Tutorial LISREL teorionline

Tutorial LISREL teorionline

CONFIRMATORY FACTOR ANALYSIS BY HENDRY Phone : 0856-9752-3260 Email : [email protected],id Blog : http://teorionline.wordpress.com/

Seperti dijelaskan sebelumnya, CFA ditujukan untuk menguji validitas dan reliabilitas konstruk. Dalam kesempatan ini, saya akan memberikan contoh bagaimana melakukan uji CFA dengan menggunakan LISREL TAHAP 1 Operasionalisasi Variabel MOTIVASI Dimensi pengukuran motivasi Sekaran (2003:179) meliputi 1. Perilaku digerakkan oleh kerja (driven by work), 2. Tidak suka bersantai (unable to relax), 3. Tidak suka ketidakefektivan (impatience with inefffectiveness), 4. Menyukai tantangan (seeks moderate challenge). 5. Menyukai umpan balik (seeks feedbacks) Data dapat dilihat disini TAHAP 2 Lihat data di sini Data disimpan dengan nama “motivasi.csv” yang berada pada folder C:\BELAJAR\LATIHAN 1 Mengimport Data. File – Import Data in Free Format Lalu pilih data “motivasi.csv” seperti pada tampilan di bawah

Teorionline Tutorial : CFA dengan LISREL by HENDRY

Page 1


Tampilan setelah data berhasil diimport

Simpan Prelis dengan nama “motivasi.psf”


Page 2


MEMANGGIL DATA PRELIS Klik SET UP – pilih VARIABLES Pada box Observed Variables..pilih Add/Read Variables Pilih PRELIS System File, lalu cari dimana anda menyimpan file “motivasi.PSF”

Pada observed variables sudah terlihat 5 variabel. Klik Add Latent Variabel, beri nama “MOTIVASI:.


Page 3


Klik NEXT, lalu pada kotak Number of Observation..masukkan jumlah observasi (dalam contoh ini adalah 124), lalu klik OK

STEP 3 Siapkan Simplis : Klik File  New  Simplis Project

Beri nama Latihan1


Page 4


Menyiapkan Syntax Pada Simplis Klik SETUP lalu pilih BUILD SIMPLIS SYNTAX Lengkapi Syntax seperti contoh berikut :

INTERPRETASI Evaluasi Goodness of Fit Hasil analisis pengolahan data terlihat bahwa konstruk yang digunakan untuk membentuk sebuah model penelitian, pada proses analisis faktor konfirmatori sudah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probability pengujian goodness of fit menunjukkan nilai 0.52064 (< 0.05), dan RMSEA 0.000 (< 0.08). Hasil uji kecocokan model yang lain seperti CGI, GFI, AGFI, RFI juga memperlihatkan nilai > 0.90 sehingga model dinyatakan fit. Evaluasi Validitas Indikator Berdasarkan tampilan dapat dilihat hasil tiap-tiap indikator dari masing-masing variabel laten sudah memenuhi syarat yaitu loading factor diatas 0.50 sehingga dapat diterima, nilai loading factor masing-masing sebagai berikut: pada Perilaku digerakkan oleh kerja (0.85), Tidak suka bersantai (0.73), Tidak suka ketidakefektivan (0.77), Menyukai tantangan (0.88), dan Menyukai umpan balik (0.84). Hasil uji validitas dengan memperhatikan loading faktor juga relevan dengan uji t yang menunjukkan nilai t hitung > t kritis.


Page 5


OUTPUT LISREL CFA CONTOH 1

The following lines were read from file C:\LATIHAN\LATIHAN 1\latihan1.SPJ: Raw Data from file 'C:\LATIHAN\LATIHAN 1\motivasi.PSF'


Page 6


Sample Size = 124 Latent Variables MOTIVASI Relationships MOT1 - MOT5 = MOTIVASI Options: SS SC Path Diagram End of Problem Sample Size = 124

Covariance Matrix MOT1 MOT2 -------- -------- -------MOT1 0.56 MOT2 0.32 0.50 MOT3 0.34 0.30 MOT4 0.46 0.34 MOT5 0.42 0.35

MOT3 MOT4 -------- -------0.52 0.38 0.38

0.66 0.45

MOT5

0.62

Number of Iterations = 5 LISREL Estimates (Maximum Likelihood) Measurement Equations MOT1 = 0.63*MOTIVASI, Errorvar.= 0.16 , R² = 0.72 (0.056) (0.028) 11.30 5.81 MOT2 = 0.51*MOTIVASI, Errorvar.= 0.23 , R² = 0.53 (0.057) (0.034) 9.06 6.95 MOT3 = 0.56*MOTIVASI, Errorvar.= 0.21 , R² = 0.59 (0.057) (0.032) 9.81 6.68 MOT4 = 0.69*MOTIVASI, Errorvar.= 0.18 , R² = 0.72 (0.061) (0.032) 11.38 5.75 MOT5 = 0.66*MOTIVASI, Errorvar.= 0.18 , R² = 0.70 (0.059) (0.031) 11.17 5.91 Correlation Matrix of Independent Variables


Page 7


MOTIVASI -------1.00

Goodness of Fit Statistics Degrees of Freedom = 5 Minimum Fit Function Chi-Square = 4.05 (P = 0.54) Normal Theory Weighted Least Squares Chi-Square = 4.17 (P = 0.53) Estimated Non-centrality Parameter (NCP) = 0.0 90 Percent Confidence Interval for NCP = (0.0 ; 8.03) Minimum Fit Function Value = 0.033 Population Discrepancy Function Value (F0) = 0.0 90 Percent Confidence Interval for F0 = (0.0 ; 0.065) Root Mean Square Error of Approximation (RMSEA) = 0.0 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.11) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.68 Expected Cross-Validation Index (ECVI) = 0.20 90 Percent Confidence Interval for ECVI = (0.20 ; 0.27) ECVI for Saturated Model = 0.24 ECVI for Independence Model = 4.33 Chi-Square for Independence Model with 10 Degrees of Freedom = 523.00 Independence AIC = 533.00 Model AIC = 24.17 Saturated AIC = 30.00 Independence CAIC = 552.10 Model CAIC = 62.37 Saturated CAIC = 87.30 Normed Fit Index (NFI) = 0.99 Non-Normed Fit Index (NNFI) = 1.00 Parsimony Normed Fit Index (PNFI) = 0.50 Comparative Fit Index (CFI) = 1.00 Incremental Fit Index (IFI) = 1.00 Relative Fit Index (RFI) = 0.98 Critical N (CN) = 458.81 Root Mean Square Residual (RMR) = 0.0091 Standardized RMR = 0.016 Goodness of Fit Index (GFI) = 0.99 Adjusted Goodness of Fit Index (AGFI) = 0.96 Parsimony Goodness of Fit Index (PGFI) = 0.33 Standardized Solution


Page 8


LAMBDA-X MOTIVASI -------MOT1 0.63 MOT2 0.51 MOT3 0.56 MOT4 0.69 MOT5 0.66 PHI MOTIVASI -------1.00 Completely Standardized Solution LAMBDA-X MOTIVASI -------MOT1 0.85 MOT2 0.73 MOT3 0.77 MOT4 0.85 MOT5 0.84 PHI MOTIVASI -------1.00 THETA-DELTA MOT1 MOT2 MOT3 MOT4 -------- -------- -------- -------- -------0.28 0.47 0.41 0.28 0.30

MOT5

Time used: 0.000 Seconds


Page 9

Tutorial LISREL teorionline

Recommend Documents