PROGRAM MASTER UNIVERSITAS RIAU MASHADI

Presentasi berjudul: "PROGRAM MASTER UNIVERSITAS RIAU MASHADI"— Transcript presentasi:

1 PROGRAM MASTER UNIVERSITAS RIAU MASHADI

2 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

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

4 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

5 1 3 X1 x3x1 yx1 r12 X3 yx3 Y x2x1 yx2 X2

6 Sub Struktur 1 X1 x3x1 r12 X3 x2x1 X2

7 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

8 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 ????

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

10 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)

11 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

12 x3x2=0.887

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

14 Menguji sub struktur ke 2

15 SEBELUM MELAKUKAN PERHITUNGAN PERSAMAAN STRUKTURNYA
LAKUKAN DULU UJI HIPOTESANYA DLL

16 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

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

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

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

20 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

21 diperoleh Dari model summary di atas Apa yang dapat anda simpulkan

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

23 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

24 Hitung dulu besar koefisien determinannya
R2yx3x1 = yx1 x ryx1 + yx3x ryx3 R2yx3x1 = x x = 0.956

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

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

27 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

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

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

30 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

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

32 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

33 Kita ambil dari model sub struktur 1

34 Kita ambil dari model sub struktur 1 setelah trimming

35 Kita ambil dari model sub struktur 2 setelah trimming

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

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

38 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

39

40

41

42

43