DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS NEGERI YOGYAKARTA
LEMBAGA PENELITIAN Alamat: Karangmalang, Yogyakarta. 55281. Telp. (0274) 550839 . (0274) 518617. E-mail:
[email protected]:
[email protected]
Nomor Lampiran Hal
271 /H 34.21/TU/2009 Jadwal Pelatihan Permohonan sebagai Tutor
6 Julii2009
Kepada Yth. : Bp. DR. Samsul Hadi, MT, M.Pd. Dosen PT. Elektro FT UNY Di Yogyakarta
Dengan hormat, menindaklanjuti pada pertemuan panitia Pelaksanaan Pelatihan Analisis SEM dan PLS, untuk menjadi Tutor
bersama ini kami
mohon kesediaan Bapak
pelatihan Analisis SEM dan PLS yang akan kami
laksanakan pada:
Hari
:Senin s.d Selasa
Tanggal
:10 dan 11 Agustus 2009
Jam
:08.00 s.d 16.00 WIB.
Tempat
:Ruang Sidang Lembaga Penelitian UNY
Atas Kesediaan dan kerjasamanya diucapkan terima kasih
NIP. 130693813
Jadwal Kegiatan (Implementatif)
Kegiatan
Waktu
Pengampu
Keterangan
Jumat, 7 Agu stus 2009 1. Registrasi Peserta dan Pelunasan Biaya Pelatihan 12.45-13.15
2. Penyerahan CD Software, dan Formulir Klarifikasi Nama Lengkap
13.15-15.00
1. Nardiyanto, SIP
Disediakan camilan
2. Suyud, S.Pd
dan minum:
1. Sugeng Sutarto, S.Pd
1. Nur Wahyu K, SE 2. Sastri Sihati, A.Md
2. Ant. Hedy Ari P, SIP
Instalasi Software LISREL,
1. Dr. Samsul Hadi
AMOS, dan SmartPLS
2. Dr. Heri Retnowati
3. Siswa PKL 0 3. Ali Muhson, M.Pd
Senin, 10 Agij stus 2009 07.30-08.00
Registrasi Peserta
1. Sastri Sihati, A.Md 2. Siswa PKL
Pembukaan: 08.00-08.30
1. Laporan Ketua Panitia
Master Ceremonv:
2. Sambutan Ketua Lembaga
Sukardi, SIP
Penelitian 08.30-10.00
Konsep Dasar SEM dan Berbagai Model Analisis SEM
10.00-10.15
Istirahat
Prof. Dr. Imam Ghozali
1. Nur Wahyu K, SE 2. Sastri Sihati, A.Md
Aplikasi PLS untuk Model 10.30-12.00
Pengukuran Indikator Reflektif
Prof. Dr. Imam Ghozali
dan Formatif
12.00-13.00
Istirahat, Sholat, dan Makan Siang
13.00-14.30
Aplikasi PLS untuk Path Analysis
14.30-14.45 14.45-16.15
Istirahat Aplikasi PLS untuk Analisis Full Model Struktural (SEM) Penjelasan Panitia tentang
16.15-16.30
Rencana Kegiatan Pelatihan Esok hari
1. Nur Wahyu K, SE 2. Sastri Sihati, A.Md Prof. Dr. Imam Ghozali
1. Nur Wahyu K, SE 2. Sastri Sihati, A.Md Prof. Dr. Imam Ghozali
Master Ceremonv: Sukardi, SIP
Moderator: Dr. Samsul Hadi
Disediakan minum dan cami ian
...
Moderator: Dr. Samsul Hadi
Disediakan makan siang dan minum Moderator: Ali Muhson, M.Pd
Disediakan minum dan camHan Moderator: Ali Muhson, M.Pd
.
j
Waktu
Pengampu
Kegiatan
Keterangan
Selasa, 11 Ag ustus 2009 07.30-08.00
08.00-10.00
Registrasi Peserta Aplikasi LISREL untuk
1. Dr. Samsul Hadi
Confirmatory Factor Analysis
2. Dr. Heri Retnowati
(CFA)
3. Ali Muhson, M.Pd
Istirahat
10.00-10.15
10.30-12.00
12.00-13.00
13.00-14.30
Aplikasi LISREL untuk Path Analysis dan Full Model
1. Nur Wahyu K, SE 2. Sastri Sihati, A.Md 1. Dr. Samsul Hadi 2. Dr. Heri Retnowati 3. Ali Muhson, M.Pd
Dilaksanakan dalam 3 kelas Fasilitator: Sugeng Sutarto, S.Pd
Disediakan minum dan camilan Dilaksanakan dalam 3 kelas Fasilitator: Sugeng Sutarto, S.Pd
Istirahat, Shoiat, dan Makan Siang
1. Nur Wahyu K, SE
Disediakan makan
2. Sastri Sihati, A.Md
siang dan minum
Aplikasi AMOS untuk
1. Dr. Samsul Hadi
Confirmatory Factor Analysis
2. Dr. Heri Retnowati
(CFA)
3. Ali Muhson, M.Pd
14.30-14.45
14.30-16.00
1. Sastri Sihati, A.Md 2. Siswa PKL
Istirahat
Aplikasi AMOS untuk Path Analysis dan Full Model
1. Nur Wahyu K, SE 2. Sastri Sihati, A.Md 1. Dr. Samsul Hadi 2. Dr. Heri Retnowati 3. Ali Muhson, M.Pd
Dilaksanakan dalam 3 kelas Fasilitator: Sugeng Sutarto, S.Pd
Disediakan minum dan camilan Dilaksanakan dalam 3 kelas Fasilitator: Sugeng Sutarto, S.Pd
Penjelasan Panitia tentang 16.15-16.30
Rencana Kegiatan Pelatihan
Master Ceremonv:
Esok hari
Sukardi, SIP
Rabu, 12 Agustus 2009 07.30-08.00
Registrasi Peserta
08.00-10.00
Tugas/Berlatih Mandiri
1. Sastri Sihati, A.Md 2. Siswa PKL
Disediakan camilan
Tim:
dan minum:
1. Dr. Samsul Hadi 10.00-11.30
Tutorial
2. Dr. Heri Retnowati
1. Nur Wahyu K, SE 2. Sastri Sihati, A.Md
3. Ali Muhson, M.Pd Penyerahan Penutupan: 11.30-12.00
Sambutan Ketua Lembaga Penelitian
Master Ceremonv: Sukardi, SIP
Sertifikat: 1. Suhardi, S.Pd 2. Ant. Hedy AP, SIP 3. Siswa PKL
SERTIFIKAT
NO: 339/H34.21/PL.2009
DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS NEGERI YOGYAKARTA LEMBAGA PEN ELITIA N
DIBERIKAN KEPADA
DR. SAMSUL HADI, MT
SEBAGAI
IN S T R U K T U R
PADA PELATIHAN ANALISIS STRUCTURAL EQUATION MODELLING (SEM) DENGAN LISREL, AMOS, DAN SMARTPLS YANG DISELENGGARAKAN TANGGAL 7 -12 AGUSTUS 2009, DI LEMBAGA PENELITIAN UNIVERSITAS NEGERI YOGYAKARTA Yogyakarta, 12 Agustus 2009
^l^li^-Ketua
rdi, Ph.D. NIP. 143530519 197811 1 001
j
Daftar Materi Pelatihan Analisis Structural Equation Modelling (SEM) dengan LISREL, AMOS dan SmartPLS
Materi Instali dan Pengenalan LISREL, AMOS, dan SmartPLS Konsep Dasar SEM dan Berbagai Model Analisis SEM Aplikasi PLS untuk Model Pengukuran Indikator Reflektif dan Formatif Aplikasi PLS untuk Path Analysis Aplikasi PLS untuk Analisis Full Model Struktural (SEM) Aplikasi LISREL untuk Confirmatory Factor Analysis (CFA) Aplikasi LISREL untuk Path Analysis Aplikasi LISREL untuk Full Model Aplikasi AMOS untuk Confirmatory Factor Analysis (CFA) Aplikasi AMOS untuk Path Analysis Aplikasi AMOS untuk Full Model Tutorial & Tugas Mandiri Jumlah
Jumlah Jam 2 2,5 2,5 2 2 2,5 2 2 2 2 2 10,5 34
Yog^tk^rtovol^ Agustus 2009
ANALISIS STRUCTURAL EQUATION MODELING (SEM) DENGAN LISREL 8 FOR WINDOWS
O leh:
Sam sul Hadi
UNIVERSITAS NEGERI YOGYAKARTA
2009
ANALISIS STRUCTURAL EQUATION MODELING (SEM) DENGAN LISREL 8 FOR WINDOWS
A. Pendahuluan Structural Equation Modeling (SEM) merupakan gabungan antara analisis faktor konfirmatori dengan analisis jalur yang dilaksanakan secara simultan. Analisis analisis faktor konfirmatori (confirmatory factor analysis, CFA) digunakan untuk mengungkap model konstruk instrumen. Analisis jalur (path analysis) digunakan untuk mengetahui efek langsung dan/atau tidak langsung dari variabel eksogen ke variabel endogen maupun variabel endogen ke endogen. Variabel eksogen adalah variabel dalam model yang tidak pernah dipengaruhi variabel lain, sedangkan variabel endogen adalah variabel yang dipengaruhi oleh variabel eksogen. Pengujian model dengan SEM dapat menghasilkan persamaan pengukuran, baik untuk variabel eksogen maupun endogen, serta persamaan struktural. Rumus umum persamaan pengukuran variabel eksogen adalah: X = A x T| +8 (Joreskog & Sorbom, 1996: 2 dan Supranto, 2004: 296). Persamaan pengukuran variabel endogen secara umum dinyatakan dengan Y = A Y T| + e (Joreskog & Sorbom, 1996: 2 dan Supranto, 2004: 296). Persamaan struktural secara umum dinyatakan dengan r| = F2, + ^ (Joreskog & Sorbom, 1996: 205). Persamaan tersebut dapat dperoleh secara langsung dengan LISREL. B.
Pengujian Model Persamaan Struktural Pengujian model dengan LISREL dapat dilakukan dengan tiga pendekatan, yaitu:
1) Strickly Confirmatory, 2) Alternative Model atau Competing Model, dan 3) Model Generating (Joreskog & Sorbom, 2003). Pendekatan Strickly Confirmatory menuntut peneliti untuk menetapkan satu model dan mengumpulkan data empirik untuk menguji model yang ada. Hasil analisis konfirmatori berdasarkan data empirik dapat menerima atau menolak model yang ada. Pendekatan Alternative Model atau Competing Model
menuntut peneliti mengem
bangkan beberapa model alternatif dan mengujinya mengggunakan data yang sama untuk memperoleh model yang paling baik. Pendekatan Model Generating menuntut peneliti membuat model tentatif dan mengujinya. Jika model tidak fit, model harus dimodifikasi dan diuji lagi menggunakan data yang sama. Modifikasi model tersebut mungkin harus dilakukan berkali-kali sampai ditemukan model yang fit dan rasional. C. 1.
Langkah-langkah Analisis SEM dengan Lisrel Buat model konseptual berdasarkan kajianteori, hasil
penelitian,
dan rasional
(dalam proposal penelitian). Misalkan pengaruh depresiterhadap percaya tindakan dimodelkan secara konseptual sbb:
1
diri dan
2.
Entry data yang diperoleh dari lapangan menggunakan program Excel, SPSS, atau lainnya. Penulis merekomendasikan untuk menggunakan Excel atau SPSS. Jika menggunakan Excel, entry mudah, kerja komputer ringan, dan program biasanya sudah terinstal pada setiap komputer. Jika menggunakan SPSS, import data ke Lisrel lebih mudah, tetapi kerja komputer lebih berat dan tidak semua komputer terinstal SPSS. Misal menggunakan Excel dengan nama file Model DP.xls sbb: d t a p
p*
“j -
Home & Cut
fcaste
Model DP [Compatibility Mode] - Microsoft Excel
*
In»e*1
Page Layout
Calibn
* c
+n . +
B
U
/
1y j *
none w
Data
* ; 11
a'
■3* • £
•
—
=
m m
=
W cw
9-
m
P12
B
Add-Ins
^ Merge & Center ~
$ * %
*
*
Formattim
ftjmt-ff
Alignment
C
0
E
F
H
6
K
DPI
DP2
DP3
DP4
PDI
PD2
PD3
PD4
2
19
23
68
70
36
81
46
35 14
59
3 4
55 94
36
85
S
31
62
35
67
11
6
19
75
b
23 95
S 74
36 45
18
7
29
L
TK1
TK2
TK3
87
PD5 44
39
20
86
90
13
11
30
39
95
65
48
50
32
25
68
64
92
86
6
SO
69
56
61
58
99
58
34
62
80
45
77
45
33
45
61
32
2
51
31
Kolom menunjukkan indikator atau variabel, baris menunjukkan jumlah sampel. 3. Jalankan program LISREL O I LISREL Windows Application File
View
Help
*■1
^J|
*.• 00 1 Conditior .M « 6
j.
1
5
General
i= 3J W rap Text
IE
c-t
Clipboard
A
Formulas
# | j l] f j
* * |2
4.
Pilih menu File submenu Import External Data in Other Formats § LISREL Windows Application
File
View
Help
New
C trl+ N
O p e n ...
C trl+ O
□
f
Im p o rt D ata in F ree Form at Im p o rt E xte rn a l D ata in O th e r Form ats P rint 5 e tu p ..,
5.
Pilih file data Excel pada dialog box sbb: _ ?|xj
Input Database
File name:
□pen
Files of type:
6.
Cancel
Excel 97/2000 (“.xls)
Pada langkah 5, tekan tombol OK dan simpan file dengan nama sama dengan file Excel tetapi dengan ekstensi PSF sehingga tampil data editor LIS REL sbb: LISREL W in d o w s A p p l i c a t i o n
M o d e l DP
File Edit Data Transformation Statistics Graphs Multilevel View Window Help
□|cg|ig|> I N a l #l#| s|h I■?I M o d el DP
DP1 1 2 3 A
7.
^ K ic iu i] 8 8 .0 0 8-1 00 2 1 .0 0
DP2 3.00 5 9.0 0 8 4.0 0 9 9.0 0
I
DP3 5 3.0 0 76.0 0 6 7.0 0 8 9.0 0
DP4 8 7.0 0 2 4.0 0 7 2.0 0 4 1.0 0
|
PD1
I
8 .00 1 3.0 0 5 5.0 0 9 6.0 0
PD2 96.0 0 92 00 29.00 85.0 0
|
PD3 5 .0 0 2 7 .0 0 7 .0 0 2 7 .0 0
|
PD4 7 2 .0 0 1 6 .0 0 3 8 .0 0 1 4 .0 0
!
PD5 5 .00 24 DC 71.0 0 74.0 0
|
TK1 3 0.0 0 5 1.0 0 8 4.0 0 8 8.0 0
|
TK2 3 1.0 0 1 5.0 0 2 3.0 0 5 6.0 0
|
TK3 97.0 0 17 00 39.0 0 17.0 0
Tunjuk salah satu nama indikator/variabel, klik kanan, dan pilih menu Define Variables
3
LISREL Windows Application - Model DP
m
File
Edit
D ata
T ra n sfo rm a tio n
S tatistics
G raphs
M ultilevel
View
W indow
Help
D &
p
Model DP
P3 53.00 76.00 67.00
D efine Variables. Delel D elete Variables In se s eirt Variable u n .u u
DP4 | 87.00 24.00 72.00
PD1 8.00 13.00 55.00
PD2 | 96.00 92.00 29.00
8. Tunjuk salah satu indikator atau variabel dan klik menu Variable Type Define Variables
x| Insert
DP2 DP3 DP4 PD1 PD2 PD3 PD4 PD5
TK1 TK2 TK3
Rename Variable Type Category Labels Missing Values OK Cancel
To select more than one variable at a time,hold down the C T R L key while clicking on the variables to be selected
9.
Pilih tipe data untuk variabel tersebut, jika tipe data tersebut berlaku untuk semua beri tanda cek Apply to all. Kemudian save file data (klik gambar disket). ariahlp Typps [nr DPI
C <•
*]
Ordinal
UK
Continuous
Cance|
f* Censored above Censored below
C
Censored above and belo^
P ' Apply to all
10. Untuk melihat kondisi data dan menyiapkan matriks yang akan dianalisis, pilih menu Statistics, submenu Output Options 4
§ LISREL Windows Application - Model DP File
1Edit
^ 1
D ata
\gil *
T ra n sfo rm a tio n 1m
1 *J M ▼ | M
jn
W
S tatistics
G raphs
M ultilevel
VietV
D ata S creening Tmm ihp
l l l i p U L C 1 II
i
V U l Uip Cc J
1I I
iii
M ultiple Im p u ta tio n ...
lodel DP
1
Equal T h re sh o ld s...
I 1 2
DP1 □ 53.00 88.00
Fix T h re sh o ld s.,. H om oge ne ity Test ,. Norm al S cores... F a cto r A n a ly sis,..
4
iK n r im
II
11
C ensored R e g re ss io n s ...
76.00 11.00 5.00 36.00 38.00 52.00
5 6 7 0 9 10
1
Logistic R eg ressio ns... P robit R eg ressio ns... R eg ressio ns... T w o-S tage L e a s t-5 q u a re s ... B o o tstra p p in g ..
L_
O u tp u t O ptions
11. Kemudian cek LISREL system data untuk menyiapkan matriks kovarians (default), Perform tests of multivariate normality untuk melihat normalitas multivariat data, dan Asymptotic Covariance Matrix untuk menyiapkan matriks kovarians asimtotik (jika diperlukan), kemudian tekan OK. Output
*
•Moment Matrix |Covariances
Data' —
zl
Save the transformed data to file:
Save to file: V L IS R E L system data
r
Width of fields:
Means V~ Save to file:
Standard Deviations Save to file:
Asymptotic Covariance Matrix f Save to file1 ' Print in output
Number of decimals:
6
Number of repetitions:
pj
I-
Rewind data after each repetition
I-
Print bivariate frequency tables
V
Print tests of underlying bivariate normality
P
Perform tests of multivariate normality
I-
Wide print
• Random seed
I-----------------------------------------Asymptotic VariancesI- Save to file: I-
15
C
Set seed to |l 2345G
Print in output OK
5
Cancel
12. Siapkan diagram jalur melalui menu File, New, Path Diagram sebagai berikut: LISREl W in d o w s A pplication - M odel DP
p
File
Edit
D ata
T ra n sfo rm a tio n
S tatistics
G raphs
1 D lo c liflH l
| :
a
▼
z
M ultilevel
a | n | f | i h
► m
KT
<e
■
¥
|N e w
|5 E
*J
N ew ■ — 11— i r i i p. . PR ELIS D ata SIM PLIS Project LIS R E L Proiect
DP4
□K
1
Jti
C ancel
-1
Path Diagram
87.0 24.0 72.0 41.0 84.0
Beri nama diagram jalur sama dengan nama data. 13. Siapkan indikator/valiabel yang akan digambar dalam diagram melalui menu Setup, submenu Variables. Kemudian klik Add/Read Variables pada bagian Observed Variables. *1 Latent Variables
Observed Variables i ?
Name
Name VAR 1 VAR 2
< Previous Next > OK Cancel
Add/Read Variables
Add Latent Variables
14. Klik Brows dan pilih file DSF yang sesuai. Kemudian lengkapi nama variabel latent dengan mengklik tombol Add Latent Variables. Setelah itu klik tombol Next. *1 Read from file: |L I SR EL Sjislem File
3
3 J*1
C Add list of variables (e. g., var1-var5): SSlwcCElW’.DSF r Info-------Select one of the two system files. The LISREL data system file has a DSF extension and the PR ELIS spreadsheet a PSF extension.
Caned
|
| Od® t
Ftenarr* Files of type:
6
|LISREL System Data (*.dsf)
»|
Lancd
j
Labels
*1 Observed Variables
Latent Variables Name D E PR ES PD TINDAKAN
Name 1 ? 3 4 5 6 7 8
s
±LL
DP1 DP2 DP3 DP4 PD1 PD2 PD3 PD4 PD5 TK1
-
1
? 3
< Previous Next >
OK Cancel
▼
Add/Read Variables
Add Latent Variables
15. Isi jumlah sampel sesuai dengan data pada dialog box sbb, kemudian klik OK.
Groups:
~ 3 r same across groups Summary statistics Statistics from:
File type:
|Covariances Full matrix I-
d Fortran formatted
Edit
New. Next >
I L IS R E L System Data File name:
Browse...
|D:\IRT_Training\Lisrel\MODEL C Statistics included: I
OK Cancel
Mean included in the data
Weight Include weight matrix
L
Number of observations
_l
|150
16. Tentukan variabel mana yang eksogen dan mana yang endogen, juga indikator yang terkait. Kemudian buat diagram jalurnya:
7
.. File Edit Setup Draw View Image Oubpub Window Help *»l-i
d in t ?
Cwudt |
-J
Model) |£/Ei . k * k l
EitoMtM V i W l l f f i l W W M B i * |
17. Pilih menu Setup submenu Build LISREL Syntax. Jika diinginkan output yang mudah dibaca, pilih juga submenu Build SIMPLIS Syntax. § LISREL Windows Application - ModelDP File
Edit
5 e tu p
D raw
View
Im age
O u tp u t
Title and Com m ents ...
Help
AD?
G roup s.., V ariables..
Groups:
W indow
M odels:
B asic M odel
D a ta ...
Observe DP1 D R 2fx
Ri liW 1TCD Cl
FJ
Build 5IM PLI5 S y n ta x
F8
18. Jalankan LISREL Syntax atau SIMPLIS Syntax yang ada dengan mengklik tombol
'J
File
Edit
Setup
Model
Output
Options
Window
Help
_d ( £ & y| jt N a l &|#| a|o|f I_________________________________ TI
IDA NI=12 N0=150 WG=1 HA=CH SY='C:\XXX.dsf1 NG=1 SE 5 6 7 8 9 10 11 12 2 1 3 4 / HO NX=4 NY=8 NK=1 NE=2 LY=FU,FI LX=FU,FI BE=FU,FI GA=FU,FI PH=SY,FR PS=DI,FR TE=DI,FR TD=DI,FR LE TINDAKAN PD LK DEPRES FR L Y (2,2) L Y (3,2) LY(4,2) LY(5,2) LY(7,1) LY(8,1) LX(1,1) LX(3,1) LX(4,1) FR BE(1,2) G A (1,1) GA(2,1) VA 1.000 L Y (1,2) L Y (6,1) LX(2,1) PD OU AH ND=3 AD=OFF
8
Contoh hasil estimasi parameter oleh LISREL sbb:
- 875. 067 986
002
950
121
.•»1 06$
Chi-Square=46.67, df=51, P-value=D.64634, RMSEA=0.000
(Estimates) Oil u. 4 0.03 03 4 “
/
----
\V° .056 Y0.134
\ V
0.210—_ / S 7 o.uo / l>^
O il
031
17 6
/
OOff
-0.781
-0.462
\ 021
V '— ^
£ . 2 2 5 ^ TUfDAKAH
361 0 .0 0 3
Ch±-Square=46.67, df=51, P-value=0.64634, RMSEA=0.000
(Standardized Solution)
9
6.Z05+»
1.09 5 ^
Chi-Square=46.67, df=51, P-value=0.64634, RMSEA=0.000
(T-values)
Chi-Square=46.67, df=51, P-value=0.64634, RMSEA=0.000
(Midification Indices)
10
METODE ESTIMASI DALAM SEM Ada banyak metode estimasi yang dapat digunakan dalam SEM (Joreskog & Sorbom, 1996: 17 dan Joreskog & Sorbom, 2003). Metode estimasi tersebut adalah: 1. Instrumental Variables (N), 2. Two-Stage Least Squares (TSLS), 3. Unweighted Least Squares (U LS), 4. Generalized Least Squares (GLS), 5. Maximum Likelihood (ML), 6. Generally Weighted Least Squares (WLS), 7. Diagonally Weighted Least Squares (DWLS). Pada tahun 1987 Browne mengembangkan metode Robust Maximum Likelihood (RML) dan setahun kemudian, yaitu tahun 1988, Satorra dan Bentler menyempurnakan metode RMLdengan memperbaiki rumus %2 (Mels, 2004: 13 dan Mels, 2006:12). Terkait dengan banyaknya metode estimasi yang dapat digunakan dalam SEM, Joreskog dan Sorbom (2003) memberi tuntunan praktis untuk memilih metode estimasi yang tepat. Tuntunan tersebut adalah sebagai berikut. 1. Jika data kontinu dan berdistribusi normal multivariat, maka metode ML perlu digunakan. 2. Jika data kontinu tetapi tidak berdistribusi normal multivariat serta ukuran sampelnya tidak besar, maka penggunaan metode RML direkomendasikan; namun jika ukuran sampel besar, maka metode WLS perlu digunakan. 3. Jika data ordinal, kategorikal atau campuran, maka metode WLS dengan matriks korelasi polikorik atau poliserial perlu digunakan. DAFTAR PUSTAKA Joreskog, K. G. & Sorbom, D. (1996). Lisrel 8: user's reference guide. Chicago: Scientific Software International. Joreskog, K. G. & Sorbom, D. (2003). Lisrel 8.54 help. Chicago: Scientific Software International. Mels, G. (2004). Lisrel fo r windows: Getting started guide. Lincolnwood: Scientific Software International. Mels, G. (2006). Getting started with the student edition of Lisrel 8.54 fo r windows. Lincolnwood: Scientific Software International.
11
