Statistik Terapan Dan Lampiran
Statistik Terapan Dan Lampiran
Measurement Model
Hasil pengujian validitas dan reliabillitas untuk semua indikator pada masing-masing
variabel terlihat seperti pada Tabel 1.
Tabel 1. Hasil uji validitas semua indikator dan nilai reliabilitas masing-masiing
variabel.
Estimate
Regression
Regression
Weights
Weights ()
<--js
1,000
0,741
<--js
1,033
0,748
<--js
0,902
0,68
<--js
0,910
0,705
<--js
15,189
0,731
Variabel JS
3,605
<--si
1,000
0,811
<--si
1,073
0,864
<--si
1,065
0,741
<--si
1,167
0,852
Variabel SI
3,268
<--ac
1,000
0,822
<--ac
1,236
0,82
<--ac
1,037
0,837
<--ac
1,146
0,815
Variabel AC
3,294
<--ep
1,000
0,692
<--ep
1,033
0,803
<--ep
0,821
0,779
<--ep
0,914
0,823
Variabel EP
3,097
<--oc
1,000
0,583
<--oc
1,314
0,886
<--oc
0,783
0,657
<--oc
1,165
0,836
Variabel OC
2,962
Indikator
js1
js2
js3
js4
js5
si1
si2
si3
si4
ac1
ac2
ac3
ac4
ep1
ep2
ep3
ep4
oc1
oc2
oc3
oc4
2
0,549
0,560
0,462
0,497
0,534
2,602
0,658
0,747
0,549
0,726
2,679
0,676
0,672
0,701
0,664
2,713
0,479
0,645
0,607
0,677
2,408
0,340
0,785
0,432
0,699
2,255
e=
1-2
0,451
0,441
0,538
0,503
0,466
2,398
0,342
0,254
0,451
0,274
1,321
0,324
0,328
0,299
0,336
1,287
0,521
0,355
0,393
0,323
1,592
0,660
0,215
0,568
0,301
1,745
CR0,7
VE0,5
0,844
0,520
0,890
0,670
0,894
0,678
0,858
0,602
0,834
0,564
KET.
Valid
Valid
Valid
Valid
Valid
Reliabel
Valid
Valid
Valid
Valid
Reliabel
Valid
Valid
Valid
Valid
Reliabel
Valid
Valid
Valid
Valid
Reliabel
Valid
Valid
Valid
Valid
Reliabel
Berdasarkan hasil perhitungan seperti pda Tabel 1. Terlihat bahwa semua nilai faktor
loading () lebih besar dari 0,5, artinya bahwa semua indikator yang membentuk
variabel laten semuanya sudah valid. Nilai reliabilitas pada masing-masing variabel
laten terlihat semua variabel reliabel karena memiliki nilai Construct Reliability
(CR0,7) dan Variance Extract (VE0,5).
Kecocokan dari model yang terbentuk apakah dapat menjelaskan variasi data yang ada
dapat dilihat dari nilai-nilai statistik Goodness of Fit seperti pada Tabel 2.
Tabel 2. Nilai-nilai Statistik Goodness of Fit (GOF) model yang terbentuk.
No
1
2
3
4
5
Kriteria GOF
Significance Probability
X2=240,137 df=179
GFI
AGFI
CFI
RMSEA
Nilai
Batas
Hasil
Pengolahan
Kesimpulan
0,05
0,002
Belum Fit
0,90
0,90
0,90
0,08
0,947
0,932
0,986
0,029
Fit
Fit
Fit
Fit
Untuk melihat kecocokan suatu model apakah fit atau tidak dapat dilihat dari
nilai-nilai statistik Goodness of Fit (GOF) dengan menggunakan kriteria Chi-square,
RMSEA, AGFI, GFI dan CFI seperti pada Tabel 2. Berdasarkan Tabel 2. Terlihat bahwa
hampir semua kriteria statistik goodness of fit (GOF) yang ada memenuhi kriteria model
yang baik (fit), meskipun nilai Chi-square masih belum terpenuhi.
JS
0,741
0,748
0,680
0,705
0,731
SI
AC
EP
OC
0,811
0,864
0,741
0,852
0,822
0,820
0,837
0,815
0,692
0,803
0,779
0,823
0,583
0,886
0,657
0,836
0,844
0,890
0,894
0,858
0,834
52,05% 66,98% 67,82% 60,19% 56,38%
Berdasarkan Tabel 1 terlihat bahwa semua indikator yang ada pada masingmasing variabel menunjukkan valid (faktor loading lebih besar dari 0,5) dan dapat
dijadikan penciri utama dari variabel laten tersebut. Dilihat dari construct reliability,
semua variabel menunjukkan reliabel karena CR > 0,8. Dilihat berdasarkan variance
extraction menunjukkan bahwa pada Variabel JS mampu menjelaskan variasi data yang
ada sebesar 52,05%, Variabel SI mampu menjelaskan variasi data yang ada sebesar
66,98%, Variabel AC mampu menjelaskan variasi data yang ada sebesar 67,82%,
Variabel EP mampu menjelaskan variasi data yang ada sebesar 60,19%,dan Variabel OC
mampu menjelaskan variasi data yang ada sebesar 56,38%.
MATRIKS COVARIANCE
ANTAR VARIABEL
JS
SI
AC
EP
JS
(0,981)
SI
0,161
(0,498)
AC
0,057
0,249
(1,309)
EP
0,303
0,502
0,372
(1,600)
OC
0,304
0,574
0,517
0,925
OC
(2,164)
Berdasarkan Tabel 4. Terlihat bahwa variasi data pada masing-masing variabel relatif
beragam, dimana variabel OC memilliki keragaman yang relatif tinggi dibanding
variabel SI. Nilai-nilai covariance menunjukan bahwa arah hubungan antar variabel
semuanya positif. Besarnya hubungan antar variabel tersebut dijelakan dalam matriks
korelasi seperti pada Tabel 5.
Tabel 5. Matriks Korelasi antar Variabel Laten
JS
SI
AC
EP
JS
1,000
SI
0,230
1,000
AC
0,050
0,309
1,000
EP
0,242
0,562
0,257
1,000
OC
0,209
0,553
0,307
0,497
OC
1,000
Berdasarkan Tabel 5. Terlihat bahwa antar variabel memiliki hubungan yang rendah
(kurang dari 0,4), kecuali antara EP dengan SI dan OC dengan EP yang memiliki
hubungan yang moderat.
Lampiran-lampiran
Lampiran 1. Nilai-nilai Faktor Loading dan Hasil Pengujianya
Regression Weights: (Group number 1 - Default model)
oc1
oc2
oc3
oc4
si1
si2
si3
si4
js1
js2
js3
js4
js5
ac1
ac2
ac3
ac4
ep1
ep2
ep3
ep4
<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<---
OC
OC
OC
OC
SI
SI
SI
SI
JS
JS
JS
JS
JS
AC
AC
AC
AC
EP
EP
EP
EP
oc1
oc2
oc3
oc4
si1
si2
si3
si4
js1
js2
js3
js4
js5
<--<--<--<--<--<--<--<--<--<--<--<--<---
OC
OC
OC
OC
SI
SI
SI
SI
JS
JS
JS
JS
JS
Estimate
,583
,886
,657
,836
,811
,864
,741
,852
,741
,748
,680
,705
,731
ac1
ac2
ac3
ac4
ep1
ep2
ep3
ep4
<--<--<--<--<--<--<--<---
AC
AC
AC
AC
EP
EP
EP
EP
Estimate
,822
,820
,837
,815
,692
,803
,779
,823
Model
Default model
Saturated model
Independence model
NPAR
52
231
21
CMIN
240,137
,000
4441,436
DF
179
0
210
P
,002
CMIN/DF
1,342
,000
21,150
RMR, GFI
Model
Default model
Saturated model
Independence model
RMR
,414
,000
2,362
GFI
,947
1,000
,342
AGFI
,932
PGFI
,734
,277
,311
NFI
Delta1
,946
1,000
,000
RFI
rho1
,937
IFI
Delta2
,986
1,000
,000
TLI
rho2
,983
Baseline Comparisons
Model
Default model
Saturated model
Independence model
,000
,000
CFI
,986
1,000
,000
Parsimony-Adjusted Measures
Model
Default model
Saturated model
Independence model
PRATIO
,852
,000
1,000
PNFI
,806
,000
,000
PCFI
,840
,000
,000
NCP
Model
Default model
Saturated model
Independence model
NCP
61,137
,000
4231,436
LO 90
24,757
,000
4018,352
HI 90
105,597
,000
4451,789
FMIN
Model
Default model
Saturated model
Independence model
FMIN
,602
,000
11,131
F0
,153
,000
10,605
LO 90
,062
,000
10,071
HI 90
,265
,000
11,157
RMSEA
Model
Default model
Independence model
RMSEA
,029
,225
LO 90
,019
,219
HI 90
,038
,231
PCLOSE
1,000
,000
AIC
Model
Default model
Saturated model
Independence model
AIC
344,137
462,000
4483,436
BCC
350,205
488,960
4485,887
BIC
551,693
1384,028
4567,256
CAIC
603,693
1615,028
4588,256
ECVI
Model
Default model
Saturated model
Independence model
ECVI
,862
1,158
11,237
LO 90
,771
1,158
10,703
HI 90
,974
1,158
11,789
MECVI
,878
1,225
11,243
HOELTER
Model
Default model
Independence model
HOELTER
.05
351
22
HOELTER
.01
376
24
Lampiran 3.
Covariances: (Group number 1 - Default model)
AC
OC
OC
OC
JS
SI
JS
SI
SI
OC
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
EP
EP
AC
SI
AC
EP
EP
AC
JS
JS
Estimate S.E.
,372 ,088
,925 ,143
,517 ,106
,574 ,079
,057 ,066
,502 ,065
,303 ,078
,249 ,048
,161 ,042
,304 ,090
C.R.
4,239
6,487
4,853
7,250
,865
7,677
3,896
5,154
3,836
3,381
P
***
***
***
***
,387
***
***
***
***
***
Label
par_17
par_18
par_19
par_20
par_21
par_22
par_23
par_24
par_25
par_26
AC
OC
OC
OC
JS
SI
JS
SI
SI
OC
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
EP
EP
AC
SI
AC
EP
EP
AC
JS
JS
Estimate
,257
,497
,307
,553
,050
,562
,242
,309
,230
,209
OC
SI
JS
AC
EP
e6
e7
e8
e9
e18
e19
e20
Estimate
2,164
,498
,981
1,309
1,600
4,196
1,029
1,745
1,267
,258
,195
,464
S.E.
,358
,052
,122
,136
,215
,319
,153
,139
,140
,023
,021
,038
C.R.
6,048
9,498
8,024
9,653
7,439
13,152
6,712
12,516
9,055
11,015
9,308
12,178
P
***
***
***
***
***
***
***
***
***
***
***
***
Label
par_27
par_28
par_29
par_30
par_31
par_32
par_33
par_34
par_35
par_36
par_37
par_38
10
e21
e1
e2
e3
e4
e5
e10
e11
e12
e13
e14
e15
e16
e17
Estimate
S.E. C.R. P Label
,256 ,027 9,671 *** par_39
,807 ,074 10,934 *** par_40
,825 ,076 10,793 *** par_41
,930 ,078 11,865 *** par_42
,824 ,071 11,535 *** par_43
196,867 17,740 11,097 *** par_44
,628 ,059 10,557 *** par_45
,973 ,092 10,612 *** par_46
,601 ,060 10,090 *** par_47
,867 ,081 10,696 *** par_48
1,744 ,144 12,123 *** par_49
,937 ,094 9,963 *** par_50
,699 ,065 10,783 *** par_51
,637 ,067 9,460 *** par_52
11