DATA
SPSS PRELIS SIMPLIS
EXEL
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)
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
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
X1
Y1
X2
Ksi1
Eta1 Y2
X3
Ksi2
X4 Y3
Eta2
X5 Ksi3 Y4
X6
X7
X8
X1
Y1
X2
Ksi1
Eta1 Y2
X3
Ksi2
X4 Y3
Eta2
X5 Ksi3 Y4
X6
X7
X8
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
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
X1i
Y1i
X2i
Y2i
X3i
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
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
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
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
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)
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
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)
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)
0.00
Harga 0.46
Promosi 7.27
6.25 signifikan
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
Konflik Kinerja
Peran
Ukuran
Kinerja
Standar
Kinerja
Keputusan Catatan
SDM Karyawan
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
Kelelahan
Emosional (X1)
Komitmen
Organisasional
(Y)
Keberhasilan Pemasaran
Kenaikan Penjualan
Profitabilitas
S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN STRATEGI PEMASARAN
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
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
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)
Kebijakan
Kepemilikan
Saham
Kebijakan
Kompensasi
Potensi
Kebijakan Pertumbuhan
Akuntansi Perusahaan
S.E.M.: STRUCTURAL EQUATION MODELLING
DAMPAK KEBIJAKAN PERUSAHAAN THD REAKSI PASAR
α α α α α
i i i i i
S.E.M.: STRUCTURAL EQUATION MODELLING
DAMPAK KEBIJAKAN PERUSAHAAN THD REAKSI PASAR
α α α α α
i i i i i
S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH KUALITAS LAYANAN thd PELANGGAN
MODEL KONSEPTUAL
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
8. Dst …………
S.E.M.: STRUCTURAL EQUATION MODELLING
PENGARUH KUALITAS LAYANAN thd PELANGGAN
Pembatasan Variabel:
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
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
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.
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
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