Abdur Rahman - Modul Praktek Metodelogi Penelitian

SPSS vs. LISREL 1

Abdur Rahman - Modul Praktek Metodelogi Penelitian

MODUL 1
DEFENISI
1. KONSEP DASAR ANALISIS JALUR
Analisis jalur (Path Analysis) merupakan salah satu teknik statistika
parametrik yang digunakan untuk menguji hubungan antar variabel yang sifatnya
kausal. Analisis jalur dikembangkan oleh Sewall Bright pada tahun 1934. Analisis
jalur digunakan untuk mengetahui pengaruh langsung dan tidak langsung suatu
variabel terhadap variabel lainnya.
Dalam pengujian hubungan kausal tersebut yang didasarkan pada teori yang
memang menyatakan bahwa variabel yang dikaji memiliki hubungan secara kausal.
Analisis jalur bukan ditujukan untuk menurunkan teori kausal, melainkan dalam
penggunaannya harus didasarkan pada teori yang menyatakan bahwa hubungan antar
variabel tersebut bersifat kausal.
Menurut Pedhazur dalam Kerlinger (1983:301) menyatakan bahwa analisis
jalur merupakan suatu bentuk terapan dari analisis multiregresi. Dalam analisis ini
digunakan diagram jalur untuk membantu konseptualisasi masalah atau menguji
hipotesis yang kompleks dan juga untuk mengetahui pengaruh langsung dan tidak
langsung dari variabel-variabel bebas terhadap variabel terikat. Pengaruh tersebut
yang tercermin dalam koefisien jalur, yang sebenarnya adalah koefisien regresi yang
telah dibakukan (p = beta). Meskipun demikian analisis jalur berbeda dengan analisis
regresi. Dalam analisis regresi tidak mengenal istilah adanya variabel antara atau
intervening.
Analisis regresi sederhana hanya dapat melakukan pengujian pengaruh
langsung variabel independen terhadap variabel dependen. Sedangkan analisis jalur
tidak hanya menguji hubungan kausal yang sifatnya pengaruh langsung saja,

SPSS vs. LISREL 2

Abdur Rahman - Modul Praktek Metodelogi Penelitian

melainkan pengaruh tidak langsung melalui variabel intervening. Dalam analisis

selalu dikenal dengan variabel eksogen dan variabel endogen. Pada hakikatnya,
keberadaan variabel eksogen sama dengan variabel independen, yaitu variabel yang
mempengaruhi, sedangkan variabel endogen sebagal variabel yang dipengaruhi.
Dalam analisis jalur dengan jumlah variabel minimal dalam model adalah 3
variabel, dimana salah satunya akan berperan sebagai variabel intervening. Variabel
intervening ini yang dapat berperan ganda. Dalam arti variabel tersebut dapat
berperan sebagai variabel eksogen bagi variabel lainnya dan juga berperan sebagai
variabel endogen bagi variabel satunya.
Misalnya, pengaruh budaya organisasi dan motivasl kerja terhadap kinerja, di
mana motivasi kerja sebagai variabel intervening. Bagi variabel budaya organisasi
yang berperan sebagai variabel eksogen, maka motivasi kerja berperan sebagai
variabel endogen, sedangkan bagi variabel kinerja yang berperan sebagai variabel
endogen, maka variabel motivasi kerja bersifat sebagai variabel eksogen. Diagram
jalur untuk analisis jalur dalam kasus ini digambarkan pada Gambar 1.

Budaya Organisasi
Kinerja

Motivasi Kerja

Gambar 1. Model Sederhana Diagram Analisis Jalur

2. Persyaratan dalam Analisis Jalur

Dalam analisis jalur yang merupakan bagian dalam statistika parametrik memiliki
asumsi-asumsi yang harus dipenuhi, yaitu:

SPSS vs. LISREL 3

Abdur Rahman - Modul Praktek Metodelogi Penelitian

1.

Data masing-masing variabel sekurang-kurangnya adalah interval,

2.

Hubungan antar variabel dalam model haruslah linier dan aditif,

3.

Model hubungan antar variabel adalah rekursif (satu arah) atau hubungan yang
tidak timbal balik,

4.

Semua variabel residu (error) tidak berkorelasi dengan variabel residu lainnya
dalam model.

3. Diagram Jalur
Dalam analisis jalur biasanya variabel dilambangkan dengan satu lambang,
yaitu X. Penggunaan satu lambang ini bukanlah sesuatu yang sifatnya mutlak. Ada
pula dalam tulisan-tulisan lainnya digunakan lambang yang berbada, misalnya untuk
variabel eksogen digunakan lambang X sedangkan variabel endogen digunakan
lambang Y.
Meskipun hanya menggunakan satu lambang, untuk membedakan antara
variabel eksogen dengan endogen digunakan subscript (indeks) seperti Xi,
X2,X3,X4....X. Misalnya pada gambar 1untuk variabel budaya organisasi digunakan
lambing X1,variabel motivasion kerja digunakan lambing X2 dan kinerja
menggunakan lambing Y. Penggunaan lambang X yang disertai dengan subscript
berupa angka numerik untuk memudahkan dalam penggunaan simbol rumus dalam
analisisnya.
Berikut ini disajikan beberapa gambar diagram jalur yang disertai dengan
persamaan strukturnya.
Contoh 1:
Suatu penelitian degan judul pengaruh gaya kepemimpinan (X1) dan motivasi
(X2) kerja terhadap kinerja karyawan (Y), yang digambarkan dalam persamaan jalur
sebagai berikut:

SPSS vs. LISREL 4

Abdur Rahman - Modul Praktek Metodelogi Penelitian

1. Model persamaan jalur dengan 3 variabel (X1,X2 dan Y)

P31

X1
p21

r13

r12

Y
P23

r23

X2

Keterangan:
X1 = Gaya kepemimpinan (variabel
bebas/independent)
X2 = Motivasi Kerja (variabel
bebas/independent)
Y = Kinerja (Variabel
terikat/dependent)

2. Diperoleh data penelitian sebagai berikut

Tabel 1. Data Penelitian Untuk Pengujian Analisis Jalur
No.
Resp.
X1
X2
Y
X12
X22
Y2
1
5
4
37
25
16
1369
2
5
5
37
25
25
1369
3
4
4
33
16
16
1089
4
5
3
34
25
9
1156
5
4
4
36
16
16
1296
6
4
4
36
16
16
1296
7
3
2
27
9
4
729
8
3
3
28
9
9
784
9
5
4
36
25
16
1296
10
2
3
27
4
9
729
40
36
331
170
136 11113

X1.Y
185
185
132
170
144
144
81
84
180
54
1359

X2.Y
148
185
132
102
144
144
54
84
144
81
1218

X1 . X2
20
25
16
15
16
16
6
9
20
6
149

Dari data di atas maka dapat diketahui:

n 10,

40, X 2 36, 12 170, X 22 136

Y 331, Y
X .X
1

11113, X 1.Y 1359. X 2 .Y 1218

149, s1 1,054; s 2 0,843; s3 4,175

SPSS vs. LISREL 5

Abdur Rahman - Modul Praktek Metodelogi Penelitian

X 12 X 12
2
2

2
2

X X
2

Y Y

( X 1 ) 2
n
( X 2 ) 2

( Y ) 2
n

.Y X 2 .Y

X . X X .X
1

136

X .Y X .Y
1

170

11113

(40) 2
170 160,00 10,00
10

(36) 2
136 129,60 6,40
10
(331) 2
11113 10956,10 156,9
10

( X ).( Y ) 1359 (40).(331) 1359 1324,00 35,00

1

(X

10

).( Y )
n

1218

( X ).( X
1

(36).(331)
1218 1191,60 26, 40
10

149

(40).(36)
149 144,00 5,00
10

Langkah pertama dalam analisis jalur adalah menghitung koefisien korelasi

sederhana. Menghitung koefisien korelasi sederhana antara X1 dengan X2 sebagai
berikut:
n ( X1 .Y ) ( X 1 ).( Y )
r13

r13

{( n. X 12 ( X 1) 2 ).(n. Y 2 ( Y ) 2 )}

10 (1359) - (40).(331)
{(10.(170) (40) 2 )(10.(11113) (331) 2 }

r13

13590 - 13240
(1700) - (1600).(111130 - 109561)

r13

350
350

(100).(1569)
156900

SPSS vs. LISREL 6

Abdur Rahman - Modul Praktek Metodelogi Penelitian

r13

350
0,884
396,106

r13 0,884

Menghitung korelasi sederhana untuk X2 dan Y sebagai berikut :

n ( X 2 .Y ) ( X 2 ).( Y )
r23

r23

{( n. X 22 ( X 2) 2 ).(n. Y 2 ( Y ) 2 )}

10 (1218) - (36).(331)
{(10.(136) (36) 2 )(10.(11113) (331) 2 }

r23

1280 - 11916
(1360) - (1296).(111130 - 109561)

r23

264
264

(64).(1569)
100416

r23

264
0,833
316,885

r23 0,833
Menghitung korelasi sederhana untuk X1 dan X2 sebagai berikut :
n ( X1 . X 2 ) ( X 1 ).( X 2 )
r12

{(n. X 12 ( X 1) 2 ).(n. X 2 ( X 2) 2 )}

SPSS vs. LISREL 7

Abdur Rahman - Modul Praktek Metodelogi Penelitian

r12

10 (149) - (40).(36)
{(10.(170) (40) 2 )(10.(136) (36) 2 }

r12

1490 - 1440
(1700) - (1600).(1360 - 1296)

r12

50

(100).(64)

r12

50
6400

50
0,625
80

r12 0,625

Setelah koefisien diperoleh, maka langkah kedua membuat matriks korelasi,

yaiu sebagai berikut:
Tabel 2. Matriks koefisien korelasi
rij
X1
X2
Y

X1
1,000

X2
0,625
1,000

Y
0,884
0,833
1,000

Langkah ketiga adalah menghitung koefisien jalur yang ditentukan dari persamaan
yang dibuat berdasarkan gambar diagram jalur, yaitu:
r12 = p21
r13 = p31 + p32.r12
r23 = p31 . r12 + p32
Dari persamaan tersebut diperoleh:
0,625 = p21
0,84 = p31 + p32 . 0,625
SPSS vs. LISREL 8

Abdur Rahman - Modul Praktek Metodelogi Penelitian

0,833 = p310,625 + p32

Untuk menghitung koefisien jalur p31 dan p32 sebagai berikut :
0,884 0,625
p 31

0,833 1,000 (0,884 x1,000) (0,833x 0,625) 0,3634

1,000 0,625 (1,000 x1,000) (0,625 x0,625) 0,6094

0,625 1,000

= 0,5963 ~ 0,596

1,000 0,884
p 32

0,625 0,833 (1,000 x0,833) (0,625 x 0,884) 0,2805

1,000 0,625 (1,000 x1,000) (0,625 x 0,625) 0,6094

0,625 1,000

= 0,4603 ~ 0,460
Berdasarkan perhitungan tersebut, maka diperleh besarnya koefisien jalur p21=0,625;
p31=0,596 dan p32=0,460
4. Pengujian Signifikansi Koefisien Jalur
Pengujian signifikansi koefisien jalur dilakukan dengan uji t dan uji F. untuk
menyatakan sigifikan atau tidaknya koefisien jalur didasarkan pada koefisien hasil uji
t.

uji t dilakukan untuk mengetahui apakah terdapat pengaruh langsung yang

signifikan variabel eksogen terhadap variabel endogen. Apabila koefisien t-hitung

lebih besar dari t-kriteria/t-tabel, berarti hipotesis nol (H0) ditolak, hal ini mempunyai
arti bahwa

terdapat

pengaruh

langsung yang

signifikan variabel eksogen

(independent) terhadap variabel endogen (dependent). Sebaliknya apabila koefisien

t-hitung lebih kecil dari t-kriteria/t-tabel, berarti hipotesis nol (H0) diterima. Hal ini
berarti tidak terdapat langsung yang signifikan antara variabel eksogen (independent)
terhadap variabel endogen (dependent). Uji t yang digunakan dirumuskan sebagai
berikut:

SPSS vs. LISREL 9

Abdur Rahman - Modul Praktek Metodelogi Penelitian

b1
JK s / n 2)
x12 (1 (rij ) 2

Keterangan:
t
= koefisien t hitung
JK(s) = Jumlah Kuadrat Sisa (Residu)
x12 = Jumlah nilai simpangan dari variabel eksogen i

rij2

= koefisien determinan antara variabel eksogen/dengan variabel eksogen

yang juga berperan sebagai variabel endogen j
= jumlah data

Sedangkan untuk pengujian signifikansi koefisien jalur dimana variabel eksogen

berperan secara murni terhadap variabel endogen yang juga berperan sebagai variabel
eksogen, maka digunakan uji t seperti pengujian signifikansi korelasi sederhana
sebagai berikut:

r12 n 2
1 r2

Berdasarkan rumus pengujian signifikansi koefisien jalur maka dilakukan pengujian t

sebagai berikut terhadap data pada contoh:
1. Pengujian koefisien jalur p21 didasarkan pada pengujian signifansi koefisien
korelasi (r12=p21)

r12 n 2
0,625. 10 2 1,767

2,265
2
{1 (r12 ) }
{1 (0,625) 2 } 0,780

Untuk menentukan koefisien jalur signifikan atau tidak, maka dilakukan

pengujian signifikansi dengan membandingkannilai t-hitung dengan nilai t-tabel
atau t kritis.

SPSS vs. LISREL 10

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Diketahui jumlah data dari soal sebanyak 10 maka dk=8 (n-2), besarnya
koefisien t-tabel pada =0,05 sebesar 2,306 dan =0,01 sebesar 3,355. Oleh
karena itu nilai t-hitung lebih kecil dari t table atau t kritis (2,265<2,306). Maka
koefisien jalur dikatakan tidak signifikan.
2. Pengujian koefisien jalur p31 terlebih dahulu dilakukan perhitungan JK(s).
berdasarkan rumus tersebut, terlebih dahulu dilakukan perhitungan Jumlah
Kuadrat Sisa (residu) yang didasarkan pada analis regresi sederhana, yaitu
sebagai berikut:

JKs = JKT Jka JKReg

=JKR - JKReg

Dimana JKReg = b1.X1.y + b2. X2.y dan JKR -

2
1

x12 b1. x1.Y b 2 . x 2 .Y

= 156,90-(2,359).(35,00)+(2,282).(26,40)
= 156,90-142,098=14,090
Setelah JK diperoleh maka langkah selanjutnya adalah melakukan pengujian
signifikansi dengan uji t, yaitu sebagai berikut:
t

b1

JK s /( n 2)
x12 (1 (r12 ) 2 )

2,359
14,090 /(10 2)
10,00.(1 (0,625) 2 )

2,359
2,359

4,388
1,761
0, 289
6,094

SPSS vs. LISREL 11

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Untuk menentukan koefisien jalur signifikan atau tidak, maka dilakukan

pengujian signifikan dengan membandingkan nilai t-hitung degan nilai t-tabel
atau t kritis.
Diketahui jumlah data dari soal sebanyak 10 maka dk=8 (n-2), besarnya
koefisien t-tabel pada =0,05 sebesar 2,306 dan =0,01 sebesar 3,355. Oleh
karena itu nilai t-hitung lebih kecil dari t table atau t kritis (4,388>2,306). Maka
koefisien jalur dikatakan sangat signifikan.
3. Pengujian koefisien jalur p32
t

b2

JK s /( n 2)
x22 (1 (r12 ) 2 )

2,282
14,090 /(10 2)
6,40.(1 (0,625) 2 )

2, 282
2,282

3,396
1,761
0, 452
3,900

Untuk menentukan koefisien jalur signifikan atau tidak, maka dilakukan

pengujian signifikan dengan membandingkan nilai t-hitung degan nilai t-tabel
atau t kritis.
Diketahui jumlah data dari soal sebanyak 10 maka dk=8 (n-2), besarnya
koefisien t-tabel pada =0,05 sebesar 2,306 dan =0,01 sebesar 3,355. Oleh
karena itu nilai t-hitung lebih kecil dari t table atau t kritis (3,396>2,306). Maka
koefisien jalur dikatakan sangat signifikan.
5. Pengaruh Langsung dan Tidak Langsung
Dalam analisis jalur tidak hanya bertujuan untuk mengetahui besarnya
pengaruh langsung variabel eksogen terhadap variabel endogen, melainkan juga
untuk mengetahui pengaruh tidak langsung melalui variabel intervening dan pengaruh
total variabel yang berperan sebagai variabel eksogen terhadap variabel endogen.
1. Pengaruh Langsung
Pengaruh langsung merupakan pengaruh X1 terhadap X2, pengaruh X2 terhadap
Y, yaitu:
- Pengaruh X1 terhadap X2 (p21) = 0,625
- Pengaruh X1 terhadap Y (p31) = 0,596
- Pengaruh X2 terhadap Y (p32) = 0,460

SPSS vs. LISREL 12

Abdur Rahman - Modul Praktek Metodelogi Penelitian

2. Pengaruh Tidak Langsung

Pengaruh tidak langsung merupakan pengaruh X1 terhadap Y melalui X2,
yaitu:Perkalian antara pengaruh langsung X1 terhadap X2 dengan pengaruh
langsung antara X2 terhadap Y, yaitu (0,625 x 0,460) = 0,288
- Pengaruh X1 terhadap X2 (p21) = 0,625
- Pengaruh X1 terhadap Y (p31) = 0,596
- Pengaruh X2 terhadap Y (p32) = 0,460
2. Pengaruh Total
Pengaruh total merupakan jumlah pengaruh langsung X1 terhadap Y, yaitu:
penjumlahan pengaruh langsung X1 terhadap X1 dengan pengaruh tidak langsung
X1 melalui Y, yaitu (0,596 + 0,288) = 0,884

SPSS vs. LISREL 13

Abdur Rahman - Modul Praktek Metodelogi Penelitian

MODUL 2
PRAKTEK SPSS Ver. 17.0

A. Aplikasi Analisis Jalur Dengan SPSS

Dengan menggunakan contoh soal 1, kita akan menghitung pengaruh Gaya
Kepemimpinan (X1) dan Motivasi Kerja (X2) terhadap Kinerja Karyawan (Y), dengan
menggunakan Program SPSS Ver. 17.0.
1. Langkah Kerja

Siapkan data kerja seperti pada Tabel 1, pada lembar kerja Excel seperti
berikut:

Copy ke
Lembar kerja
SPSS

Buka program SPSS dengan mengklik program SPSS ver 17.0 pada Desktop
atau Program File.

SPSS vs. LISREL 14

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Kemudian akan terlihat pada lembar kerja SPSS sebagai berikut:

Pilih Cancel, kemudian akan terlihat lembar kerja SPSS sebagai berikut:

Klik button variable view, kemudian defenisikan pada kolom sel Name: X1,X2
dan Y.
kemudian pada kolom label ketik masing-masing; X1 = Gaya
Kepemimpinan,; X2=Motivasi Kerja dan Y=Kinerja, pastikan kolom Measure tipe
data berupa Scale. Tampilan data sebagai berikut:

SPSS vs. LISREL 15

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Pindah ke button Data View, secara otomatis variabel X1,X2 dan Y, terdefenisi
pada lembar kerja DataView. Selanjutnya, dengan mencopy data pada lembar
kerja Excel (Data pada kolom bertanda merah), kemudian Paste pada Lembar
kerja Data View di SPSS, maka akan dihasilkan sebagai berikut:

SPSS vs. LISREL 16

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Pindah ke button Variable View. Lakukan analisis regresi linier berdasarkan data
pada contoh soal 1, dengan cara klik Analyze, klik Regression, kemudian klik
Linear.

Pada tahap pertama melakukan analisis regresi sederhana untuk melakukan

perhitungan koefisien jalur p21 (pengaruh gaya kepemimpinan terhadap motivasi
kerja), yang nilainya sama dengan r12. masukkan variabel gaya kepemimpinan ke
dalam kotak Independent dan variabel motivasi kerja ke dalam kotak Dependent,
abaikan yang lain dan kilik Ok. Langkah kerja dan output analisis regresi pada
Lembar SPSS sebagai berikut:

SPSS vs. LISREL 17

Abdur Rahman - Modul Praktek Metodelogi Penelitian

p31
p32

P-Value

t-hitung

Berdasarkan hasil perhitungan tersebut diperoleh koefisien jalur p31 sebesar

0,596 sedangkan p32 sebesar 0,461. Besarnya nilai t-hitung pada hasil di atas
menunjukkan 4,105 dan 3,177.
Merupakan koefisien t untuk pengujian
signifikansi koefisien regresi. Koefisien t tersebut merupakan hasil perhitungan
yang didasarkan pada rumus pengujian signifikansi regresi, yaitu:
t

b1
JK s / n 2)
x12 (1 (rij ) 2

Didalam analisis Jalur hubungan antara variabel bersifat kausal, sehingga hanya
terjadi hubungan satu variabel independent dengan satu variabel dependent yang
bersifat sebab akibat, sehingga jumlah variabel independent nya selalu satu k=1,
maka rumus t-hitung di atas berlaku untuk perhitungan t.

Pada table untuk pengujian dengan menggunakan signifikansi (P-value) diperoleh

nilai 0,053. Besarnya nilai tersebut sama dengan perhitungan secara manual baik
koefisien jalur maupun nilai t-hitung. Oleh karena P-value > dari 0,05
(0,053>0,05), maka dinyatakan koefisien jalur tidak signifikan.

SPSS vs. LISREL 18

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Simpan data yang telah dibuat pada contoh soal 1 pada program SPSS di atas
dengan nama DATA01_Lat, dengan cara klik File, klik Save as, pada file name
beri nama: DATA01_Lat, pada kotan Save as type (SPSS Statistic(*.sav)).
DATA01_Lat ini yang dijadikan parameter input pada analisis jalur dengan
menggunakan program LISREL Ver. 8.80 (Full Version). Jangan lupa eksekusi
dengan menggunakan Save, pilih folder yang dikehendaki untuk menyimpan.

SPSS vs. LISREL 19

Abdur Rahman - Modul Praktek Metodelogi Penelitian

MODUL 3
PRAKTIK LISREL Ver 8.80

B. Aplikasi Analisis Jalur Dengan LISREL

Aplikasi analisis jalur dengan menggunakan LISREL Ver. 8.80,
menggunakan data contoh yang telah dibuat pada aplikasi analisis jalur dengan
nemggunakan program SPSS Ver. 17.0.
Langkah-langkah kerja pada Program LISREL Ver.8.80 adalah sebagai berikut:

Buka program LISREL Ver.8.80 dengan mengklik ikon

tampil halaman muka LISREL Ver. 8.80 berikut:

Sistem kerja LISREL 8.80 menggunakan Prelis, maka langkah selanjutnya adalah
klik File dan pilih klik New maka akan muncul tampilan berikut:

maka akan

SPSS vs. LISREL 20

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Pada tampilan di atas pilih PRELIS Data dan klik OK, maka akan muncul lembar
kerja LISREL seperti gambar berikut ini.

Selanjutnya klik File dan pilih Import Data, akan muncul tampilan gambar
sebagi berikut.

Tampilan di atas berfungsi untuk membuka data yang telah tersimpan. Data yang
telah kita buat pada latihan dengan menggunakan program SPSS dengan nama
file DATA01_Lat dengan format *.sav kita panggil kembali. Dalam latihan ini
data tersimpan di Folder di drive D:\DATA LISREL\DATA01_Lat, kemudian
klik Open, sehingga akan muncul tampilan seperti ini.

SPSS vs. LISREL 21

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Pilih Latihan01, secara otomatis pada kolom File name: tercatat Latihan01, ubah
nama Latihan01 menjadi DATA, pada kotak Save as type: pastikan format data
PRELIS Data (*.psf), klik Save. Maka akan tampil layer berikut.

Selanjutnya klik File dan pilih New dan akan muncul tampilan berikut ini.

SPSS vs. LISREL 22

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Kemudian pilih SIMPLIS Project dan klik OK. Pada File name: beri nama file
DATA_Latih1, kemudian klik Save.

Anda akan melihat tampilan menjadi seperti ini.

Klik Setup dan klik Variable akan muncul tampilan gambar seperti berikut.

SPSS vs. LISREL 23

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Pada kotak Add/Read Variables diklik sehingga muncul tampilan sebagai berikut.

Pada Read from file terdapat dua pilihan, yaitu LISREL System File dan
PRELIS System File. Pilih saja PRELIS System File dan klik Browser dan klik
nama file yang tersimpan dalam format *.psf, Open dan kembali pada tampilan
SPSS vs. LISREL 24

Abdur Rahman - Modul Praktek Metodelogi Penelitian

seperti gambar di atas kemudian klik OK. Selanjutnya akan tampil ke tampilan
sebelumnya dan klik Next, sehingga muncul tampilan seperti gambar berikut ini.

Pada kotak Number of Observation masukkan jumlah data yang akan dianalisis.
Dalam contoh ini data yang dianalisis sebanyak 10 maka tuliskan angka tersebut
dalam kotak tersebut dan klik OK, dan kembali ke tampilan awal seperti gambar
berikut.

SPSS vs. LISREL 25

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Kemudian klik Output dan pilih LISREL Output dan klik Selections, kemudian
akan muncul tampilan gambar berikut ini.

Pilih dan klik Total Effects dan Inderect Effect, dan Completely Standardize
Solution. Pada bagian Number of Decimal (0-8)in the Printed Output, isikan
nilai atai angka 3 (berarti kita menginginkan hanya 3 angka dibelakang koma atau
3 desimal). Selanjutnya klik OK dan akan muncul tampilan gambar sebagai
berikut.

SPSS vs. LISREL 26

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Pada bagian bawah Relationships tuliskan persamaan sesuai dengan hipotesis

penelitian. Dalam contoh ini sebagai berikut.

Kemudian klik Gambar

, diperoleh hasil analisis sebagai berikut:

SPSS vs. LISREL 27

Abdur Rahman - Modul Praktek Metodelogi Penelitian

SPSS vs. LISREL 28

Abdur Rahman - Modul Praktek Metodelogi Penelitian

t-hitung untuk jalur p21

t-hitung jalur p21

t-hitung jalur p22

SPSS vs. LISREL 29

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Dari hasil data di atas dapat dilihat nilai t hitung untuk jalur p21 menunjukkan
nilai sebesar 2,265. Sedangkan koefisien t-hitung untuk jalur p31 dan p32 masingmasing sebesar 3,396 dan 4,388 (hasil uji t tersebut sama dengan perhitungan
secara manual).

Sedangkan untuk mengetahui koefisien jalur, pengaruh total dan pengaruh tidak
langsung dapat dilakukan dengan kembali pada lembar kerja LISREL, dengan
memilih menu Setup dan mengklik Build LISREL Syntax, atau tekan F4,
seperti gambar berikut.

SPSS vs. LISREL 30

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Kemudian klik gambar

dan hasil analisis sebagai berikut:

DATE: 11/ 9/2014

TIME: 0:49

L I S R E L

8.80

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., 1981-2006
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 D:\DATA LISREL\DATA_Latih1.LPJ:
TI
!DA NI=3 NO=10 MA=CM
SY='D:\DATA LISREL\DATA_Latih1.DSF'
SE
2 3 1 /
MO NX=1 NY=2 BE=FU GA=FI PS=SY TY=FI TX=FI AL=FI KA=FI
FR BE(2,1) GA(1,1) GA(2,1) AL(1) AL(2) KA(1)
PD
OU PC RS EF FS SS SC XM ND=3
TI
Number
Number
Number
Number
Number
Number

of
of
of
of
of
of

Input Variables 3
Y - Variables
2
X - Variables
1
ETA - Variables 2
KSI - Variables 1
Observations
10

SPSS vs. LISREL 31

Abdur Rahman - Modul Praktek Metodelogi Penelitian

TI
Covariance Matrix

X2
Y
X1

X2
-------0.711
2.933
0.556

Y
--------

X1
--------

17.433
3.889

1.111

Y
-------33.100

X1
-------4.000

Means
X2
-------3.600

TI
Parameter Specifications
BETA

X2
Y

X2
-------0
1

Y
-------0
0

GAMMA

X2
Y

X1
-------2
3

PHI
X1
-------4
PSI
X2
-------5

Y
-------6

ALPHA
X2
-------7

Y
-------8

TI
Number of Iterations =

SPSS vs. LISREL 32

Abdur Rahman - Modul Praktek Metodelogi Penelitian

LISREL Estimates (Maximum Likelihood)

BETA

X2
Y

X2
-------- 2.282
(0.672)
3.396

Y
-------- - -

GAMMA

X2

X1
-------0.500
(0.221)
2.265
2.359
(0.538)
4.388

Covariance Matrix of Y and X

X2
Y
X1

X2
-------0.711
2.933
0.556

Y
--------

X1
--------

17.433
3.889

1.111

Mean Vector of Eta-Variables

X2
-------3.600

Y
-------33.100

PHI
X1
-------1.111
(0.556)
2.000
PSI
Note: This matrix is diagonal.
X2
-------0.433
(0.217)
2.000

Y
-------1.566
(0.783)
2.000

Squared Multiple Correlations for Structural Equations

X2
-------0.391

Y
-------0.910

Squared Multiple Correlations for Reduced Form

SPSS vs. LISREL 33

Abdur Rahman - Modul Praktek Metodelogi Penelitian

X2
-------0.391

Y
-------0.781

Reduced Form

X2

X1
-------0.500
(0.221)
2.265
3.500
(0.656)
5.337

ALPHA
X2
-------1.600
(0.913)
1.752

Y
-------15.449
(2.042)
7.566

Goodness of Fit Statistics

Degrees of Freedom = 0
Minimum Fit Function Chi-Square = 0.0 (P = 1.000)
Normal Theory Weighted Least Squares Chi-Square = 0.00 (P = 1.000)
The Model is Saturated, the Fit is Perfect !

Covariance Matrix of Parameter Estimates

BE 2_1
GA 1_1
GA 2_1
PH 1_1
PS 1_1
PS 2_2
AL 1
AL 2
KA 1

BE 2_1
-------0.452
0.000
-0.226
0.000
0.000
0.000
0.000
-0.723
0.000

GA 1_1
--------

GA 2_1
--------

PH 1_1
--------

PS 1_1
--------

PS 2_2
--------

0.049
0.000
0.000
0.000
0.000
-0.195
0.000
0.000

0.289
0.000
0.000
0.000
0.000
-0.343
0.000

0.309
0.000
0.000
0.000
0.000
0.000

0.047
0.000
0.000
0.000
0.000

0.613
0.000
0.000
0.000

Covariance Matrix of Parameter Estimates

AL 1
AL 2
KA 1

AL 1
-------0.834
0.000
0.000

AL 2
--------

KA 1
--------

4.170
0.000

0.139

TI
Correlation Matrix of Parameter Estimates

SPSS vs. LISREL 34

Abdur Rahman - Modul Praktek Metodelogi Penelitian

BE 2_1
GA 1_1
GA 2_1
PH 1_1
PS 1_1
PS 2_2
AL 1
AL 2
KA 1

BE 2_1
-------1.000
0.000
-0.625
0.000
0.000
0.000
0.000
-0.527
0.000

GA 1_1
--------

GA 2_1
--------

PH 1_1
--------

PS 1_1
--------

PS 2_2
--------

1.000
0.000
0.000
0.000
0.000
-0.967
0.000
0.000

1.000
0.000
0.000
0.000
0.000
-0.313
0.000

1.000
0.000
0.000
0.000
0.000
0.000

1.000
0.000
0.000
0.000
0.000

1.000
0.000
0.000
0.000

Correlation Matrix of Parameter Estimates

AL 1
AL 2
KA 1

AL 1
-------1.000
0.000
0.000

AL 2
--------

KA 1
--------

1.000
0.000

1.000

X2
-------1.000
0.000

Y
-------- 1.000

X1
-------- - -

X2
-------0.000

Y
-------0.000

X1
-------1.000

TI
Factor Scores Regressions
Y

X2
Y
X

X1

TI
Standardized Solution
BETA

X2
Y

X2
-------- 0.461

Y
-------- - -

GAMMA

X2
Y

X1
-------0.625
0.596

SPSS vs. LISREL 35

Abdur Rahman - Modul Praktek Metodelogi Penelitian

Correlation Matrix of Y and X

X2
Y
X1

X2
-------1.000
0.833
0.625

Y
--------

X1
--------

1.000
0.884

1.000

PSI
Note: This matrix is diagonal.
X2
-------0.609

Y
-------0.090

Regression Matrix Y on X (Standardized)

X2
Y

X1
-------0.625
0.884

TI
Total and Indirect Effects
Total Effects of X on Y

X2

X1
-------0.500
(0.221)
2.265
3.500
(0.656)
5.337

Indirect Effects of X on Y

X2
Y

X1
-------- 1.141
(0.606)
1.884

Total Effects of Y on Y

X2
Y

X2
-------- 2.282
(0.672)
3.396

Y
-------- - -

Largest Eigenvalue of B*B' (Stability Index) is

5.208

SPSS vs. LISREL 36

Abdur Rahman - Modul Praktek Metodelogi Penelitian

TI
Standardized Total and Indirect Effects
Standardized Total Effects of X on Y

X2
Y

X1
-------0.625
0.884

Standardized Indirect Effects of X on Y

X2
Y

X1
-------- 0.288

Standardized Total Effects of Y on Y

X2
Y

X2
-------- 0.461

Y
-------- - Time used:

0.031 Seconds

Correlation Matrix of Y and X

X2
Y
X1

X2
-------1.000
0.833
0.625

Y
--------

X1
--------

1.000
0.884

1.000

Korelasi antara gaya kepemimpinan dengan kinerja sebesar 0,884 (r13); korelasi
antara motivasi kerja dengan kinerja sebesar 0,833 (r23) dan korelasi antara gaya
kepemimpinan dengan motivasi kerja sebesar 0,625 (r12). Sedangkan besarnya
koefisien jalur yang menunjukkan besarnya pengaruh langsung antar variabel
sebagai berikut.

SPSS vs. LISREL 37

Abdur Rahman - Modul Praktek Metodelogi Penelitian

BETA

X2
Y

X2
-------- 0.461

Y
-------- - -

GAMMA

X2
Y

X1
-------0.625
0.596

Besarnya koefisien jalur pengaruh gaya kepemimpinan terhadap kinerja sebesar

0,596 (p31), besarnya koefisen jalur pengaruh movitasei kerja terhadap kinerja
sebesar 0461 (p12).

Sedangkan besarnya koefisien jalur pengaruh gaya

kepemimpinan terhadap motivasi kerja sebesar 0,625 (p21). Besarnya pengaruh

total dan pengaruh tidak langsung sebagai berikut.

X2
Y

X1
-------0.625
0.884

Standardized Indirect Effects of X on Y

X2
Y

X1
-------- 0.288

Pengaruh tidak langsung merupakan gaya kepemimpinan terhadap kinerja melalui

motivasi kerja (pengaruh X1 terhadap Y melalui X2).

Hasil analisis menunjukkan koefisien sebesar 0,288. Nilai tersebut merupakan

perkalian antara pengaruh langsung X1 terhadap X2 dengan pengaruh langsung
antara X2 terhadap Y, yaitu (0,625 x 0,460)=0,288.

Pengaruh total merupakan gaya kepemimpinan terhadap kinerja (X1 terhadap Y)

sebesar 0,884. Nilai ini merupakan jumlah dari pengaruh langsung X1 terhadap
Y, dengan pengaruh tidak langsung X1terhadap Y melalui X2, yaitu
(0,596+0,288) = 0,884
SPSS vs. LISREL 38

Abdur Rahman - Modul Praktek Metodelogi Penelitian

DAFTAR PUSTAKA
Widiyanto, M.,A., 2013.
Statistika Terapan, Konsep & Aplikasi Penelitian
Pendidikan, Psikologi & Ilmu Sosial Lainnya. PT. Elex Media Komputindo,
Jakarta, 2013. 384 halaman.

SPSS vs. LISREL 39