Oleh
Kamalia
2204201010038
3. Rotasi Faktor
4. Intepretasi hasil
Analisis dilanjutkan dengan vektor fitur. Dari komputasi nilai dan vektor
eigen, Anda bisa mengetahui mana komponen yang kurang signifikan dan bisa
dibuang (komponen dengan nilai eigen rendah). Matriks vektor yang tersisa
kemudian disebut vektor fitur. Analisis kemudian ditutup dengan perombakan di
sepanjang sumbu komponen utama.
Fungsi:
Beberapa fungsi SEM, diantaranya ialah:
• Memungkinkan adanya asumsi-asumsi yang lebih fleksibel; Pertama,
• Kedua, penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk
mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu
variabel laten;
• Daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca
keluaran hasil Ketiga, analisis;
• Keempat, kemungkinan adanya pengujian model secara keseluruhan dari pada
koefesien-koefesien secara sendiri-sendiri;
• Kelima, kemampuan untuk menguji model – model dengan menggunakan beberapa
variabel tergantung;
• kemampuan untuk membuat model terhadap variabel-variabel perantara;
• kemampuan untuk membuat model gangguan kesalahan (error term);
• kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok
subyek;
• Kesembilan, kemampuan untuk mengatasi data yang sulit, seperti data time series
dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
• Kedua, Amos akan mencocokkan data kedalam model yang sudah dispesifikasi,
kemudian memberikan hasil yang mencakup semua angka-angka statistik kecocokan
model dan estimasi-estimasi parameter.
• Ketiga, masukkan data yang biasanya dalam bentuk matriks kovarian dari variable-
variabel yang sedang diukur, misalnya nilai butir-butir pertanyaan yang digunakan,.
Bentuk masukan lainnya dapat berupa matriks korelasi dan rata-rata (mean). Data
dapat berupa data mentah kemudian diubah menjadi kovarian dan rata-rata.
1. Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai
pada subkriteria yang paling dalam.
- Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk
memperoleh normalisasi matriks.
- Menumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen
untuk mendapatkan nilai rata-rata.
CI = (λ maks-n)/n
Dimana
n = banyaknya elemen
CR=CI/IR 15
Dimana
CR=Consistency Ratio
CI=Consistency Index
7. Memeriksa konsistensi hierarki. Jika nilainya lebih dari 10%, maka penilaian data
judgment harus diperbaiki. Namun jika ratio konsistensi (CI/IR) kurang atau sama
denga 0,1. Maka hasil perhitungan bisa dinyatakan benar.
4. REGRESI LOGISTIK
Dimana:
Exp atau ditulis e adalah fungsi eksponen (Perlu diingat bahwa exponen merupakan
kebalikan dari logaritma natural. Sedangkan logaritma natural adalah bentuk
logaritma namun dengan nilai konstanta 2,71828182845904 atau biasa dibulatkan
menjadi 2,72).
Besarnya nilai Exp (B) dapat diartikan sebagai berikut:nMisalnya nilai Exp (B)
pengaruh rokok terhadap terhadap kanker paru adalah sebesar 2,23 maka
disimpulkan bahwa orang yang merokok lebih beresiko untuk mengalami kanker
paru dibandingkan dengan orang yang tidak merokok. Interprestasi ini diartikan
apabila pengkodean kategori pada tiap variabel sebagai berikut:
- Variabel bebas adalah Rokok: Kode 0 untuk tidak merokok, kode 1 untuk merokok.
- Variabel terikat adalah kanker Paru: Kode 0 untuk tidak mengalami kanker paru,
kode 1 untuk mengalami kanker paru
Pseudo R Square
Perbedaan lainnya yaitu pada regresi ini tidak ada nilai “R Square” untuk
mengukur besarnya pengaruh simultan beberapa variabel bebas terhadap variabel
terikat. Dalam regresi logistik dikenal istilah Pseudo R Square, yaitu nilai R Square
Semu yang maksudnya sama atau identik dengan R Square pada OLS. Jika pada OLS
menggunakan uji F Anova untuk mengukur tingkat signifikansi dan seber apa baik
model persamaan yang terbentuk, maka pada regresi ini menggunakan Nilai Chi-
Square. Perhitungan nilai Chi-Square ini berdasarkan perhitungan Maximum
Likelihood
Regresi logistik ordinal adalah jenis regresi yang menggunakan satu atau lebih
variabel independen untuk memprediksi variabel dependen ordinal. Ini adalah salah
satu dari berbagai jenis analisis yang khusus digunakan jika variabel dependen adalah
data berskala kategorik bertingkat. Selain itu, regresi jenis ini dapat dianggap sebagai
generalisasi baik regresi linier berganda atau regresi logistik binomial. Seperti bentuk
regresi lainnya, regresi ordinal dapat memprediksi variabel dependen melalui
interaksi antara variabel independen. Di mana, ini mensyaratkan skala data variabel
terikat adalah ordinal dan skala data variabel bebas boleh kategorik ataupun
kuantitatif. Ordinal memiliki perbedaan derajat di tiap kategorik, di mana ada yang
lebih baik atau buruk dan tinggi atau rendah. Misalnya pada tingkat pengetahuan
seseorang, ada kategorik tingkat pengetahuan rendah, sedang, dan tinggi. Contoh lain
adalah pecandu alkohol berat, sedang, dan ringan.
Koefisien determinasi (R2) adalah suatu besaran yang menyatakan kualitas dari
model regresi yang terbentuk, yang dimaksud dengan kualitas dalam konteks
koefisien determinasi adalah besarnya kontribusi dari peubah bebas dalam
menjelaskan peubah terikat.
Adapun langkah-langkah yang perlu dilakukan untuk melakukan analisis dan uji
regresi linier sederhana adalah sebagai berikut :
1. Menentukan tujuan dari Analisis Regresi Linear Sederhana
Dalam contoh penelitian ini uji regresi linear berganda dilakukan untuk
mendapatkan gambaran bagaimana variabel independen yang meliputi CSR,
likuiditas, capital intensity, dan inventory intensity mempengaruhi variabel dependen
yaitu agresivitas pajak dengan tingkat signifikansi sebesar 0,05 (Ghozali, 2018).
Sebelum kita melakukan analisis regresi berganda atau regresi linier berganda
untuk uji hipotesis penelitian, maka ada beberapa asumsi atau persyaratan yang harus
terpenuhi dalam model regresi. Persyaratan atau asumsi ini dibuktikan melalui
serangkaian uji asumsi klasik mencakup:
Uji Normalitas, dimana asumsi yang harus terpenuhi adalah model regresi
berdistribusi
Uji Linearitas, dimana hubungan yang terbentuk antara variabel independent
dengan variabel dependent secara parsial adalah linear
Uji multikolinearitas, dimana model regresi yang baik adalah tidak terjadi
gejala multikolinearitas
Uji Heteroskedastisitas, dalam model regresi tidak terjadi gejala
heteroskedastisitas
Uji autokorelasi, persyaratan yang harus terpenuhi adalah tidak terjadi
autokorelasi
faktor pelayanan perlu ditingkatkan karena kondisi saat ini belum memuaskan
pelanggan. Untuk menguji Importance Performance Analysis penulis
mengunakan software Statistical Program of Social Science (SPSS) ver. 20 for
windows. Menurut Supranto dalam Hutama (2014:504), Grafik IPA dibagi
menjadi empat buah kuadran berdasarkan hasilpengukuran importance-
performance seperti yang terlihat pada gambar:
Keterangan:
CSI adalah suatu metode penilitian yang di gunakan untuk mengukur tingkat
kepuasan pelanggan terhadapat jasa dan pelayanan transportasi.Indeks Kepuasan
Konsumen atau Customer Satisfaction Index (CSI) sangat berguna untuk tujuan
internal perusahaan. Contohnya adalah memantau perbaikan pelayanan,
pemotivasian karyawan maupun pemberian bonus sebagai gambaran yang
mewakili tingkat kepuasan menyeluruh pelanggan. CSI digunakan untuk
mengetahui tingkat kepuasan pengunjung secara menyeluruh dengan melihat
tingkat kepentingan dari atribut-atribut produk/jasa. CSI merupakan indeks untuk
menentukan tingkat kepuasan pelanggan secara menyeluruh dengan pendekatan
yang mempertimbangkan tingkat kepentingan dari atribut-atribut yang diukur.
Indeks Kepuasan Konsumen (CSI) sangat berguna untuk tujuan internal
perusahaan. Contohnya adalah memantau perbaikan pelayanan, pemotivasian
karyawan maupun pemberian bonus sebagai gambaran yang mewakili tingkat
kepuasan menyeluruh pelanggan
2. Membuat Weight Factors (WF) per variabel. Bobot ini merupakan persentase
nilai MIS per variabel terhadap total MIS seluruh variable,
4. Membuat Weight Score (WSk) tiap variabel. Bobot ini merupakan perkalian
antara WFk dengan MSSk, dan 5. Menentukan Customer Satisfaction Index
(CSI). Nilai CSI diperoleh dengan menggunakan persamaan