Dalam conroh ini, variabel kepuasan merupakan prediksi dari variabel kinerja
seseorang. Hubungan keduanya ditunjukkan dalam bentuk anak panah dari kepuasan
ke kinerja seseorang. Setiap variabel laten yang dipengaruhi oleh beberapa variabel laten
yang lain di dalam model SEM dikenal sebagai variabel dependen laten (latent dependent
variable). Sebaliknya, setiap variabel laten yang tidak dipengaruhi oleh variabel laten
yang lain disebut dengan variabel independen laten (latent independent variable). Dalam
contoh tersebut maka kepuasan merupakan variabel independen laten dan variabel kinerja
seseorang merupakan variabel dependen laten.
Misalkan sekarang kita tambahkan kinerja perusahaan sebagai variabel laten ketiga.
Hubungan anrara ketiga variabel laten tersebut dapat ditulis sebagai berikut:
Setelah kita mernbahas variabel laten maka selanjutnya adalah membahas masalah
variabel indikator. Variabel indikator ini merupakan variabel pembentuk variabel laten.
Untuk memudahkan pembahasan karena kita sudah terbiasa seperti dalam analisis regresi
maka variabel indikator yang membentuk variabel independen laten kita memberi simbol
dengan X. Sedangkan variabel indikator yang membentuk variabel dependen laten kita
beri simbol dengan Y. Dengan demikian, misalnya variabel kepuasan akan dibentuk oleh
4 variabel indikator maka variabel indikator ini akan kita beri simbol Xr, X2, X, dan Xr.
Bab 11. Model Persamaan Struktural (SEM) 305
Sementara itu variabel kinerja seseorang juga dibentuk oleh 4 variabel indikator dan
diberi sirnbol dengan Y1, Y,, Y, dan Yo. Variabel kinerja perusahaan juga terdiri dari 4
variabel indikator dan bisa kita beri simbol Y yang lain misalnya Y' Yu, Y, dan Yr.
Dalam contoh di atas setiap variabel laten baik independen maupun dependen
dibentuk oleh 4 variabel indikator. Pertanyaannya, kenapa di dalam membentuk variabel
laten ini kita rnempunyai lebih dari satu variabel indikator? Apa persoalan yang muncul
jika har-rya satu variabel indikator dan apa keuntungannya kita menggunakan lebih dari
satu variabel indikator untuk membentuk variabel laten? Jika kita menggunakan hanya
satu variabel indikator di dalam membentuk variabel laten berarti kita mengasumsikan
bahwa tidak ada kesalal-ran pengukuran (measurement error) berkaitan dengan pengukuran
variabel laten. Dengan hanya satu variabel indikator rnaka kita bisa mengatakan bahwa
variabel laten dapat diukur secara sempurna oleh satu variabel indikator.
Apakah asumsi tersebut sesuai dengan realitas yang ada. Kita mengukur variabel
laten dengan menggunakan variabel indikator ini hanya mengandalkan pada data sampel,
OIeh karena itu kalau kita hanya mengandalkan sampel maka persoalan kesalahan
pengukuran akan selalu ada sehingga tidak mungkin kita hanya mempunyai satu variabel
indikator di dalam membentuk variabel laten. Pengukuran kesalahan ini biasanya
berkaitan dengan rnasalah validitas (validity) dan reabilitas (reability).1
Validitas berkaitan dengan tingkat skor yang secara akurat mampu mendefinisikan
variabel laten. Tirjuan di dalam validitas ini adalah berkaitan dengan seberapa baik kita
membuat kesimpulan dari skor di dalam mengukur variabel laten. Seperti dalam reabilitas,
jika kita hanya mempunyai satu variabel indikator di dalam membentuk variabel laten
rnaka variabel laten tidak akan mampu diukur dengan baik jika satu-satunya variabel
indikator tersebut tidak valid.
Sementara itu, reabilitas ini berkaitan dengan konsistensi kemampuan pengukuran
yaitu berkaitan dengan konsistensi pengukuran dalam periode yang berbeda. Jika
pengukuran konsisten maka pengukuran sekarang dengan pengukuran periode waktu
lain, misalnya bulan saat melakukan observasi dan bulan berikutnya, seharusnya
menghasilkan skor yang hampir sarra. Bukti skor reabilitas ini dapat ditunjukkan ketika
pengukuran diberikan kepada individu atau grup yang sama pada dua waktu yang berbeda
dan menghasilkan skor yang harnpir sama. Oleh karena itu, jika hanya satu variabel
indikator dan variabel indikator ini reabilitasnya rendah di dalam mengukur variabel
laten maka variabel later-r tidak bisa diukur dengan baik.
Sebagai contoh perlunya validitas dan reabilitas adalah variabel laten kepuasan kerja
sebelumnya. Variabel ini rnerupakan variabel yang tidak mungkin hanya diukur dengan
satu variabel indikator karena variabel kepuasan ini menyangkut aspek psikologis seseorang
yang sangat sublektif dari individu satu dengan individu lainnya. Jika hanya satu variabel
1 Sebelum data diestimasi seharusnya dilakukan uji validitas dan reabilitasnya.
306 Bagian 5. Structural Equation Modeling (SEM)
indikator misalnya tingkat pendapatan maka variabel indikator ini akan bias karena
tingkat pendapatan bukan satu-satunya pengukur kepuasan seseorang.
Dengan demikian di dalam memilih variabel indikator untuk membentuk variabel
laten kita harus mempertimbangkan tentang validitas dan reabilitas variabel indikator.
Adanya kesulitan di dalam rnendapatkan pengukuran yang dipercaya dan valid dengan
hanya satu variabel indikator maka di dalam SEM disarankan menggunakan lebih dari
satu variabel indikator untuk membentuk variabel laten.
T1.2. MODELPENGUKURAN
Setelah kita mengetahui konsep variabel laten dan variabel indikator maka
selanjutnya kita akan membahas tentang metode pengukuran variabel laten. Metode
pengukuran variabel laten ini menggunakan metode analisis faktor konfirmatori. Metode
analisis faktor konfirmatori ini sudah kita jelaskan secara detil di dalam Bab 10 sebelumnya.
Namun kita akan kembali membahas masalah analisis faktor konfirmatori secara singkat.
Sebagaimar-ra dijelaskan pada bab sebelumnya, analisis faktor konfirmatori merupakan
model pengukuran di rnana variabel indikator membentuk variabel laten. Model
pengukuran mendefinisikan atau membentuk baik variabel independen laten maupun
variabel dependen laten. Gambar 11.1.(a) - 11.1.(e) menunjukkan model pengukuran
dengan menggunakan analisis faktor konfirmatori. Simbol X menunjukkan variabel
indikator pembentuk variabel independen laten, Y menggambarkan variabel indikator
pembentuk variabel dependen laten dan e merupakan error (measurement error)
Gambar 11.1(a) menunjukkan model pengukuran yang membentuk atau
mendefinisikan variabel independen laten dengan 3 variabel indikator. Gambar 11.1(b)
menunjukkan model pengukuran yang mendefinisikan variabel dependen laten dengan
3 variabel indikator. Dua atau lebih variabel independen laten dapat berubah bersama
(couary) atau berkorelasi. Gambar 11.1(c) menunjukkan dua variabel independen laten
yang berubah berkorelasi di mana setiap variabel independen laten dibentuk oleh tiga
variabel indikator. Korelasi antara variabel independen laten ini ditunjukkan oleh anak
panah dua arah. Sedangkan pada Gambar 11.1 (d) menunjukkan dua variabel independen
laten berkorelasi dan korelasi juga terjadi pada kesalahan pengukuran antara e, dan er.
Gambar terakhir yaitu 11.1(e) menunjukkan dua variabel independen laten membentuk
variabel laten independen yang kedua. Kasus pada Gambar 11.1.(e) ini disebut dengan
analisis faktor konfirmatori order kedua (second order confirmatory factor analysis) seperti
sudah diielaskan pada Bab 10 sebelumnya.
308 Bagian 5. Structurat Equation Modeling (SEM)
Variabel
independen laten
(x)
Variabel
independen laten
(x)
11.1 (d) Model Pengukuran dua variabel dependen laten dan error yamg berkorelasi
Variabel
dependen
laten
Variabel
dependen
laten
Variabel
independen
laten
Variabel
independen
laten
Variabel
dependen
laten
Variabel
independen
laten
Variabel Variabel
independen dependen
laten laten
Variabel
independent
laten
Variabel Variabel
dependen dependen
laten laten
a=f
t"/
ll
t
KK5
'/''
/):Ko2
,- -(D
-r,-xotl. :)
r@+--@
\xosL' @
\1oey L' ."
Pembentukan SEM dengan grafik akan mudah dilakukan daripada kita membuat
model dalam bentuk persamaan. Karena model hubungan kompleks maka kita harus
menggunakarrsoftware kon-rputer untuk mengestimasi SEM, misalnya AMOS atau LISREL.
Estimasi SEM dengan AMOS dan LISREL yang menggunakan bahasa grafik akan
mengikuti senrua konvensi yang disepakati di atas. Oleh karena itu jika kita memahami
dengan baik pember-rtukan SEM dengan metode grafik maka kita akan mudah melakukan
estimasi SEM dengan menggunakan bahasa program di AMOS ataupun di LISREL. Contoh
pembentukar-r model SEM dengan grafik melalui AMOS bisa dilihat di dalam Gambar
11.3.
Dalam Gambar 11.3 tersebut, variabel laten kepuasan kerja (KK) mempengaruhi
baik variabel laten motivasi kerja (MK) maupun variabel laten komitmen organisasi (KO).
Selanjutnya variabel laten motivasi kerja rnempengaruhi variabel laten komitmen
organisasi. Variabel laten kepuasan kerja dan motivasi kerja masing-masing dibentuk
oleh 5 variabel indikator sedangkan variabel laten komitmen organisasi dibentuk oleh 6
variabel indikator.
314 Bagian 5. Structural Equation Modeting (SEM)
Variabel laten KK, MK dan KO digambarkan dalam bentuk lingkaran atau elips,
sedangkan variabel indikator pembentuk variabel laten masing-masing digambarkan oleh
persegi panjang. Variabel residual yang menunjukkan faktor unik di dalam analisis
konfirmatori digambarkan dalam bentuk lingkaran yang lebih kecil. Ada hal penting di
dalam penamaan variabel residual di dalam analisis faktor konfirmatori ini. Karena ada
16 variabel indikator maka ada 16 variabel residual. Nama masing-masing variabel
residual tidak boleh sama. Untuk mudahrrya kita urutkan saja mulai dari E1 sampai E16.
Selain variabel residual tersebut, masih ada dua variabel residual yang lain. Hal ini muncul
karena ada dua persamaan regresi yang kita estimasi yaitu variabel laten kepuasan kerja
mempengaruhi motivasi kerja dan kepuasan kerja dan motivasi kerja mempengaruhi
komitmen organisasi. Variabel residual tersebut kita beri nama masing-masing D1 dan
DZ.
Dari analisis jalur (parh) tersebr-rt kepuasan kerja mempunyai efek langsung terhadap
motivasi kerja, motivasi kerja mempunyai efek langsung terhadap komitmen organisasi
dan kepuasan kerja juga mempunyai efek langsung terhadap komitmen organisasi.
Selanjutnya pengaruh tidak langsung terjadi jika antara dua variabel laten tidak
terdapat anak panah satu arah langsung yang menghubungkan keduanya, akan tetapi
variabel laten pertama mempengaruhi variabel laten kedua melalui satu atau lebih variabel
laten yang lain. Besarnya efek tidak langsung bisa dihitung dengan perkalian koefisien
variabel laten yang terlibat dalam hubungan tidak langsung tersebut. Misalnya kernbali
ke kasus Gambar 11,3 sebelumnya, kepuasan kerja mer-npunyai efek tidak langsung
terhadap komitrnen organisasi melalui variabel laten motivasi kerja.
Bab 11. Model Persamaan Struktural (SEM) 315
Akhirnya setelah efek langsung dan efek tidak langsung didapatkan, selanjurnya
kita bisa menghitung efek total. Efek total dari dua variabel laten adalah jumlah baik
efek langsung dan atau efek tidak langsung yang mer-rghubungkan kedua variabel laten
tersebut. Total efek dari kepuasan kerja terhadap motivasi kerja merupakan efek
langsungnya karena tidak ada efek tidak langsungnya. Total efek dari motivasi kerja
terhadap komitmen organisasi juga merupakzrn efek langsungnya karena tidak ada efek
tidak langsungnya. Sedangkan total efek kepuasan kerja terhadap komitmen organisasi
adalah penjumlahan efek langsungnya ditambah efek tidak langsungnya.
Kita juga bisa membuar keputusan signifikan tidaknya variabel indikator dengan
mernbandingkan antara nllai p-ualue dengan tingkat signifikansi yang kita pilih. Bila
nilai p.value lebih kecil dari u:57o maka variabel laten dikatakan signifikan sedangkan
bila p.value lebih besar dari s:5% maka variabel laten dikatakan tidak signifikan.
11.8. RESPESIFIKASIMODEL
Sebagaimana analisis faktor konfirmatori, jika model SEM tidak layak berdasarkan
uji kelayakan maka kita perlu melakukan respesifikasi model. Respesifikasi model bisa
dilakukan dengan berbagai cara:
Contoh 11.1. Model SEM Pengaruh Kepuasan Kerja terhadap Komitmen Organisasi
Kembali pada kasus analisis jalur (path ana\sis) pada Bab 10 sebelumnya di mana Kepuasan
Kerja (KK) mempengaruhi Komitmen Organisasi (KO) baik secara langsung maupun
tidak langsung. Kepuasan kerja bisa mempengaruhi tidak lar-rgsung melalui nrotivasi kerja.
Pembentukan moclel SEM bisa dililrat kembali pada Gambar 11.3. sebelumnya.
Karena ketiga variabel di dalam model SEM tersebut merupakan variabel laten,
maka sebelurn melakukan analisis SEM kita harus melakukan analisis faktor konfirmatori
dulu untuk membentuk variabel laten tersebut. Kita telah n-relakukan analisis faktor
konfirmatori untuk komitmen organisasi pada Bab 10 sebelumnya dengan menggunakan
enam variabel indikator. Dengan demikian, sekarang tir-rggal melakukan analisis faktor
konfinnatori untuk kepuasan kerja (KK) dan motivasi kerja (MK).
Ada beberapa variabel indikator yang membentuk variabel laten kepuasan kerja
(KK) terdiri dari 5 variabel yaitu:
(1) Gaji dan tunjangan cukup
(2) Menikmati bekerja dengan rekan sejawat
(3) Dukungan perruh dari atasan
(4) Suka nrelaksanakan pekerjaan
(5) Puas dengan kemajuan yang diperoleh
Sedangkan variabel indikator pembentuk variabel laten Motivasi Kerja (MK) terdiri
dari 5 variabel yaitu:
(1) Menetapkan dan mencapai tujuan yang realistis
(2) Bertanggungjawab terhadap pekerjaan
(3) Bersungguh-sungguh meningkatkan kinerja
(4) Suka tantangan
(5) Suka bekerjasarna dengan rekan kerja
Hasil estimasi analisis faktor konfirn'ratori variabel laten Kepuasan Kerja (KK) dengan
menggunakan AMOS dapat ditunjukkan dalam tampilan 1-4. Kita tidak akan
menjelaskan secara detil hasilnya, silakan dibaca kembali bagaimana menginterpretasikan
hasilnya seperti pada Bab 10 sebelurnnya. Hal yang penting perlu dianalisis dalam hal ini
adalah apakah variabel indikator yang ada mampu membentuk variabel laten kepuasan
kerja dan apakah modelnya layak.
Thnrpilan 2 menyediakan informasi tentang standard errors, Critical Ratlo (CR) dan
p-ualues. Semua variabel indikator KK1 sarnpai KK5 signifikan dengan tingkat signifikansi
a":5o/o, bahkan dengan tingkat signifikansi ct:lo/o. Model analisis konftrmatori variabel
laten kepuasan kerja metnenuhi kriteria kelayakan bcrdasarkan uji Chi Squares, GFI dan
318 Bagian 5. Structural Equation Modeling (SEM)
AGFI, lihat tampilan 3. Dengan demikian variabel indikator KK1-KK5 maffrpu membentuk
variabel laten kepuasan kerja.
Tampilan 1
(,
Thmpilan 2
Regression \X/eights: (Group number 1 - DefaLrlt model)
Estimate S.E. C.R. P Label
(K1 <---KEPUASAN KERJA (KK 1,000
***
<K2<-- KEPUASAN KERJA (KK ,661 ,173 3,826 ***
(K3 <-- KEPUASAN KERJA (KK 1,129 ,226 5,001
***
<K4<-- KEPUASAN KERJA (KK 1,017 ,208 4,891
***
(K5<_-KEPUASAN KERJA (KK ,9'13,195 4,674
Standardized Regression \Weights: (Group number 1 - Default model)
Estimate
KK1 <-- KEPUASAN KERJA (KK) ,592
KKz <-- KEPUASAN KERJA(KK) ,455
KK3 <-- KEPUASAN KERJA (KK) ,691
KK4 <-- KEPUASAN KERJA (KK) ,656
KKs <-- KEPUASAN KERJA (KK) ,605
Bab 11. Model Persamaan Strukturat (SEM) 319
Estimate
KK5 ,366
KK4 ,430
KK3 ,477
KKz ,207
KK1 ,350
Thmpilan 3
Model Fit Summary
Computation of degrees of freedom (Default model)
Number of distinct sample lrloments: 15
Nurnber of distinct parameters to be estimated: 10
Degrees offreedom (15 - 10): 5
Chi-square : 15,494
Degrees of freedom : 5
Probability 1"u"1 : ,008
RMR, GFI
Model RMR GFI AGFI PGFI
Default model 057 ,952 ,855 ,317
Saturated model 000 1,000
lndependence model 291 ,644 ,467 ,430
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model ,133 ,061 ,210 ,032
lndependence model ,313 ,265 ,363 ,000
320 Bagian 5. Structura! Equation Modeling (SEM)
Thmpilan 4
Modification Indices (Group number 1 - Default model)
Covariances: (Group number i - Default model)
M.l. Par
Regression Weights: (Group number 1 . Default model)
M.l. Par Change
<K1<--KK2 4,971 ,206
Hasil estimasi analisis faktor konfirmatori Motivasi Kerja (MK) dengan menggunakan
AMOS ditampilkan dalam tampilan 5-8. Thmpilan 6 menyediakan informasi tentang
standard errors, Critical Rario (CR) dan p-values. Berdasarkan kriteria tingkat signifikansi,
semua variabel indikator MK1 sampai MK5 signifikan dengan tingkat signifikansi a.:5o/o,
bahkan pada tingkat signifikansi a.:Io/o. Pada tampilan 7 menyajikan uji kelayakan model.
Namun, model analisis konfirmatori pada variabel laten motivasi kerja tidak memenuhi
kriteria kelayakan berdasarkan uji Chl Squares, AGI, AGFI, RMR maupun RMSEA
sehingga perlu rnelakukan respesifikasi model agar model menjadi layak.
Karena rnodelnya belum layak, kita harus melakukan respesifikasi model, Thmpilan
8 menyajikan informasi bagairnana melakukan respesifikasi rnodel. AMOS
menginformasikan perlunya n'relakukan korelasi antara residual. Kita mulai daripar change.
nya yang paling besar agar bisa menurunkan nilai chi squares. Par change-nya yang paling
besar adalah korelasi antara residul E1 +> E3. Hasil respesifikasi model ditampilkan dalam
tampilan 9 - 11. Thmpilar-r 9 menunjukkan respesifikasi dengan grafik. Berdasarkan kriteria
tingkat signifikansi semua variabel indikator mulai MK1 - MK5 secara srarisrika signifikan
pada tingkat signifikansi o,:1%, Iihat tampilan 10. Sedangkan uji kelayakan model
menunjukkan bahwa model layak berdasarkan uji chl squd"Tes, AGI dan AGFI, lihat
tampilan 11.
Bab 11. Model Persamaan Struktural (SEM) 321
Thmpilan 5
,o
""
MK1 -l E1
,' l.--- l
'31
,r,
/ l-
MK2
,,
Thmpilan 6
Regression'Weights: (Group nutnber 1 - Default model)
Estimate
MK1 <-- MOT|VAST KERJA (MK) 535
MK2 <--- MOTTVAST KERJA (MK) 560
MK3 <--- MOT|VAST KERJA (MK) 656
MK4 <--- MOT|VASI KERJA (MK) 645
MKs <--- MOTIVAS| KERJA (MK) 796
322 Bagian 5. Slructural Equation Modeling (SEM)
=2
,799 ,117 6,811 ***
-3 ,591 ,096 6,'185
,565 ,090 6,277 ***
=4
E5 ,366 ,086 4,276 i**
Squared Multiple Correlations: (Group number 1 - Default model)
Estimate
MK5 ,634
VIK4 ,416
VK3 ,430
\4K2 ,314
VK1 ,286
Thmpilan 7
Model Fit Sunlmary
Computation of degrees of freedorn (Default model)
Number of distinct sample uroments: 15
Number of distinct parameters to be estimated: 10
Degrees offreedom (15 - 10): 5
Chi.square : 35,660
Degrees of freedom : 5
Probability 1"us1 : ,000
RMR, GFI
Model RMR GFI AGFI PGFI
Default model ,094 ,885 ,655 ,295
Saturated model ,000 1,000
lndependence model ,368 ,580 ,369 ,386
RMSEA
Model RMSEA LO90 HI90 PCLOSE
Default model ,227 ,160 ,300 ,000
lndependence model ,376 ,329 ,425 ,000
Bab 11. Model Persamaan Struktural (SEM) 323
Thrnpilan 8
Modification Inc{ices (Grotrp number I - Default rnoclel)
Covariances: (GroLrp number 1 - Default mclclel)
M.l. Par Chanqe
4 <--> E5 11 ,765 ,183
1 <--> E4 7 ,931 -,198
1 <--> E3 19,234 ,318
Variirnces: (Croup number 1 - Defau[t modcl)
M.l.Par
Regression Weights: (Group nurnber i - Default rnoclel)
Thmpilan 9
i_r-}-r-q
324 Baqian 5. Structural Equation Modeling (SEM)
Thmpilan 10
Regression'Weights: (Group number 1 - Default rnodel)
RMR, GFI
Model RMR GFI AGFI PGFI
Default model 071 ,965 ,869 ,257
Saturated model 000 1,000
lndependence model 368 .580 ,369 ,386
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model ,117 ,031 ,206 ,084
lndependence model ,376 ,329 ,425 ,000
Setelah kita melakukan analisis faktor konfirmatori ketiga variabel laten, kepuasan kerja
(KK), motivasi kerja (MK) dan komitmen organisasi (KO) sehingga menghasilkan model
yang layak maka langkah selanjutnya adalah menganalisis hubungan ketiga variabel
rersebut dalam analisis SEM. Hasil estimasi model SEM dapat dilihat dalam tampilan 12
- t9.
Sebelum melakukan estimasi, pertama kali perlu ditampilkan analisis grafik n'rodel SEM
yang terbaru setelah dilakukan respesifikasi model berdasarkan analisis faktor konfirmatori
sebelumnya. Tampilan 12 nrenunjukkan analisis grafik model SEM setelah respesifikasi
model. Garnbar tersebut sama dengan Gambar 11.3 sebelumnya dengan perbedaan adanya
Bab 11. Model Persamaan Struktural (SEM) 325
korelasi antara E6 .' E7 pada variabel laten motivasi kerja. Hal ini dilakukan setelah
dalam analisis faktor konfirmatori sebelumnya menyarankan bahwa agar model layak,
perlu adanya korelasi antara keduanya yaitu pada E1 * E3. Sedangkan untuk variabel
Iaten kepuasan kerja dan komitmen organisasi tidak memerlukan adanya respesifikasi
model karena model sudah memenuhi kelayakan.
Thmpilan 12
(El
G) 6.)
G,)
Y I_)
G.
)
-r1
T1
t_. .
-t
T1
? f
!i KKt li
I ,,
t/
KK2 KK5
KK1
1
\l\1\ ^*- _31
Kt
KEPUASAN KERJA (KK)
1
1o; il @
02
=___{. ,l -1 [@
KOMITMEN ORGANISASI (KO)
\- --< igl]€
rd_ l--@
MOTIVASI KERJA (MK)
)\
-.<
yll-lIl]ixz
[ro
' ft
[L ^* +r-
I[$at
I yarly^:
l,l
\' 4rr @
60 Gr
v
\ ....-.--___,--
Bab 11. Model Persamaan Struktural (SEM) 327
Thmpilan 14
Observations fror the cerrtroid (Mahalanobis
ations falthest from stance) (Group number 1
Ada tidaknya outlier bisa dideteksi melalui statistika Mahalanobis d-Squares. Uji statistika
ini rnengikuti distribusi Chi squares (12) dengan derajat kebebasan sebanyak variabel di
dalam model SEM. Jika statistika Mahalonobis > Xz maka ada our.lier dan sebaliknya bila
statistika Mahalonobis < Xz maka tidak ada outlier.Nilai 12 pada cx:5% dengan derajat
kebebasan sebesar 3 adalah 7,83. Dari tampilan 14 terlihat ada beberapa outlier karena
nilai statistika Mahalanobis lebih besar dari nilai kritisnya. Namun dalam praktiknya
kita seringkali kesulitan untuk menghilangkan data outlier tersebut karena tidak diketahui
secara pasti alasan untuk mengeluarkan outlier tersebut.
330 Bagian 5. Structural Equation Modeting (SEM)
Thmpilan 15
Regression \)/c-ightsr (Croupr nunlber 1 . DefaLrlt moclel)
Estimate S.E. C.R P Label
Thmpilan 15 menytrjikan hubungan kausalitas antara variabel laten yang ada. Signifikan
tidaknya hubr-rngan kausalitas autar variabel laten kepuasan kerja dan motivasi kerja
terhadap kontitmen organisasi bisa dilihat dari nilai CR rnaupun berclasarkan nilai
P-ualue. Kepuasan kerja (KK) mempengaruhi Motivasi Kerja (MK) dengan ringkar
sigrrifikansi a.=So/o karena nilai CR-nya lebih besar dari t kritisnya sebesar -r1,98 pada
u":5o/o, Begitu pula kepuasan kerja (KK) mempengaruhi kornitmen organisasi (KO)
dengan tingkat signifikansi a.:5o/o. Sedangkan motivasi kerja (MK) tidak mempengaruhi
komitmen organisasi (KO).
Bab 11. Model Persamaan Struktural (SEM) 331
Thmpilan 16
Thmpilan 17
Stanclardized Regression Weights: (Group nuurber 1 ' De{auit rnodel)
Estimate
MOTTVAST KERJA (MK) KEPUASAN KERJA (KK) ,265
KOMTTMEN ORGANTSASI (KO) MOTTVAST KERJA (MK) ,059
KOMTTMEN ORGANISASI (KO) KEPUASAN KERJA (KK) ,345
KK1 KEPUASAN KERJA (KK) ,581
KK2 KEPUASAN KERJA (KK) ,449
KK3 KEPUASAN KERJA (KK) ,677
KK4 KEPUASAN KERJA (KK) ,666
KK5 KEPUASAN KERJA (KK) ,623
KO1 KOMTTMEN ORGANISASI (KO) ,651
KO2 KOMTTMEN ORGANISASI (KO) ,678
KO3 KOMTTMEN ORGANISASI (KO) ,736
KO4 KOMTTMEN ORGANISASI (KO) ,573
KO5 KOMTTMEN ORGANISASI (KO) ,594
MK5 MOTTVAST KERJA (MK) ,BB1
MK4 MOTTVASI KERJA (MK) ,688
MK3 MOTTVASI KERJA (MK) ,5.18
C 1E
MK2 MOTTVAST KERJA (MK) ,J r'J
MK1 MOTTVAST KERJA (MK) ,4ClS
KO6 KOMTTMEN ORGANISASI (KO) ,626
Thmpilan 18
Standardized Direct Effects (Group number 1 . Default model)
Pengaruh saru variabel laten terhadap variabel laten dapat dipisahkan menjadi efek
langsung, efek tidak langsung dan efek total. Thmpilan 18 menyajikan ketiga efek tersebut.
Efek langsung kepuasan kerja (KK) terhadap motivasi kerja (MK) sebesar 0,265 dan
efek langsung kepuasan kerja (KK) terhadap komitmen organisasi (KO) sebesar 0,361.
Sedalgkan efek langsung motivasi kerja (MK) terhadap komitmen organisasi (KO) sebesar
0,059. Sedangkan efek tidak langsung kepuasan kerja terhadap komitmen organisasi
(KO) sebesar 0,016. Efek total kepuasan kerja (KK) terhadap motivasi kerja (MK) sebesar
0,265, efek toral kepuasan kerja (KK) teriradap komitmen organisasi (KO) sebesar 0,361
(efek langsur-rg * efek tidak langsung : 0,345 + 0,016) dan efek total motivasi kerja
(MK) terhadap komitmen orgar-risasi (KO) sebesar 0,059.
Thmpilan 19
RMR, GFI
Model RMR GFI AGFI PGFI
Default model ,069 ,875 ,829 ,643
Saturated model ,000 1,000
lndependence model ,209 ,516 ,451 ,455
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model ,060 ,036 ,081 ,225
lndependence model ,188 ,174 ,203 ,000
Thmpilan 19 rnenyajikan uji kelayakan model. Model SEM hubungan antara variabel
lot"., k"pguran kerja (KK), motivasi kerja (MK) dan komitmen organisasi (KO) memenuhi
kriteria kelayakan model berdasarkan uji statisrika AGFI dan RMSEA.
Thmpilan 20
Modification Indices (Group number 1 - Default model)
Covariances: (Group number 1 - Default model)
M.l. Par Chanqe
E14 <--> E15 4,430 j02
E12<*>D1 12,337 ,231
_E12<->E7 5,468 ,156
E12<-->E8 4,079 -,109
E12<-->E1C 6,523 ,127
E11 <--> E13 4,842 ,054
E1 <-->E2 7.084 ,184
I 5 6 6t ol 5 5 5 5 5 5
I
5l 4 4
:l 1l ;l 4 ,l ul 6 5 6 5 6 4 3 5
il
2 5
I
3 4 5 4 +l 6 6 6 5 4 5 4 4
4 5 il ;l 4 3 :l rl 6 5 6 5 4 5 5 I
5 4 ,l 4 6 l 4 4 6 6 5 ;l 4 4
6 3 tl 4 6 ;l ) 6 6 6 6 5 4 4
7 4 -l rl 4 5 l 5 6 5 6 5 6 5 5
8 5 -l 4 5 4 ) 4 5 5 6 6 6 6 4
) 6 5 5 5 5 5 6 4 o* 4 5
9 4 5 5
l0 3 il 5 6 6 6 5 6 4 5 6 6 6 5 4
1l 6 ,rl 4 3 4 6 5 6 6 5 5 4 5 4 5 4
IZ 4 ,I,I 3 4 4 6 4 6 6 6 5 5 5 5 4 6
ll 6 oo 4 4 5 6 5 5 6 5 5 5 5 5 4 6
l4 6 5 5 6 6 5 5 6 6 4 5 5 5 4 3
6 5 6 4 6 5 3 5 5 4 5
l5 4 4 4 5 5
j
16 l 2 6 5 5 5 3 5 5 5 5 5 5 4 4
t7 5 4 4 6 4 5 3 5 5 5 5 5 4 4 I 5
18 5 3 4 4 4 6 6 5 6 6 5 5 5 4 +
r9 5 4 6 5 5 6 5 5 5 5 6 6 5 5 4 4
D 3 4 oo 4 5 5 3 5 5 5 6 6 6 4 5 4
7L 5 3 4 4 6 3 5 5 5 6 6 6 6 5 6
n 6 4 lo 4 4 5 3 5 5 5 6 6 6 6 5 6
?3 5 4
t, 6 4 5 4 5 Z 2 6 5 6 4 5 4
)l
25
4
4
3
4 til* 4
6
4
6
5
6
t'
1 5
I
3
5
3
6
6
6
6
5
6
5
6
4
5
4
6
26
n
a
4
6
4
l:t, lot,
ln I
4 5
6
5
5 li
I
5
4
4
5
5
4
5
6
4
6
4
6
3
6
4
6
4
t:
6 5 6 6 6 6 6 6 6 6 6 5 6
D 6 6 6 6 6 6 6 6 6
I' l.'I'
5 4 6 6
30 5 4 5 6
t'ls
I
6 4 5 5 6 5 5 6 6
3l 5 4
l: lols 6 5
lr
5
I
3
6
5
l
6
6
6 6 6
4
6
4
6
t, l5
12 6 5 6 5 5 5 5
I I
t,
l5
-ll 6 4 6 6 6 6 6 6 5 5 4 4 4
t: t,
I
v 5 5 6 6 6 6 6 6 6 6 6 6 6
l
35 4 4 4 6 l) 6 5 5 6 6 6 5 5 6
Bab 11. Model Persamaan Struktural (SEM) 337
37
n
;l'.
,14
4
5
3
5
3
6
6
6
6
4
6
5
6
3
:l: 6
4
5
5
6
4
5
4
6
:1"
39
{
4l
;l'.
61 4
4
6
4
6
4
l
6
6
6
4
)
6
6
6
6
6
,16
.16
3
6
5
6
5
6
3
6
3
42
43
41
4l
+l
5
s
4
6
5
5
6
5
6
6
6
6
6
6
6
6 :l: 6
6
5
6
3
5
4
5
4
4
45 rl
+l
4
l
4
5
+
3
5
5
6
3
6
6
6
6
6
6 :l'. 5
5
5
5
4
4
4
4
3
$
47
48
ql
,l
4
I
4
l
4
3
5
5
6
5
5
3
5
3
5
5
;l'.
-14
6
5
5
5
5
5
4
4
6
+ ol 4 4 4 4 4 6 4 4 ol6 6 6 6 4 4
s ,14 3 3 4 4 3 4 4 414 4 4 4 4 4
5l sl 5 3 4 5 4 4 4 4 l ) 3 3 3
n ,l 5 iloo 5 5 4 4 5
-14
5 5 5 5 5 5 5
5l *l 4 4 3 5 6 4 4 4 ) 4 l I 4
v
55
%
,l
:1
l 5
l
3
5
4
6
5
6
5
5
6
5
5
5
5
ll:
,16
6
6
6
5
(-.
3
6
4
5
57
58
'14
rl "6
3
5
5
5
5
4
6
5
4
6
4
5
z
5
'16
616
4
6
5
5
6
4
4
4
3
I 51 5 3 4 5 5 6 5 5 .16 6 6 5 4 5
(o ,l 6 4 4 l 6 5 5 4 5
:1"
4 4 4 4
l
:l.*l 6
6l 4 3 3 5 5 4 4 5 5 5
o 5 6 6 6 5 5 6 .16 6 6 6 5 6
6l
:lu.
4 4 4 5 4 4 5 6 6 6 3 4 4
& ol " 4 5 5 6 6 6 6 6 6 6 6 6 5
6 ,16 5 l 6 6 6 4 5 .lr, 5 5 4 4 3
$ l l
'l 6
,ls
4 3 5 5 6 5 5 5 4 5
67 31 4 4 3 4 6 5 5 5 4 5 4 4 4
a
o ill
,l l
4
l
5
5
5
5
5
5
4
5
5
5
5
5
'ls
516
5
6
5
6
5
5
5
5
5
rc
7l ,ll
4
3
5
3
5
4
5
6
5
5
5
6
5
6
:16
6t)
6
6
6
6
5
1
5
4
6
n ol 5 6 5 6 5 4 5 6 .ls 5 5 5 5 5
338 Bagian 5. Structural Equation Modeting (SEM)
71 4 4 4 4 + (r 6 6 6 6 6 5 5 4 4l )
74 4 5 6 (r 6 6 6 6 6 6 6 6 6 5 ,15
I l l
;l;
75 3 J 3 5 5 6 6 4 5 4 5
I l )
-l
76 5 4 4 4 5 5 5 5 5 5 5
n 5 ) + 5 5 (i 6 5 5 5 5 6 5 6 4
E 6 5 5 (r 6 (r 5 5 6 (r 6 6 6 6 51 6
7) 4 4 4 4 5 4 4 5 6 6 6 6 6 5 41 4
l .t
tl] ) 6
;l;
+ 5 5 6 5 4 5 6 5 6 5
8l 4 3 I .l l 6 5 4 l l 5 4 5 5
82 6 4 4 3 4 6 l 5 5 5 5 6 4 4 51 5
8l 5 5 5 5 5 5 4 6 1 6 6 5 5 6 61 5
ti4 6 5 5 5 6 (r 4 6 6 6 5 4 5 l 4l +
85
86
6
l
5
l
6
l
l
6
5
6
4
6
5
5
5
4
5
4
5
5
5
5
5
5
4
6
5
5
5 l;
_t
{,
s 6
5 +
4 5
6
4
{
4
5
6
l
5
5
6
5
5
5
4
5
5
J
4
5
5
5
5 :l:
-ll
s ) .l + 4 5 l 5 5 f 5 l 5 5
r 4 5 5 5 5 2 6 6 5 5 5 L 5 (r 51 5
9t 4 4 5 4 4 5 4 6 4 4 4 4 5 5 4l
:
(
92 .l l 1 5 3 4 5 5 5 5 5 5 5 4
9l 3 4 3 L 4 4 4 5 5 5 4 5 5 4 iloo
;l:
9l 4 4 3 4 4 4 5 4 5 5 4 5 5 3
% l 4 4 4 5 6 5 6 6 6 6 6 6 4
% 5 6 2 ) 5 4 1 4 I 5 6 6 (; t 51 6
gt
;l:
3 4 4 4 5 6 5 6 6 5 6 (i (r 5
ql l 5 7 5 5 6 4 6 5 z 6 5 6 6
rt l z l 5 6 6 5 4 5 6 6 6 5 6 4l 6
lm l 3 4 4 4 3 4 l 5 4 5 4 5 4 *l 5
lLll 5 4 5 5 l 6 5 l 6 5 6 6 6 5
102 3 3 5 5 5 5 5 6 5 5 5 4 4
l0l l 4 I t 6 2 3 2 6 6 4 4 5 3
6 5 5 5 5 4 5 5 6 6 5 6 4 5 ,15
lc5 l 4 5 3 5 6 5 4 5 6 4 5 4 5 51 4
106
lc7
l
4
3
4
2
3
l
5
4
6
5
6
6
5
4
6
5
6
6
6
6
6
6
6
6
5
6
6
'l
+l
5
(,
lGl (r 6 6 6 5 3 , 4 5 l 6 4 5 4 sl 6
IG) 1 j 4 3 5 6 (r 6 6 5 (r 6 6 3 ,l 4
Bab 11. Model Persamaan Strukturat (SEM) 339
110 l J 3 3 3 3 4 3 5 + 4 4 5 4 5 3
lll l l 3 5 + l 4 l 5 4 5 5 5 5 6 5
lt2 l J l 5 4 6 l 6 6 6 5 5 5 5 5 5
lll l 1 l 4 4 l 4 3 4 3 5 4 5 4 4 5
l14 6 4 6 6 6 l 4 3 5 4 6 6 6 6 6 6
ll5 l 3 3 3 5 2 L 1 ) z 6 4 5 5 5 5
l16 3 3 l 5 4 5 3 2 5 5 6 5 5 5 5 5
il7 4 4 4 4 3 3 4 3 5 4 4 6 6 6 5 4
118 l 5 l 3 5 6 5 6 5 6 5 5 4 4 5 j
lr9 3 l 5 4 + 3 4 3 5 4 6 5 5 4 5 5
tn 3 + 5 5 6 + I 4 4 4 6 5 5 6 4 3
Keterangan:
KK : Kepuasan Kerja
MK : Motivasi Kerja
KO : Komitmen Organisasi
Pengukuran masing-masing variabel menggunakan skala Likert yaitu: (1) Sangat Tidak
Setuju; (2) Tidak Setuju; (3) Kurang Setuju; (4) Setuju; (5) Setuju Sekali; dan (6)
Sangat Setuju Sekali.
340 Bagian 5. Structural Equation Modeling (SEM)
KOMITMEN ORGANISASI
c. Men'rasukkan data
Setelzrh kita menrbentuk diagram jalurnya, selanjutnya meurasukkan data untuk
analisis. Dalam hal ini Default dari AMOS adalah SPSS: Klik File '+Data file'
Kepruclian klik pada File name dan cari lokasi dimana file data disimpan. Setelah
kita prasukkan clata maka akan muucul tan'rpilan sebagai berikr"rt:
Bab 11. Model Persamaan Struktural (SEM) 341
V,3lue rl N I
,,,,,"?[ . ;i
',,,
?rr:r I
Titb I
Es[malior ]Numericall eim ] output] Eools'lr€F| Pernqtationsl Fandomn]
DiscreFdncy
f F8leither model
Estimasi
Untuk melakukan esrimasi pilih Analyze --+ Calculate Estimates. Hasil estimasi
cli dalam diagram jalur dapat dilihat dengan cara klik tombol berikut sebagai
berikut;
Sama seperti analisis CFA, bila esrimasi dilakukan secara benar maka
tombol ini akan berwarna merah. Namun perlu diingat bahwa defauh
dari AMOS koe{isien estimasinya adalah dalam bentuk unstandardized
estimates. Untuk mengubah meljadi standardiZed estimates, kita klik
pilihan Standardized Estimates yang ada di bawah perintah
Unstandardized estimates.
Hasilnya seperti terlihat dalam tampilan 16 dalarn
contoh 11.1.
(1) Tampilan tentang hasil uji normalitas bisa dilihat dengan cara klik Assessment
of Normality.
(2) Thmpilan tentang hasil uji outlier bisa diklik Observation farthest from the
centroid
(3) tmpilan tentang hasil estimasi hubungan antara variabel laten bisa diklik
estimates
(4) Tampilan tentang hasil estimasi efek langsung, efek tidak langsung dan efek
total bisa diklik melalui estimates
(5) Gmpilan tentang uji kelayakan rnodel berdasarkan chi squares bisa dilihat dengan
klik Notes for model
(6) Tampilan tentang uji kelayakan model yang lainnya bisa dilihat dengan klik
Model Fit
(7) Tampilan tentang respesifikasi model atau modifikasi bisa dilihat dengan klik
Modification Indeces