Tutorial LISREL Teorionline

Tutorial LISREL Teorionline

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

Dibagian pertama kita sudah latihan CFA dengan konstruk tunggal. Latihan kedua ini selanjutnya akan menggunakan dua konstruk yaitu kepemimpinan dan motivasi. KEPEMIMPINAN TRANSFORMASIONAL Dimensi pengukuran Egri dan Herman, (2000) LEAD1 = Attributed charisma (karisma) LEAD2 = Idealized influence (pengaruh ideal) LEAD3 = Inspirational motivation (motivasi dan menginspirasi) LEAD4 = Intelectual stimulation (stimulasi intelektual) LEAD5 = Individualized consideration (perhatian terhadap individu) MOTIVASI Dimensi pengukuran motivasi Sekaran (2003) meliputi MOT1 = Perilaku digerakkan oleh kerja (driven by work), MOT2 = Tidak suka bersantai (unable to relax), MOT3 = Tidak suka ketidakefektivan (impatience with inefffectiveness), MOT4 = Menyukai tantangan (seeks moderate challenge). MOT5 = Menyukai umpan balik (seeks feedbacks)

Jumlah sampel adalah 120 orang karyawan PT. XTZ

PENYELESAIAN Catatan : data dalam bentuk CSV disimpan di folder C:\LATIHAN\LATIHAN2\LEADMOT.CSV Tahap 1 Mengimport Data. File – Import Data in Free Format Lalu pilih data “LEADMOT.csv” seperti pada tampilan di bawah

Teorionline Tutorial : CFA dengan LISREL (2) by HENDRY

Page 1


Tampilan setelah data berhasil diimport Simpan Prelis dengan nama “latihan 2.psf” Tahap 2 MEMANGGIL DATA PRELIS Pilih File – NEW – Simplis Project / Syntax Only

Beri nama Latihan 2

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


Page 2


Pada observed variables sudah terlihat 10 variabel. Klik Add Latent Variabel, beri nama “LEAD” dan “MOT”. Klik NEXT


Page 3


Masukkan jumlah observasi 120, Klik OK Tahap 3 Menyiapkan Syntax Pada Simplis Klik SETUP lalu pilih BUILD SIMPLIS SYNTAX Lengkapi Syntax seperti contoh berikut :

Run LISREL, sehingga tampil seperti output berikut ini


Page 4


HASIL DAN PEMBAHASAN

EVALUASI GOODNESS OF FIT Hasil analisis pengolahan data terlihat bahwa konstruk yang digunakan untuk membentuk sebuah model penelitian, pada proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probability pengujian goodness of fit menunjukkan nilai 0.079 (> 0.05) menunjukkan model sudah baik, dan hasil kecocokan model yang diprediksikan dengan nilai-nilai pengamatan lainnya sudah memenuhi syarat seperti terlihat pada data di bawah ini : Normed Fit Index (NFI) = 0.98 Non-Normed Fit Index (NNFI) = 0.99 Parsimony Normed Fit Index (PNFI) = 0.74 Comparative Fit Index (CFI) = 0.99 Incremental Fit Index (IFI) = 0.99 Relative Fit Index (RFI) = 0.98 Goodness of Fit Index (GFI) = 0.93


Page 5


VALIDITAS INDIKATOR Tiap-tiap indikator dari masing-masing variabel laten sudah memenuhi syarat yaitu loading factor diatas 0.40 sehingga dapat diterima, nilai loading factor masing-masing sebagai berikut: pada variabel peran kepemimpinan LEAD1: Attributed charisma mempunyai loading factor (0,80), LEAD2: pengaruh ideal (0,83), LEAD3: motivasi dan menginspirasi (0,83), LEAD4: stimulasi intelektual (0,83), dan LEAD5: perhatian terhadap individu (0,85). Loading faktor pada indikator motivasi juga memperlihatkan bahwa seluruh indikator valid, besran loading faktor untuk MOT1 : Perilaku digerakkan oleh kerja (0.92), MOT2 : Tidak suka bersantai (0.89), MOT3 : Tidak suka ketidakefektivan (0.87), MOT4 : Menyukai tantangan (0.89), dan MOT5: Menyukai umpan balik (0.82). Kemudian regression weight atau standardized estimate dari konstruk ini yang signifikan dengan nilai t hitung > 1.96 (pada taraf signifikansi 5%). Hasil dari uji t dapat dilihat sebagai berikut :


Page 6


RELIABILITAS Uji reliabilitas menunjukkan sejauh mana suatu alat ukur yang dapat memberikan hasil yang relative sama apabila dilakukan pengukuran kembali pada obyek yang sama. Reliabilitas dihitung dengan formula Variance Extract dan Contruct Reliability dengan rumus sbb (Hair, et.al, 2007 yang dikutip Setyo Hari WiJanto, 2008:66) Rumus CR

Rumus VE

Semakin besar nilai ini, menunjukkan bahwa indikator-indikator penyusun bagi suatu peubah laten merupakan indikator-indikator yang handal dalam mengukur peubah laten tersebut. Nilai kehandalan konstruk yang disarankan adalah lebih besar dari 0,7. Sedangkan ukuran kelayakan variance extracted yang disarankan adalah lebih besar dari 0,5.

Hasil Perhitungan Untuk menghitung CR dan VE digunakan nilai completely standard solution berikut ini : Completely Standardized Solution LAMBDA-X LEAD MOT -------- -------LEAD1 0.80 -LEAD2 0.83 -LEAD3 0.83 -LEAD4 0.83 -LEAD5 0.85 -MOT1 -0.92 MOT2 -0.89 MOT3 -0.87 MOT4 -0.89 MOT5 -0.82


Page 7


Construct Reliability kepemimpinan R = (0.80+0.83+0.83+0.83+0.85 )2 / (0.80+0.83+0.83+0.83+0.85 )2 + (0.20+0.17+0.17+0.17+0.15) R = 4.142 / 4.142 + 0.86 R = 0.86 Variance Extract kepemimpinan R = (0.802+0.832+0.832+0.832+0.852 ) / (0.802+0.832+0.832+0.832+0.852 ) + (0.20+0.17+0.17+0.17+0.15) R = 0.799

Hasil perhitungan menunjukkan bahwa contruct reliability sebesar 0.86 (> 0.70), dan Variance Extract 0.799 (> 0.5), dengan demikian dapat disimpulkan bahwa reliabilitas pada konstruk kepemimpinan telah terpenuhi. Untuk CR dan VE motivasi silahkan di hitung sendiri

Referensi : Setyo Hari Wijanto. 2008. SEM dengan LISREL 8.8. Yogyakarta : Graha Ilmu


Page 8


OUTPUT LISREL Raw Data from file 'C:\LATIHAN\LATIHAN 2\LEADMOT.PSF' Sample Size = 120 Latent Variables LEAD MOT Relationships LEAD1 = LEAD LEAD2 = LEAD LEAD3 = LEAD LEAD4 = LEAD LEAD5 = LEAD MOT1 = MOT MOT2 = MOT MOT3 = MOT MOT4 = MOT MOT5 = MOT Set the Variance of LEAD to 1.00 Set the Variance of MOT to 1.00 Path Diagram End of Problem Covariance Matrix LEAD1 LEAD2 -------- -------- -------LEAD1 1.17 LEAD2 0.75 1.05 LEAD3 0.75 0.64 LEAD4 0.72 0.68 LEAD5 0.74 0.73 MOT1 0.71 0.72 MOT2 0.67 0.72 MOT3 0.62 0.65 MOT4 0.70 0.75 MOT5 0.62 0.75

LEAD3 LEAD4 LEAD5 -------- -------- -------0.92 0.72 0.66 0.64 0.62 0.60 0.65 0.63

1.04 0.69 0.72 0.71 0.64 0.70 0.73

0.97 0.68 0.73 0.64 0.72 0.65

MOT1

0.98 0.84 0.79 0.79 0.75

Covariance Matrix MOT2 MOT3 -------- -------- -------MOT2 1.04 MOT3 0.74 0.91 MOT4 0.81 0.71 MOT5 0.75 0.72

MOT4 -------1.00 0.79

MOT5

1.07

Number of Iterations = 7 LISREL Estimates (Maximum Likelihood) Measurement Equations


Page 9


LEAD1 = 0.87*LEAD, Errorvar.= 0.42 , R² = 0.64 (0.084) (0.062) 10.36 6.80 LEAD2 = 0.85*LEAD, Errorvar.= 0.33 , R² = 0.69 (0.078) (0.050) 10.93 6.58 LEAD3 = 0.80*LEAD, Errorvar.= 0.28 , R² = 0.69 (0.073) (0.043) 10.98 6.56 LEAD4 = 0.85*LEAD, Errorvar.= 0.32 , R² = 0.69 (0.077) (0.049) 10.95 6.58 LEAD5 = 0.84*LEAD, Errorvar.= 0.26 , R² = 0.73 (0.073) (0.041) 11.48 6.31 MOT1 = 0.91*MOT, Errorvar.= 0.15 , R² = 0.85 (0.070) (0.026) 13.12 5.68 MOT2 = 0.90*MOT, Errorvar.= 0.22 , R² = 0.79 (0.074) (0.035) 12.28 6.38 MOT3 = 0.83*MOT, Errorvar.= 0.22 , R² = 0.76 (0.069) (0.033) 11.97 6.56 MOT4 = 0.89*MOT, Errorvar.= 0.21 , R² = 0.79 (0.072) (0.033) 12.28 6.38 MOT5 = 0.85*MOT, Errorvar.= 0.34 , R² = 0.68 (0.078) (0.049) 10.93 6.95 Correlation Matrix of Independent Variables LEAD MOT -------- -------LEAD 1.00 MOT 0.92 (0.02) 42.42

1.00

Goodness of Fit Statistics Degrees of Freedom = 34 Minimum Fit Function Chi-Square = 48.67 (P = 0.049) Normal Theory Weighted Least Squares Chi-Square = 46.20 (P = 0.079) Estimated Non-centrality Parameter (NCP) = 12.20


Page 10


90 Percent Confidence Interval for NCP = (0.0 ; 34.10) Minimum Fit Function Value = 0.41 Population Discrepancy Function Value (F0) = 0.10 90 Percent Confidence Interval for F0 = (0.0 ; 0.29) Root Mean Square Error of Approximation (RMSEA) = 0.055 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.092) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.39 Expected Cross-Validation Index (ECVI) = 0.74 90 Percent Confidence Interval for ECVI = (0.64 ; 0.93) ECVI for Saturated Model = 0.92 ECVI for Independence Model = 22.18 Chi-Square for Independence Model with 45 Degrees of Freedom = 2618.99 Independence AIC = 2638.99 Model AIC = 88.20 Saturated AIC = 110.00 Independence CAIC = 2676.87 Model CAIC = 167.73 Saturated CAIC = 318.31 Normed Fit Index (NFI) = 0.98 Non-Normed Fit Index (NNFI) = 0.99 Parsimony Normed Fit Index (PNFI) = 0.74 Comparative Fit Index (CFI) = 0.99 Incremental Fit Index (IFI) = 0.99 Relative Fit Index (RFI) = 0.98 Critical N (CN) = 138.06 Root Mean Square Residual (RMR) = 0.028 Standardized RMR = 0.028 Goodness of Fit Index (GFI) = 0.93 Adjusted Goodness of Fit Index (AGFI) = 0.88 Parsimony Goodness of Fit Index (PGFI) = 0.57 The Modification Indices Suggest to Add an Error Covariance Between and Decrease in Chi-Square New Estimate MOT3 MOT1 8.4 0.07

Standardized Solution LAMBDA-X LEAD MOT -------- -------LEAD1 0.87 -LEAD2 0.85 -LEAD3 0.80 -LEAD4 0.85 -Teorionline Tutorial : CFA dengan LISREL (2) by HENDRY

Page 11


LEAD5 MOT1 MOT2 MOT3 MOT4 MOT5

0.84 ------

-0.91 0.90 0.83 0.89 0.85

PHI LEAD MOT -------- -------LEAD 1.00 MOT 0.92 1.00

Completely Standardized Solution LAMBDA-X LEAD MOT -------- -------LEAD1 0.80 -LEAD2 0.83 -LEAD3 0.83 -LEAD4 0.83 -LEAD5 0.85 -MOT1 -0.92 MOT2 -0.89 MOT3 -0.87 MOT4 -0.89 MOT5 -0.82 PHI LEAD MOT -------- -------LEAD 1.00 MOT 0.92 1.00 THETA-DELTA LEAD1 LEAD2 LEAD3 LEAD4 LEAD5 -------- -------- -------- -------- -------- -------0.36 0.31 0.31 0.31 0.27 0.15

MOT1

THETA-DELTA MOT2 MOT3 MOT4 -------- -------- -------- --------

MOT5


Page 12


0.21

0.24

0.21

0.32

Time used: 0.016 Seconds


Page 13

Tutorial LISREL Teorionline

Recommend Documents