P. 1
CONTOH ANALISIS FAKTOR DAN ANALISIS JALUR

CONTOH ANALISIS FAKTOR DAN ANALISIS JALUR

|Views: 2,034|Likes:
Dipublikasikan oleh Darmawan Soegandar
Beberapa contoh sistematika, cara dalam melakukan analisa faktor untuk kemudian menumukan jalur dan dianalisa jalurnya dengan path analysis
Beberapa contoh sistematika, cara dalam melakukan analisa faktor untuk kemudian menumukan jalur dan dianalisa jalurnya dengan path analysis

More info:

Published by: Darmawan Soegandar on Jan 10, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/10/2014

pdf

text

original

MEMAHAMI SOAL-JAWAB ANALISIS FAKTOR DAN ANALISIS JALUR UNTUK DATA PENELITIAN ILMU-ILMU SOSIAL Oleh

: Darmawan Soegandar

PERSOALAN KE-1. Diteliti “Efektifitas Organisasi Sekolah”. Masalah penelitian dirumuskan sebagai berikut: “apa penciri utama efektifitas organisasi sekolah menengah pertama di lingkungan Dinas Pendidikan Provinsi Jawa Barat”. Dengan ringkasan hasil analisis data

Gambar A Model Pengukuran EOS Table 1 Ringkasan Hasil Pengujian Model (n=128)

Indikator Y11 Y12 Y13 Y14 Y15 Y16 Y17 Y18 Y19

λ* 0.419 0.545 0.803 0.823 0.653 0.614 0.596 0.642 0.448

c.r 4.655 6.281 10.407 10.805 7.848 7.263 6.997 7.685 5.011

P *** *** *** *** *** *** *** *** ***

R2 0.176 0.297 0.644 0.678 0.426 0.377 0.355 0.413 0.200

*koefisien bobot faktor dalam angka yang disandarkan

Pada Uji Fit Model di dapatkan keterangan: Chi-Square Df P-value RMSEA GFI AGFI NFI NNFI CFI Problem: a. Rumuskan diagram jalur dan persamaan model pengukuran EOS dalam format CFA Penyelesaian: = 35.447 = 27 = 0.128 = 0.050 = 0.942 = 0.903 = 0,910 = 0,969 = 0.977

Gambar B Diagram Jalur

1|Darmawan Soegandar

Keterangan gambar Diagram Jalur: Variabel laten Indikator Measurement error Factor loading : EOS : Y11; Y12; Y13; Y14; Y15; Y16; Y17; Y18 dan Y19 : δ11 s.d. δ19 : λ11 s.d. λ19

Sedangkan persamaan model pengukuran konstruk EOS-nya adalah Y11 = λ11EOS + δ11 Y12 = λ12EOS + δ12 Y13 = λ13EOS + δ13 Y14 = λ14EOS + δ14 Y15 = λ15EOS + δ15 Y16 = λ16EOS + δ16 Y17 = λ17EOS + δ17 Y18 = λ18EOS + δ18 Y19 = λ19EOS + δ19

b. Berdasarkan hasil analisis data, apakah model pengukuran EOS fit atau tidak dengan data? Mengapa? Jelaskan? Penyelesaian: Syarat fit tidaknya model dengan data adalah sebagai berikut
Table 2 Indikator Uji FIT Model

Indikator P-value RMSEA GFI AGFI NFI NNFI CFI

Syarat > 0.05 < 0.08 > 0.90 > 0.90 > 0.90 > 0.90 > 0.90

Hasil Uji 0.128 0.050 0.942 0.903 0.910 0.969 0.977

Keputusan FIT FIT FIT FIT FIT FIT FIT

2|Darmawan Soegandar

∴ bisa kita ambil kesimpulan berdasarkan indikator yang di berikan pada diagram jalur empiris dan syarat perlunya maka bahwa model pengukuran EOS fit dengan data.

c. Apakah model pengukuran memenuhi kriteria validitas dan realibilitas? Mengapa? Jelaskan? Penyelesaian: Untuk menjawab pertanyaan ini kita akan menggunakan tabel 1 ringkasan hasil penelitian
Indikator λ* c.r P *** *** *** *** *** *** *** *** *** R2 0.176 0.297 0.644 0.678 0.426 0.377 0.355 0.413 0.200

Y11 0.419 4.655 Y12 0.545 6.281 Y13 0.803 10.407 Y14 0.823 10.805 Y15 0.653 7.848 Y16 0.614 7.263 Y17 0.596 6.997 Y18 0.642 7.685 Y19 0.448 5.011 *koefisien bobot faktor dalam angka yang disandarkan

• •

Sebuah koefisien bobot faktor tidak signifikan jika P > 0.05, sehingga berdasarkan syarat ini semua indikator memenuhi syarat Sebuah indikator tidak valid jika Koefisien bobot faktornya dalam angka yang distandarkan kurang dari 0.50, sehingga berdasarkan syarat ini maka indikator Y11 (λ11 = 0.419 < 0.50) dan Y19 (λ19 = 0.448 <0.50) tidak memenuhi syarat ini.

Oleh karena itu maka bisa kita katakan bahwa indikator Y11 dan Y19 tidak memenuhi kriteria validitas. Sedangkan indikator Y12; Y13; Y14; Y15; Y16; Y17 dan Y18 memenuhi kriteria validitas. Untuk mengetahui realibilitas model kita akan menggunakan rumus untuk itu kita memerlukan tabel persiapan berikut:
Table 3 Persiapan CRk

=

,

Indikator Y11 Y12 Y13 Y14 Y15

λ 0.419 0.545 0.803 0.823 0.653

E 0.824 0.703 0.356 0.322 0.574

3|Darmawan Soegandar

Y16 Y17 Y18 Y19

0.614 0.596 0.642 0.448

0.623 0.645 0.587 0.800

Maka dengan ∑

= 5,543 maka

sehingga kita dapat menghitung

=

= 30,724849,
∑ ∑ ∑

sedangkan

= 0,849718668.

∑ Jadi

= 5,434 kita bisa

mengambil kesimpulan bahwa realibilitas model adalah sebesar 0.85. Realibilitas ini tentu akan berubah jika indikator yang tidak valid yaitu Y11 dan Y19 dikeluarkan.

d. Merujuk hasil pengujian model, jelaskan bagaimana jawaban empiris terhadap penelitian yang diajukan? Jelaskan. Penyelesaian: Indikator Fleksibilitas (Y11) dan Keterampilan Karyawan (Y19) diindikasikan tidak valid mengukur variabel latennya Efektivitas Organisasi Sekolah (EOS). Oleh karena itu, dikeluarkan dari model. Sehingga dapat kita katakan bahwa variabel laten valid dan realibel dapat diukur oleh Y12; Y13; Y14; Y15; Y16; Y17 dan Y18. Dengan kata lain, mengindikasikan data variabel laten EOS = komposit skor indikator Y12; Y13; Y14; Y15; Y16; Y17 dan Y18. Berdasarkan data tersebut maka, penciri utama efektifitas organisasi sekolah menengah pertama di lingkungan Dinas Pendidikan Provinsi Jawa Barat adalah Perolehan sumber daya, Perencanaan, Produktivitas, Efisiensi, Ketersediaan Informasi, Stabilitas dan Kohesitivitas.

4|Darmawan Soegandar

PERSOALAN Ke-2. Seorang peneliti merumuskan kerangka pemeikiran penelitian sebagai berikut: Y1 = f(X1, X2, X3, e1) Y2 = f(X1, X2, X3, Y1, e2) Dugaan sementara semua variabel penyebab berpengaruh positif terhadap variabel akibat. Berdasarkan data yang dikumpulkan dari sampel berukuran 111 responden. a. Dalam format analisis jalur, buat diagram dan persamaan struktrural untuk kedua model yang akan diuji.

Gambar C Model Y1

Parameter yang diestimasi:

=

Gambar D Model Y2

Parameter yang diestimasi:

=

5|Darmawan Soegandar

b. Rumuskan hipotesis penelitian dan hipotesis statistik untuk hipotesis penelitian yang akan diuji. • Model : = , , Hipotesis penelitian: H1 : Semakin tinggi tingkat X1, semakin tinggi tingkat Y1 H2 : Semakin tinggi tingkat X2, semakin tinggi tingkat Y1 H3 : Semakin tinggi tingkat X3, semakin tinggi tingkat Y1 Hipotesis statistik: mempengaruhi Y1 mempengaruhi Y1 • Model : = , : = = = 0; , , dan tidak H1: sekurang-kurangnya satu diantara , , dan ,

H4 : Semakin tinggi tingkat X1, semakin tinggi tingkat Y2 H5 : Semakin tinggi tingkat X3, semakin tinggi tingkat Y2 H6 : Semakin tinggi tingkat Y1, semakin tinggi tingkat Y2 Hipotesis statistik: mempengaruhi Y2 mempengaruhi Y2 : = = = 0; , , dan tidak H1: sekurang-kurangnya satu diantara , , dan

c. Berdasarkan hasil analisis data diatas: i. Buat tabel ringkasan hasil pengujian hipotesis baik untuk model Y1 dan model Y2
Table 4 Ringkasan Hasil Pengujian Hipotesis

Model Model Y1 Y1 ← X1 Y1 ← X2 Y1 ← X3 Model Y2 Y2 ← X1 Y2 ← X3 Y2 ← Y1

Koefisien Jalur 0.341 0.411 0.256 0.169 0.144 0.431

t

P-value

R2

5.089 6.235 4.455 2.042 2.068 4.010

*** *** *** *** *** ***

0,853849

0.821

6|Darmawan Soegandar

Berbeda dengan model Y2, model Y1 tidak diberikan tabel model summary sehingga kita tidak bisa langsung mengetahui R2 yang pada tabel model summary bisa langsung diketahui dengan membaca kolom ke-3 (R Square). Untuk itu kita akan menggunakan fungsi balikan dari rumus F hitung. = dengan memasukkan data yang kita dapatkan dari tabel ANOVAb 208, 373 dengan n = 111; k = 3 maka rumus tersebut sehingga kita dapatkan R2 sebesar

bahwa Fhitung =

menghasilkan 208.373

0,853849. Atau bisa lebih cepat jika menggunakan fungsi balikan

ii.

Buat diagram jalur lengkap (full path diagram) empiris untuk model penelitian yang telah di uji. Model Y1

Gambar E Full Path Diagram Model Y1

0.341 Model Y2

0.411

0.256

0.14615 ;

0,853849

Gambar F Full Path Diagram Model Y2

7|Darmawan Soegandar

= 0.169 iii.

0.144

0.431

0.179 ;

= 0,821

Buat interpretasi terhadap hasil pengujian hipotesis penelitian yang diajukan Model Y1 Uji overall Hipotesis statistik : = = = 0; , , dan tidak mempengaruhi Y1 H1: sekurang-kurangnya satu diantara , , dan mempengaruhi Y1 Fhitung diketahui dari tabel ANOVAb sebesar 208,373 > Ftabel 2,689 dengan Psig = 0.000 < 0.0001 H0 ditolak Artinya, diantara variabel , , dan ada yang mempengaruhi Y1. Variabel yang mempengaruhi Y1 akan diketahui melalui uji individual. Uji individual Hipotesis statistik : = = = 0; secara individual , , dan mempengaruhi Y1 H1: = = > 0: secara individual berpengaruh positif terhadap Y1 dan Pengujian: t1hitung 5.089 > ttabel 1,982 dengan Psig = 0.000 < 0.0001 t2 hitung 6.235 > ttabel 1,982 dengan Psig = 0.000 < 0.0001 t3 hitung 4.455 > ttabel 1,982 dengan Psig = 0.000 < 0.0001

tidak , ,

Hasil uji: H0 ditolak artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-1,2 dan 3 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y1 yang dihipotesiskan seutuhnya dapat diterima. Model Y2 Uji overall Hipotesis statistik : = = = 0; , , dan tidak mempengaruhi Y2 H1: sekurang-kurangnya satu diantara , , dan mempengaruhi Y2 Fhitung diketahui rumus = =
. .

sebesar 163,5884544 >

Ftabel 2,689 dengan Psig = 0.000 < 0.0001 H0 ditolak Artinya, diantara variabel , , dan ada yang mempengaruhi Y2. Variabel yang mempengaruhi Y2 akan diketahui melalui uji individual. Uji individual Hipotesis statistik

8|Darmawan Soegandar

: = = = 0; secara individual , , dan mempengaruhi Y2 H1: = = > 0: secara individual dan berpengaruh positif terhadap Y2 Pengujian: t4hitung 2.042 > ttabel 1,982 dengan Psig = 0.044 > 0.0001 t5 hitung 2.068 > ttabel 1,982 dengan Psig = 0.041 > 0.0001 t6 hitung 4.010 > ttabel 1,982 dengan Psig = 0.000 < 0.0001

tidak , ,

Hasil uji: H0 ditolak pada t6 dan diterima pada t4 dan t5 artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-3 diterima dan ke-1 dan 2 ditolak dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y1 yang dihipotesiskan tidak seutuhnya dapat diterima. Karena pengaruh langsung yang tidak signifikan dari X1 dan X3. iv. Buat tabel decomposition of effect variabel penyebab terhadap variabel akibat
Table 5 Decomposition of Effect

Pengaruh Antar Variabel Y1 ← X1 Y1 ← X2 Y1 ← X3 Y2 ← X1 Y2 ← X2 Y2 ← X3 Y2 ← Y1 v. Langsung 0.341 0.411 0.256 0.169 0.224 0.144 0.431

Pengaruh

Melalui Y1

0,147 0,177 0,11

Total 0.341 0.411 0.256 0,316 0,401 0,254 0.431

Tentukan variabel apa yang memiliki pengaruh relatif paling kuat terhadap variabel Y2? Jelaskan! Variabel yang paling kuat relatif terhadap variabel Y2 adalah variabel Y1, hal ini bisa kita lihat dari nilai beta sebesar 0,431 yang signifikan. Kedua variabel lain tidak signifikan berpengaruh. Dan ketiga, ada pengaruh tak langsung dari X1,2,3 ke Y2 melalui Y1

9|Darmawan Soegandar

PERSOALAN Ke-3. Seorang peneliti merumuskan masalah penelitian sebagai berikut: a. Bagaimana pengaruh X1, X2, X3 dan X4 terhadap Y b. Bagaimana pengaruh X1, X2, X3, X4 dan Y terhadap Z Berdasarkan kajian teori tertentu, peneliti berhasil merumuskan kerangka pemikiran sebagai berikut: = Model : = , Hipotesis penelitian: , = , , , , , , , , , ,

a. Rumuskan hipotesis penelitian dan hipotesis statistik yang akan di uji •

H1 : Semakin tinggi tingkat X1, semakin tinggi tingkat Y H2 : Semakin tinggi tingkat X2, semakin tinggi tingkat Y H3 : Semakin tinggi tingkat X3, semakin tinggi tingkat Y H4 : Semakin tinggi tingkat X4, semakin tinggi tingkat Y Hipotesis statistik: mempengaruhi Y mempengaruhi Y • Model : = , : = = = = 0; , , dan tidak H1: sekurang-kurangnya satu diantara , , dan , , ,

H5 : Semakin tinggi tingkat X1, semakin tinggi tingkat Z H6 : Semakin tinggi tingkat X2, semakin tinggi tingkat Z H7 : Semakin tinggi tingkat X3, semakin tinggi tingkat Z H8 : Semakin tinggi tingkat X4, semakin tinggi tingkat Z H9 : Semakin tinggi tingkat Y, semakin tinggi tingkat Z Hipotesis statistik: : tidak mempengaruhi Z dan mempengaruhi Z. = = = = = 0; , H1: sekurang-kurangnya satu diantara , , , , dan ,

10 | D a r m a w a n S o e g a n d a r

b. Dalam format analisis jalur, rumuskan diagram jalur dan persamaan model struktural yang akan diuji

Gambar G Model Y

Parameter yang diestimasi:

=

Gambar H Model Z

Parameter yang diestimasi:

=

11 | D a r m a w a n S o e g a n d a r

c. Dengan input data matrik kovariansi atau matrik korelasi, uji apakah model yang diusulkan fit atau tidak dengan data? Jelaskan. Substruktur 1: Model Y R1 =
, , , , , , , , , , , , , , , ,

Matriks inversnya R1 =
-1

, ,

,

,

,

, , ,

, ,

, ,

,

Selanjutnya dari matriks invers tersebut kita akan mendapatkan ρ =
, , , , , , , , , , , , , , , , , , ,

ρ1 = (2,163330258)(0,5341)+(-0,286560253)(0,534)+(-0,985724353)(0,5856)+(0,653498363)(0,5635) = 0,056925007 ρ2 = (-0,286560253)(0,5341)+(1,399659482)(0,534)+(-0,343810636)(0,5856)+(0,251230181)(0,5635) = 0,251462617 ρ3 = (-0,985724353)(0,5341)+(-0,343810636)(0,534)+(1,911523773)(0,5856)+(0,205352551)(0,5635) = 0,293601902 = (-0,653498363)(0,5341)+(-0,251230181)(0,534)+(-0,205352551)(0,5856)+( ρ4 1,578318918)(0,5635) = 0,285937864 sehingga koefisien determinasinya adalah =∑ = (0,056925007)(0,5341)+( 0,293601902)(0,5856)+( 0,285937864)(0,5635) = 0,497743944 Dengan demikian bisa kita dapatkan koefisien jalur residual = 1− = √1 − 0,497743944 = 0,7087

0,251462617)(0,534)+(

Selanjutnya kita akan mencari R22 Substruktur 2: Model Z 1 0,5751 0,5341 R2 = 0,5751 1 0,5635 0,5341 0,5635 1

12 | D a r m a w a n S o e g a n d a r

Matriks inversnya 1,653925 −0,66435 -1 R2 = −0,66435 1,732128 −0,509 −0,62122

−0,509 −0,62122 1,621917

Selanjutnya dari matriks invers tersebut kita akan mendapatkan ρ 1,653925 −0,66435 −0,509 0,7251 ρij = −0,66435 1,732128 −0,62122 0,6642 −0,509 −0,62122 1,621917 0,7009 ρ5 = (1,653924883)(0,7251)+(-0,664350981)(0,6642)+(-0,508999503)(0,7009) 0,401241259 ρ6 = (-0,664350981)(0,7251)+(1,732128183)(0,6642)+(-0,621224372)(0,7009) 0,23334248 ρ7 = (-0,508999503)(0,7251)+(-0,621224372)(0,6642)+(1,621916568)(0,7009) 0,355108555 sehingga koefisien determinasinya adalah =∑ = (0,401241259)(0,7251) + (0,23334248)(0,6642) (0,355108555)(0,7009) = 0,694821698 Dengan demikian bisa kita dapatkan koefisien jalur residual = 1− = √1 − 0,694821698 = 0,552429 = = =

+

Untuk melakukan pengujian overall model fit dengan statistik Q Rm2 = M = 1 - (1 - 0,497743944)(1 - 0,694821698) = 0,84672235 =
, ,

dengan data. Kesimpulan: hasil estimasi parameter model yang diperoleh data sampel dapat diberlakukan terhadap populasi. d. Uji apakah hipotesis penelitian seluruhnya diterima? Jika tidak, bagaimana model diperbaiki? Jelaskan. Model Y Uji overall Hipotesis statistik : = = = = 0; H1: sekurang-kurangnya satu diantara Fhitung diketahui dari = =

= 1, karena Q = 1 dapat disimpulkan bahwa model yang diusulkan fit

, ,

, ,
,

dan dan
,

tidak mempengaruhi Y mempengaruhi Y sebesar 23,5366374 >

Ftabel 2,699 dengan Psig = 0.000 < 0.0001
13 | D a r m a w a n S o e g a n d a r

H0 ditolak

Artinya, diantara variabel , , dan ada yang mempengaruhi Y. Variabel yang mempengaruhi Y akan diketahui melalui uji individual. Uji individual Hipotesis statistik : = = = = 0; secara individual , , dan tidak mempengaruhi Y H1: = = = > 0: secara individual , , dan berpengaruh positif terhadap Y Pengujian: t = t = t = t = = = = = = = = =
, ,

,

,

, ,

= 0,532

P > 0,0001 P < 0,0001

= 2,351 = 2,745

,

,

,

P < 0,0001

,

,

,

= 2,674

P < 0,0001

Hasil uji: H0 ditolak pada t2,3,4 artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-2,3 dan 4 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y yang dihipotesiskan tidak seutuhnya dapat diterima. Maka model bisa diperbaiki dengan cara mentriming jalur dari X1 ke Y karena model fit dengan data. Model Z Uji overall Hipotesis statistik : = = = 0; , sekurang-kurangnya satu diantara Fhitung diketahui dari =

, dan , , dan =
,

tidak mempengaruhi Z mempengaruhi Z
,

H1:

sebesar 54,07335718 >

Ftabel 2,699 dengan Psig = 0.000 < 0.0001 H0 ditolak Artinya, diantara variabel , , dan ada yang mempengaruhi Z. Variabel yang mempengaruhi Z akan diketahui melalui uji individual.

14 | D a r m a w a n S o e g a n d a r

Uji individual Hipotesis statistik : = = = 0; secara individual , , dan tidak mempengaruhi Z H1: = = > 0: secara individual , , dan berpengaruh positif terhadap Y Pengujian:
t = t = t = = = = = = =
, , ,

,

,

, ,

= 5,504687515 = 3,20125961

P < 0,0001 P < 0,0001

,

,

= 4,871786202

P < 0,0001

Hasil uji: H0 ditolak artinya pada tingkat kepercayaan 95% atau kesalahan 5% hipotesa penelitian ke-5,6 dan 7 diterima dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y yang dihipotesiskan seutuhnya dapat diterima. e. Buat ringkasan hasil analisis data dalam bentuk tabel, persamaan dan diagram jalur empiris lengkap untuk model struktural yang diuji. Interpretasikan hasil analisis data tersebut. Pengaruh Antar Variabel Y ← X1 Y ← X2 Y ← X3 Y ← X4 Z ← X1 Z ← X2 Z ← X3 Z ← X4 Z←Y Langsung 0,056925007 0,251462617 0,293601902 0,285937864 0,401241259 Pengaruh

Melalui Y

0,23334248 0,355108555

0,020214557 0,089296527 0,104260547 0,101538982

Total 0,056925007 0,251462617 0,293601902 0,285937864 0,421455816 0,089296527 0,104260547 0,334881462 0,355108555

f. Variabel apa yang memiliki pengaruh relatif paling kuat terhadap variabel Z? Jelaskan. Variabel yang paling kuat mempengaruhi ke variabel Z adalah variabel X1 hal ini bisa kita lihat dengan total pengaruh 0,421455816. g. Saran apa yang bisa sdr. Berikan untuk penelitian lebih lanjut? Jelaskan.

15 | D a r m a w a n S o e g a n d a r

Saya menyarankan untuk mencoba model korelasional yang lain pada variabel-variabel ini, dengan dukungan teoritis yang kuat tentu saja, agak ditemukan model yang paling fit dalam mempengaruhi Z.

16 | D a r m a w a n S o e g a n d a r

PERSOALAN Ke-4. Diteliti pengaruh home background (HOME) dan ability (ABILITY) terhadap aspiration of education (ASPIRE) dan achievement (ACHIEVE). Masalah penelitian dirumuskan sebagai berikut: 1) Apakah tinggi rendahnya ASPIRE dipengaruhi HOME dan ABILITY? 2) Apakah tinggi rendahnya ACHIEVE dipengatuhi HOME ABILITY dan ASPIRE? Merujuk masalah penelitian dan kerangka pemikiran selanjutnya peneliti mengajukan lima hipotesis sebagai mana dinyatakan persamaan struktural sebagai berikut: ASPIRE = f (HOME, ABILITY) ACHIEVE = f( HOME, ABILITY, ASPIRE) a. Rumuskan hipotesis penelitian yang akan diuji • Model ASPIRE: ASPIRE = f HOME, ABILITY Hipotesis penelitian: H2 : Semakin tinggi tingkat ABILITY, semakin tinggi tingkat ASPIRE H1 : Semakin tinggi tingkat HOME, semakin tinggi tingkat ASPIRE

Hipotesis statistik: : = = 0; HOME dan ABILITY tidak mempengaruhi ASPIRE H1: sekurang-kurangnya satu diantara HOME dan ABILITY mempengaruhi ASPIRE • Model ACHIEVE: ACHIEVE = f HOME, ABILITY, ASPIRE H3 : Semakin tinggi tingkat HOME, semakin tinggi tingkat ACHIEVE H4 : Semakin tinggi tingkat ABILITY, semakin tinggi tingkat ACHIEVE H5 : Semakin tinggi tingkat ASPIRE, semakin tinggi tingkat ACHIEVE Hipotesis statistik: : = = = 0; HOME, ABILITY, dan ASPIRE tidak mempengaruhi ACHIEVE H1: sekurang-kurangnya satu diantara HOME, ABILITY, dan ASPIRE mempengaruhi ACHIEVE. b. Rumuskan persamaan pengukuran dan persamaan struktural untuk kasus penelitian di atas. Model Persamaan A. Pengukuran 1. Variabel laten HOME Faminc = λ1 HOME + δ1 FaEd = λ2 HOME + δ2

17 | D a r m a w a n S o e g a n d a r

2. Variabel laten ABILITY

VerbAb = λ3 ABILITY + δ3 QuantAb = λ4 ABILITY + δ4 EdAsp = λ5 ASPIRE + δ5 AccAsp = λ6 ASPIRE + δ6 VerbAch = λ7 ACHIEVE + δ7 QuantAch = λ8 ACHIEVE + δ8 ASPIRE = γ1HOME + γ2ABILITY + ζ1 ACHIEVE = γ1HOME + γ2ABILITY + βASPIRE + ζ2

3. Variabel laten ASPIRE

4. Variabel laten ACHIEVE B. Struktural 1. Model ASPIRE 2. Model ACHIEVE

c. Buat diagram jalur lengkap dan hipotesis statistik untuk model yang diuji dalam format SEM

Gambar I Full Path Diagram Studi Schumacker - Lomax

18 | D a r m a w a n S o e g a n d a r

Semoga bermanfaat untuk bahan sama-sama belajar Salam hangat dari Bandung

www.facebook.com/darmawan.soegandar YM: darmawanmpa@yahoo.co.id www.darmawansoegandar.blogspot.com

19 | D a r m a w a n S o e g a n d a r

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->