Variabel Score (LVS)  BeLVS dan VlLVS Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Jöreskog (LVS) menggunakan model BEA (Bagozzi et.al. 1992) BE*VL = BeLVS * VlLVS Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Jöreskog (LVS) menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Model Jöreskog (LVS) menggunakan model BEA (Bagozzi et.al. 1992) Bab 8 Model Multi Sampel April 2009

INTERACTION MODEL APPROACH Perbandingan Pendekatan Model Interaksi Bab 8 Model Multi Sampel April 2009

CONTOH PENYEDERHANAAN MODEL Model dari Lubis (2007) Penyederhanaan model dan model interaksi CEO1 CEO6 MPC1 MPC4 COMPANY CULTURE NEW PRODUCT DEVELOPMENT TEAM ROLE OF SUPPLIER N P D PERFORMANCE Product Performance Process CEO Commitment Management Policy PRF1 PRF2 PDF1 PDF2 H1 H3 H2 ISH1 RES1 Information Sharing Resources Sharing Knowledge Transfer Product & Process Technology KWT1 PPT1 ISH3 RES2 KWT2 PPT4 H4 Effective Communication ECM1 ECM2 Good Coordination Timely Conflict Resolution Creative Problem Solving Effective Decision Implementation GCO1 GCO2 TCR1 TCR2 CPS1 CPS2 EDI1 EDI2 Bab 8 Model Multi Sampel April 2009

CONTOH PENYEDERHANAAN MODEL Model dari Lubis (2007) Penyederhanaan model dan model interaksi COMPANY CULTURE NEW PRODUCT DEVELOPMENT TEAM ROLE OF SUPPLIER N P D PERFORMANCE H1 H3 H2 H4 Effective Communication Good Coordination Timely Conflict Resolution Creative Problem Solving Effective Decision Implementation Information Sharing Resources Sharing Knowledge Transfer Product & Process Technology CEO Commitment Management Policy Product Performance Process Bab 8 Model Multi Sampel April 2009

CONTOH PENYEDERHANAAN MODEL Model dari Lubis (2007) Penyederhanaan model dan model interaksi COMPANY CULTURE NEW PRODUCT DEVELOPMENT TEAM ROLE OF SUPPLIER N P D PERFORMANCE H1 H3 H2 H4 Effective Communication Good Coordination Timely Conflict Resolution Creative Problem Solving Effective Decision Implementation Information Sharing Resources Sharing Knowledge Transfer Product & Process Technology CEO Commitment Management Policy Product Performance Process Role of Supplier * Company Culture (ROS*CCLVS) ROSXCC Bab 8 Model Multi Sampel April 2009