Anda di halaman 1dari 6

Tugas Akhir Analisis Jalur

NURWAHIDAH (12B07031)_KELAS B

TUGAS ANALISIS JALUR DENGAN MUNGGUNAKAN SOFTWARE AMOS Data yang akan di analisis:

Data 24 pengukuran pada peubah pencemaran udara dicatat pada pukul 12.00 siang di Los Angels pada hari-hari yang berbeda. Enam peubah manifes yang membentuk 2 peubah laten. Peubah laten pertama adalah keadaan cuaca (KC) dibangun oleh peubah manifes Wind (X 1) dan Solar Rotation (X2). Peubah laten kedua kandungan kimia (KM) yang dibangun oleh senyawa CO (X3), NO (X4), NO2 (X5), O3 (X6), dan HC (x7).
Datanya sebagai berikut:

x1 8 7 7 10 6 8 9 5 7 8 6 6 7 10 10 9 8 8 9 9 10 9 8 5 6

x2 98 107 103 88 91 90 84 72 82 64 71 91 72 70 72 77 76 71 67 69 62 88 80 30 83

x3 7 4 4 5 4 5 7 6 5 5 5 4 7 4 4 4 4 5 4 3 5 4 4 3 5

x4 2 3 3 2 2 2 4 4 1 2 4 2 4 2 1 1 1 3 2 3 3 2 2 3 1

x5 12 9 5 8 8 12 12 21 11 13 10 12 18 11 8 9 7 16 13 9 14 7 13 5 10

x6 8 5 6 15 10 12 15 14 11 9 3 7 10 7 10 10 7 4 2 5 4 6 11 2 23

x7 2 3 3 4 3 4 5 4 3 4 3 3 3 3 3 3 3 4 3 3 4 3 4 3 4

statistika | P a g e 1

Tugas Akhir Analisis Jalur


NURWAHIDAH (12B07031)_KELAS B

8 6 8 6 10 8 7 5 6 10 8 5 5 7 7 6 8

84 78 79 62 37 71 52 48 75 35 85 86 86 79 79 68 40

3 4 2 4 3 4 4 6 4 4 4 3 7 7 5 6 4

2 2 1 3 1 1 1 5 1 1 1 1 2 4 2 2 3

7 11 7 9 7 10 12 8 10 6 9 6 13 9 8 11 6

6 11 10 8 2 7 8 4 24 9 10 12 8 25 6 14 5

3 3 3 3 3 3 4 3 3 2 2 2 2 3 2 3 2

Kemudian dianalisis dengan software AMOS 20, model yang dapat dibuat dari data tersebut adalah:

kemudian dari output AMOS diperoleh: Koefisien jalur yang (regression weights) yang dihasilkan adalah sebagai berikut:

statistika | P a g e 2

Tugas Akhir Analisis Jalur


NURWAHIDAH (12B07031)_KELAS B

Covariances: (Group number 1 - Default model)

KC <--> KM

Estimate -.391

S.E. .301

C.R. -1.297

P Label .194

Jadi, koefisien jalur KCKM adalah -0,391 yang bermakna KC dan KM berkorelasi negatif namun korelasi antar KC dan KM tidak signifikan karena nilai dari hasil berikut:
Regression Weights: (Group number 1 - Default model)

p(0,194) > 0,05. Selanjutnya, kontribusi masing-

masing indikator (peubah manifes) terhadap peubah laten dapat dilihat

Estimate x 1 x 2 x 3 x 4 x 5 x 6 x 7 <--<--<--<--<--<--<--KC KC KM KM KM KM KM 1.000 -9.500 1.000 .495 1.764 1.557 .142

S.E.

C.R.

P Label

10.370

-.916

.360

.177 .574 .815 .102

2.799 3.075 1.909 1.388

.005 .002 .056 .165

Koefisien jalur yang ditunjukkan di atas adalah yang belum terbakukan (unstandardized), sehingga untuk menentukan urutan kontribusi masing-masing indicator belum dapat dilakukan. Urutan kontribusi dapat ditentukan dari bobot terbakukan (standarizedregression weights) sebagai berikut:
Correlations: (Group number 1 - Default model)

KC <--> KM

Estimate -.643

statistika | P a g e 3

Tugas Akhir Analisis Jalur


NURWAHIDAH (12B07031)_KELAS B

Karena hanya satu jalur dyang menghubungkan KC dan KM maka koefisien jalur tebakukannya adalah satu. Dari tabel di atas diperoleh koefisien korelasi -0,643 menunjukkan terjadi korelasi negatif antara KC dan KM. Artinya, semakin besar nilai keadaan cuaca maka nilai kandungan kimia akan semakin kecil, demikian pula sebaliknya.
Standardized Regression Weights: (Group number 1 - Default model)

Estimate x 1 x 2 x 3 x 4 x 5 x 6 x 7 <--<--<--<--<--<--<--KC KC KM KM KM KM KM .342 -.296 .932 .523 .602 .332 .236

Kemudian, kontribusi indikator X1 dan X2 terhadap peubah laten KC berbeda jauh. Kontribusi X1 lebih tinggi dan bernilai positif (0,342) daripada kontribusi X 2 (-0,296). Selanjutnya, urutan kontribusi indikator X3, X4, X5, X6 dan X7 kepada peubah laten KM, yang terbesar adalah X3 (0,932), kemudian X5 (0,602), kemudian X4 (0,523), kemudian X6 (0,332) dan terakhir X7 (0,236). Selanjutnya, ciri model diberikan oleh model fit summary sebagai berikut:
Model Fit Summary CMIN

statistika | P a g e 4

Tugas Akhir Analisis Jalur


NURWAHIDAH (12B07031)_KELAS B

Model Default model Saturated model Independence model


RMR, GFI

NPAR 15 28 7

CMIN 34.421 .000 70.800

DF 13 0 21

P .001 .000

CMIN/DF 2.648 3.371

Model Default model Saturated model Independence model


Baseline Comparisons

RMR 4.114 .000 5.439

GFI .855 1.000 .704

AGFI .688 .606

PGFI .397 .528

Model Default model Saturated model Independence model

NFI Delta1 .514 1.000 .000

RFI rho1 .215 .000

IFI Delta2 .629 1.000 .000

TLI rho2 .305 .000

CFI .570 1.000 .000

Parsimony-Adjusted Measures

Model Default model Saturated model Independence model


NCP

PRATIO .619 .000 1.000

PNFI .318 .000 .000

PCFI .353 .000 .000

Model Default model Saturated model Independence model


FMIN

NCP 21.421 .000 49.800

LO 90 7.728 .000 27.958

HI 90 42.768 .000 79.240

Model Default model Saturated model Independence model


RMSEA

FMIN .840 .000 1.727

F0 .522 .000 1.215

LO 90 .188 .000 .682

HI 90 1.043 .000 1.933

statistika | P a g e 5

Tugas Akhir Analisis Jalur


NURWAHIDAH (12B07031)_KELAS B

Model Default model Independence model


AIC

RMSEA .200 .240

LO 90 .120 .180

HI 90 .283 .303

PCLOSE .003 .000

Model Default model Saturated model Independence model


ECVI

AIC 64.421 56.000 84.800

BCC 71.694 69.576 88.194

BIC 90.486 104.655 96.963

CAIC 105.486 132.655 103.963

Model Default model Saturated model Independence model

ECVI 1.571 1.366 2.068

LO 90 1.237 1.366 1.536

HI 90 2.092 1.366 2.786

MECVI 1.749 1.697 2.151

HOELTER

Model Default model Independence model

HOELTER .05 27 19

HOELTER .01 33 23

statistika | P a g e 6