Linear Structural Relations

LINEAR STRUCTURAL RELATIONS (LISREL)
Oleh :
Prof. Dr. Abdullah M. Jaubah, S.E., M.M.
LINEAR STRUCTURAL RELATIONS (LISREL)
Pendahuluan
Sejarah Lisrel mengungkap bahwa Lisrel 7 mencerminkan kerjasama antara Joreskog,
Sorbom, dan SPSS Inc. Sejarah Lisrel mengungkap bahwa gagasan menggabungkan ciri-ciri
dari ekonometrik dan psikometrik ke dalam suatu model matematika telah lahir dalam pikiran
mereka pada tahun 1970. Gagasan ini merupakan inspirasi dari pekerjaan Professor Arthue S.
Goldberger yang diterbitkan dalam Psychometrika dalam tahun 1971. Versi pertama dari
Lisrel adalah A Linear Structural Equation Model for Laten Variables. Model ini disajikan
pertama kali pada Conference On Structural Equation Models in the Social Science yang
dilaksanakan di Madison, Wiscounsin, dalam bulan November tahun 1970. Hasil-hasil dari
konferensi ini disunting oleh Prof. Goldberger dan Duncan telah diterbitkan dalam tahun
1973 sebagaimana dikemukakan oleh Joreskog dan Sorbom dalam kata pengantar Lisrel 7 : A
Guide to the Program and Applications (1989).
Perkembangan lebih lanjut telah mencapai Lisrel 8.80 for Windows dengan hak cipta
dipegang oleh Scientific Software International. Banyak unsur-unsur baru dimasukkan ke
dalam Lisrel 8.80 jika dibanding dengan Lisrel 7.
Pencipta paket program Lisrel adalah Karl G. Jreskog & Dag Srbom. Para pakar lain yang
telah menulis buku-buku pedoman tentang Lisrel adalah Gerhard Mels, Stephen du Toit,
Mathilda du Toit, dan Yan Cheng.
Banyak bahan bacaan yang tersedia bila internet dimanfaatkan karena dokumen-dokumen
tentang Lisrel for Windows tersedia dalam bentuk pedoman bagi pemakai, dokumendokumen tentang penafsiran hasil-hasil dari Lisrel, ilustrasi, dan dokumen-dokumen teknis
tentang metode-metode statistik yang diimplementasikan dalam Lisrel for Windows.
Dokumen-dokumen ini disediakan dalam arsip PDF. Arsip-arsip ini dapat diakses dan
disimpan sehingga dapat dipelajari secara mendalam. Dokumen-dokumen itu sering pula
didukung dengan sintaksis Simplis dan sintaksis Lisrel. Kemampuan kognitif atas kedua
macam sintaksis ini hanya dapat diperoleh jika pemakai mempunyai kemampuan
pemrograman sistem komputer.
Lisrel for Windows mencakup dokumen berjudul Getting Started Guide ternasuk arsip
sintaksis dan arsip data. Prelis Users Guide termasuk arsip data. Interactive Graphics Users
Guide ternasuk arsip data. Multilev Users Guide ternasuk arsip data. Surveyglim Users
Gude, Lisrel Syntax Files, Simplis Syntax File, dan Structural Equation Modeling.
Penafsiran hasil-hasil Lisrel mencakup penafsiran atas model-model pengukuran dan modelmodel persamaan struktural. Dokumen-dokumen ilustratif mencakup A Brief Overview
mengenai Measurement Models, Structural Equation Models, Latent Growth Curves, NonNormal Data, Modification Indices and Residuals, The Assessment of Validity Structure
Coefficients . Incomplete continuous variable data based on a simple random sample
mencakup Multiple Imputation and Full Information Maximum Likelihood (FIML),
Supplementary Notes on Multiple Imputation, Multiple Groups, dan The Assessment of
Invariance. Complete ordinal variable data based on a simple random sample mencakup
Logistic and Probit Regression, CFA and MIMIC Models, dan Multiple Groups. Multilevel
data mencakup Multilevel Models, Multilevel CFA Model, dan Multilevel Generalized
Linear Modeling. Continuous variable data based on a simple random sample mencakup Full
Information Maximum Likelihood (FIML) for Data with Missing Values, Multiple
Imputation for Data with Missing Values, Latent Variable Scores, Formal Inference-based
Recursive Modeling (FIRM), Standardized Coefficients, Equal t-values, The Interpretation of
R2, The Interpretation of R2 Revisited, MINRES Exploratory Factor Analysis, dan Scale
Reliability. Scale Reliability mencakup The Evaluation of Scale Reliability, Scale Reliability
for Maxima, dan LISREL Syntax Files. Complete ordinal variable data based on a simple
random sample mencakup Structural Equation Modeling dan Formal Inference-based
Recursive Modeling (FIRM). Structural Equation Modeling mencakup, CFA, Structural and
MIMIC Models dan Syntax and Data. Complete censored variable data based on a simple
random sample mencakup Univariate Censored Regression yaitu Censored Variables and
Censored Regression dan Syntax and Data Files, serta Multivariate Censored Regression.
Multilevel data mencakup Multilevel Modeling, Multilevel Structural Equation Modeling,
Multilevel Nonlinear Modeling dan Multilevel Modeling with Weights. Bahan-bahan
mengenai pemodelan persamaan struktural dapat pula dikumpulkan dari Structural Equation
Modeling pada Wikipedia
Lisrel 8.80 adalah perangkat lunak komputer untuk pemodelan persamaan struktural,
pemodelan persamaan struktural multilevel, generalized linear modeling, multilevel linear
3
modeling, multilevel generalized linear modeiing, multilevel nonlinear modeling, dan formal
inference-based recursive modeling. Pengamatan terakhir mencerminkan bahwa Lisrel 9.1
telah diterbitkan juga.
Banyak pembahasan yang telah memakai perangkat statistik. Pemakaian tersebut
mengandung kesalahan bila, misalkan SPSS dipakai untuk variabel-variabel laten seperti
variabel pelatihan, lingkungan kerja, prestasi kerja sebagaimana dikemukakan oleh Suliyanto
dalam tulisannya yang berjudul Analisis Regresi Dengan Variabel Moderating [1] yang telah
memakai variabel-variabel laten yang diperlakukan sebagai variabel-variabel yang dapat
diobservasi dan dapat diukur secara langsung. Variabel-variabel laten seperti kemampuan
kerja, motivasi kerja, gaya kepemimpinan, kepusasan, komitmen, budaya organisasi,
pelayanan publik, budaya pelayanan publik, kekuasaan, politik, partisipasi, sentralisasi,
konflik, wawasan kebangsaan, keunggulan bersaing (competitive advantage), persepsi,
pertimbangan, pemikiran, perasaan, panca-indera, intuisi, ekstroversi, introversi, tekanan
hidup, orientasi pasar, orientasi pelayanan (service orientation), etika, moralitas, kepribadian,
kepercayaan (trust), persepsi wiraniaga terhadap etika retel, orientasi penjualan, orientasi
pelanggan, orientasi pembelajaran (learning orientation), orientasi pasar ekspor (export
market orientation), nilai yang dipersepsikan (perceived value), etika konsumen, aktivitas
penguasaan informasi konsumen jasa, risiko yang dipersepsikan, kebutuhan akan keunikan,
nasionalisme, etnosentrisme konsumen, perilaku pencarian keragaman, pembelian impulsif,
motivasi berbelanja, ekuitas merek (brand equity), kepribadian merek (brand personality),
kepercayaan merek (brand trust), asosiasi merek (brand association), tangible, reliability,
responsiveness, assurance, empathy, citra, kualitas teknis, kualitas fungsional, jasa yang
diharapkan, jasa yang dipersepsikan, kualitas interaksi, kualitas lingkungan fisik, kualitas
hasil, analisis kesenjangan atas pelayanan profesional,
dan variabel-variabel seperti ini
merupakan variabel-variabel yang tidak dapat diobservasi dan tidak dapat diukur secara
langsung. Variabel-variabel ini dirinci lebih lanjut, berdasar atas teori-teori atau hasil-hasil
penelitian tertentu, ke dalam variabel-variabel indikator, yaitu variabel-variabel yang
mewakili variabel laten, yang dapat diobserasi dan dapat diukur secara langsung. Banyak
skripsi, tesis, dan disertasi dan hasil-hasil penelitian atas variabel-variabel laten mengandung
kesalahan karena memakai perangkat lunak SPSS dan tidak memakai perangkat lunak Amos,
Lisrel, Visual PLS, Smart PLS, Generalized Struuctured Components Analysis, Eqs,
Ramona, dan sebagainya. Penulis, setelah melakukan studi dan penghayatan atas paket
program Visual PLS, Smart PLS, dan GSCA menganggap bahwa ketiga perangkat lunak ini
4
mengandung kelemahan jika dibanding dengan perangkat lunak Lisrel. Kelemahan itu
tercermin dalam ketidakmampuan ketiga perangkat lunak tersebut untuk menyajikan
hubungan dua arah antara variabel-variabel laten endogen sebagaimana disajikan dapat
contoh di bawah ini.
Paket program Lisrel mengandung arsip EX1.LS8. Arsip sintaksis ini merupakan sintaksis
dari proyek Lisrel. Sintaksis ini dijalankan dan salah satu hasil adalah diagram jalur (path
diagram). Diagram jalur ini dipakai untuk mencipta sintaksis Simplis. Hasil pelaksanaan
sintaksis Simplis akan lebih mudah diinterpretasikan daripada hasil pelaksanaan sintaksis
proyek Lisrel.
Tulisan ini disusun dengan tujuan mengungkap makna yang terkandung dalam sintaksis
EX1.LS8 berdasar atas sintaksis Simplis yang dicipta dengan memanfaatkan diagram jalur
yang dihasilkan oleh sintaksis proyek Lisrel dan contoh yang dicipta sendiri oleh penulis
berdasar model di atas. Contoh-contoh ini ingin mengungkap bahwa variabel-variabel laten
tidak dapat dianalisis dan diinterpretasikan berdasar atas hasil-hasil perhitungan SPSS akan
tetapi harus memakai paket program yang tercakup dalam pemodelan persamaan struktural.
Sintaksis Simplis
Sintaksis Simplis yang dihasilkan dari diagram jalur sintaksis Lisrel adalah sebagai berikut :
TI LISREL EX1.SPJ
HYPOTHETICAL MODEL ESTIMATED BY ML
SYSTEM FILE from file 'C:\Program Files\Lisrel 8.7\LS8EX\EX1.DSF'
Sample Size = 100
Latent Variables 'ETA 1' 'ETA 2' 'KSI 1' 'KSI 2' 'KSI 3'
Relationships
'VAR 1' = 1.00*'ETA 1'
'VAR 2' = 'ETA 1'
'VAR 3' = 1.00*'ETA 2'
'VAR 4' = 'ETA 2'
'VAR 5' = 1.00*'KSI 1'
'VAR 6' = 'KSI 1'
'VAR 7' = 'KSI 1' 'KSI 2'
'VAR 8' = 1.00*'KSI 2'
'VAR 9' = 'KSI 2'
'VAR 10' = 1.00*'KSI 3'
'VAR 11' = 'KSI 3'
'ETA 1' = 'ETA 2'
'ETA 2' = 'ETA 1'
'ETA 1' = 'KSI 1' 'KSI 2'
'ETA 2' = 'KSI 1' 'KSI 3'
Set the Error Covariance of 'ETA 2' and 'ETA 1' Free
Path Diagram
Print Residuals
End of Problem
Pelaksanaan sintaksis Simplis di atas akan menghasilkan informasi sebagai berikut :

5
DATE: 11/ 2/2014

TIME: 12:59
L I S R E L
8.72
BY
Karl G. Jreskog & Dag Srbom
This program is published exclusively by
Scientific Software International, Inc.
7383 N. Lincoln Avenue, Suite 100
Lincolnwood, IL 60712, U.S.A.
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Copyright by Scientific Software International, Inc., 1981-2005
Use of this program is subject to the terms specified in the
Universal Copyright Convention.
Website: www.ssicentral.com
The following lines were read from file C:\Program Files\Lisrel 8.7\LS8EX\EX1.SPJ:
Sample Size = 100
Relationships
'VAR 1' = 1.00*'ETA 1'
'VAR 2' = 'ETA 1'
'VAR 3' = 1.00*'ETA 2'
'VAR 4' = 'ETA 2'
'VAR 5' = 1.00*'KSI 1'
'VAR 6' = 'KSI 1'
'VAR 7' = 'KSI 1' 'KSI 2'
'VAR 8' = 1.00*'KSI 2'
'VAR 9' = 'KSI 2'
'VAR 10' = 1.00*'KSI 3'
'VAR 11' = 'KSI 3'
'ETA 1' = 'ETA 2'
'ETA 2' = 'ETA 1'
'ETA 1' = 'KSI 1' 'KSI 2'
'ETA 2' = 'KSI 1' 'KSI 3'

Path Diagram
Print Residuals
End of Problem
Sample Size =
100

Covariance Matrix
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------3.20
2.72
3.20
3.54
0.33
0.56
1.01
0.47
0.50
1.05
1.26
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
2.63
2.88
3.20
0.37
0.59
1.02
0.46
0.54
0.96
1.15
4.86
5.37
-0.36
-0.32
-0.49
-0.44
-0.36
1.42
1.92
6.32
-0.47
-0.34
-0.59
-0.54
-0.42
1.71
2.31
1.36
1.27
1.74
0.79
0.84
0.47
0.69
1.96
2.28
1.04
1.07
0.69
0.91
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
1.38
1.19
0.07
0.14
1.74
0.10
0.16
1.42
1.69
2.68
Covariance Matrix
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------3.80
1.95
2.09
0.66
0.92

Number of Iterations =
LISREL Estimates (Maximum Likelihood)

Measurement Equations
VAR 1 = 1.00*ETA 1, Errorvar.= 0.25 , R = 0.92
(0.053)
4.66
(0.035)
(0.038)
25.99
3.24
(0.041)
3.32
(0.029)
(0.055)
38.74
3.60
VAR 5 = 1.00*KSI 1, Errorvar.= 0.39 , R = 0.71
(0.064)
6.09
(0.10)
(0.067)
12.33
5.00
VAR 7 = 0.92*KSI 1 + 1.09*KSI 2, Errorvar.= 0.063 , R = 0.98

(0.12)
(0.12)
(0.051)
7.46
9.32
1.23
(0.050)
5.14
(0.084)
(0.075)
12.80
5.88
(0.054)
4.60
(0.093)
(0.092)
15.48
2.83
Structural Equations
ETA 1 = 0.54*ETA 2 + 0.21*KSI 1 + 0.50*KSI 2, Errorvar.= 0.49 , R = 0.84
(0.056)
(0.15)
(0.15)
(0.13)
9.53
1.39
3.35
3.83
ETA 2 = 0.94*ETA 1 - 1.22*KSI 1 + 1.00*KSI 3, Errorvar.= 0.13 , R = 0.97
(0.18)
(0.12)
(0.15)
(0.078)
5.25
-10.05
6.57
1.70
Error Covariance for ETA 2 and ETA 1 = -0.07
(0.17)
-0.41
Reduced Form Equations
ETA 1 =
- 0.90*KSI 1 + 1.00*KSI 2 + 1.08*KSI 3, Errorvar.= 1.83, R = 0.38

(0.43)
(0.34)
(0.22)
-2.09
2.92
4.81
ETA 2 =

(0.52)
(0.40)
(0.27)
-3.99
2.32
7.49
Covariance Matrix of Independent Variables

KSI 1
-------0.97
(0.19)
5.17
KSI 2
--------
KSI 2
0.79
(0.15)
5.21
1.12
(0.20)
5.72
KSI 3
0.52
(0.13)
3.93
0.13
(0.13)
1.06
KSI 1
KSI 3
--------
1.18
(0.20)
5.78
Covariance Matrix of Latent Variables
ETA
ETA
KSI
KSI
KSI
1
2
1
2
3
ETA 1
-------2.96
3.12
0.48
0.55
0.93
ETA 2
--------
KSI 1
--------
KSI 2
--------
KSI 3
--------
4.72
-0.22
-0.31
1.40
0.97
0.79
0.52
1.12
0.13
1.18
Goodness of Fit Statistics

Degrees of Freedom = 33
Minimum Fit Function Chi-Square = 29.10 (P = 0.66)
Normal Theory Weighted Least Squares Chi-Square = 26.97 (P = 0.76)
Estimated Non-centrality Parameter (NCP) = 0.0
90 Percent Confidence Interval for NCP = (0.0 ; 9.21)
Minimum Fit Function Value = 0.29
Population Discrepancy Function Value (F0) = 0.0
90 Percent Confidence Interval for F0 = (0.0 ; 0.093)
Root Mean Square Error of Approximation (RMSEA) = 0.0
90 Percent Confidence Interval for RMSEA = (0.0 ; 0.053)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.94
Expected Cross-Validation Index (ECVI) = 1.00
90 Percent Confidence Interval for ECVI = (1.00 ; 1.09)
ECVI for Saturated Model = 1.33
ECVI for Independence Model = 14.16
Chi-Square for Independence Model with 55 Degrees of Freedom = 1380.26
Independence AIC = 1402.26
Model AIC = 92.97
Saturated AIC = 132.00
Independence CAIC = 1441.91
Model CAIC = 211.95
Saturated CAIC = 369.94
Normed Fit Index (NFI) = 0.98
Non-Normed Fit Index (NNFI) = 1.00
Parsimony Normed Fit Index (PNFI) = 0.59
Comparative Fit Index (CFI) = 1.00
Incremental Fit Index (IFI) = 1.00
Relative Fit Index (RFI) = 0.96
Critical N (CN) = 187.35
Root Mean Square Residual (RMR) = 0.065
Standardized RMR = 0.027
Goodness of Fit Index (GFI) = 0.95
Adjusted Goodness of Fit Index (AGFI) = 0.91
Parsimony Goodness of Fit Index (PGFI) = 0.48
Fitted Covariance Matrix
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 1
-------3.20
2.72
3.12
3.55
0.48
0.62
1.05
0.55
0.60
0.93
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
2.63
2.87
3.27
0.44
0.57
0.96
0.51
0.55
0.86
4.85
5.37
-0.22
-0.28
-0.54
-0.31
-0.34
1.40
6.31
-0.25
-0.32
-0.61
-0.35
-0.38
1.60
1.36
1.26
1.76
0.79
0.85
0.52
1.96
2.27
1.02
1.10
0.68
VAR 11
1.34
1.23
2.01
2.29
0.75
0.97
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
1.38
1.21
0.13
0.19
1.74
0.14
0.21
1.42
1.69
2.68
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
0.00
0.01
-0.06
-0.07
0.02
0.05
-0.05
-0.01
0.10
-0.08
0.00
0.00
-0.14
-0.04
0.05
-0.13
-0.03
0.01
-0.09
0.00
-0.22
-0.02
0.02
-0.18
-0.04
0.12
0.02
0.00
0.01
-0.01
0.00
-0.01
-0.05
-0.07
0.00
0.01
0.03
-0.03
0.02
-0.07
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
0.00
-0.02
-0.06
-0.06
0.00
-0.04
-0.04
0.00
0.00
0.00
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------3.80
1.95
2.10
0.63
0.90
Fitted Residuals
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------0.00
0.00
0.08
0.00
-0.15
-0.06
-0.04
-0.09
-0.10
0.12
-0.08
Fitted Residuals
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------0.00
0.01
-0.01
0.03
0.01
Summary Statistics for Fitted Residuals

Smallest Fitted Residual =
Median Fitted Residual =
Largest Fitted Residual =
-0.22
0.00
0.12
Stemleaf Plot
-
2|2
1|85
1|430
0|9988777666655
0|44444332211110000000000000000
0|111111222233
0|558
1|022
Standardized Residuals
VAR
VAR
VAR
VAR
VAR
VAR
VAR
VAR
VAR
1
2
3
4
5
6
7
8
9
VAR 1
-------- - 1.66
-0.04
-1.50
-0.71
-0.56
-1.02
-0.86
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
- 0.21
-1.67
-0.83
0.27
1.27
-0.77
-0.12
- - -1.14
-0.36
0.93
-1.29
-0.20
- -1.59
-0.14
0.35
-1.63
-0.27
- 0.58
-0.45
0.00
-0.20
- 0.35
0.60
-0.48
10
VAR 10
VAR 11
1.64
-1.11
1.74
-1.58
0.20
-1.55
1.45
0.23
-0.76
-0.84
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
- -1.08
-0.98
-0.79
- -0.49
-0.46
- - -
- -
0.26
-1.01
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------- 0.53
-0.37
0.35
0.25
Summary Statistics for Standardized Residuals

Smallest Standardized Residual =
Median Standardized Residual =
Largest Standardized Residual =
-1.67
-0.02
1.74
Stemleaf Plot
-
1|766655
1|3111000
0|988888765555
0|44322110000000000000000
0|222233334
0|5669
1|34
1|677
Time used:
0.047 Seconds
T-Values
Nilai-nilai t dapat disajikan dalam diagram jalur. Nilai t berwarna merah berarti bahwa
hubungan itu adalah tidak signifikan. Diagram jalur berdasar atas nilai t adalah sebagai
berikut :
11
Perbaikan dapat dilakukan dengan cara mencipta ulang diagram jalur tanpa hubungan yang
mencerminkan nilai merah. Hal ini akan menghasilkan sintaksis Simplis sebagai berikut :
TI EX1.SPJ
Sample Size = 100
Relationships
'VAR 1' = 1.00*'ETA 1'
'VAR 2' = 'ETA 1'
'VAR 3' = 1.00*'ETA 2'
'VAR 4' = 'ETA 2'
'VAR 5' = 1.00*'KSI 1'
'VAR 6' = 'KSI 1'
'VAR 7' = 'KSI 1' 'KSI 2'
'VAR 8' = 1.00*'KSI 2'
'VAR 9' = 'KSI 2'
'VAR 10' = 1.00*'KSI 3'
'VAR 11' = 'KSI 3'
'ETA 1' = 'ETA 2'
'ETA 2' = 'ETA 1'
'ETA 1' = 'KSI 2'
'ETA 2' = 'KSI 1' 'KSI 3'
Path Diagram
Print Residuals
End of Problem
Sintaksis Simplis di atas perlu dijelaskan. Perintah TI EX1.SPJ merupakan judul yang
mengandung penjelasan bahwa sintaksis ini dinamakan EX1.SPJ dalam pengertian sintaksis
Simplis. Perintah
mencerminkan model hipotesis
diestimasi menurut Maximum Likelihood.

Perintah SYSTEM FILE from file 'C:\Program Files\Lisrel 8.7\LS8EX\EX1.DSF'
mencerminkan lokasi penyimpanan arsip data bernama EX1.DSF yaitu arsip data yang
dicipta melalui Prelis. Perintah Sample Size = 100 mencerminkan bahwa ukuran sampel
adalah 100 kasus. Perintah Latent Variables
'ETA 1' 'ETA 2' 'KSI 1' 'KSI 2' 'KSI 3'
mencerminkan bahwa variabel-variabel laten endogen yang dipakai dinamakan ETA 1 dan
ETA 2 dan variabel-variabel laten eksogen dinamakan KSI 1, KSI 2, dan KSI 3. Perintah
Relationships mencerminkan hubungan-hubungan antara variabel-variabel indikator endogen
dan variabel-variabel laten endogen dan hubngan-hubungan antara variabel-variabel indikator
eksogen dan variabel-variabel laten eksogen.
Hubungan-hubungan ini mencakup juga
hubungan antara variabel laten endogen dan variabel laten endogen, variabel laten endogen
dan variabel laten eksogen, dan variabel laten endogen dan variabel-variabel laten eksogen.
Hubungan-hubungan ini adalah sebagai berikut:
Relationships
'VAR 1' = 1.00*'ETA 1'
12
'VAR 2' = 'ETA 1'

'VAR 3' = 1.00*'ETA 2'
'VAR 4' = 'ETA 2'
'VAR 5' = 1.00*'KSI 1'
'VAR 6' = 'KSI 1'
'VAR 7' = 'KSI 1' 'KSI 2'
'VAR 8' = 1.00*'KSI 2'
'VAR 9' = 'KSI 2'
'VAR 10' = 1.00*'KSI 3'
'VAR 11' = 'KSI 3'
'ETA 1' = 'ETA 2'
'ETA 2' = 'ETA 1'
'ETA 1' = 'KSI 2'
'ETA 2' = 'KSI 1' 'KSI 3'
Perintah Set the Error Covariance of 'ETA 2' and 'ETA 1' Free
mencerminkan bahwa
kesalahan kovarian dari variabel ETA2 dan variabel ETA 1 ditetapkan bebas. Perintah Path
Diagram dipakai untuk mencipta diagram jalus menurut estimasi. Perintah Print Residuals
dipakai untuk menyajikan dan mencetak residu-residu. Perintah End of Problem dipakai
untuk mengakhiri pelaksanaan program.
Pelaksanaan sintaksis Simplis ini akan menghasilkan diagram jalur menurut estimasi adalah
sebagai berikut :
Penjelasan atas nilai-nilai dalam diagram jalur menurut estimasi di atas akan dilakukan
kemudian. Diagram jalur menurut T-Values adalah sebagai berikut :
13
Nilai-nilai dalam ke dua diagram jalur berbeda. Diagram jalur menurut T-Values
mencerminkan bahwa semua hubungan memenuhi persyaratan pengujian t sehingga semua
hubungan itu adalah signifikan.
Informasi lain yang dihasilkan dapat dikelompokkan ke dalam beberapa kelompok.
Kelompok ke satu adalah sebagai berikut :
DATE: 11/ 2/2014

TIME: 16:03
L I S R E L
8.72
BY
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
The following lines were read from file C:\Program Files\Lisrel 8.7\LS8EX\AAA.LS8:
Bagian pertama di atas mencerminkan bahwa pelaksanaan sintaksis Simplis ini dilakukan
pada tanggal 2 November 2014 jam 16 : 03. Lisrel 8.72 dipakai dan dicipta oleh Karl G.
14
Jreskog dan Dag Srbom. Program ini diterbitkan oleh Scientific Software International,
Inc. Alamat, nomor telepon, dan Website disajikan pula. Lokasi penyimpanan arsip sintaksis
Simplis ini adalah C:\Program
Files\Lisrel 8.7\LS8EX\AAA.LS8.
TI EX1.SPJ
Sample Size = 100
Relationships
'VAR 1' = 1.00*'ETA 1'
'VAR 2' = 'ETA 1'
'VAR 3' = 1.00*'ETA 2'
'VAR 4' = 'ETA 2'
'VAR 5' = 1.00*'KSI 1'
'VAR 6' = 'KSI 1'
'VAR 7' = 'KSI 1' 'KSI 2'
'VAR 8' = 1.00*'KSI 2'
'VAR 9' = 'KSI 2'
'VAR 10' = 1.00*'KSI 3'
'VAR 11' = 'KSI 3'
'ETA 1' = 'ETA 2'
'ETA 2' = 'ETA 1'
'ETA 1' = 'KSI 2'
'ETA 2' = 'KSI 1' 'KSI 3'
Path Diagram
Print Residuals
End of Problem
Sample Size =
100
Perintah-perintah sintaksis di atas merupakan bagian kedua. Perintah-perintah ini

mencerminkan rekaman sintaksis Simplis sesuai dengan sintaksis Simplis yang dilaksanakan.
Bagian ini dapat dianggap sebagai begian cadangan dari arsip sintaksis Simplis. Bagian
kedua ini dapat dimanfaatkan sebagai program jika sintaksis Simplis yang dipakai di atas
mengalami kerusakan.
TI EX1.SPJ
Covariance Matrix
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------3.20
2.72
3.20
3.54
0.33
0.56
1.01
0.47
0.50
1.05
1.26
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
2.63
2.88
3.20
0.37
0.59
1.02
0.46
0.54
0.96
1.15
4.86
5.37
-0.36
-0.32
-0.49
-0.44
-0.36
1.42
1.92
6.32
-0.47
-0.34
-0.59
-0.54
-0.42
1.71
2.31
1.36
1.27
1.74
0.79
0.84
0.47
0.69
1.96
2.28
1.04
1.07
0.69
0.91
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
Covariance Matrix
VAR 7
--------
15
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
3.80
1.95
2.09
0.66
0.92
1.38
1.19
0.07
0.14
1.74
0.10
0.16
1.42
1.69
2.68
Bagian ketiga merupakan bagian dari matriks kovarians. Matriks ini dicipta dari data yang
tersedia. Data yang tersedia mungkin diimpor dari arsip data SPSS atau arsip data lain.
TI EX1.SPJ


(0.053)
4.62
(0.035)
(0.038)
25.98
3.28
(0.041)
3.34
(0.029)
(0.055)
38.73
3.58

(0.064)
6.09
(0.10)
(0.068)
12.31
5.00
(0.12)
(0.12)
(0.051)
7.21
9.52
1.12
(0.050)
5.35
(0.085)
(0.075)
12.66
6.01
(0.054)
4.61
VAR 11 = 1.44*KSI 3, Errorvar.= 0.26
, R = 0.90
16
(0.093)
15.47
(0.092)
2.80
ETA 1 = 0.55*ETA 2 + 0.67*KSI 2, Errorvar.= 0.46 , R = 0.84

(0.055)
(0.085)
(0.12)
10.00
7.80
3.80
(0.14)
(0.12)
(0.13)
(0.085)
6.29
-10.28
8.21
1.69

(0.14)
-0.42
ETA 1 =

(0.36)
(0.29)
(0.23)
-3.70
4.48
4.81
ETA 2 =

(0.52)
(0.41)
(0.28)
-4.62
2.92
7.29

KSI 1
-------0.97
(0.19)
5.17
KSI 2
--------
KSI 2
0.80
(0.15)
5.27
1.11
(0.19)
5.71
KSI 3
0.52
(0.13)
3.92
0.15
(0.13)
1.18
KSI 1
KSI 3
--------
1.17
(0.20)
5.78
ETA
ETA
KSI
KSI
KSI
1
2
1
2
3
ETA 1
-------2.96
3.12
0.37
0.58
0.83
ETA 2
--------
KSI 1
--------
KSI 2
--------
KSI 3
--------
4.72
-0.30
-0.29
1.33
0.97
0.80
0.52
1.11
0.15
1.17

17

Model AIC = 93.22
Model CAIC = 208.58
Bagian keempat sebagaimana disajikan di atas merupakan bagian utama karena bagian ini
merupakan bagian yang membutuhkan analisis dan interpretasi. Bagian ini terdiri dari dua
sub-bagian yaitu sub-bagian kesatu mencerminkan estimasi menurut Maximum Likelihood
yang terdiri dari persamaan-persamaan pengukuran (measurement equations) dan persamaanpersamaan struktural (structural equations). Sub-bagian kedua mencerminkan Goodness of
Fit Statistics dan mencakup berbagai ukuran untuk menentukan apakah model sesuai atau
cocok dengan data atau tidak.
TI EX1.SPJ
VAR
VAR
VAR
VAR
VAR
VAR
VAR
VAR
1
2
3
4
5
6
7
8
VAR 1
-------3.20
2.72
3.12
3.55
0.37
0.48
0.98
0.58
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
2.63
2.87
3.27
0.34
0.44
0.90
0.53
4.86
5.37
-0.30
-0.38
-0.59
-0.29
6.32
-0.34
-0.44
-0.67
-0.33
1.36
1.26
1.76
0.80
1.96
2.27
1.03
18
VAR 9
VAR 10
VAR 11
0.62
0.83
1.20
0.57
0.77
1.10
-0.31
1.33
1.91
-0.36
1.52
2.18
0.86
0.52
0.75
1.11
0.68
0.97
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
1.38
1.20
0.15
0.21
1.74
0.16
0.23
1.42
1.69
2.68
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
0.00
0.01
-0.06
0.03
0.15
0.12
-0.08
-0.04
0.19
0.05
0.00
0.00
-0.06
0.07
0.10
-0.15
-0.05
0.09
0.01
0.00
-0.13
0.10
0.08
-0.21
-0.07
0.20
0.13
0.00
0.01
-0.02
-0.01
-0.03
-0.05
-0.07
0.00
0.01
0.01
-0.04
0.02
-0.07
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
0.00
-0.01
-0.08
-0.08
0.00
-0.06
-0.07
0.00
0.00
0.00
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------3.80
1.95
2.11
0.63
0.90
Fitted Residuals
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------0.00
0.00
0.08
-0.01
-0.04
0.08
0.03
-0.11
-0.12
0.22
0.06
Fitted Residuals
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------0.00
0.00
-0.02
0.03
0.01

-0.21
0.00
0.22
Stemleaf Plot
-
2|1
1|5
1|321
0|888777766655
0|444322111000000000000000
0|1111112333
0|5678889
1|0023
1|59
2|02
VAR
VAR
VAR
VAR
VAR
1
2
3
4
5
VAR 1
-------- - 1.64
-0.09
-0.30
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
- 0.25
-1.64
0.27
- - -0.44
- -0.86
- -
VAR 6
--------
19
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
0.60
0.33
-1.29
-1.08
2.11
0.50
1.28
1.88
-1.06
-0.36
2.17
0.50
0.55
1.53
-1.46
-0.36
0.96
0.10
0.72
1.01
-1.79
-0.44
1.94
1.19
0.67
-0.49
-0.26
-0.41
-0.76
-0.85
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
- -0.42
-1.19
-1.07
- -0.67
-0.68
- - -
- -
- 0.38
0.23
-0.73
0.27
-1.01
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------- -0.06
-0.70
0.35
0.23

-1.79
0.00
2.17
Stemleaf Plot
-
1|865
1|321110
0|99877775
0|444444331100000000000000
0|122233334
0|556677
1|0023
1|5699
2|12
Time used:
0.063 Seconds
Bagian kelima merupakan bagian yang mengandung informasi mengenai Fitted Covariance
Matrix, fitted residuals, Summary Statistics for Fitted Residuals, Stemleaf Plot, Standardized
Residuals, Summary Statistics for Standardized Residuals, Stem Plot, dan waktu pelaksanaan.
DATE: 11/ 2/2014
TIME: 16:03
L I S R E L
8.72
BY
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
The following lines were read from file C:\Program Files\Lisrel 8.7\LS8EX\AAA.LS8:
TI EX1.SPJ
20

Sample Size = 100
Relationships
'VAR 1' = 1.00*'ETA 1'
'VAR 2' = 'ETA 1'
'VAR 3' = 1.00*'ETA 2'
'VAR 4' = 'ETA 2'
'VAR 5' = 1.00*'KSI 1'
'VAR 6' = 'KSI 1'
'VAR 7' = 'KSI 1' 'KSI 2'
'VAR 8' = 1.00*'KSI 2'
'VAR 9' = 'KSI 2'
'VAR 10' = 1.00*'KSI 3'
'VAR 11' = 'KSI 3'
'ETA 1' = 'ETA 2'
'ETA 2' = 'ETA 1'
'ETA 1' = 'KSI 2'
'ETA 2' = 'KSI 1' 'KSI 3'
Path Diagram
Print Residuals
End of Problem
Sample Size =
100
TI EX1.SPJ
Covariance Matrix
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------3.20
2.72
3.20
3.54
0.33
0.56
1.01
0.47
0.50
1.05
1.26
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
2.63
2.88
3.20
0.37
0.59
1.02
0.46
0.54
0.96
1.15
4.86
5.37
-0.36
-0.32
-0.49
-0.44
-0.36
1.42
1.92
6.32
-0.47
-0.34
-0.59
-0.54
-0.42
1.71
2.31
1.36
1.27
1.74
0.79
0.84
0.47
0.69
1.96
2.28
1.04
1.07
0.69
0.91
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
1.38
1.19
0.07
0.14
1.74
0.10
0.16
1.42
1.69
2.68
Covariance Matrix
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------3.80
1.95
2.09
0.66
0.92
TI EX1.SPJ

(0.053)
4.62
VAR 2 = 0.92*ETA 1, Errorvar.= 0.13
, R = 0.95
21
(0.035)
25.98
(0.038)
3.28

(0.041)
3.34
(0.029)
(0.055)
38.73
3.58

(0.064)
6.09
(0.10)
(0.068)
12.31
5.00
(0.12)
(0.12)
(0.051)
7.21
9.52
1.12
(0.050)
5.35
(0.085)
(0.075)
12.66
6.01
(0.054)
4.61
(0.093)
(0.092)
15.47
2.80

(0.055)
(0.085)
(0.12)
10.00
7.80
3.80
(0.14)
(0.12)
(0.13)
(0.085)
6.29
-10.28
8.21
1.69

(0.14)
-0.42
ETA 1 =

(0.36)
(0.29)
(0.23)
-3.70
4.48
4.81
22
ETA 2 =

(0.52)
(0.41)
(0.28)
-4.62
2.92
7.29

KSI 1
-------0.97
(0.19)
5.17
KSI 2
--------
KSI 2
0.80
(0.15)
5.27
1.11
(0.19)
5.71
KSI 3
0.52
(0.13)
3.92
0.15
(0.13)
1.18
KSI 1
KSI 3
--------
1.17
(0.20)
5.78
ETA
ETA
KSI
KSI
KSI
1
2
1
2
3
ETA 1
-------2.96
3.12
0.37
0.58
0.83
ETA 2
--------
KSI 1
--------
KSI 2
--------
KSI 3
--------
4.72
-0.30
-0.29
1.33
0.97
0.80
0.52
1.11
0.15
1.17

Model AIC = 93.22
Model CAIC = 208.58
23


TI EX1.SPJ
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------3.20
2.72
3.12
3.55
0.37
0.48
0.98
0.58
0.62
0.83
1.20
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
2.63
2.87
3.27
0.34
0.44
0.90
0.53
0.57
0.77
1.10
4.86
5.37
-0.30
-0.38
-0.59
-0.29
-0.31
1.33
1.91
6.32
-0.34
-0.44
-0.67
-0.33
-0.36
1.52
2.18
1.36
1.26
1.76
0.80
0.86
0.52
0.75
1.96
2.27
1.03
1.11
0.68
0.97
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
1.38
1.20
0.15
0.21
1.74
0.16
0.23
1.42
1.69
2.68
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
0.00
0.01
-0.06
0.03
0.15
0.12
-0.08
-0.04
0.19
0.05
0.00
0.00
-0.06
0.07
0.10
-0.15
-0.05
0.09
0.01
0.00
-0.13
0.10
0.08
-0.21
-0.07
0.20
0.13
0.00
0.01
-0.02
-0.01
-0.03
-0.05
-0.07
0.00
0.01
0.01
-0.04
0.02
-0.07
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
0.00
-0.01
-0.08
-0.08
0.00
-0.06
-0.07
0.00
0.00
0.00
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------3.80
1.95
2.11
0.63
0.90
Fitted Residuals
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------0.00
0.00
0.08
-0.01
-0.04
0.08
0.03
-0.11
-0.12
0.22
0.06
Fitted Residuals
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------0.00
0.00
-0.02
0.03
0.01
24

-0.21
0.00
0.22
Stemleaf Plot
-
2|1
1|5
1|321
0|888777766655
0|444322111000000000000000
0|1111112333
0|5678889
1|0023
1|59
2|02
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------- - 1.64
-0.09
-0.30
0.60
0.33
-1.29
-1.08
2.11
0.50
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
- 0.25
-1.64
0.27
1.28
1.88
-1.06
-0.36
2.17
0.50
- - -0.44
0.55
1.53
-1.46
-0.36
0.96
0.10
- -0.86
0.72
1.01
-1.79
-0.44
1.94
1.19
- 0.67
-0.49
-0.26
-0.41
-0.76
-0.85
- 0.38
0.23
-0.73
0.27
-1.01
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
- -0.42
-1.19
-1.07
- -0.67
-0.68
- - -
- -
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------- -0.06
-0.70
0.35
0.23

-1.79
0.00
2.17
Stemleaf Plot
-
1|865
1|321110
0|99877775
0|444444331100000000000000
0|122233334
0|556677
1|0023
1|5699
2|12
Time used:
0.063 Seconds
25
Pembahasan selanjutnya terarah pada Lisrel Estimates (Maximum Likelihood) yang terdiri
dari Measuremen equation dan structural equation dan Goodness of Fit Statistics.
Pembahasan dilakukan sebagai berikut :

(0.053)
4.62
Persamaan pengukuran di atas mencerminkan bahwa VAR 1 sebagai variabel indikator

endogen merupakan fungsi dari variabel laten endogen ETA 1. Koefisien regresi dari
persamaan pengukuran ini adalah 1 dengan kesalahan varians adalah 0.24. Kesalahan varians
ini mempunyai kesalahan standar sebesar 0.053 dan nilai t adalah 4.62. Nilai t hitung adalah
lebih besar daripada nilai t standar yaitu 1.96. Hal ini berarti bahwa persamaan pengukuran
ini adalah signifikan. Koefisien determinasi adalah 0.92. Koefisien determinasi ini adalah
lebih besar daripada 0.36 sehingga persamaan pengukuran ini memenuhi persyaratan
reliabilitas. Beberapa penulis menentukan reliabilitas tercapai jika koefisien determinasi
adalah 0.5. Penulis menentukan nilai koefisien determinasi adalah 0.36 karena nilai ini
mencerminkan koefisien korelasi sebesar 0.6 yang mewakili hubungan antara variabelvariabel itu adalah kuat. Pemakaian nilai standar dari koefisien determinasi 0.5
mencerminkan koefisien korelasi sebesar 0.707107. Koefisien korelasi ini juga mewakili
hubungan adalah kuat. Koefisien regresi sebesar 1 berarti bahwa perubahan satu skor pada
variabel laten endogen ETA 1 akan mengakibatkan perubahan sebesar satu skor pada vairabel VAR 1.
(0.035)
(0.038)
25.98
3.28

persamaan pengukuran ini adalah 0.92 dengan kesalahan standar adalah 0.035 dan nilai t
adalah 25.98, dan
kesalahan varians adalah 0.13. Kesalahan varians ini mempunyai
kesalahan standar sebesar 0.038 dan nilai t adalah 3.28. Nilai t hitung adalah lebih besar
daripada nilai t standar yaitu 1.96. Hal ini berarti bahwa persamaan pengukuran ini adalah
26
signifikan. Koefisien determinasi adalah 0.95. Koefisien determinasi ini adalah lebih besar
daripada 0.36 sehingga persamaan pengukuran ini memenuhi persyaratan reliabilitas.
(0.041)
3.34

reliabilitas.

(0.029)
(0.055)
38.73
3.58

persamaan pengukuran ini adalah 1.14 dengan kesalahan standar adalah 0.029 dan nilai t
hitung adalah38.73. Kesalahan varians adalah 0.14. Kesalahan varians ini mempunyai
kesalahan standar sebesar 0.055 dan nilai t adalah 3.58. Nilai t hitung adalah lebih besar
daripada nilai t standar yaitu 1.96. Hal ini berarti bahwa persamaan pengukuran ini adalah
signifikan. Koefisien determinasi adalah 0.97. Koefisien determinasi ini adalah lebih besar
daripada 0.36 sehingga persamaan pengukuran ini memenuhi persyaratan reliabilitas.

(0.064)
6.09

eksogen merupakan fungsi dari variabel laten eksogen KSI 1. Koefisien regresi dari
27
reliabilitas.

(0.10)
(0.068)
12.31
5.00

persamaan pengukuran ini adalah 1,29 dengan kesalahan standar adalah 0.10 dan nilai t
adalah 12.31 Kesalahan varians adalah 0.39. Kesalahan varians ini mempunyai kesalahan
standar sebesar 0.068 dan nilai t adalah 5.00. Nilai t hitung adalah lebih besar daripada nilai t
standar yaitu 1.96. Hal ini berarti bahwa persamaan pengukuran ini adalah signifikan.
Koefisien determinasi adalah 0.83. Koefisien determinasi ini adalah lebih besar daripada 0.36
sehingga persamaan pengukuran ini memenuhi persyaratan reliabilitas.

(0.12)
(0.12)
(0.051)
7.21
9.52
1.12

eksogen merupakan fungsi dari variabel laten eksogen KSI 1 dan KSI 2. Koefisien regresi
dari persamaan pengukuran ini adalah 1,29 dari KSI 1 dan 1.12 dari KSI 2 dengan kesalahan
standar adalah 0.12 dan nilai t adalah 7.21 dari variabel KSI 1 dan kesalahan standar adalah
0.12 dan nilai t adalah 9.52 dari variabel KSI 2. Kesalahan varians adalah 0.058. Kesalahan
varians ini mempunyai kesalahan standar sebesar 0.051 dan nilai t adalah 1.12. Nilai t hitung
adalah lebih besar daripada nilai t standar yaitu 1.96, kecuali untuk kesalahan varians adalah
lebih kecil daripada 1,96. Hal ini berarti bahwa persamaan pengukuran ini adalah signifikan.
Koefisien determinasi adalah 0.98. Koefisien determinasi ini adalah lebih besar daripada 0.36
(0.050)
5.35

28
reliabilitas.

(0.085)
(0.075)
12.66
6.01

adalah 12.66. Kesalahan varians adalah 0.45. Kesalahan varians ini mempunyai kesalahan
Koefisien determinasi adalah 0.74 Koefisien determinasi ini adalah lebih besar daripada 0.36
(0.054)
4.61

reliabilitas.

(0.093)
(0.092)
15.47
2.80

29
adalah 15.47. Kesalahan varians adalah 0.26. Kesalahan varians ini mempunyai kesalahan
(0.055)
(0.085)
(0.12)
10.00
7.80
3.80
Persamaan struktural di atas mencerminkan bahwa ETA 1 sebagai variabel laten endogen
merupakan fungsi dari variabel laten endogen ETA 2. Koefisien regresi dari persamaan
struktural ini adalah 0.55 dengan kesalahan standar adalah 0.055 dan nilai t adalah 10.00.
Kesalahan varians adalah 0.46. Kesalahan varians ini mempunyai kesalahan standar sebesar
0.12 dan nilai t adalah 3.80. Nilai t hitung adalah lebih besar daripada nilai t standar yaitu
1.96. Hal ini berarti bahwa persamaan struktural ini adalah signifikan. Koefisien determinasi
adalah 0.84 Koefisien determinasi ini adalah lebih besar daripada 0.36 sehingga persamaan
struktural ini memenuhi persyaratan reliabilitas.
(0.14)
(0.12)
(0.13)
(0.085)
6.29
-10.28
8.21
1.69
Persamaan struktural di atas mencerminkan bahwa ETA 2 sebagai variabel laten endogen
merupakan fungsi dari variabel laten endogen ETA 1, variabel laten eksogen KSI 1, dan
variabel laten eksogen KSI 3. Koefisien regresi dari persamaan struktural ini adalah 0.90 dari
variabel ETA 1, -1.20 dari variabel KSI 1 dan 1.04 dari variabel KSI 3. Variabel ETA 1
dengan kesalahan standar adalah 0.14 dan nilai t adalah 6.29. Variabel KSI 1 dengan
kesalahan standar adalah 0.12 dan nilai t adalah -10.28. Variabel KSI 3 dengan kesalahan
standar 0.13 dan nilai t adalah 8.21. Kesalahan varians adalah 0.14. Kesalahan varians ini
mempunyai kesalahan standar sebesar 0.085 dan nilai t adalah 1.69. Nilai t hitung adalah
lebih besar daripada nilai t standar yaitu 1.96, kecuali untuk kesalahan varians adalah lebih
kecil daripada nilai standar. Hal ini berarti bahwa persamaan struktural ini adalah signifikan.
sehingga persamaan struktural ini memenuhi persyaratan reliabilitas.
(0.14)
-0.42
30
Kesalahan kovarian untuk variabel ETA 2 dan ETA 1 disajikan pula termasuk kesalahan
standar dan nilai t.
ETA 1 =

(0.36)
(0.29)
(0.23)
-3.70
4.48
4.81
ETA 2 =

(0.52)
(0.41)
(0.28)
-4.62
2.92
7.29
Bentuk persamaan-persamaan struktural yang direduksi disajikan pula di atas.

KSI 1
-------0.97
(0.19)
5.17
KSI 2
--------
KSI 2
0.80
(0.15)
5.27
1.11
(0.19)
5.71
KSI 3
0.52
(0.13)
3.92
0.15
(0.13)
1.18
KSI 1
KSI 3
--------
1.17
(0.20)
5.78
ETA
ETA
KSI
KSI
KSI
1
2
1
2
3
ETA 1
-------2.96
3.12
0.37
0.58
0.83
ETA 2
--------
KSI 1
--------
KSI 2
--------
KSI 3
--------
4.72
-0.30
-0.29
1.33
0.97
0.80
0.52
1.11
0.15
1.17
Matriks kovarian dari variabel independen dan kovarians matrik dari variabel-variabel laten
disajikan pula.
31

Model AIC = 93.22
Model CAIC = 208.58

Ukuran Goodness of Fit Statistics
Pengujian kecocokan keseluruhan model dapat dilakukan secara singkat. Pengujian ini adalah
sebagai berikut :
Uraian
Hasil Pengujian Kecocokan Keseluruhan Model

Standar
Realisasi
Incremental Fit Index (IFI)

Relative Fit Index (RFI)
Critical N (CN)
Standardized RMR
Goodness of Fit Index (GFI)
Adjusted Goodness of Fit Index
IFI>=0.90
RFI>=0.90
CN>=200
RMR<0.05
GFI>=0.90
AGFI>=0.90
1.00
0.96
179.93
0.079
0.95
0.90
Evaluasi
Sangat Cocok
Sangat Cocok
Kurang Cocok
Kurang Cocok
Sangat Cocok
Cocok
Model, secara keseluruhan, adalah cocok dengan data.

Model di atas dipakai untuk mengolah data yang berasal dari data SPSS. Arsip data ini
dinamakan ABD.sav. Langkah penciptaan sintaksis Simplis secara rinci tidak dijelaskan di
sini. Hasil penciptaan sintaksis adalah sebagai berikut :
TI Abdullah M. Jaubah
SYSTEM FILE from file 'C:\Program Files\Lisrel 8.7\LS8EX\ABD.DSF'
Sample Size = 562
Latent Variables ETA1 ETA2 KSI1 KSI3 KSI2
32
Relationships
'VAR 1' = 1.63*ETA1
'VAR 2' = ETA1
'VAR 3' = 2.11*ETA2
'VAR 4' = ETA2
'VAR 5' = KSI1
'VAR 6' = KSI1
'VAR 7' = KSI1 KSI2
'VAR 8' = KSI2
'VAR 9' = KSI2
'VAR 10' = KSI3
'VAR 11' = KSI3
ETA1 = ETA2
ETA2 = ETA1
ETA1 = KSI1 KSI2
ETA2 = KSI1 KSI3
Set the Variance of KSI1 to 1.00
Path Diagram
End of Problem
Pelaksanaan sintaksis ini akan menghasilkan diagram jalur menurut Estimation adalah
sebagai berikut :
Informasi lain yang dicipta adalah sebagai berikut :

DATE: 11/ 2/2014
TIME: 23:16
L I S R E L
8.72
BY
33

Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
The following lines were read from file C:\Program Files\Lisrel 8.7\LS8EX\ABD.SPJ:
SYSTEM FILE from file 'C:\Program Files\Lisrel 8.7\LS8EX\ABD.DSF'
Sample Size = 562
Latent Variables ETA1 ETA2 KSI1 KSI3 KSI2
Relationships
'VAR 1' = 1.63*ETA1
'VAR 2' = ETA1
'VAR 3' = 2.11*ETA2
'VAR 4' = ETA2
'VAR 5' = KSI1
'VAR 6' = KSI1
'VAR 7' = KSI1 KSI2
'VAR 8' = KSI2
'VAR 9' = KSI2
'VAR 10' = KSI3
'VAR 11' = KSI3
ETA1 = ETA2
ETA2 = ETA1
ETA1 = KSI1 KSI2
ETA2 = KSI1 KSI3
Path Diagram
End of Problem
Sample Size =
562
Covariance Matrix
VAR 1
VAR 2
VAR 3
VAR 4
VAR 5
VAR 6
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 1
-------3.20
2.72
3.20
3.54
0.33
0.56
1.01
0.47
0.50
1.05
1.26
VAR 2
--------
VAR 3
--------
VAR 4
--------
VAR 5
--------
VAR 6
--------
2.63
2.88
3.20
0.37
0.59
1.02
0.46
0.54
0.96
1.15
4.86
5.37
-0.36
-0.32
-0.49
-0.44
-0.36
1.42
1.92
6.32
-0.47
-0.34
-0.59
-0.54
-0.42
1.71
2.31
1.36
1.27
1.74
0.79
0.84
0.47
0.69
1.96
2.28
1.04
1.07
0.69
0.91
VAR 8
--------
VAR 9
--------
VAR 10
--------
VAR 11
--------
1.38
1.19
0.07
0.14
1.74
0.10
0.16
1.42
1.69
2.68
Covariance Matrix
VAR 7
VAR 8
VAR 9
VAR 10
VAR 11
VAR 7
-------3.80
1.95
2.09
0.66
0.92
34
Number of Iterations = 10
VAR 1 = 1.63*ETA1, Errorvar.= 0.25 , R = 0.92
(0.022)
11.14
(0.024)
(0.016)
61.78
7.84
(0.017)
7.92
(0.026)
(0.023)
92.09
8.66
VAR 5 = 0.99*KSI1, Errorvar.= 0.39 , R = 0.72
(0.040)
(0.027)
24.69
14.49
(0.046)
(0.027)
27.93
12.09
VAR 7 = 0.90*KSI1 + 1.17*KSI2, Errorvar.= 0.065 , R = 0.98
(0.051)
(0.054)
(0.021)
17.73
21.63
3.04
(0.039)
(0.021)
27.28
12.19
(0.045)
(0.031)
25.50
13.97
(0.039)
(0.023)
27.47
10.98
(0.052)
(0.039)
29.77
6.49
ETA1 = 0.69*ETA2 + 0.13*KSI1 + 0.32*KSI2, Errorvar.= 0.18 , R = 0.84
(0.031)
(0.038)
(0.040)
(0.020)
22.57
3.31
8.11
9.02
ETA2 = 0.67*ETA1 - 0.57*KSI1 + 0.53*KSI3, Errorvar.= 0.034 , R = 0.97
(0.023)
(0.024)
(0.025)
(0.0081)
29.14
-23.89
21.34
4.22
35
ETA1 =
- 0.49*KSI1 + 0.69*KSI3 + 0.61*KSI2, Errorvar.= 0.70, R = 0.37

(0.092)
(0.058)
(0.079)
-5.39
11.98
7.67
ETA2 =
- 0.90*KSI1 + 1.00*KSI3 + 0.41*KSI2, Errorvar.= 0.41, R = 0.61

(0.068)
(0.052)
(0.051)
-13.18
19.24
7.96
Correlation Matrix of Independent Variables

KSI1
-------1.00
KSI3
--------
KSI3
0.49
(0.04)
13.64
1.00
KSI2
0.75
(0.02)
31.28
0.12
(0.05)
2.67
KSI1
KSI2
--------
1.00
ETA1
ETA2
KSI1
KSI3
KSI2
ETA1
-------1.11
0.90
0.30
0.52
0.32
ETA2
--------
KSI1
--------
KSI3
--------
KSI2
--------
1.06
-0.10
0.61
-0.14
1.00
0.49
0.75
1.00
0.12
1.00

Model AIC = 218.26
Model CAIC = 388.87
36

The Modification Indices Suggest to Add the
Path to from
Decrease in Chi-Square
New Estimate
VAR 3
ETA1
11.8
0.14
VAR 4
ETA1
11.8
-0.16
VAR 7
KSI3
19.9
0.16
VAR 8
KSI3
8.3
-0.08
The Modification Indices Suggest to Add an Error Covariance
Between
and
Decrease in Chi-Square
New Estimate
VAR 5
VAR 3
10.9
0.05
VAR 5
VAR 4
24.4
-0.08
VAR 9
VAR 7
12.2
0.11
VAR 10
VAR 3
13.3
-0.05
VAR 11
VAR 2
9.3
-0.05
VAR 11
VAR 6
10.1
-0.07
Time used:
0.063 Seconds
Diagram jalur menurut T-values adalah sebagai berikut :
Semua hubungan adalah signifikan karena diagram jalur di atas tidak menyajikan nilait
dengan warna merah. Lisrel mengandung peluang untuk menyajikan nilai t secara
keseluruhan dengan sangat cepat. Semua koefisien determinasi adalah lebih besar daripada
nilai 0.36 sehingga semua persamaan pengukuran dan persamaan struktural memenuhi
persyaratan reliabilitas. Pemakian perintah TI atau Title diperlukan agar analisis atas hasil
pelaksanaan sintaksis dapat dikelompokkan ke dalam beberapa kelompok secara mudah.
37
Analisis dan interpretasi atas hasil pelaksanaan sintaksis yang dicipta dengan model
sebagaimana terkandung dalam contoh sintaksis Lisrel tidak dilakukan di sini.
Analisis Regresi
Lisrel dapat juga dipakai untuk melakukan analisis regresi atas variabel-variabel yang dapat
diobservasi dan dapat diukur secara langsung seperti variabel GNP, CAPITAL, LABOR, dan
TIME.
Arsip yang dipakai di sini adalah arsip contoh EX41.LS8. Sintaksis proyek Lisrel
adalah sebagai berikut :

TI LISREL EX41.LS8
REGRESSION OF GNP
DA NI=4 NO=0
LA
GNP LABOR CAPITAL TIME
RA FI=EX41.RAW
MO NY=1 NX=3
PD
OU
Pelaksanaan sintaksis proyek Lisrel ini akan menghasilkan diagram jalur dan informasi
sebagai berikut :
Diagram jalur di atas menyajikan nilai-nilai estimasi. Diagram jalur di bawah ini
menyajikan nilai-nilai t.
38
Nilai-nilai t tidak mengandung nilai berwarna merah. Hal ini berarti bahwa semua hubungan
yang terkandung dalam diagram jalur ini adalah signifikan. Informasi yang dihasilkan adalah
sebagai berikut :
DATE: 11/ 3/2014
TIME: 19:53
L I S R E L
8.72
BY
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
The following lines were read from file C:\Lisrel 8.7\LS8EX\EX41.LS8:
REGRESSION OF GNP
DA NI=4 NO=0
LA
GNP LABOR CAPITAL TIME
RA FI=EX41.RAW
MO NY=1 NX=3
PD
39
OU
REGRESSION OF GNP
Number
Number
Number
Number
Number
Number
of
of
of
of
of
of
Input Variables 4
Y - Variables
1
X - Variables
3
ETA - Variables 1
KSI - Variables 3
Observations
23
REGRESSION OF GNP
Covariance Matrix
GNP
-------4256.53
449.02
1535.10
537.48
GNP
LABOR
CAPITAL
TIME
LABOR
--------
CAPITAL
--------
TIME
--------
52.98
139.45
53.29
1114.45
170.02
73.75
LABOR
-------45.57
CAPITAL
-------50.09
TIME
-------13.74
Means
GNP
-------180.43
REGRESSION OF GNP
Parameter Specifications
GAMMA
GNP
LABOR
-------1
CAPITAL
-------2
TIME
-------3
LABOR
-------4
5
7
CAPITAL
--------
TIME
--------
6
8
PHI
LABOR
CAPITAL
TIME
PSI
GNP
-------10
ALPHA
GNP
-------11
REGRESSION OF GNP
40

GAMMA
LABOR
-------3.82
(0.22)
17.71
GNP
CAPITAL
-------0.32
(0.03)
10.55
TIME
-------3.79
(0.19)
20.36
Covariance Matrix of Y and X

GNP
-------4256.53
449.02
1535.10
537.48
GNP
LABOR
CAPITAL
TIME
LABOR
--------
CAPITAL
--------
TIME
--------
52.98
139.45
53.29
1114.45
170.02
73.75
Mean Vector of Eta-Variables

GNP
-------180.43
PHI
LABOR
-------52.98
(17.19)
3.08
CAPITAL
--------
CAPITAL
139.45
(64.27)
2.17
1114.45
(361.57)
3.08
TIME
53.29
(18.84)
2.83
170.02
(76.47)
2.22
LABOR
TIME
--------
73.75
(23.93)
3.08
PSI
GNP
-------12.46
(4.04)
3.08
Squared Multiple Correlations for Structural Equations
GNP
-------1.00
ALPHA
41
GNP
--------61.73
(7.77)
-7.95nal
The Model is Saturated, the Fit is Perfect !
Time used:
0.047 Seconds
Analisis regresi atas hasil dari sintaksis proyek Lisrel agak sulit jika dibanding dengan
analisis regresi atas hasil dari sintaksis Simplis. Penciptaan sintaksis Simplis dapat dilakukan
melalui diagram jalur yang dihasilkan oleh proyek Lisrel. Sintaksis Simplis yang dihasilkan
adalah sebagai berikut :
REGRESSION OF GNP
SYSTEM FILE from file 'C:\Lisrel 8.7\LS8EX\EX41.DSF'
Sample Size = 23
Relationships
GNP = CONST LABOR CAPITAL TIME
LABOR = CONST
CAPITAL = CONST
TIME = CONST
Path Diagram
End of Problem
Hasil sintaksis Simplis adalah sebagai berikut :

DATE: 11/ 3/2014
TIME: 20:07
L I S R E L
8.72
BY
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
The following lines were read from file C:\Lisrel 8.7\LS8EX\EX41.SPJ:
42
REGRESSION OF GNP
SYSTEM FILE from file 'C:\Lisrel 8.7\LS8EX\EX41.DSF'
Sample Size = 23
Relationships
GNP = CONST LABOR CAPITAL TIME
LABOR = CONST
CAPITAL = CONST
TIME = CONST
Path Diagram
End of Problem
Sample Size =
23
REGRESSION OF GNP
Covariance Matrix
GNP
LABOR
CAPITAL
TIME
GNP
-------4256.53
449.02
1535.10
537.48
LABOR
--------
CAPITAL
--------
TIME
--------
52.98
139.45
53.29
1114.45
170.02
73.75
LABOR
-------45.57
CAPITAL
-------50.09
TIME
-------13.74
Means
GNP
-------180.43
REGRESSION OF GNP

GNP =
- 61.73 + 3.82*LABOR + 0.32*CAPITAL + 3.79*TIME, Errorvar.= 12.46, R = 1.00

(7.77) (0.22)
(0.031)
(0.19)
(4.04)
-7.95
17.71
10.55
20.36
3.08

LABOR
-------52.98
(17.19)
3.08
CAPITAL
--------
CAPITAL
139.45
(64.27)
2.17
1114.45
(361.57)
3.08
TIME
53.29
(18.84)
2.83
170.02
(76.47)
2.22
LABOR
TIME
--------
73.75
(23.93)
3.08
43
GNP
LABOR
CAPITAL
TIME
GNP
-------4256.53
449.02
1535.10
537.48
LABOR
--------
CAPITAL
--------
TIME
--------
52.98
139.45
53.29
1114.45
170.02
73.75
Mean Vector of Dependent Variables

GNP
-------180.43
Mean Vector of Independent Variables
LABOR
-------45.57
(1.67)
27.29
CAPITAL
-------50.09
(7.66)
6.54
TIME
-------13.74
(1.97)
6.97

The Model is Saturated, the Fit is Perfect !
Time used:
0.031 Seconds
Persamaan regresi yang dihasilkan adalah sebagai berikut :

GNP =

(7.77) (0.22)
(0.031)
(0.19)
(4.04)
-7.95
17.71
10.55
20.36
3.08
GNP merupakan fungsi dari Labor, Capital, dan Time. Konstanta adalah 61.72 dengan
kesalahan standar adalah 7.77 dan nilai t adalah -7.95. Nilai t adalah lebih besar daripada nilai
-1.96 sehingga konstanta ini adalah signifikan. Koefisien regresi adalah 3.82 dari variabel
Labor dengan kesalahan standar adalah 0.22 dan nilai t adalah 17.71. Nilai ini adalah lebih
besar daripada nilai 1.96 sehingga koefien regresi ini adalah signifikan. Koefisien regresi
adalah 0.32 dari Capital dengan kesalahan standar adalah 0.031 dan nilai t adalah 10.55. Nilai
t adalah lebih besar daripada nilai 1.96 sehingga koefisien regresi ini adalah signifikan.
Koefisien regresi adalah 3.79 dari variabel Time dengan kesalahan standar adalah 0.19 dan
nilai t adalah 20.36. Nilai t ini adalah lebih besar daripada nilai 1.96 sehingga koefisien
regresi ini adalah signifikan. Kesalahan varian adalah 12.46 dengan kesalahan standar adalah
4.04 dan nilai t adalah 3.08. Nilai t ini adalah lebih besar daripada nilai 1.96 sehingga
koefisien regresi dari kesalahan varians adalah signifikan. Persamaan regresi ini secara
44
keseluruhan adalah signifikan. Nilai koefisien determinasi adalah 1. Hal ini berarti bahwa
nilai ini adalah lebih besar daripada nilai 0.36 sehingga persamaan regresi ini adalah sangat
dapat dipercaya.
GNP =

(7.77) (0.22)
(0.031)
(0.19)
(4.04)
-7.95
17.71
10.55
20.36
3.08
Sintaksis proyek Lisrel di atas dapat dikumpulkan untuk menjelaskan persamaan regresi
jamak yang dihasilkan melalui sintaksis Simplis di atas. Unsur-unsur yang terkandung dalam
sintaksis proyek Lisrel adalah sebagai berikut :
ALPHA
GNP
--------61.73
(7.77)
-7.95nal
GAMMA
LABOR
-------3.82
(0.22)
17.71
GNP
CAPITAL
-------0.32
(0.03)
10.55
TIME
-------3.79
(0.19)
20.36
PSI
GNP
-------12.46
(4.04)
3.08
Squared Multiple Correlations for Structural Equations

GNP
-------1.00
Informasi yang diperoleh dari hasil proyek Lisrel adalah terpencar dan perlu dikumpulkan
agar dapat dianalisis. Hal ini adalah lebih sulit daripada hasil yang diperoleh dari sintaksis
Simplis.
Kecocokan antara model dan data tercermin dalam pernyataan bahwa The Model is
Saturated, the Fit is Perfect !
45
Contoh di atas memakai variabel-variabel yang dapat diobservasi dan dapat diukur secara
langsung. Diagram jalur yang disajikan tidak mengandung gambar bulat telur akan tetapi
berbentuk segi empat seperti gambar variabel-variabel indikator. Contoh di atas belum
mempertimbangkan jumlah kasus, pengujian normalitas distribusi data, dan pengujian
homogenitas varians. Jumlah kasus hanya 24 dan jumlah ini belum memenuhi persyaratan
pemakaian statistik parametrik.
Rangkuman
Banyak skripsi, tesis, disertasi, dan penelitian telah memakai variabel-variabel laten eksogen
dan variabel-variabel laten endogen seperti kemampuan kerja, lingkungan kerja, pelatihan,
prestasi kerja, budaya kerja, kualitas pelayanan, kepuasan kerja, kepuasan para pelanggan,
loyalitas, komitmen organisasi, budaya pelayanan publik,
budaya organisasi, gaya
kepemimpinan, komunikasi, partisipasi, kekuasaan, ikatan, kohesi, kedekatan, sentralisasi,

dan sebagainya. Variabel-variabel ini sering dirinci ke dalam dimensi, sub-dimensi, dan
indikator-indikator berdasar atas teori-teori atau hasil-hasil penelitian terdahulu. Indikatorindikator ini merupakan acuan untuk menyusun instrumen penelitian. Hasil penelitian dalam
bentuk data yang terinci menurut responden dan pertanyaan penelitian itu kemudian
ditabulasi. Hasil tabulasi tiap variabel kemudian dijumlahkan. SPSS kemudian dipakai untuk
melakukan analisis atas variabel-variabel indikator yang telah dijumlahkan menjadi nilai dari
variabel laten eksogen dan variabel laten endogen. Kesalahan dialami di sini. Pertama rincian
variabel laten ke dalam variabel-variabel indikator menjadi tidak bermakna setelah
dijumlahkan dan pemakaian teknik analisis mengalami kesalahan. Contoh di atas
mengungkap bahwa analisis dan interpretasi atas variabel-variabel laten eksogen yang dirinci
ke dalam variabel-variabel indikator eksogen dan variabel-variabel laten endogen yang telah
dirinci ke dalam variabel-variabel indikator endogen tidak dilakukan penjumlahan.
Beberapa pengajar menganggap bahwa penelitian minimum harus mencakup dua variabel.
Hal ini dapat dibenarkan jika kedua variabel itu adalah variabel yang dapat diobservasi dan
dapat diukur secara langsung antara lain variabel biaya iklan dan hasil penjualan. Anggapan
ini adalah tidak benar untuk variabel-variabel laten. Satu variabel laten dapat dipakai untuk
melakukan penelitian. Variabel laten ini dirinci ke dalam variabel-variabel indikator berdasar
atas teori-teori tertentu dan hasil-hasil penelitian terdahulu. Analisis dan intrpretasi yang
biasa dipakai untuk satu variabel laten ini dikenal dengan nama Confirmatory Factor
Analysis atau analisis faktor konfirmatori. Hal ini berarti bahwa jika satu variabel laten tidak
46
mungkin diteliti maka analisis faktor konfirmatori juga tidak mungkin dipakai. Sikap seperti
ini bertentangan dengan kenyataan yang berlaku. Penegasan perlu dikemukakan lagi bahwa
penelitian atas satu variabel dapat dilakukan dengan syarat bahwa variabel itu merupakan
variabel laten yaitu variabel yang tidak dapat diobservasi dan tidak dapat diukur secara
langsung dan membutuhkan rincian lebih lanjut, berdasar atas teori-teori dan hasil-hasil
penelitian terdahulu, ke dalam variabel-variabel indikator.
Analisis regresi dapat dilakukan dengan cara memanfaatkan Lisrel karena Lisrel dapat juga
dipakai untuk menganalisis data dan variabel yang dapat diobservasi dan dapat diukur secara
langsung. Diagram jalur yang dihasilkan agak berbeda dengan diagram jalur atas variabelvariabel laten.
Penulis akhirnya mengharap kritik dari para pembaca atas isi dari tulisan ini. Penulis yakin
bahwa kritik dapat dipakai untuk memperbaiki isi tulisan ini.
Permata Depok Regency, 2 November, 2014.
47

Linear Structural Relations

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Linear Structural Relations

Diunggah oleh

Hak Cipta:

Format Tersedia

LINEAR STRUCTURAL RELATIONS (LISREL)

LINEAR STRUCTURAL RELATIONS (LISREL)

dan variabel-variabel seperti ini

Pelaksanaan sintaksis Simplis di atas akan menghasilkan informasi sebagai berikut :

DATE: 11/ 2/2014

'ETA 2' = 'KSI 1' 'KSI 3'

HYPOTHETICAL MODEL ESTIMATED BY ML

HYPOTHETICAL MODEL ESTIMATED BY ML

LISREL Estimates (Maximum Likelihood)

VAR 7 = 0.92*KSI 1 + 1.09*KSI 2, Errorvar.= 0.063 , R = 0.98

- 0.90*KSI 1 + 1.00*KSI 2 + 1.08*KSI 3, Errorvar.= 1.83, R = 0.38

- 2.06*KSI 1 + 0.94*KSI 2 + 2.01*KSI 3, Errorvar.= 1.75, R = 0.63

Covariance Matrix of Independent Variables

Covariance Matrix of Latent Variables

Goodness of Fit Statistics

Fitted Covariance Matrix

Summary Statistics for Fitted Residuals

Summary Statistics for Standardized Residuals

HYPOTHETICAL MODEL ESTIMATED BY ML

mencerminkan model hipotesis

diestimasi menurut Maximum Likelihood.

Hubungan-hubungan ini mencakup juga

'VAR 2' = 'ETA 1'

DATE: 11/ 2/2014

Perintah-perintah sintaksis di atas merupakan bagian kedua. Perintah-perintah ini

LISREL Estimates (Maximum Likelihood)

VAR 1 = 1.00*ETA 1, Errorvar.= 0.24 , R = 0.92

VAR 5 = 1.00*KSI 1, Errorvar.= 0.39 , R = 0.71

ETA 1 = 0.55*ETA 2 + 0.67*KSI 2, Errorvar.= 0.46 , R = 0.84

Error Covariance for ETA 2 and ETA 1 = -0.06

- 1.32*KSI 1 + 1.32*KSI 2 + 1.13*KSI 3, Errorvar.= 1.74, R = 0.41

- 2.39*KSI 1 + 1.18*KSI 2 + 2.05*KSI 3, Errorvar.= 1.62, R = 0.66

Covariance Matrix of Independent Variables

Covariance Matrix of Latent Variables

Goodness of Fit Statistics

90 Percent Confidence Interval for NCP = (0.0 ; 11.23)

Fitted Covariance Matrix

Summary Statistics for Fitted Residuals

Summary Statistics for Standardized Residuals

SYSTEM FILE from file 'C:\Program Files\Lisrel 8.7\LS8EX\EX1.DSF'

LISREL Estimates (Maximum Likelihood)

VAR 3 = 1.00*ETA 2, Errorvar.= 0.14 , R = 0.97

VAR 5 = 1.00*KSI 1, Errorvar.= 0.39 , R = 0.71

ETA 1 = 0.55*ETA 2 + 0.67*KSI 2, Errorvar.= 0.46 , R = 0.84

Error Covariance for ETA 2 and ETA 1 = -0.06

- 1.32*KSI 1 + 1.32*KSI 2 + 1.13*KSI 3, Errorvar.= 1.74, R = 0.41

- 2.39*KSI 1 + 1.18*KSI 2 + 2.05*KSI 3, Errorvar.= 1.62, R = 0.66

Covariance Matrix of Independent Variables

Covariance Matrix of Latent Variables

Goodness of Fit Statistics

Incremental Fit Index (IFI) = 1.00

Root Mean Square Residual (RMR) = 0.079

Fitted Covariance Matrix

Summary Statistics for Fitted Residuals

Smallest Fitted Residual =

Summary Statistics for Standardized Residuals

VAR 1 = 1.00*ETA 1, Errorvar.= 0.24 , R = 0.92

Persamaan pengukuran di atas mencerminkan bahwa VAR 1 sebagai variabel indikator

Persamaan pengukuran di atas mencerminkan bahwa VAR 2 sebagai variabel indikator

kesalahan varians adalah 0.13. Kesalahan varians ini mempunyai

Persamaan pengukuran di atas mencerminkan bahwa VAR 3 sebagai variabel indikator

VAR 4 = 1.14*ETA 2, Errorvar.= 0.20 , R = 0.97

Persamaan pengukuran di atas mencerminkan bahwa VAR 4 sebagai variabel indikator

VAR 5 = 1.00*KSI 1, Errorvar.= 0.39 , R = 0.71

VAR 7 = 0.92KSI 1 + 1.09KSI 2, Errorvar.= 0.063 , R = 0.98

- 0.90KSI 1 + 1.00KSI 2 + 1.08*KSI 3, Errorvar.= 1.83, R = 0.38

- 2.06KSI 1 + 0.94KSI 2 + 2.01*KSI 3, Errorvar.= 1.75, R = 0.63

ETA 1 = 0.55ETA 2 + 0.67KSI 2, Errorvar.= 0.46 , R = 0.84

- 1.32KSI 1 + 1.32KSI 2 + 1.13*KSI 3, Errorvar.= 1.74, R = 0.41

- 2.39KSI 1 + 1.18KSI 2 + 2.05*KSI 3, Errorvar.= 1.62, R = 0.66

ETA 1 = 0.55ETA 2 + 0.67KSI 2, Errorvar.= 0.46 , R = 0.84

- 1.32KSI 1 + 1.32KSI 2 + 1.13*KSI 3, Errorvar.= 1.74, R = 0.41

- 2.39KSI 1 + 1.18KSI 2 + 2.05*KSI 3, Errorvar.= 1.62, R = 0.66

VAR 7 = 0.88KSI 1 + 1.12KSI 2, Errorvar.= 0.058 , R = 0.98

- 1.32KSI 1 + 1.32KSI 2 + 1.13*KSI 3, Errorvar.= 1.74, R = 0.41

- 2.39KSI 1 + 1.18KSI 2 + 2.05*KSI 3, Errorvar.= 1.62, R = 0.66

- 0.49KSI1 + 0.69KSI3 + 0.61*KSI2, Errorvar.= 0.70, R = 0.37

- 0.90KSI1 + 1.00KSI3 + 0.41*KSI2, Errorvar.= 0.41, R = 0.61

- 61.73 + 3.82LABOR + 0.32CAPITAL + 3.79*TIME, Errorvar.= 12.46, R = 1.00

- 61.73 + 3.82LABOR + 0.32CAPITAL + 3.79*TIME, Errorvar.= 12.46, R = 1.00

- 61.73 + 3.82LABOR + 0.32CAPITAL + 3.79*TIME, Errorvar.= 12.46, R = 1.00