Sharing on

Quick learning of research with SEM

using Lisrel 8.80
By Teguh Widodo
 PENAMAAN FILE
• PROSES PENGOLAHAN DATA LISREL, FILE AGAR DISIMPAN PADA
FOLDER LAPISAN TERDEPAN, MISAL, C:\NAMAFOLDER\NAMAFILE;
– JANGAN DISIMPAN PADA FOLDER LIPATAN TERLALU DALAM KRN AKAN
MENYULITKAN PENCARIAN, MISAL
C:\NAMAFOLDER\NAMAFOLDER\NAMAFOLDER\NAMAFILE.
• FILE AGAR DISIMPAN DALAM FOLDER, JANGAN BERDIRI SENDIRI,
CONTOH, C:\NAMAFILE. BERESIKO TIDAK BISA DIOLAH.
• BERI NAMA FILE SAMA, BEDAKAN HANYA DR EXTENSION-NYA SAJA,
YAITU
– NAMAFILE.PSF,
– NAMAFILE.SPJ,
– NAMAFILE.ACM.
– NAMAFILE.OUT
– NAMAFILE.SAV
– NAMAFILE.XLS
LISREL 8.5

DATA
SPSS PRELIS SIMPLIS
EXEL

• Merubah data format exel menjadi SPSS

– Buka SPSS
– Klik all file utk memunculkan file XYZ.xls tsb.
– Dg SPSS, buka nama file exel yg akan diolah tsb
– Simpan file tsb dlm SPSS dg ekstensi .sav
• Merubah data format SPSS (XYX.SAV) ke PRELIS
– Buka Lisrel
– Pilih menu NEW, pilih PRELIS data, lalu OK.
– Pd program Lisrel yg sdh terbuka, klik IMPOR DATA from
• kemudian klik file yg akan diolah yaitu yg berformat xyz.sav
• Begitu disimpan maka file otomatis berubah menjadi format prelis, yaitu XYX.psf
• Membangun Simplis
– Masih dlm aplikasi Lisrel, klik NEW kemudian pilih SIMPLIS Project, lalu OK.
– Utk memudahkan syntax, copy dr syntak dr simplis sebelumnya. (kalau sdh
pernah buat).
LISREL. 8.88

DATA
Imprort *.xls PRELIS SIMPLIS
EXEL

• Buka Lisrel
• Buat Prelis dg perintah:
– File
• New
– prelis
– Dalam halaman Prelis
• File
– Import
» Pilih file
• Spy dpt dibaca oleh Lisrel 8.8, file exel harus versi 2003. Buat file
exel 2003 kosong, copy file exel dr google form. Tanpa itu file exel
google form tdk bisa dibaca oleh Lisrel 8.8.
• Lisrel 9.1 tdk menyediakan perubahan dr exel ke prelis (psf), tapi ia
menyediakan konversi ke Lisrel Data.
 PEMBENTUKAN DATA
CORRELATION AND ASYMPTOTIC COVARIANCE MATRIX
(COR & ACM)

• KARENA DATA YANG AKAN DIOLAH BERUPA

DATA ORDINAL, SEBAGIAN AHLI
MENYARANKAN AGAR DATA MENTAH DIUBAH
TERLEBIH DAHULU MENJADI DATA COR & ACM
SEBELUM DIOLAH DALAM FORMAT SIMPLIS.
• PROSEDUR KONVERSINYA SBB:
– PADA HALAMAN LISREL, BUKA FILE PRELIS.
• STATISTICS
– OPTION
» LIHAT DAN ISI TAMPILAN SPT PD SHEET BERIKUT
 Contoh Simplis dg PCM & ACM
ICEM 2015 Relationships
Observed Variables KOK1 KOK2 KOK3 = KOK
KOK1 KOK2 KOK3 KPI1 KPI2 KPI3 KPI4 = KPI
KPI1 KPI2 KPI3 KPI4 KRK1 KRK2 KRK3 = KRK
KRK1 KRK2 KRK3 KOP1 KOP2 KOP3 KOP4 KOP5 = KOP
KOP1 KOP2 KOP3 KOP4 KOP5 KBB1 KBB2 KBB3 KBB4 KBB5 = KBB
KBB1 KBB2 KBB3 KBB4 KBB5 KPI KRK = KOK
Correlation Matrix From File D:\DFINAL\210REV1.cor KOP = KPI KRK
Asymptotic Covariance Matrix From File KBB = KOP
D:\DFINAL\210REV1.acm let the error covariance KOP5 and KOP4 correlate
Sample Size: 210 let the error covariance KBB1 and KBB4 correlate
Latent Variables KOK KPI KRK KOP KBB Path Diagram
Options:
End of Problem

ML mempersyaratkan data yang diolah adalah data kontinu. Jika data ordinal maka data
tsb disarankan diubah dulu ke dalam matriks korelasi polikorik.
Caranya: buka file xxx.psf pilih Statistic Menu Options. Pada baki output, tandai (thick)
Moment Matrix, simpan data PCM ke folder dg nama ekstensi ‘ xxxx. cor’ dan simpan ACM
dg ekstensi ‘xxxx.acm’
PERINTAH lain:
SET THE ERROR COVARIANCE BETWEEN KOP5 AND KOP4
SET THE ERROR COVARIANCE BETWEEN KBB1 AND KBB4
• Selain menggunakan correlation matrix
(*.cor), boleh juga pakai covariance matrix
(*.var).
• ACM tetap.
 Data Screening
• Masih dlm aplikasi PRELIS, klik STATISTIK, klik
data screening.
– Akan terlihat sejumlah data berpola sama, seperti
berasal dari satu responden yang ditiru berulang.
 PERINTAH
• OPTIONS :SS
– MENAMPILKAN OUTPUT NILAI STANDADIZED HUB
ANTAR VARIABEL
– TAMPILAN OUTPUT:
• BETA : Matrix mengenai ubungan antar sesama variabel
endogen
• GAMMA: Matrix pengaruh antar var exogen
(independent) thd endogen (dependent)
• PSI: measurement error terbakukan
• Options: EF
– Perintah untuk menampilkan pengaruh tidak
langsung antar variable (dekomposisi).
– Arti pada tampilan output:
• Total Effect of X and Y: total pengaruh antara var
observed eksogen (X) thd varobserved endogen (Y).
• Total effect = direct effect + indirect effect.
• Dg perintah ini, total effect bisa langsung ditampilkan
• LISREL OUTPUT: AD=OFF
• Jika muncul warning tentang iterasi, ketik
perintah sbb:
– Admissibility check = off.
• Wide Print:
– Mencetak selebar 132 karakter per baris
– Tanpa perintah ini, default 80 karkter.
• Number of Decimal =3
– Menampilkan 3 desimal.
• Print residual:
– Memberikan informasi mengenai penyebab tidak
fit-nya model.
– Model fit jika memiliki nilai residual mendekati nol
– Nilai residual adl selisih antara Sample covariance
Matrix dan Implied (fitted) Covariance Matrix.
– Covariance matrix adl sample cov matrix.
 Variabel dengan indikator tunggal
• Lisrel tdk dapat memproses variabel dg indikator
tunggal yg ditandai dengan warning ‘not convergence’
• Problem ini dapat diatasi dengan cara men-set error
covariance antara 0-1. dengan perintah ‘Set the error
variance of INDIKATORTUNGGAL equal to 0-1’
• CONTOH REVIE : ‘SET THE ERROR VARIANCE OF UB1
EQUAL TO 1”
– Jika diset mendekati nol seakan akan tidak ada error maka
loading factor rendah, namun berdampak pada R^2 tinggi.
Artinya indikator tsb sempurna.
– Jika diset mendekati satu, maka loading faktor mendekati
satu namu R^2 rendah. Seakan-akan itu bukan indikator dr
variabel tsb.
 Penentuan Jumlah Sampel
• Lakukan CFA dan periksa komunalitas dari indikator. Komunalitas
suatu variabel adalah nilai rata-rata loading factor dari variabel
tersebut.
• Jumlah sampel dapat dihitung berdasarkan berdasarkan kombinasi
antara komunialitas dan jumlah variabel. Lihat Hair (2010), Tabel...
hal....
– Jika komunalitas tinggi, dan jumlah variabel banyak,
– Jika komunalitas tinggi, dan jumlah variabel kurang dari tujuh.....
– Jika komunalitas rendah, jumlah variable banyak
– Jika komunalitas rendah, variabel sedikit.....
• Komunalitas tinggi menunjukan bahwa indikator tersebut memiliki
komunalitas tinggi sehingga dengan jumlah sampel yang sedikit saja
sudah cukup. Namun jika komunalitas rendah, penelitian
memerlukan jumlah sampel yang banyak.
 MODERATED SEM

KL

KEBERHASILAN
INTELEGENSI
AKADEMIK
KP
KEM
IPK
INTER

KR KD

KEMINTER = KEMAMPUAN INTERAKSI

KL = KEMAMPUAN LOGIKA
KP = KEMAMPUAN PENALARAN
KR = KERAMAHAN
KD = KEDEKATAN DG DOSEN
 LANGKAH-LANGKAH
TAHAP-1
• Olah data data dengan memposisikan moderating variable (KEMINTER) dan
INTELEGENSIA sbg independen variable yang mempengaruhi IPK.
• Data hasil olahan, buat :
– Single loading factor
– Single error variance.
Pindah ke file exel (SEM with moderating var) utk menghitungnya.
TAHAP-2
• Masukkan INTERAKS sbg Indikator tunggal bagi Var Moderating dengan lamda
tunggal hasil perhitungan. Kini variabel MODERATING yg memiliki indikator
tunggal INTERAKSI menjadi variabel yg mempengaruhi IPK
• Pada relationship tambah persamaan
– INTERAKS = ‘lamda tunggal’*MODERATING
– IPK = INTELEGENSI KEMINTER MODERATING
– Set the error variance of INTERAKS to ‘errorr vartunggal hasil perhitungan.
• Relationship lain ditulis spt biasa
 MODIFIKASI MODEL

KL
KEBERHASILAN IPK
INTELEGENSI AKADEMIK

KP

KEMINTER

KR
MODERATING
KD

lamda=2,414

(KL+KP)(KR+KD) INTERAKSI
INTERAKSI = indikator bentukan hasil
perkalian
errorr
6,372
KRN IPK MRPK INDIKATOR TUNGGAL, MAKA VARIABEL KEBERHASILAN AKADEMIK DPT DIGANTI DG IPK

KL

INTELEGENSI IPK

KP

KEMINTER

KR
MODERATING
KD

lamda=2,414

(KL+KP)(KR+KD) INTERAKSI
INTERAKSI = indikator bentukan hasil
perkalian
errorr
6,372
S.E.M. = Structural Equation Modelling
LISREL = Linear Structural Relations
SEM = Simultaneous Equation Model

SEM: mrp pendekatan terintegrasi antara :

ANALISIS FAKTOR (Factor Analysis)
SISTEM PERSAMAAN SIMULTAN
(Model Struktural)
SIDIK LINTAS (Path Analysis)

S.E.M.= pendekatan terintegrasi antara:

Analisis data empirik, dan

Pengembangan konsep teoritik

S.E.M. : tiga macam analisis sekaligus, yaitu:

1. Uji validitas dan reliabilitas instrumen
2. Uji model hubungan antar variabel & jalurnya
3. Mendapatkan model untuk prakiraan/ estimasi
/ekstrapolasi
Factors Analysis Modelling

X1

Y1
X2
Ksi1
Eta1 Y2
X3
Ksi2
X4 Y3
Eta2
X5 Ksi3 Y4
X6

X7

X8

Xi dan Yi : Variabel atau Faktor

Ksi : variabel laten X
Eta : variabel laten Y

Segi-empat : Variabel manifest, indikator, observable variable

Bulatan oval : Variabel laten, dimensi, construct variable
Structural Equation Modelling

X1

Y1
X2
Ksi1
Eta1 Y2
X3
Ksi2
X4 Y3
Eta2
X5 Ksi3 Y4
X6

X7

X8

Analisis faktor Analisis Regresi Analisis faktor

Variabel Eksogen Analisis Jalur Variabel Endogen
Path Analysis
NOTASI dalam S.E.M.

1 X1
1
1 Y1 1
X2 1 8
Ksi1 1
Eta1 Y2 1
X3
2 1 1
Ksi2 1
4 X4 12
23 1
Eta2
X5 Ksi3 3 10 Y3 1
X6

7 X7

X8

 : Ksi, variabel laten X

 : Eta, variabel laten Y
 : delta, galat pengukuran variabel laten X
 : epsilon, galat pengukuran variabel laten Y
 : koefisien pengaruh variabel endogen thd variabel endogen lainnya
 : koefisien pengaruh variabel eksogen thd variabel endogen
 : loading factor
 : Zeta, galat model
 : Psi, peragam antar galat model
 S.E.M. vs. SIDIK LINTAS (Path Analysis)

Tujuan SEM adalah mendapatkan model struktural yang dapat

digunakan untuk keperluan prediksi.
Dalam hal ini, SEM setara dengan REGRESI.

SEM juga dapat untuk menguji pengaruh (langsung dan tidak langsung)
variabel bebas terhadap variabel tidak-bebas, menentukan variabel
dominan, dan jalur-jalur keterkaitan antar variabel.
Dalam hal ini, SEM setara dengan SIDIK LINTAS

Keunggulan SEM.
1. SEM dapat menguji hubungan kausalita, validitas dan reliabilitas
2. SEM dapat diterapkan untuk Model rekursif dan Resiprokal
3. SEM input datanya dapat berupa data mentah
4. SEM outputnya berupa faktor determinan, model struktural dan
model pengukuran
Langkah-langkah S.E.M.

Pengembangan
Model Konsep & Teori
Menilai Masalah Identifikasi

Konstruksi
Diagram Lintasan
Evaluasi Goodness of fit

Konversi
Diagram Lintasan
menjadi Interpretasi dan Modifikasi
Model Struktural Model

Memilih Matriks Input

Pengembangan Model Konsep & Teori

Model Hipotetik = Model Konseptual = Model Teoritis

Hubungan kausalita sebab-akibat antara variabel eksogen (variabel

bebas, independent) dan variabel endogen (variabel tergantung, variabel
dependent)
Dengan demikian landasan teorinya harus kuat untuk dapat
menjelaskan Model Hipotetik tersebut
Salah satu aspek kritis dalam hal ini adalah “Spesifikasi variabel”,
terutama variabel prediktif

Untuk kepentingan praktis analisis data dan interpretasinya, maka

seyogyanya banyaknya variabel tidak lebih dari 20.
KONSTRUKSI DIAGRAM LINTASAN
Path diagram

Diagram ini sangat bermanfaat untuk menunjukkan alur-alur (lintasan)

kausalita antar variabel yang secara teoritis layak
Hubungan kausalita : Simbol panah satu arah
Hubungan korelasional : Simbol panah bolak-balik

X1i
Y1i

X2i

Y2i
X3i

Variabel manifes, variabel

X1: terukur
Unobservable
variabel X1.1

X1.2
X1…. X1.3
 KONSTRUKSI DIAGRAM LINTASAN
Path diagram


X1.1  Y1.1
X1 

X1.2
Y1


X2.1
X2 

X2.2 
Y2
X3 

Y2.1 Y2.2
X3.1
X3.3
X3.2


 KONVERSI menjadi MODEL STRUKTURAL

1 = 2. 2 + 1. 1 + 1

2 = 1. 1 + 2. 2 + 3. 3 + 2

X1.1 = 1. 1 + 1
X1.2 = 2. 1 + 2 …. Dst.

1

1 X1.1 1 1 8 Y1.1
X1 1
2 1
2
X1.2
Y1
2 1

3 1 2
3 X2.1
X2 2 1.2
2 2
4
3
4 X2.2 3
Y2
X3 9 10
5
7 Y2.1 Y2.2
5 X3.1 6

X3.3 3
X3.2 2

7
6
MEMILIH MATRIKS INPUT

Input data untuk SEM dapat berupa:

1. Matriks korelasi, atau
2. Matriks peragam, kovarians

Matriks korelasi, digunakan kalau:

1. Tujuannya ingin membuktikan hubungan kausalita antar variabel
2. Lintasan mana saja yang pengaruhnya dominan
3. Variabel eksogen mana saja yang pengaruhnya dominan terhadap
variabel endogen
4. ...

Matriks Peragam, digunakan kalau:

1. Tujuannya menguji model hipotetik yang secarateoritis sudah layak
2. Serupa dengan analisis regresi
3. Model yang diperoleh dapat digunakan untuk prediksi
4. Model yg diperoleh dapat untuk menjelaskan fenomena yang dikaji
5. ….
PROBLEMATIK IDENTIFIKASI

Problematik pendugaan parameter:

1. Un-identified atau under identified
2. Over identified

Gejala yg muncul akibat dari adanya “masalah identifikasi”:

1. Adanya standard error yang terlalu besar
2. Matriks informasi tidak dapat disajikan sbgm mestinya
3. Nilai penduga parameter tidak dapat diperoleh
4. Muncul angka (nilai) yang aneh
5. Adanya koefisien korelasi yg tinggi (> 0.9) antar koefisien
hasil pendugaan

Cara mengatasinya:
1. Landasan teori yang digunakan untuk menyusun Model
Hipotetik harus benar-benar ‘bagus”
2. Menambah atau mengurangi variabel laten, disesuaikan
dengan landasan teorinya
3. Iterasi dalam pendugaan model dengan menetapkan “kendala” pada
model, misalnya salah satu atau beberapa parameter model dianggap
“fixed”
EVALUASI GOODNESS - OF - FIT

Asumsi-asumsi SEM:
1. Asumsi yang berkaitan dengan model
2. Asumsi yang berkaitan dengan pendugaan parameter &
pengujian hipotesis

Asumsi yang berkaitan dengan model:

1. Semua hubungan berbentuk linier (Lihat diagram pencarnya)
2. Model bersifat adetif, sesuai dengan landasan teorinya

Asumsi Pendugaan parameter & Uji hipotesis:

1. Random sampling
2. Tidak boleh ada missing data
3. Tidak ada data pencilan, outliers
4. Untuk pendugaan parameter, jumlah sampel minimum 100
TAHAPAN UJI GOODNESS OF FIT

A. Uji Parameter, dengan t-test:

1. Parameter Lamda: validitas instrument
2. Parameter Delta dan Epsilon: Reliabilitas instrumen
3. Parameter Beta dan Gama, dan lainnya

2. Uji Keseluruhan Model

Model ini merupakan integrasi antara model struktural dan model
pengukuran

3. Uji Model Struktural

Menggunakan uji koefisien determinasi, seperti model regresi

4. Uji Model Pengukuran

Uji validitas ……… koefisien korelasi
Uji reliabilitas ……….. Nilai error
 Kriteria uji goodness of fit : Model Overall
Goodness of fit Cut-off Keterangan

Chi-square Non-signifikan Dipakai untuk n = 100-200, Model yg

baik bila nilai Chi-square tidak jauh
berbeda dg derajat bebasnya

RMR Kecil Dipakai untuk n besar

RMSEA < 0.08 Dipakai untuk n besar

GFI > 0.90 Mirip dengan koef. determinasi R2

AGFI >0.90 Mirip dgn R2 adjusted

CFI >0.94 Tdk sensitif thd besar sampel

AIC Kecil Bila model lebihdari satu, pilihlah yg

nilainya kecil
INTERPRETASI & MODIFIKASI MODEL

Bilamana Model telah dianggap baik, selanjutnya adalah interpretasi,

apabila model belum baik perlu modifikasi

Modifikasi Model: Menambah atau mengurangi “Lintasan” yang

dianggap layak secara teoritis.

INTERPRETASI MODEL:
1. Model Struktural: Interpretasi terhadap fenomena yg
sedang dikaji, dan melakukan prediksi
2. Analisis Lintasan:
1. Efek langsung
2. Efek tidak langsung
3. Total efek
4. Faktor dominan
5. Kausalitas antar variabel.
SAMPLE SIZE

Dalam SEM, Parameter yang diduga:.

1. Parameter pada Model Pengukuran
2. Parameter pengaruh variabel eksogen thd variabel endogen
3. Parameter pengaruh antar variabel endogen
4. Parameter korelasi antar variabel eksogen
5. Parameter error.

Penentuan besarnya sampel:

1. Kalau pendugaan dg metode Maximum likelihood,maka
sampel 100-200, minimum absolut 50
2. Jumlah sampel = 5-10 kali banyaknya parameter
3. Jumlah sampel = 5-10 kali jumlah variabel manifest dari keseluruhan
variabel laten

Sampel untuk LISREL

1. Sampel untuk program LISREL > 400
2. Sample size 10 x banyaknya variabel
3. Banyaknya sampel minimum 10 x banyaknya parameter
yang ada dalam model
SEM dalam STUDI MARKETING

MODEL HIPOTETIK
1. Harga produk berpengaruh thd image pelanggan, Harga
berpengaruh terhadap Promosi
2. Fasilitas berpengaruh thd image pelanggan, juga berpengaruh thd
Promosi
3. Produk berpengaruh thd image pelanggan, dan dapat digunakan sebagai
sarana Promosi
4. Promosi dapat membantu membentuk Image pelanggan

IDENTIFIKASI VARIABEL
Variabel Laten (Konstruk) Variabel Manifest (Terukur)

Harga (X) X1 = Potongan, atau berbentuk hadiah

X2 = Harga yg ditetapkan
Promosi (X) X3 = Promosi mampu memberikan informasi yg jelas
shg dapat membantu pengambilan keputusan
pembelian
Fasilitas (X) X4 = Fasilitas PArkir
X5 = Fasilitas bermain anak-anak
Produk (X) X6 = Kualitas produk
X7 = Kelengkapan produk yg ditawarkan

Image (Y) Y1 = Citra dan pandangan pelanggan

Jumlah Sampel = 140 orang

Diagram Lintasan

X1

X3
X2
Harga
Promosi
X4
Fasilitas
X5
Image
Produk Y1
X6

X7

No Sampel X1 X2 X3 X4 X5 X6 X7 Y1

1
2
3
4
5
6
7
8
9
.
.
.
HASIL ANALISIS:
Diagram Lintasan Model Pengukuran (standardized)

0.36 X1
0.80
0.18 X2 1.00
0.91 Harga
0.44 X4 0.58
0.75
1.00
Fasilitas 0.10
0.65 X5
0.59
0.27

1.00
Produk
0.82
0.33 X6

0.80

X7

0.36
HASIL ANALISIS:
Diagram Lintasan Model Pengukuran (t-values)

3.92 X1
9.19
1.64 X2
unreliable 0.00
10.38 Harga
3.80 X4 6.25
7.42
0.00
Fasilitas 1.00
6.39 X5 6.22
2.33

10.59 0.00
4.68 X6 Produk

10.24

X7

5.21
HASIL ANALISIS:
Diagram Lintasan Model Keseluruhan (standardized)

0.36 X1
0.80
0.18 X2 0.00
0.91 Harga 0.06
0.44 -0.18 1.00
X4 0.75 Promosi X3
0.02
Fasilitas 0.01
0.65 X5 0.59
0.14
Image
1.00
0.82 Y1
0.33 X6 Produk 0.74
0.36 X7 0.80
0.00

Chi-square = 28.78, df= 12, P-value = 0.00425, RMSEA = 0.100

HASIL ANALISIS
Model Strultural (estimate)

Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100

0.00
Harga 0.13

Promosi 3.77

0.58 0.92

0.22
0.00
0.10
Fasilitas 0.01
-0.23
0.27

0.17

Produk 0.65
0.00 0.93 Image
HASIL ANALISIS
Path Analysis (standardized)

Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100

1.00
Harga 0.06

-0.18
Promosi 0.76

0.58 0.41

1.00 0.10
0.10
Fasilitas 0.01

0.27

0.14

Produk 0.40
1.00 0.74 Image
HASIL ANALISIS
Model Struktural (t-value)

Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100

0.00
Harga 0.46

Promosi 7.27

6.25 signifikan

0.00 2.78 1.02

1.00
Fasilitas 0.18

2.33 -1.84

1.06

Produk 0.40
0.00 8.91 Image
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS

Mendua Komitmen
Peran organisasional

Kelelahan Kepuasan Keinginan untuk

Emosional Kerja Keluar

Konflik Kinerja
Peran

Model Konsep : Keadaan yang mendahului dan konsekuensi kelelahan

emosional tenaga penjual, Babakus et al. 1999
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS

Kinerja Umpan balik

Penilaian karyawan
Karyawan
Kinerja

Ukuran
Kinerja

Standar
Kinerja

Keputusan Catatan
SDM Karyawan

Elemen kunci sistem penilaian kinerja, Mangkuprawira, 2002

 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS

Beban Kerja
Kepuasan Identifikas
Kerja i

Penghargaa
n
Kelelahan Penilaian Komitmen
Emosional Kinerja Organisasiona
Lingkungan l
Keluarga Keterlibatan

Kinerja
Konflik Peran

Kelelahan emosional
Loyalitas
Depersonalisasi

Kemunduran
kepribadian
Pengaruh Kelelahan Emosional thd Kepuasan Kerja dan Kinerja dalam
pencapaian komitmen organisasi
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS

Beban Penghargaa Lingkungan Konflik Peran

Kerja (X11) n (X12) Keluarga (X13) (X14)

Kelelahan
Emosional (X1)

Kepuasan Kerja Penilaian Kinerja Kinerja

(X2) (X31) (X3)

Komitmen
Organisasional
(Y)

Kerangka Pemikiran Konseptual

Sudah pernah diteliti
Diteliti dalam disertassi ini
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS

Konstruk (Indikator) Dimensi Konstruk (Variabel) Sekala Pengukuran.

1. Beban Kerja 1. Jumlah MK yang diampu per semester Likert, 5 opsi
2. Penelitian – penelitian ilmiah
3. Sebagai Penasehat akademik
4. Sebagai Dosen Pembimbing skripsi
5. Seminar ilmiah
2. Penghargaan 1. Gaji, HR, tunjangan, Insentif Likert, 5 opsi
2. Kenaikan pangkat dan jabatan
3. Kesempatan pendidikan lanjut
4. Fasilitas yang diterima
3. Lingkungan 1. Jumlah anggota keluarga Likert, 5 opsi
Keluarga 2. Status kepemilikan rumah
3. Kondisi tempat tinggal
4. Keadaan masyarakat sekitar
4. Konflik Peran 1. Perubahan radikal perkuliahan
Likert & skoring
2. Hubungan dosen-atasan-staf
3. Hubungan dengan mahasiswa
4. Persaingan jabatan struktural
5. Kelelahan 1. Perasaan cemas setiap mulai pekerjaan Skoring
Emosional 2. Merasa kekeringan emosi
3. Merasa berguna kembali ketika senja hari
4. Merasa lelah ketika bangun pagi
5. Merasa frustasi oleh pekerjaan
6. Kepuasan Kerja 1. Pekerjaan sesuai dg keinginan
Likert, 5 opsi
2. Gaji, HR, tunjangan
3. Citra PTS tempat mengajar
4. Promosi kenaikan pangkat, jabatan, mutasi
7. Kinerja 1, Kinerja pekerjaan dan nkepuasan
Likert, 5 opsi
2. Kinerja selama ini
8. Penilaian Kinerja 1. Penilaian kinerja yg proporsional
Likert, 5 opsi
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS

Beban Penghargaa Lingkungan Konflik Peran

Kerja (X11) n (X12) Keluarga (X13) (X14)

0.394 (S) -0.338 (S) 0.199 (S)

-0.093 (TS)
Kelelahan
Emosional (X1)
-0.121 (TS) -0.248
(S)

Kepuasan Kerja Penilaian Kinerja Kinerja

(X2) 0.555 (S) (X31) 1 (S) (X3)

0.265 (TS) 0.364 (S)

Komitmen
Organisasional
(Y)

Diagram hasil akhir hubungan kausal :

Pengaruh kelelahan emosional thd kepuasan kerja dan kinerja dalam pencapaian
komitmen organisasional dosen PTS
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN STRATEGI PEMASARAN

Model Teoritis: Shoham dan Fiegenbaum (1999)

Kekuatan yg mempengaruhi Lingkungan dan Persaingan

persaingan

Strategi Strategi Bisnis Strategi Strategi:

Generik Pemasaran Pemasaran
Operasional

Keberhasilan Pemasaran

Kenaikan Penjualan
Profitabilitas
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN STRATEGI PEMASARAN

KERANGKA KONSEPTUAL: Jasa Konstruksi

Persaingan
Lingkungan dan
Harga
Persaingan Ancaman
Mutu Pemilik Proyek
Waktu Jasa substitusi
Strategi
Fleksibilitas Pemasaran Pemasok

Relationshi
p Segmen Pasar
Aliansi
Keberhasilan Perusahaan Pemerinta
h
Suasta
Sales Growth Profitabilitas
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN STRATEGI PEMASARAN

VARIABEL KOMPONEN INDIKATOR

Strategi X1=Keunggulan Harga X1.1 = Marjin, X1.2 =

Penawaran harga
Pemasaran X1.3 = Struktur biaya
X2 = Mutu Pelaksanaan X2.1 = Pelaksanaan fisik, X2.2 = Jaminan mutu

X2.3 = Kebutuhan owner thd

mutu
X3 = Waktu Pelaksanaan X3.1 = Kecepatan, X3.2 = Ketepatan,
X3.3 = Kebutuhan owner thd
waktu pelaksanaan
X4 = Fleksibilitas X4.1 = Pelayanan Pemasaran,
X4.2 = Pelayanan
pelaksanaan, X4.3 = Kebutuhan
owner thd fleksibel
pelayanan
X5 = Relationship X5.1 = Membangun network,
X5.2 = Memelihara
network, X5.3 =
Mengembangkan network
X6 = Aliansi X6.1 = MItra strategi, X6.2 = Joint operation
X6.3 = Meningkatkan kinerja

Segmen Pasar X7 = Proyek X7.1 = Pemerintah, X7.2 = Non-pemerintah

Lingkungan X8 = Persaingan antar kontraktor

Persaingan X9 = Ancaman masuknya kontraktor asing
X10 = Kekuatan tawar pemilik proyek
X11 = Ancaman jasa substitusi
X12 = Kekuatan tawar pemasok

Keberhasilan Y1 = Penjualan Y1.1 = Pencapaian target penjualan, Y1.2 =

Penu
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN STRATEGI PEMASARAN

d3 X1.3 Path Diagram: Strategi Pemasaran

d X2.2
5 X2
d X2.3 Y1.1 e
5 1
d X3.1 Y1.2 e
5 X3 1
d X3.2 Strateg Keber- Y1.3 e
5 hasilan 1
i
d X3.3 Y2.1 e
1
5
Y2.2 e
f X4.1 1
1 X4 Y2.3 e
f X4.2 Lingkungan
6
2
f X4.3
3
f X5.1 X8 X9 X1 X1 X1
4 X5
0 1 2
f X5.2
5
X5.3 h h h h h
f 3 3
6 3 3 3
f X6.1
7 X6
f X6.2
8
X6.3
 S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN STRATEGI PEMASARAN

d3 X1.3 Hasil Analisis Path : Strategi Pemasaran

0.2
d X2.2 3
5 X2
d X2.3 Y1.1 e
5 0.8 1
5 0.3 Y1.2 e
d X3.1 1
5 X3 0.5 1
0.9 Keber-
d X3.2 4
Strateg 1
Y1.3 e
5 hasilan 1
i
d X3.3 Y2.1 e
0.9
1
5 0.6
2
9
Y2.2 e
f X4.1 1
1 X4
f X4.2 Lingkungan 0.5
9
2 0.9
f X4.3 1 0.5 0.3 Y2.3 e
7 0.5 0.6 0 6
3 0.3
2 9 8
f X5.1 X8 X9 X1 X1 X1
4 X5
0 1 2
f X5.2
5
0.4
X5.3 h h h h h
f 3
3 3 3 3 3
6
f X6.1
7 X6
f X6.2
8
X6.3
 S.E.M.: STRUCTURAL EQUATION MODELLING
DAMPAK KEBIJAKAN PERUSAHAAN THD REAKSI PASAR

Kerangka Konseptual

Konsep Investment
Opportunity Set (IOS)

Proksi Investment Kebijakan Perusahaan

Opportunity Set: 1. Kebijakan Deviden
1. Agency Theory
1. MBE 2. Kebijakan Laba ditahan
2. Pecking Order
2. MBA 3. Kebijakan Investasi
Theory
3. TBQ 4. Kebijakan Pendanaan
4. EPR 5. Kebij. Kepemilikan
5. PPA saham
6. DEV 6. Kebijakan Kompensasi
7. CAV 7. Kebijakan AKuntansi
8. INS
9. VTR Profitabilitas:
1. Net Profit
Kinerja Margin
Reaksi Pasar: Perusahaan 2. Return on equity
1. Perubahan harga
Konsentrasi Pasar
saham
1. Market share
2. Reaksi
2. Pertumbuhan
perdagangan
penjualan
saham
3. Bid ask spread
4. Kapitalisasi
Pasar
 S.E.M.: STRUCTURAL EQUATION MODELLING
DAMPAK KEBIJAKAN PERUSAHAAN THD REAKSI PASAR

Model Konseptual Hubungan antar variabel

Kebijakan Profitabilitas Konsentrasi Pasar

Deviden
Kebijakan Laba
Kinerja
Ditahan
Perusahaan
Kebijakan
Pendanaan

Kebijakan Kebijakan Reaksi

Investasi Perusahaan Pasar

Kebijakan
Kepemilikan
Saham

Kebijakan
Kompensasi
Potensi
Kebijakan Pertumbuhan
Akuntansi Perusahaan
 S.E.M.: STRUCTURAL EQUATION MODELLING
DAMPAK KEBIJAKAN PERUSAHAAN THD REAKSI PASAR

Model Hipotetik Hubungan antar variabel

£ £
£ £ i i
i i
DY.
δ
i
NP ROE MK PP
M S
δ
DP. KKDV
i PFT KSP
MDE.
δ
i KPD
BDE.
δ Kinerja PHS ε
i
ROI. Perusahaan i
δ
i KIV
ROA.
RPS ε
δ i
i Kebijakan Reaksi
LD BAS
δ Perusahaan Pasar ε
i i
δ
KPL.
i KAK KPP ε
δ
OAL. i
i
IOW
δ
i Potensi
δ
MOW KKS Pertumbuhan
i
POW.
Perusahaan
δ
i
KKP
δ ACC
i MB TBQ PPA CAF INS
α α
SO i E i
δ
i
MB EPR DEP CAA VTR
A

α α α α α
i i i i i
 S.E.M.: STRUCTURAL EQUATION MODELLING
DAMPAK KEBIJAKAN PERUSAHAAN THD REAKSI PASAR

Hasil Pengujian Model

£ £
£ £ i i
i i
DY.
δ
i
NP ROE MK PP
M S
δ
DP. KKDV
i PFT KSP
MDE.
δ
i KPD
BDE. 0.00
δ Kinerja PHS ε
i
ROI. Perusahaan i
δ 1.9
i KIV 0.36 3 RPS ε
ROA.
δ i
i
0.49 Kebijakan Reaksi
LD BAS
δ Perusahaan 1.5 Pasar ε
i i
KPL. 0
δ
i KAK - KPP ε
0.09 0.21
δ
OAL. - i
i 0.42
IOW
δ
i Potensi
δ
MOW KKS Pertumbuhan
i
POW.
Perusahaan
δ
i
KKP
δ ACC
i MB TBQ PPA CAF INS
α α
SO i E i
δ
i
MB EPR DEP CAA VTR
A

α α α α α
i i i i i
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH KUALITAS LAYANAN thd PELANGGAN

MODEL KONSEPTUAL

Sikap Karyawan Kualitas

Interaksi
Perilaku
Karyawan
Kepuasan
Keahlian Pelanggan
Karyawan

Kenyamanan
Ruangan
Kualitas KUALITAS
Keamanan Lingkungan JASA
Loyalitas
Gudang Fisik PEGADAIA Pelanggan
N
Kecepatan
Proses

Jaminan Nilai
Kualitas Hasil Pelanggan
Pemecahan Akhir
masalah
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH KUALITAS LAYANAN thd PELANGGAN

Definisi Operasional Variabel

1. Sikap Karyawan (SKP): Cara karyawan bertutur-kata, sikap tubuh, penampilan

dan bentuk-bentuk sikap lainnya yang ditunjukkan pada saat berinteraksi
dengan pelanggan

2. Perilaku Karyawan (PRI): sikap yg diwujudkan dalam perbuatan, tingkah laku

karyawan pada saat berinteraksi dengan pelanggan

3. Keahlian Karyawan (KEA): kemampuan karyawan dalam memenuhi

permintaan pelanggan sesuai jenis jasa layanannya

4. Kenyamanan Ruangan (KRG): kondisi ruangan dan kesejukan udara dalam

ruangan yg menyebabkan pelanggan merasa senang

5. Keamanan Gudang (KGD): Kondisi ruangan penyimpanan barang jaminan

sehingga pelanggan merasa yakin bahwa barangnya tidak hilang, atau rusak
selama disimpan

6. Kecepatan proses pelayanan (KCP): daya tanggap karyawan dan entitas

penyedia jasa dalam merespon permintaan pelanggan dengan memberikan
pelayanan dengan segera,

7. Pemecahan Masalah (PMS): kemampuan pegawai dan entitas penyedia jasa

dalam menyelesaikan keluhan, permasalahan atau ketidak-puasan yang
dihadapi oleh pelanggan

8. Dst …………
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH KUALITAS LAYANAN thd PELANGGAN
Pembatasan Variabel:

1. SIKAP KARYAWAN (SKP): X1

X1.1 : Sikap ramah
X1.2 : Siap membantu menyelesaikan masalah pelanggan
X1.3 : Pelayanan penuh perhatian
X1.4 : Menghormati nasabah

2. PERILAKU KARYAWAN (PRI): X2

X2.1. : Pelayanan sopan dan menmyenangkan
X2.2. : Tindakan dalam membantu pelanggan
X2.3. : Tanggapan thd kebutuhan nasabah
X2.4. : Pemahaman thd kebutuhan nasabah

3. KEAHLIAN KARYAWAN (KEA): X3

X3.1. : Pemahaman tentang tugas
X3.2. : Kemampuan dan keahlian sesuai dg bidang tugasnya
X3.3. : Kemampuan menjawab pertanyaan pelanggan
X3.4. : Pengetahuan yg dimiliki

4. KEPUASAN PELANGGAN : Y1
Y1.1. : Kepuasan thd sikap dan perilaku akryawan
Y1.2. : Kepuasan thd kemampuan yg ditunjukkan karyawan
Y1.3. : Kepuasan thd kondisi kenyamanan dan keamanan
Y1.4. : Kepuasan thd kecepatan proses layanan
Y1.5. : Kepuasan thd jaminan yg diberikan
Dst………
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH KUALITAS LAYANAN thd PELANGGAN

MODEL HIPOTETIK
X1. X1. j j
X2. 1 2 j j j 4 5
X2. Sikap Karyawan
1
2 1 2 3
Keahlian
Karyawa Y1.1 Y1.2 Y1.3 Y1.4 Y1.5
X3. Kualitas n
2
Perilaku Interaksi
X3. Karyawan
1 Kepuasan k
Kenyamana
Pelanggan 1
X4. n Ruangan
1 Y3.1
X4.
Kualitas KUALITAS
2
Lingkunga Loyalitas Y3.2
JASA
n Fisik Pelangga
X5. Keamanan PEGADAIA Y3.3
1 Gudang N n
X5. Y3.4
2 Nilai
X6.
X6. 1 Pelanggan
1 k
X6. Jaminan 4
1 Kualitas Hasil
X6. Y5.1 Y5.2 Y5.3 Y5.4 Y5.5
Akhir
1
i
1 i
Kecepatan Pemecahan i i i i
X7.4 1 2 3 4 5
Proses masalah

X7.1 X7.2 X7.3 X8.1 X8.2 X8.3 X8.4

i i i i i i i
1 1 1 1 1 1 1
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH KUALITAS LAYANAN thd PELANGGAN

MODEL PENGARUH KUALITAS LAYANAN

X1. X1. j j
X2. 1 2 j j j 4 5
X2. Sikap Karyawan
1
2 1 2 3
Keahlian
Karyawa Y1.1 Y1.2 Y1.3 Y1.4 Y1.5
X3. Kualitas n
2
Perilaku Interaksi
X3. Karyawan
1 Kepuasan k
Kenyamana
1.
00
Pelanggan 1
X4. n Ruangan 0.
1 43 0.
Y3.1
X4. 32
Kualitas 0.
2 KUALITAS 30 Loyalitas Y3.2
Lingkunga 1.
JASA
n Fisik 12
0. Pelangga
X5. Keamanan PEGADAIA 49
Y3.3
1 Gudang N n
X5. 0. 0. Y3.4
2 23 Nilai 69
X6. 0.
X6. 1 63 Pelanggan
1 k
X6. Jaminan 4
1.
1 50 Kualitas Hasil
X6. Y5.1 Y5.2 Y5.3 Y5.4 Y5.5
Akhir
1
i 1.
1 1. 33 i
Kecepatan 00 Pemecahan i i i i
X7.4 1 2 3 4 5
Proses masalah

X7.1 X7.2 X7.3 X8.1 X8.2 X8.3 X8.4

i i i i i i i
1 1 1 1 1 1 1
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH SIKAP & KEPUASAN THD PENERIMAAN TI

KERANGKA KEORI.

Model Sikap: Technology Acceptance Model Model Kepuasan: EUCS

End User
Perceived Computing
Usefulness Satisfaction
(PU) (EUCS)
Attitude Acceptance
toward IT (ATI) Content Format
Using Accuracy
(ATU) Timelines Easy
of Use
Perceived
Easy of Use
(PEU)
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH SIKAP & KEPUASAN THD PENERIMAAN TI

KERANGKA KONSEP PENELITIAN

Model Sikap: Technology Acceptance Model Kepuasan:

Kepuasan pemakai
Persepsi manfaat akhir komputer
dirasakan
Timelines
Content
Penerimaan Accuracy
organisasi Format
Kepuasan staf Easy to use
Kepuasan nasabah
Sikap:
Technology
Acceptance
Model
(TAM) Sikap
menggunakan
Penerimaan TI
Persepsi mudah TI
menggunakan
.

User friedlines
Kehandalan sistem
 S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH SIKAP & KEPUASAN THD PENERIMAAN TI

Kelompok variabel Variabel Indikator

Perceived Usefulness (PU) Penerimaan Organisasi (PO) POA: Kebijakan

manajemen
POB:
Keuntungan yg diperoleh
POC:
Dukungan keuangan
POD:
Dukungan teknik
POE :
Dukungan pelaksanaan training
Kepuasan Staf (KS) KSA:
Kemudahan mengoperasikan
tugas
sehari-hari
KSB:
Prospek karier
Kepuasan Nasabah (KN) KNA:
Pelayanan cepat
KNB: Tepat
waktu
KNC: Handal
KND:
Informasi akurat
KNE:
Penerapan biaya
KNF: Tingkat
keamanan
Perceived Easy to use (PEU) Kehandalan Sistem (KHS) KHA: Mampu mendukung operasional
 Modifikasi utk meningkatkan GFI dan
menurunkan Chi square.
1. Dengan menghubungkan error covariance
antar indicator sesuai dengan saran
modifikasi yang ditampilkan dari ‘*.out’ :
Set the error covariance between ‘indicator’ and
‘indicator’
2. Dengan menarik path baru sesuai dengan
saran modifikasi yang ditampilkan dari
‘*.out’