zaLil

M""rt Pr*"r S*""r"*t (SEM

^"
Setelah kita membahas masalah pola hubungan simultan antara variabel dengan
menggunakan konsep analisis jalur, maka tibalah sekarang kita membahas masalah model
persamaan struktural disingkat dengan SEM (Structural Equation Model). Ada perbedaan
prinsipal antara analisis jalur dengan SEM berkaitan dengan masalah pengukuran variabel.
Di dalam rnodel analisis jalur, variabel dependen maupun independen merupakan variabel
yang bisa diukur secara langsung (observable) sedangkan dalam SEM variabel dependen
dan independen merupakan variabel yang tidak bisa diukur secara langsung Q.tnobseruable).
Bab 11 ini akan membahas dasar-dasar dari SEM.

11.1. VARIABEL LATEN DAN VARIABEL INDIKATOR

Di dalam SEM ada dua jenis variabel yaitu variabel laten (lntentlconstruct uariable)
dan variabel indikator (indicator variable). Variabel laten adalah variabel yang tidak bisa
diukur secara langsung (unobseruable). Variabel ini hanya bisa diukur secara tidak
langsung. Misalnya variabel kepuasan kerja pada Bab 10 sebelumnya. Variabel kepuasan
kerja berkaitan erat dengan aspek psikologis seseorang sehingga kita tidak bisa secara
langsung mengukur variabel kepuasan. Variabel kepuasan ini bisa diukur dengan
menggunakan beberapa variabel indikator. Dengan demikian variabel indikator adalah
variabel yang dapat diukur secara langsung. Variabel indikator ini merupakan pembentuk
variabel laten. Apa saja yang bisa mengukur kepuasan harus didasarkan pada teori-teori
yang ada. Bab 10 sebelumnya telah membahas masalah pembentukan variabel laten atas
dasar variabel indikator dengan analisis faktor konfirrnatori.
Selanjutnya kita juga bisa membagi jenis variabel laten menjadl dua yaitu variabel
independen dan variabel laten dependen. Misalnya variabel laten kepuasan mempengaruhi
variabel laten kinerja seseorang sebagai berikut:

Kepuasan Kerja + Kinerja Seseorang

304 Bagian 5. Structurat Equation Modeling (SEM)

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:

Kepuasan Kerja "r Kinerja Seseorang + Kinerja Perusahaan

Di dalam hubungan ketiga variabel laten tersebut, variabel laten kepuasan masih
merupakan variabel independen laten karena tidak ada tanda anak panah yang mengarah
ke variabel kepuasan. Sedangkan variabel kinerja perusahaan merupakan variabel
dependen laten karena ada tanda anak panah ke arah kinerja perusahaan dari kinerja
seseorang. Bagaimana dengan variabel laten kinerja seseorang apakah variabel
independen laten arau variabel dependen laten? Karena variabel ini mempengaruhi kinerja
perusahaan ditunjukkan adanya anak panah dari kinerja seseorang ke kinerja perusahaan
maka variabel kinerja seseorang ini bisa disebut variabel independen laten. Namun, kinerja
seseorang ini juga merupakan variabel dependen laten karena dipengaruhi oleh kepuasan
yang ditunjukkan adanya anak panah ke arah variabel kinerja seseorang. Dengan kata
lain, variabel kinerja seseorang ini bisa dianggap variabel independen laten maupun
variabel dependen laten tergantung dari sisi mana kita melihat.
Gtapi dalarn SEM, setiap variabel laten yang dipengaruhi oleh variabel laten lain
yang ditunjukkan dengan anak panah disebut dengan variabel dependen laten. Sedangkan
variabel laten yang tidak dipengaruhi oleh variabel laten lain yang ditunjukkan tidak
adanya tanda anak panah mengarah ke variabel tersebut maka disebut dengan variabel
independen laten. Dari penjelasan ini maka kita bisa mengatakan dalam bahasa SEM
bahwa variabel kepuasan merupakan variabel independen laten dan variabel kinerja
seseorang dan kinerja perusahaan merupakan variabel dependen laten.

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

11.1 (e) Model pengukuran variabel laten tingkat dua

 Bab 11. Model Persamaan Struktural (SEM) 309

11.3. MODEL PERSAMAAN STRUKTURAL

Model persalnaan struktural atau SEM merupakan n-iodel yar-rg menjelaskan hubungan
antara variabel laten sehingga model SEM ini seringkali disebut dengan analisis variabel
laten (latent uariable ana\sis) atau hubungan struktural linear (linear structurd"l relation-
ship). Hubungan antara variabel di dalam SEM ini sama dengan l-rubungan di dalam
analisis jalur sebelumnya. Namun, di dalam menjelaskan hubungan antara variabel laten,
SEM ini berbeda dengan model analisis jalur di mana analisis jalur menggunakan variabel
yang terukur (observable) sedangkan SEM menggunakan variabel yang tidak terukur
secara langsung (unobservable).
Sebagai model yang kompleks di dalam menganalisis hubungan antar variabel, ada
beberapa tahap yang perlu dilakukan di dalarn analisis model SEM yaitu:
1. Spesifikasi model
7. Identifikasi
3. Estimasi model
4, Uji kelayakan model dan uji signifikansi
5. Respesifikasi model

Spesifikasi model pada tahap pertama berkaitan dengan pember-rtukan hubungan

antar variabel di dalam SEM. Karena SEM bukan merupakan metode untlrk membangun
sebuah teori maka spesifikasi model ini harus didasarkan pada teori yang ada. Langkah
kedua di dalam SEM adalah persoalan identifikasi untuk menentukan apakah model
sudah tepat atau masih ada kesalahan spesifikasi model (misspecified model). Jika model
sudah tepat maka kita bisa mendapatkan parameter estimasi dari hubungan antar variabel
di dalarn SEM. Langkah ketiga adalal-r melakukan estimasi. Ada beberapa metode estimasi
yang bisa digunakan seperti ordinary lea* squares (OLS) dan maximum likelihood (ML).
Setelah diestimasi, langkah keempat adalah uji kelayakan model. Jika model sudah layak
maka kita bisa melakukan uji signifikansi hubungan antar variabel di dalam SEM. Langkah
terakhir, jika model tidak layak rnaka kita perlu melakukan respesifikasi model agar bisa
mendapatkan model yang layak.
Hubungan antar variabel di dalam model SEM mernbentuk apa yang disebut dengan
model struktural (structural models). Model struktural ini dapat dijelaskan melalui
persamaan struktural seperti di dalam analisis regresi. Persamaan struktural ini rnenlelaskan
prediksi variabel ir-rdependen laten terhadap variabel depender-r laten. Ada beberapa
model struktural di dalam SEM, lii-rat Gambar 11.2.
310 Bagian 5. Structurat Equation Modeting (SEM)

Variabel
dependen
laten

11.2.(a) SEM dengan satlr variabel independen

Variabel
dependen
laten

Variabel
independen
laten

11.2.(b) SEM dengan dua variabel independen

Variabel
independen
laten

Variabel
dependen
laten

11.2.(c) SEM dengan dua variabel independen yang berkoreiasi

 Bab 11. Model Persamaan Struktural (SEM) 311

Variabel Variabel Variabel

independen dependen dependen
laten laten laten

11.2.(d) SEM dengan variabel independen intermediasi

Variabel
independen
laten

Variabel Variabel
independen dependen
laten laten

Variabel
independent
laten

11.2.(e) SEM dengan dua variabel independen intermediasi dan berkorelasi

Variabel Variabel
dependen dependen
laten laten

11.7.(f) SEM yang bersifat resiprokal (kausalitas)

Gambar 11.2. Beberapa bentuk SEM

312 Bagian 5. Structural Equation Modeling (SEM)

Pada Gambar 11.2.(a) satu variabel independen laten memprediksi atau

mempengaruhi satu variabel dependen laten. Gambar 11.2(b) menggambarkan dua
variabel independen laten memprediksi satu variabel dependen. Pada Garnbar 11.2(c)
dua variabel independen laten yang berkorelasi mempengaruhi variabel dependen. Pada
Gambar 11.2.(d) menunjukkan satu variabel independen laten mempengaruhi satu
variabel dependen laten dan selanjutnya variabel laten dependen ini mempengaruhi
variabel dependen laten berikutnya. Pada Gambar 11.2.(d) menunjukkan dua variabel
independen laten intermediasi dan berkorelasi. Pada Gambar 11.2.(f) menunjukkan dua
variabel dependen laten saling berpengaruh.

11.4. PEMBENTUKAN SEM DENGAN GRAFIK

SEM merupakan model yang menjelaskan hubungan variabel secara simultan. Karena
hubungan variabel bersifat simultan dan setiap variabel di dalam SEM adalah variabel
laten maka akan mudah kita menjelaskan model SEM dengan menggunakan metode
grafik. Dengan adanya metode grafik inilah kemudian beberapa software komputer seperti
AMOS dan LISREL di dalam mengestimasi SEM juga menyediakan estimasi dengan
metode grafis. Misalnya AMOS atau LISREL menggunakan bahasa grafik untuk
mengestimasi SEM.
Ada beberapa konvensi yang digunakan di dalam menganalisis SEM ketika kita
menggunakan metode grafik. Variabel laten digambarkan oleh lingkaran atau elips. Variabel
indikator digambarkan oleh bujursangkar atau persegipanjang. Variabel error digambarkan
oleh lingkaran atau elips yang lebih kecil dari variabel laten. Sedangkan hubungan antara
variabel diielaskan dengan menggunakan baik tanda anak panah satu arah maupun
tanda anak panah dua arah. Anak panah satu arah digunakan untuk menjelaskan
beberapa hubungan:
(a) koeflsien struktur (structure coefficient) yang menghubungkan variabel laten
dengan variabel laten yang lain
(b) faktor loading yang menghubungkan laten variabel dengan variabel indikator
(c) hubungan antara kesalahan pengukuran (measurement error) dengan variabel
indikator
(d) hubungan antara kesalahan prediksi (error prediction) atau seringkali disebut
error dengan variabel dependen laten.
Sedangkan tanda anak panah dua arah digunakan untuk beberapa hubungan,
(a) kovarian antara variabel independen laten
(b) kovarian antara kesalahan prediksi
(c) kovarian antara kesalahan pengukuran (measurement error)
 Bab 11. Model Persamaan Strukturat (SEM) 313

a=f
t"/
ll
t
KK5
'/''

/):Ko2
,- -(D
-r,-xotl. :)
r@+--@
\xosL' @
\1oey L' ."

Gambar 11.3. Pembentukan SEM dengan AMOS graphics

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.

11.5. EFEK LANGSUNG, TIDAK LANGSUNG DAN TOTAL

Hubungan antar variabel di dalam rnodel SEM dapat dibagi menjadi tiga kategori
yaitu efek langsung (direct effecc), efek tidak langsung (indirect effect) dan efek total (toral
effect). Kita mendefinisikan efek langsung antara dua variabel laten ketika terdapat
anak panah satu arah yang menghubungkan keduanya. Besarnya efek langsung ini diukur
dengan koefisien struktur (structure coefficient). Misalnya kembali pada kasus model SEM
pada Gambar 11.3 sebelumnya tentang hubungan antara variabel laten kepuasan kerja,
motivasi kerja dan komitmen organisasi. Gambar 1 1.3 tersebut bisa kita gambarkan kembali
dalam bentuk yang sederhana tanpa menyertakan variabel indikatornya sebagai berikut:

Kepuasan Kerja '+ Motivasi Kerja + Komitmen Organisasi

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.

11.6. UJI KELAYAKAN MODEL

Setelah kita rnelakukan estimasi model SEM, langkah pertama di dalam
menginterpretasikan hasil dari SEM adalah mengevaluasi uji kelayakan model. Ada
beberapa metode untuk melihat kelayakan sebuah model SEM seperti dalam analisis
konfirmatori yaitur
(1) Uji statistika Chi Scpares
(Z) Goodness of Fit Index (GFI)
(3) Adjusted Goodness of Fit Index (AGFI)
(4) Root Mean Squares Residual (RMSR)'z.
Sama seperti analisis faktor konfirmatori, model dikatakan layak jika paling tidak
salah satu metode uji kelayakan model tersebut terpenuhi karena dalam praktiknya sangat
sulit bisa memenuhi kelima uji kelayakan tersebut. Namun, bila uji kelayakan model
bisa memenuhl leblh dari satu kriteria kelayakan model, model SEM akan jauh lebih
baik daripada hanya satu yang terpenuhi.

11.7. UJr STGNIFIKANSI

Hubungan antar variabel di dalam model SEM adalah hubungan kausal atau penyebab
sebagaimana hubungan dalam analisis regresi. Ada tidaknya hubungan kausal ini bisa
diuji dengan menggunakan uji statistika t. Melalui uji statistika t kita bisa mengetahui
apakah variabel laten signifikan atau tidak terhadap variabel laten lainnya. Caranya
dengan membandingkan nilai hitung t dengan nilai kritisnya. Bila nilai t hitung lebih
besar dari nilai kritisnya dengan o, tertentu maka signifikan dan sebaliknya bila nilai t
hitung lebih kecil dari nilai kritisnya maka tidak signifikan. Besarnya nilai cx biasanya
atau secara konvensional ditetapkan sebesar 5olo (0,05). Dengan demikian jika nilai t
hitung lebih besar dari -r 1,96 maka variabel laten dikatakan signifikan dan jika tidak
maka tidak signifikan.

2 Lihat kembali Uji kelayakan Analisis Konfirmatori pada bab sebelumnya

316 Bagian 5. Structural Equation Modeting (SEM)

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:

1. melakukan korelasi antara variabel laten

2. menambah variabel indiaktor baru dari variabel indikator yang ada kepada setiap
variabel laten.
3. melakukan korelasi antara variabel indikator
4. melakukan korelasi antara variabel residual.
Namun perlu diingat bahwa metode respesifikasi model untuk memperoleh model
yang layak harus dilandaskan pada dasar teori yang ada. Dalam praktiknya, beberapa
software seperti AMOS menyediakan cara rnelakukan respesifikasi model sehingga
menghasilkan model yang layak.

11.9. ASUMSI SEM

Ada beberapa asutnsi yang melatarbelakangi model SEM yaitu:
1. Normalitas
Sebagai model yang berdasarkan pada sampel, maka sebaran data harus memenuhi
asumsi normalitas data. Jika asumsi normalitas data terpenuhi maka kita bisa
melakukan uji statistika yang ada
Z. Linearitas
Asumsi yang kedua adalah hubungan antara variabel bersifat linear.
3. Multikolinearitas
Asumsi yang ketiga adalah tidak kolinieritas atau hubungan sempurna antar
variabel
4. Outlier
Asumsi keempat data tidak mengandung outledr. Outlier adalah data yang bersifat
, ekstrem.
 Bab 11. Model Persamaan Strukturat (SEM) 317

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

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label
KEPUASAN KERJA (KK) ,386 ,127 3,046 ,002
E1 ,715 ,113 6,304 ***
E2 ,644 ,091 7,041 ***
E3 ,540 j02 5,309 ***
E4 ,528 ,092 5,719 ***
,557 ,090 6,203 ***

Squared Multiple Correlations: (Group number 1 - Default model)

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 Chanoe

1 <-> E2 6,66 ,177

Variances: (Group number 1 - 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

/'i ---l "' -'t

'31
,r,
/ l-

MK2
,,

Thmpilan 6
Regression'Weights: (Group nutnber 1 - Default model)

Estimate S.E. C.R. P Label

uK1 <-- MOT|VASI KERJA (MK 1,000
\AK2 <-- MOTTVAS I KERJA (MK ,237 4,401 ***
1,043
uK3 <-- MOTIVASI KERJA (MK 1,152,239 4,826 ***
vlK4 <--- MOTTVAST KERJA (MK 1,094 ,229 4,782 ***
vtKs <-- MOTIVASI KERJA (MK 1.373 .265 5.190 ***
Standardized Regression Weigl-rts: (Group number I - 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)

Variances: (Group number 1 - Default rnodel)

Estimate S.E. C.R. P Label

\4OT|VASr KERJA (MK) ,336 ,119 2,919 ,005
=l ,840 ,121 6,929 ***
***

=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)

M.l. Par Chanoe

VIKs <--MK4 6,409 ,176
v1K4 <--- MK1 5,289 -,158
\4K3 <-- MK1 12,840 ,252
\4K1 <-- MK4 4,037 -,179
MK1 <-.MK3 9,467 ,265

Thmpilan 9

i_r-}-r-q
324 Baqian 5. Structural Equation Modeling (SEM)

Thmpilan 10
Regression'Weights: (Group number 1 - Default rnodel)

Estimate S.E. C.R. P Label

MK1 <--MOTIVASI KERJA (MK 1,000
***
MK2 <-- MOTIVASI KERJA (MK 1,266 ,365 3,471
***
MK3 <-- MOTIVASI KERJA (MK 1,264 ,264 4,782
***
MK4 <-- MOTIVASI KERJA (MK 1,563 ,400 3,904
***
MKs <--- MOTIVASI KERJA (MK 2.084 .533 3,908
Thmpilan 11
Computation of degrees of freedom (Default model)
Number of distinct sample rnoments: 15
Number of distinct paralneters to be estitnated: 11
Degrees of freedom (15 - 11): 4
C1ri-squrrre :10,539
Degrees of freedom 4 :
Probability 1"r.1 = ,032

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

Observation number Mahalanobis d-squared p1 pZ

98 40,873 ,001 ,ert7

% 35,624 ,003 ,059
103 34,627 ,004 ,017
90 34,399 ,005 ,003
23 29,245 nll ,132
117 28,624 ,102
101 27,689 ,434 ,121
)L 26,759 ,u4 ,163
4s 26,754 ,u4 ,086
108 26,742 ,u4 ,042
116 26,@Z ,u6 ,ut)
115 26,t37 ,052 ,023
75 75 isq ,a64 ,u3
65 25,ZB5 ,065 ,024
105 24,674 ,476 ,038
83 24,343 ,OBZ ,038
55 24,zffi ,084 ,023
82 22,9ZO ,116 ,153
16 22,793 ,119 ,722
57 ZZ,37B ,13 1 ,156
99 22,OB5 ,140 ,168
l18 Z2,O4B ,l4z ,lzl
1@ zl,z30 ,170 ,296
z 20,957 ,180 ,320
r20 20,852 ,184 ,281
8 20,777 ,187 ,236
10 20,79 ,1BB ,174
B7 20,619 ,lg4 ,162
104 20,132 ,214 ,264
')")6 a
t5 20,011 ^1
51 19,966 )-)) ,195
4 1B,BO2 ,279 ,653
48 i8,435 ,299 ,748
110 t7,639 ,t+) ,939
1 t7,5t3 ,353 ,936
11 17,503 ,354 ,909
53 t7,4t6 150 ,897
fi4 17,402 ,360 ,867
BB t7,342 ,364 ,836
328 Basian 5. Structural Equation Modeling (SEM)

Observation number Mahalanobis d-squared p1 f,-

17 7,141 ,377 ,B5B

85 7,073 ,381 ,836
27 6,921 ,391 ,943
t4 6,876 ,394 ,8lz
9l 6,876 ,394 ,756
31 6,783 ,400 ,740
39 6,482 ,420 ,816
81 6,246 ,436 ,858
119 6,130 ,444 ,856
60 6,019 ,452 ,852
6l 5,%7 ,459 ,u9
58 5,906 ,4& ,802
111 5,623 ,480 ,865
trz 5,587 ,482 ,836
6 5,587 ,482 ,787
x 5,522 ,487 ,762
106 5,412 ,495 ,7@
24 5,388 ,496 ,7lz
107 .5,290 ,5U ,7A3
30 .5,67 ,520 ,7ffi
fi .5,033 ,5ZZ ,719
4) ,4,955 ,528 ,700
46 t4,276 ,579 927
25 t4,195 ,584 ,920
77 t4,lB2 ,585 ,893
n 13,851 ,610 ,947
38 13,820 ,6LZ ,931
6 13,7% ,614 ,9lz
37 t3,772 ,616 ,884
40 t3,444 ,@0 o4)
47 t3,440 ,640 ,918
54 13,356 ,647 ,911
63 13,268 ,653 ,905
5 LZ,9B3 ,674 ,947
74 12,971 ,675 ,926
a t2,949 ,676 ,902
86 lz,%5 ,680 ,BB1
u 12,682 ,696 ,916
BO 12,504 ,7@ ,933
9 12,470 ,7ll ,914
n lz,4N ,716 ,902
 Bab 11. Model Persamaan Struktural (SEM) 329

Obsen'ation number Mahalanobis d-squared p1 pZ

29 12,280 ,724 ,9U

% 11,909 ,750 ,96r
7l 11,793 ,758 ,962
13 11,697 ,765 ,959
95 11,613 ,770 ,954
t)z ll,4l5 ,783 ,967
89 tl,244 ,794 ,973
76 tl,244 ,794 ,957
i13 1 i,190 ,798 ,946
1) I 1,158 ,800 ,926
ZZ 11,002 ,809 ,935
67 10,739 ,825 ,961
100 t0,732 ,826 ,940
73 10,707 ,BZ7 ,915
IB 10,698 ,828 ,877
7t 10,559 ,836 ,880
% t0,465 ,ul ,866
59 10,462 ,841 ,809
79 l0,zl4 ,855 ,857
t9 9,929 ,870 ,9A7

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

MOTTVAST KERJA (MK) <-- KEPUASAN KERJA (KK) ,382 '17

2.20 9 par
4:i4 o
KOMITMEN ORGANISASI
(Ko)
<-- MOT|VAS| KERJA (MK) ,05
6
,524 3
0
9?',-
Ic

KOMITMEN ORGANISASI ,09

'1,51 0
'1 pat-
KEPUASAN KERJA (KK) ,250
(Ko) 7 1 ; 16

KK1 KEPUASAN KERJA (KK) 1,000

KKz KEPUASAN KERJA (KK) ,664

,17 3,79 par_
E
3-1
KK3 KEPUASAN KERJA (KK) 1,128
,z.l 4,98 par_
7 1-2
KK4 KEPUASAN KERJA (KK) 1,052 ,21 4,94 par_
a
2-3
KK5 KEPUASAN KERJA (KK) oA7 ,20 4,76 par_
1 3-4
KOI KOMTTMEN ORGANTSAST (KO) 1,000
,24 s,93 par-
KO2 KOMTTMEN ORGANTSAST (KO) 1,474
I 1
-5
,17 6,2i .' par-
KO3 KOMTTMEN ORGANISAST (KO) 1,088
4 ?
,6
,22 5,'19
-. par-
K04 KOMTTMEN ORGANISAST (KO) 1,178
7 3
.7
,20 5,34 ** par-
KO5 KOMTTMEN ORGANTSAST (KO) 1,OBB
I -B
MK5 MOT|VAST KERJA (MK) 1,000
6,44 *r par_
,11
MK4 MOTTVAST KERJA (MK) ,768
I 5' I
,11 5,37 par_
MK3 MOTTVAST KERJA (MK) ,633
B I 10
,12 5,07 par_
MK2 MOTTVAST KERJA (MK) ,631
4 5- 11
,12 4,02 par_
MK1 MOTTVAST KERJA (MK) ,503
7- 12
,25 5,57 par_
KO6 KOMTTMEN ORGANTSAST (KO) 1,404
2 7. '13

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

,68 .67 r .62

KOMITMEN ORGANISASI (KO

Thn'rpilan 16 menyajikan hasil estimasi dengan menggunakan pendekatan grafik koefisien

regresi yang standar (StandardiTed regression weights).
332 Bagian 5. Structural Equation Modeling (SEM)

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

Sedangkan tarnpilan 17 menyajikan standardiTed regression weights dengan menggunakan

tampilan tabel. Kepuasan kerja (KK) mempengaruhi motivasi kerja (MK) dengan koefisien
analisis jalur sebesar 0,765, motivasi kerja (MK) mempengaruhi komitmen organisasi
(KO) sebesar 0,059 sedangkan kepuasan kerja (KK) mempengaruhi komitmen organisasi
(KO) sebesar 0,345.

Thmpilan 18
Standardized Direct Effects (Group number 1 . Default model)

KEPUASAN KERJA MOTIVASIKERJA KOMITMEN

(KK) (MK) oRGANTSAST(KO)
MOT|VAST KERJA (MK) ,265 ,000 ,000
KOMITMEN
,345 ,059 ,000
ORGANISASI(KO)
 Bab 11. Model Persamaan Struktural (SEM) 333

Standardized Indirect Effects (Group number 1 - Default model)

KEPUASAN KERJA MOTIVASIKERJA KOMITMEN
(KK) (MK) oRGANTSAST(KO)
MOTTVAST KERJA (MK) ,000 ,000 ,000
KOMITMEN
,016 ,000 ,000
oRGANTSAST(KO)

Standarclized Total Effects (Group number 1 - Default model)

KEPUASAN KERJA MOTIVASIKERJA KOMITMEN
(KK) (MK) ORGANISASI(KO)
MOTTVAST KERJA (MK) ,265 ,000 ,000
KOMITMEN ,000
,361 ,059
ORGANISASI(KO)

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

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 136
Nurnber of distinct parameters to be estimated: 36
Degrees of freedom (L36 ' 36): 100
Chi-square : 142,867
Degrees of freedom : 100
Probability 1.u"1 : ,003
334 Bagian 5. Structural Equation Modeling (SEM)

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

Variances: (Croup number 1 - Default model)

M.l. Par
 Bab 11. Model Persamaan Strukturat (SEM) 335

Regression'Weights: (Group number 1 - Default model)

M.l. Par Chanqe
MK2 <--.MK1 4,742 ,175
MK2 <--.KO2 5,722 ,218
KO4 <--.MK4 4,550 -,154
KO2 <--.MOT|VAST KERJA (MK 11,356 ,292
KOz <--.MK2 12,500 ,229
KOz <---MK4 4,188 ,146
KO2 <--.MK5 12,436 ,247
KK2 <--.KK1 4,160 ,148
KK1 <--.KKz 5,363 ,215
Thmpilan 20 memberi informasi tentang respesifikasi model yang disarankan oleh AMOS.
Namun, karena model sudah layak maka kita tidak perlu melakukan respesifikasi model.
336 Baqian 5. Structural Equation Modeling (SEM)

LAMPIRAN DATA BAB 11.

No. Klil KK2 KK] KK4 KK5 MKl MK2 MK] MK4 MK5 KOI KO2 KOI KC4 KO5 KCX

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)

LAMPIRAN OPERASI AMOS BAB 11

1. Perintah program AMOS pada contoh 11.1.

a. Buka AMOS, kemudian pilih tampilan grarfik (AMOS Graphics)'
b. Menggambar diagram jalur dalam Model SEM.
Dalam contoh 11.1 kita ingin rnembentuk model SEM hubungan antara tiga
variabel latep kepuasan kerja (KK), rnotivasi kerja (MK) dan komitmen organisasi
(KO). Aclapun hasilnya sebagai berikut:

KEPUASAN KERJA (KK)

KOMITMEN ORGANISASI

MOTIVASI KERJA (MK)

[,4K1 I --- MK2

T{

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

Group number 1 5EM-l,sav 1 ?0/1 ?0

f-lF}:ti-l J . +:'q -"

,,r:r:::..'. r J

.v,'::-r:l:" .l :B:::lrY:t?H J *,:,:;ri.,:;.,, I

,,,,,"?[ . ;i
',,,
?rr:r I

Kemudian klik OK.

d. Memilih metode estimasi
Untuk memilih metode estimasi dengan cara klik pada menu utama View --'
Ana$sis Properties. Kemudian pilih Estimation. Adapun Default yaitu metode
maximum likelihood dari tampilannya sebagai berikut:

Titb I
Es[malior ]Numericall eim ] output] Eools'lr€F| Pernqtationsl Fandomn]

DiscreFdncy

ff r- Eslimate means and

llarimum lft.elfriood ' intercedg

t* EmerElizod l@st squarcs

l* Emulisrel8.
r llnweightedlFdst squires

f lcaleJtee le.ast squaies

l'**-" chiEoresl
/* {symptitically dsliibulionlre;

Fo the pupose ol comFuin! Iit mPasq[es $dlhincqmplete ddli:

f frt the satuBled ind independence mdals

l^ Fit h6 saturated model mly

f F8leither model

e. Menrilih informasi output atau hasil

Selanjurnya, kita mernilih irrforrnasr output atau hasil sesuai dengan keinginan
kita dengan cara klik View - Analysis Properties. Kemudian pilih output dan
342 Bagian 5. Structural Equation Madeling (SEM)

selanjutnya pilih: Minimization History, Standardized estimates, squared

multiple comelation dan Modification indeces, Indirect, direct & total ef'
fect, Factor score weights, Covariance of Estimates dan test for Normality
and Outlier. Sehingga muncul tarnpil:rn sebagai berikut:

I:i1"",i"", I F{um.',csr I Biss output I Boots,,dtr i p6,mut6rion' I ca-a.m u }

rt Min,mlz.t'on tI.tory I?' lndir6ct. diract & tot.l gtf odts

,? Slondardi:od cstim.tcc !:7 Eaqlor scola w.iqhts

l9 S+5tad mulliPl6 cotralstions rJ Eovari€nca3 of 63timat.s

t* Samplc mom6nta f Cqr.ol.(ioh. ol .arimat6s

f* Impliad momcnls trritio6l r5tios f or slrf teroncee

'*
{ - a$l implicd momante lV T 6$ts tpr rormalily 6hd outlicts

r-- EL66idu.l moment. I- Otss.rw.d inf orm.lion m6t,is

17 l4odificationindic.s !I.-----"------ Thr.sholdtor

modification indicoe

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.

g. Informasi out\ut yang lengkap.

Informasi hasil estimasi secara lengkap ini bisa ditampilkan dengan cara klik
View -r Text Output. Thmpilannya sebagai berikut:
 Bab 11. Model Persamaan Struktural (SEM) 343

(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