STRUCTURAL EQUATION MODEL (SEM)

Modul Laboratorium Analisis Kuantitatif

10-1

STRUCTURAL EQUATION MODEL (SEM) 

Model SEM pada dasarnya digunakan untuk menganalisis hubungan/pengaruh antara variabel dependent dengan variabel independent yang sifanya membentu suatu path (jalur)



Contoh : FILE KASUS10 Suatu penelitian dilakukan seperti dapat dilihat pada kerangka model berikut ini :

Tingkat Pendidikan Sangat rendah – Sangat tinggi

-

Tingkat Pendapatan Sangat rendah – Sangat tinggi

Tingkat Kemakmuran Sangat miskin – Sangat kaya

Dari model diatas dapat dijelaskan bahwa a. Tingkat pendidikan berpengaruh positif terhadap tingkat pendapatan (H1) b. Tingkat pendapatan berpengaruh positif terhadap tingkat kemakmuran (H2) c. Ada pengaruh tidak langsung dari tingkat pendidikan terhadap tingkat kemakmuran dimana pengaruh tersebut positif yaitu semakin tinggi tingkat pendidikan maka akan semakin makmur atau sebaliknya



Lakukan pengujian hipotesis untuk model diatas. Karena model berbentuk Path maka solusi dilakukan dengan MODEL SEM dengan SOFTWARE AMOS



Langkah pengerjaan a. Buat gambar model PATH tersebut di AMOS dengan langkah-langkah sbb : - Buka program AMOS GRAPHICS seperti ditunjukkan pada gambar berikut :

Fakultas Ekonomi Universitas Trisakti, 2007


10-2

Gambar 10.1 -

Untuk menggambar MODEL PATH ada 2 jenis variabel yang harus digambar 1) Variabel berbentuk KOTAK Menunjukkan bahwa variabel tersebut diukur langsung (OBSERVED VARIABLE) Misal : Laba perusahaan, inflasi, Suku bunga harga saham 2) Variabel berbentuk lingkaran berarti bahwa variabel tersebut tidak diukur langsung (UNOBSERVED VARIABLE) Misal : Kepuasan kerja diukur melalui kepuasan gaji, kepuasan fasilitas, kepuasan jenjang karier atau kepuasan lingkungan pekerjaan.

-

Karena dalam kasus ini TINGKAT PENDIDIKAN, TINGKAT PENDAPATAN DAN TINGKAT KESEJAHTERAAN DIUKUR LANGSUNG melalui persepsi maka seluruh gambar variabel menggunakan OBSERVED VARIABEL (SIMBOL KOTAK) Buat gambar 3 kotak sesuai dengan kerangka model yang diajukan beserta arah panah hubungannya seperti ditunjukkan pada gambar berikut :

-



10-3

Gambar 10.2 -

-

Namakan masing-masing variabel secara singkat misal : Tingkat pendidikan = EDUC Tingkat pendapatan = INCOME Tingkat kesejahteraan = WELFARE Mengetik nama varaibel dilakukan dengan cara pada salah satu kotak atau elip yang ada di KLIK 2 kali sehingga akan muncul kotak dialog seperti ditunjukkan pada gambar berikut ini :

Gambar 10.3



-

10-4

Klik menu Text dan pada variabel name KETIK EDUC, menamakan variabel lain cukup pindahkan kursor ke kotal/lingkaran yang dimaksud lalu KETIK nama variabelnya dan hasilnya dapat dilihat pada gambar berikut ini :

Gambar 10.4 -

-

Untuk setiap persamaan perilaku mengandung unsur ERROR/RESIDUAL sehingga pada model tersebut juga harus diberikan residualnya yang dalam hal ini ada 2 residual yaitu : Untuk persamaan INCOME = f(EDUC) terdapat ERROR yang selanjutnya kita namakan e1 Untuk persamaan WELFARE = f(INCOME) terdapat ERROR yang selanjutnya kita namakan e2 Akibatnya penyesuaian gambar model diatas dapat dilihat pada gambar 10.5 Perhatikan pada ERROR koefisiennya tidak dihitung sehingga diberi angka 1 Pembentukan model melalui AMOS sudah siap dan langkah selanjutnya adalah menyiapkan data melalui SPSS



-

10-5

Gambar 10.5 Pastikan FILE KASUS10 sudah siap seperti ditunjukkan pada gambar 10.6. Nama variabel pad FILE SPSS harus sama dengan nama varaibel pada file AMOS (Pada SPSS nama variabel ditulis dengan huruf kecil

Gambar 10.6 -

Pengolahan AMOS bekerja pada 2 SOFTWARE yaitu FILE untuk gambar di AMOS sedangkan FILE untuk data di SPSS



-

10-6

Langkah pengerjaan model dilakukan dengan cara pada gambar AMOS kasus 10 ambil data dari SPSS dengan cara KLIK FILE, DATA FILE seperti ditunjukkan pada gambar 10.7 yang selanjutnya akan muncul gambar 10.8

Gambar 10.7 -

Pada gambar 10.8 KLIK FILE NAME dan akan muncul kotak dialog seperti ditunjukkan pada gambar 10.9



10-7

Gambar 10.8 -

Pada gambar 10.9 masukkan file KASUS10 dari program SPSS untuk menghubungkan antara gambar dengan data sehingga siap untuk diolah

Gambar 10.9

-

Nampak pada kotak dialog DATA FILES, sudah transdser file kasus10.sav ke AMOS. Lalu KLIK OK sehingga akan kembali ke gambar AMOS dan pengolahan dengan AMOS siap dilakukan



10-8

Gambar 10.10 -

Dari gambar 10.11 dimana pada gambar sudah dimasukkan file data KASUS10 pilih menu property dengan cara KLIK VIEW/SET, ANALYSIS PROPERTY sehingga akan muncul gambar 10.12

Gambar 10.11 -

Pada kotak dialog analysis property KLIK MINIMIZATION HISTORY, STANDARDTIZED ESTIMATES, INDIRECT,DIRECT & TOTAL EFFECTS seperti ditunjukkan gambar 10.12. Kemudian tutup kotak dialog ANALYSIS PROPERTY dengan cara KLIK X (CLOSE)



10-9

Gambar 10.12 -

Simpan terlebih dahulu model AMOS yang sudah siap untuk diolah MISAL NAMA FILE LATIHAMOS Lakukan Estimasi dengan cara KLIK MODEL-FIT, CALCULATE ESTIMATE seperti pada gambar 10.13 dan proses pengolahand ata sudah dilakukan.



10-10

Gambar 10.13 -

Untuk melihat output keseluruhan KLIK VIEW/SET, TEXT OUTPUT seperti gambar 10.14 dan akan dihasilkan print-out sbb :

Gambar 10.14



10-11

LATIHAMOS Saturday, June 02, 2007 02:49:24

Amos by James L. Arbuckle

Version 4.01

Copyright 1994-1999 SmallWaters Corporation 1507 E. 53rd Street - #452 Chicago, IL 60615 USA 773-667-8635 Fax: 773-955-6252 http://www.smallwaters.com ********************************************



10-12

Title Latihamos: Saturday, June 02, 2007

02:49 PM

Your model contains the following variables

INCOME WELFARE

observed observed

endogenous endogenous

EDUC

observed

exogenous

e1 e2

unobserved exogenous unobserved exogenous

Number Number Number Number Number

of of of of of

variables in your model: observed variables: unobserved variables: exogenous variables: endogenous variables:

5 3 2 3 2

Summary of Parameters

Fixed: Labeled: Unlabeled: Total:

Weights ------2 0 2 ------4

Covariances Variances ----------- --------0 0 0 0 0 3 ----------- --------0 3

Means ----0 0 0 ----0

Intercepts ---------0 0 0 ---------0

Total ----2 0 5 ----7

NOTE: The model is recursive.

Sample size:

52

Model: Default model Computation of degrees of freedom Number of distinct sample moments: 6 Number of distinct parameters to be estimated: 5 ------------------------Degrees of freedom: 1 0e 1e* 2e 3e 4e

2 0 0 0 0

0.0e+000 -5.1547e-002 8.8e+000 0.0000e+000 6.0e+000 0.0000e+000 5.5e+000 0.0000e+000 2.2e+000 0.0000e+000

1.00e+004 1.28e+000 6.54e-002 1.19e-002 6.10e-004

8.20983772149e+001 1.39437059700e+001 1.31355438375e+001 1.31135931333e+001 1.31135410969e+001

0 19 1 1 1

1.00e+004 7.45e-001 1.09e+000 1.03e+000 1.00e+000



10-13

Minimum was achieved

Chi-square = 13.114 Degrees of freedom = 1 Probability level = 0.000

Maximum Likelihood Estimates ----------------------------

Regression Weights: ------------------INCOME <-------- EDUC WELFARE <----- INCOME

Standardized Regression Weights: --------------------------------

Estimate --------

S.E. -------

C.R. -------

0.757 0.767

0.092 0.099

8.268 7.770

Estimate --------

S.E. -------

C.R. -------

1.463 0.625 0.727

0.290 0.124 0.144

5.050 5.050 5.050

Label -------

Estimate --------

INCOME <-------- EDUC WELFARE <----- INCOME

Variances: ---------EDUC e1 e2

0.757 0.736

Label -------

Total Effects

INCOME WELFARE

EDUC INCOME -------- -------0.757 0.000 0.580 0.767

Standardized Total Effects

INCOME WELFARE

EDUC INCOME -------- -------0.757 0.000 0.557 0.736



10-14

Direct Effects

INCOME WELFARE

EDUC INCOME -------- -------0.757 0.000 0.000 0.767

Standardized Direct Effects

INCOME WELFARE

EDUC INCOME -------- -------0.757 0.000 0.000 0.736

Indirect Effects

INCOME WELFARE

EDUC INCOME -------- -------0.000 0.000 0.580 0.000

Standardized Indirect Effects

INCOME WELFARE

EDUC INCOME -------- -------0.000 0.000 0.557 0.000

Summary of models ----------------Model ---------------Default model Saturated model Independence model

NPAR ---5 6 3

Model ---------------Default model Saturated model Independence model

Model ---------------Default model Saturated model

CMIN --------13.114 0.000 96.307

DF -1 0 3

P --------0.000

CMIN/DF --------13.114

0.000

32.102

RMR ---------0.131 0.000 0.801

GFI ---------0.869 1.000 0.468

AGFI ---------0.212

PGFI ---------0.145

-0.064

0.234

DELTA1 NFI ---------0.864 1.000

RHO1 RFI ---------0.592

DELTA2 IFI ---------0.873 1.000

RHO2 TLI ---------0.611

CFI ---------0.870 1.000



10-15

Independence model

0.000

0.000

0.000

0.000


PRATIO ---------0.333 0.000 1.000

PNFI ---------0.288 0.000 0.000

PCFI ---------0.290 0.000 0.000


NCP ---------12.114 0.000 93.307

LO 90 ---------3.906 0.000 64.902

HI 90 ---------27.732 0.000 129.134


FMIN ---------0.257 0.000 1.888

F0 ---------0.238 0.000 1.830

LO 90 ---------0.077 0.000 1.273

HI 90 ---------0.544 0.000 2.532

Model ---------------Default model Independence model

RMSEA ---------0.487 0.781

LO 90 ---------0.277 0.651

HI 90 ---------0.737 0.919

PCLOSE ---------0.001 0.000


AIC ---------23.114 12.000 102.307

BCC ---------23.965 13.021 102.818

BIC ---------38.363 30.299 111.457

CAIC ---------37.870 29.707 111.161


ECVI ---------0.453 0.235 2.006

LO 90 ---------0.292 0.235 1.449

HI 90 ---------0.759 0.235 2.709

MECVI ---------0.470 0.255 2.016

Model ---------------Default model Independence model

HOELTER .05 ---------15 5

HOELTER .01 ---------26 7

0.000



10-16

Execution time summary:

Minimization: Miscellaneous: Bootstrap: Total:

0.000 0.000 0.000 0.000


STRUCTURAL EQUATION MODEL (SEM)

Recommend Documents