UJIAN MID-SEMESTER SEM PATH-ANALYSIS. nonton TV, dan nilai merupakan variabel endogen. Penerapan analisis jalur. X dan belajar X

UJIAN MID-SEMESTER SEM PATH-ANALYSIS

1. Paradigma hubungan antara variabel : Pada penelitian ini menggunakan data set yang berisi empat variabel yaitu Sadar Ujian Nasional (SadarUN) sebagai variabel eksogen, serta belajar, nonton TV, dan nilai merupakan variabel endogen. Penerapan analisis jalur berikut melibatkan variabel intervening yang digunakan untuk mengetahui apakah nonton TV (X3) merupakan variabel intervening yang fungsinya memediasi hubungan antara sadarUN  X1  dan belajar  X 2  terhadap nilai (X4) dari data sampel 60 orang siswa, dan model yang digunakan adalah Justidentified Model. Analisis jalur merupakan perluasan dari analisis regresi linier berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel yang telah ditetapkan sebelumnya berdasarkan teori. Hubungan antara kesadaran ujian nasional dan belajar, terhadap nilai yang dimediasi oleh kebiasaan menonton TV sebagai berikut:

Gambar 1. Model teoritis hubungan antara variabel

1 ANDI ULFA TENRI PADA/11701261007 | UJIAN MID-SEMESTER SEM

2. Adapun data untuk variabel tersebut adalah : Tabel 1. Data mentah No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

SadarUN 38,57 33,01 34,86 53,12 58,19 71,1 44,39 47,23 50,78 44,92 47,65 75,04 28,45 44,67 34,56 46,34 51,21 68,67 67,84 1,88 51,27 41,9 72,02 60,06 62,78 67,92 73,17 55,71 19,64 28,83 44,25 60,55 50,21 46,05 26,84 61,02 56,93 69,81

belajar 5,22 5,09 4,3 5,02 5,68 6,54 3,8 4,53 5,23 5,12 4,57 7,46 4,44 3,94 4,75 4,19 4,58 4,53 5,73 3,16 5,29 4,38 5,39 4,79 5,15 5,37 6,12 5,29 2,82 3,05 4,26 7,02 4,12 4,94 3,93 5,95 4,7 6,21

nontonTV 12,84 10,94 12,12 10,91 9,91 11,73 9,76 10,19 10,49 9,52 10,02 9,62 8,97 8,09 10,94 6,38 10,75 8,81 9,56 11,51 9,6 7,04 9,69 6,94 10,77 9,88 11,06 11,23 8,3 8,93 8,1 10,89 6,45 9,95 10,81 9,95 7,78 9,16

nilai 5,05 5,8 4,8 6,05 6,29 5,62 4,81 6,18 5,93 6,79 6,84 6,84 6,31 7,32 5,15 7,94 4,36 5,51 7,05 4,53 5,26 6,07 6,25 8,17 6,34 5,92 6,66 5,45 6,77 6,01 5,19 6,21 6,93 6,79 5,95 5,83 6,32 6,27


39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60

44,75 42,48 48,98 49,57 77,27 66,56 58,12 28,44 60,48 37,26 43,08 51,72 72,14 35,02 58,07 37,85 53,12 60,55 53,04 34,02 53,74 42,31

4,8 4,59 4,37 4,91 7,35 6,65 5,81 3,98 5,97 4,51 4,7 4,2 7 4,08 6,29 4,02 4,81 6,02 4,56 4,77 5,28 4,67

10,03 11,94 9,76 10,14 11,96 11,9 11,02 12,06 11,3 9,69 7,71 8,36 12,15 9,44 12,25 9,44 11,31 11,56 9,42 10,4 8,91 9,63

5,67 5,39 6,19 5,8 4,96 6,01 5,84 5,86 5,93 6,11 6,31 5,64 5,83 6,88 5,52 5,18 5,76 6,31 4,85 5,98 6,5 5,91


3. Gambar hubungan antara variabel setelah dianalisis dengan lisrell 8.80 :

Gambar 2. Diagram jalur model teoritis dengan LISREL versi 8.80

Gambar 3. Standardized Solution Diagram jalur model teoritis dengan LISREL versi 8.80 4 ANDI ULFA TENRI PADA/11701261007 | UJIAN MID-SEMESTER SEM

Gambar 4. T-value Diagram jalur model teoritis dengan LISREL versi 8.80 Penjelasan : Model dinyatakan fit setelah direct path antara X1 (sadarUN) dan X4 (nilai) dihilangkan. Model dinyatakan tidak fit karena terlihat dari nilai Chi-Square = 0,00, df=0, P-value = 1,0000, dan RMSEA = 0,000 (lihat gmbar 5). Setelah path dari X1 menuju ke X4 dihilangkan, maka nilai ChiSquare = 0,22, df=1, P-value = 0,63731, dan RMSEA = 0,000 dan model dinyatakan fit (gambar 2).


Gambar 5. Diagram jalur model teoritis dengan LISREL versi 8.80 sebelum dinyatakan fit. Menurut

Schumaker

dan

Lomax

(1996:124–126),

untuk

mengetahui apakah model cocok dengan data digunakan kriteria sebagai berikut: a) P   model cocok dengan data Menurut Joreskog (dalam Ghozali, 2008: 32), bila nilai P-values for test of close fit (RMSEA < 0,05) lebih besar daripada 0,05 maka model dikatakan fit. b) GFI (Goodness of Fit Index) Goodness of Fit Index (GFI) merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovariansi. Nilai GFI harus berkisar antara 0 dan 1. Nilai GFI yang lebih besar daripada 0,9 menunjukkan fit suatu model yang baik.


c) RMSEA (Root Mean Square Error of Approximation) makin kecil kecocokan model dengan data makin baik. Nilai RMSEA yang kurang daripada 0,05 mengindikasikan adanya model fit ( Byrne dalam Ghozali, 2008: 32). RMSEA digunakan untuk mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians ( Brown dan Cudec dalam Ghozali, 2008: 31). Nilai RMSEA yang berkisar antara 0,01 sampai dengan 0,08 menyatakan bahwa model fit yang cukup (MacCallum et all dalam Ghozali, 2008: 32). Tabel 2. Tabel Kriteria Model Fit.


Tabel 3. Hasil analisis Goodness of Fit Statistics dengan Lisrel 8.80 Goodness of Fit Statistics Degrees of Freedom = 1

Minimum Fit Function Chi-Square = 0.223 (P = 0.637) Normal Theory Weighted Least Squares Chi-Square = 0.222 (P = 0.637) Estimated Non-centrality Parameter (NCP) = 0.0 90 Percent Confidence Interval for NCP = (0.0 ; 4.261) Minimum Fit Function Value = 0.00377 Population Discrepancy Function Value (F0) = 0.0 90 Percent Confidence Interval for F0 = (0.0 ; 0.0735)

Root Mean Square Error of Approximation (RMSEA) = 0.0 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.271) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.661 Expected Cross-Validation Index (ECVI) = 0.397 90 Percent Confidence Interval for ECVI = (0.397 ; 0.470) ECVI for Saturated Model = 0.345 ECVI for Independence Model = 1.302 Chi-Square for Independence Model with 6 Degrees of Freedom = 67.508 Independence AIC = 75.508 Model AIC = 26.222 Saturated AIC = 20.000 Independence CAIC = 87.885 Model CAIC = 66.449 Saturated CAIC = 50.943

Normed Fit Index (NFI) = 0.997 Non-Normed Fit Index (NNFI) = 1.076 Parsimony Normed Fit Index (PNFI) = 0.166

Comparative Fit Index (CFI) = 1.000 Incremental Fit Index (IFI) = 1.012 Relative Fit Index (RFI) = 0.980 Critical N (CN) = 1758.812

Root Mean Square Residual (RMR) = 0.0917 Standardized RMR = 0.00815

Goodness of Fit Index (GFI) = 0.998 Adjusted Goodness of Fit Index (AGFI) = 0.981 Parsimony Goodness of Fit Index (PGFI) = 0.0998


Tabel 4. Hubungan Koefisien Korelasi antara variabel

Belajar (X2) nontonTV(X3) Nilai(X4) SadarUN(X1)

Belajar (X2) nontonTV(X3) 1.000 0.420 1.000 0.030 -0.540 0.800 0.080

Nilai(X4)

SadarUN(X1)

1.000 0.196

1.000

4. Output Lisrel : L I S R E L 8.80 BY Karl G. Jöreskog & Dag Sörbom

This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2006 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file D:\SEMESTER 3\SEM\UJIAN PATH ANALYSIS\DATAFIXED\X.LPJ: TI DA NI=4 NO=60 MA=CM RA FI='D:\SEMESTER 3\SEM\UJIAN PATH ANALYSIS\DATAFIXED\X.psf' SE 2341/ MO NX=1 NY=3 BE=FU GA=FI PS=SY FR BE(2,1) BE(3,1) BE(3,2) GA(1,1) GA(2,1) PD OU AM PC RS EF FS SS SC ND=3 TI Number of Input Variables 4 Number of Y - Variables 3 Number of X - Variables 1 Number of ETA - Variables 3 Number of KSI - Variables 1 Number of Observations 60


TI Covariance Matrix belajar nontonTV nilai SadarUN -------- -------- -------- -------belajar 1.000 nontonTV 0.630 2.250 nilai 0.022 -0.608 0.562 SadarUN 12.000 1.800 1.912 225.000 Means belajar nontonTV nilai SadarUN -------- -------- -------- -------5.000 10.000 6.000 50.000

TI Parameter Specifications BETA belajar nontonTV nilai -------- -------- -------belajar 0 0 0 nontonTV 1 0 0 nilai 2 3 0 GAMMA SadarUN -------belajar 4 nontonTV 5 nilai 0 PHI SadarUN -------6 PSI belajar nontonTV nilai -------- -------- -------7 8 9 ALPHA belajar nontonTV nilai -------- -------- -------10 11 12


TI Number of Iterations = 0 LISREL Estimates (Maximum Likelihood) BETA belajar nontonTV nilai -------- -------- -------belajar ---nontonTV 1.483 --(0.263) 5.642 nilai 0.234 -0.335 -(0.086) (0.057) 2.719 -5.850 GAMMA SadarUN -------belajar 0.053 (0.005) 10.154 nontonTV -0.071 (0.018) -4.057 nilai -Covariance Matrix of Y and X belajar nontonTV nilai SadarUN -------- -------- -------- -------belajar 1.000 nontonTV 0.630 2.250 nilai 0.022 -0.608 0.562 SadarUN 12.000 1.800 2.202 225.000 Mean Vector of Eta-Variables belajar nontonTV nilai -------- -------- -------5.000 10.000 6.000 PHI SadarUN -------225.000 (41.781) 5.385


PSI Note: This matrix is diagonal. belajar nontonTV nilai -------- -------- -------0.360 1.444 0.353 (0.067) (0.268) (0.066) 5.385 5.385 5.385 Squared Multiple Correlations for Structural Equations belajar nontonTV nilai -------- -------- -------0.640 0.358 0.372 Squared Multiple Correlations for Reduced Form belajar nontonTV nilai -------- -------- -------0.640 0.006 0.038 Reduced Form SadarUN -------belajar 0.053 (0.005) 10.154 nontonTV 0.008 (0.013) 0.611 nilai 0.010 (0.006) 1.682 ALPHA belajar nontonTV nilai -------- -------- -------2.333 6.139 8.186 (0.274) (0.823) (0.559) 8.510 7.457 14.637 Goodness of Fit Statistics Degrees of Freedom = 1 Minimum Fit Function Chi-Square = 0.223 (P = 0.637) Normal Theory Weighted Least Squares Chi-Square = 0.222 (P = 0.637) Estimated Non-centrality Parameter (NCP) = 0.0 90 Percent Confidence Interval for NCP = (0.0 ; 4.261) Minimum Fit Function Value = 0.00377 Population Discrepancy Function Value (F0) = 0.0 90 Percent Confidence Interval for F0 = (0.0 ; 0.0735)


Root Mean Square Error of Approximation (RMSEA) = 0.0 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.271) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.661 Expected Cross-Validation Index (ECVI) = 0.397 90 Percent Confidence Interval for ECVI = (0.397 ; 0.470) ECVI for Saturated Model = 0.345 ECVI for Independence Model = 1.302 Chi-Square for Independence Model with 6 Degrees of Freedom = 67.508 Independence AIC = 75.508 Model AIC = 26.222 Saturated AIC = 20.000 Independence CAIC = 87.885 Model CAIC = 66.449 Saturated CAIC = 50.943 Normed Fit Index (NFI) = 0.997 Non-Normed Fit Index (NNFI) = 1.076 Parsimony Normed Fit Index (PNFI) = 0.166 Comparative Fit Index (CFI) = 1.000 Incremental Fit Index (IFI) = 1.012 Relative Fit Index (RFI) = 0.980 Critical N (CN) = 1758.812 Root Mean Square Residual (RMR) = 0.0917 Standardized RMR = 0.00815 Goodness of Fit Index (GFI) = 0.998 Adjusted Goodness of Fit Index (AGFI) = 0.981 Parsimony Goodness of Fit Index (PGFI) = 0.0998 TI Fitted Covariance Matrix belajar nontonTV nilai SadarUN -------- -------- -------- -------belajar 1.000 nontonTV 0.630 2.250 nilai 0.022 -0.608 0.562 SadarUN 12.000 1.800 2.202 225.000 Fitted Means belajar nontonTV nilai SadarUN -------- -------- -------- -------5.000 10.000 6.000 50.000 Fitted Residuals belajar nontonTV nilai SadarUN -------- -------- -------- -------belajar 0.000 nontonTV 0.000 0.000 nilai 0.000 0.000 0.000


SadarUN

0.000

0.000

-0.290

0.000

Fitted Residuals for Means belajar nontonTV nilai SadarUN -------- -------- -------- -------0.000 0.000 0.000 0.000 Summary Statistics for Fitted Residuals Smallest Fitted Residual = -0.290 Median Fitted Residual = 0.000 Largest Fitted Residual = 0.000 Stemleaf Plot - 2|9 - 1| - 0|000000000 Standardized Residuals belajar nontonTV nilai SadarUN -------- -------- -------- -------belajar -nontonTV --nilai ---SadarUN ---0.467 -Summary Statistics for Standardized Residuals Smallest Standardized Residual = -0.467 Median Standardized Residual = 0.000 Largest Standardized Residual = 0.000 Stemleaf Plot - 4|7 - 3| - 2| - 1| - 0|000000000 TI Modification Indices and Expected Change Modification Indices for BETA belajar nontonTV nilai -------- -------- -------belajar --0.222 nontonTV --0.222 nilai ----


Expected Change for BETA belajar nontonTV nilai -------- -------- -------belajar --0.088 nontonTV ---0.264 nilai ---Standardized Expected Change for BETA belajar nontonTV nilai -------- -------- -------belajar --0.117 nontonTV ---0.235 nilai ---Modification Indices for GAMMA SadarUN -------belajar -nontonTV -nilai 0.222 Expected Change for GAMMA SadarUN -------belajar -nontonTV -nilai -0.005 Standardized Expected Change for GAMMA SadarUN -------belajar -nontonTV -nilai -0.092 No Non-Zero Modification Indices for PHI Modification Indices for PSI belajar nontonTV nilai -------- -------- -------belajar -nontonTV --nilai 0.222 0.222 -Expected Change for PSI belajar nontonTV nilai -------- -------- -------belajar --


nontonTV --nilai 0.031 -0.093

--

Standardized Expected Change for PSI belajar nontonTV nilai -------- -------- -------belajar -nontonTV --nilai 0.041 -0.083 -Modification Indices for THETA-EPS belajar nontonTV nilai -------- -------- -------belajar 0.222 nontonTV 0.222 0.222 nilai 0.222 0.222 -Expected Change for THETA-EPS belajar nontonTV nilai -------- -------- -------belajar -0.089 nontonTV 0.054 -0.278 nilai 0.021 -0.093 -Modification Indices for THETA-DELTA-EPS belajar nontonTV nilai -------- -------- -------SadarUN 0.222 0.222 0.222 Expected Change for THETA-DELTA-EPS belajar nontonTV nilai -------- -------- -------SadarUN 1.239 -0.864 -0.290 No Non-Zero Modification Indices for ALPHA No Non-Zero Modification Indices for KAPPA Maximum Modification Index is

0.22 for Element ( 3, 1) of GAMMA

Covariance Matrix of Parameter Estimates BE 2_1 BE 3_1 BE 3_2 -------- -------- -------- -------BE 2_1 0.069 BE 3_1 0.000 0.007 BE 3_2 0.000 -0.002 0.003 GA 1_1 0.000 0.000 0.000 GA 2_1 -0.004 0.000 0.000 PH 1_1 0.000 0.000 0.000

GA 1_1 GA 2_1 -------- --------

0.000 0.000 0.000

PH 1_1

0.000 0.000 1745.690


PS 1_1 0.000 0.000 PS 2_2 0.000 0.000 PS 3_3 0.000 0.000 AL 1 0.000 0.000 AL 2 -0.161 0.000 AL 3 0.000 -0.016 KA 1 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 -0.001 0.000 0.000 -0.023 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.003 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000

AL 2 --------

AL 3

Covariance Matrix of Parameter Estimates PS 1_1 PS 2_2 PS 3_3 AL 1 -------- -------- -------- -------- -------PS 1_1 0.004 PS 2_2 0.000 0.072 PS 3_3 0.000 0.000 0.004 AL 1 0.000 0.000 0.000 0.075 AL 2 0.000 0.000 0.000 0.000 AL 3 0.000 0.000 0.000 0.000 KA 1 0.000 0.000 0.000 0.000

0.678 0.000 0.000

0.313 0.000

Covariance Matrix of Parameter Estimates KA 1 -------KA 1 3.879 TI Correlation Matrix of Parameter Estimates BE 2_1 BE 3_1 BE 3_2 GA 1_1 -------- -------- -------- -------- -------BE 2_1 1.000 BE 3_1 0.000 1.000 BE 3_2 0.000 -0.420 1.000 GA 1_1 0.000 0.000 0.000 1.000 GA 2_1 -0.800 0.000 0.000 0.000 PH 1_1 0.000 0.000 0.000 0.000 PS 1_1 0.000 0.000 0.000 0.000 PS 2_2 0.000 0.000 0.000 0.000 PS 3_3 0.000 0.000 0.000 0.000 AL 1 0.000 0.000 0.000 -0.958 AL 2 -0.745 0.000 0.000 0.000 AL 3 0.000 -0.338 -0.702 0.000 KA 1 0.000 0.000 0.000 0.000

GA 2_1 --------

1.000 0.000 0.000 0.000 0.000 0.000 0.213 0.000 0.000

PH 1_1

1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

Correlation Matrix of Parameter Estimates PS 1_1 PS 2_2 PS 3_3 AL 1 AL 2 -------- -------- -------- -------- -------- -------PS 1_1 1.000 PS 2_2 0.000 1.000 PS 3_3 0.000 0.000 1.000 AL 1 0.000 0.000 0.000 1.000 AL 2 0.000 0.000 0.000 0.000 1.000

AL 3


AL 3 KA 1

0.000 0.000

0.000 0.000

0.000 0.000

0.000 0.000

0.000 0.000

1.000 0.000

Correlation Matrix of Parameter Estimates KA 1 -------KA 1 1.000 TI Factor Scores Regressions Y belajar nontonTV nilai SadarUN -------- -------- -------- -------belajar 1.000 0.000 0.000 0.000 nontonTV -1.000 0.000 0.000 nilai 0.000 0.000 1.000 0.000 X belajar nontonTV nilai SadarUN -------- -------- -------- -------SadarUN 0.000 0.000 0.000 1.000 TI Standardized Solution BETA belajar nontonTV nilai -------- -------- -------belajar ---nontonTV 0.989 --nilai 0.312 -0.671 -GAMMA SadarUN -------belajar 0.800 nontonTV -0.711 nilai --


Correlation Matrix of Y and X belajar nontonTV nilai SadarUN -------- -------- -------- -------belajar 1.000 nontonTV 0.420 1.000 nilai 0.030 -0.540 1.000 SadarUN 0.800 0.080 0.196 1.000

PSI Note: This matrix is diagonal. belajar nontonTV nilai -------- -------- -------0.360 0.642 0.628 Regression Matrix Y on X (Standardized) SadarUN -------belajar 0.800 nontonTV 0.080 nilai 0.196 TI Total and Indirect Effects Total Effects of X on Y SadarUN -------belajar 0.053 (0.005) 10.154 nontonTV 0.008 (0.013) 0.611 nilai 0.010 (0.006) 1.682 Indirect Effects of X on Y SadarUN -------belajar -nontonTV 0.079 (0.016) 4.932 nilai 0.010 (0.006) 1.682


Total Effects of Y on Y belajar nontonTV nilai -------- -------- -------belajar ---nontonTV 1.483 --(0.263) 5.642 nilai -0.264 -0.335 -(0.128) (0.057) -2.068 -5.850 Largest Eigenvalue of B*B' (Stability Index) is 2.258 Indirect Effects of Y on Y belajar nontonTV nilai -------- -------- -------belajar ---nontonTV ---nilai -0.498 --(0.123) -4.061 TI Standardized Total and Indirect Effects Standardized Total Effects of X on Y SadarUN -------belajar 0.800 nontonTV 0.080 nilai 0.196 Standardized Indirect Effects of X on Y SadarUN -------belajar -nontonTV 0.791 nilai 0.196 Standardized Total Effects of Y on Y belajar nontonTV nilai -------- -------- -------belajar ---nontonTV 0.989 --nilai -0.352 -0.671 -Standardized Indirect Effects of Y on Y belajar nontonTV

nilai


-------- -------- -------belajar ---nontonTV ---nilai -0.664 --Time used:

0.000 Seconds

5. Direct Effect & Indirect Effect masing-masing variabel : Standardized Total and Indirect Effects Standardized Total Effects of X on Y

belajar nontonTV nilai

SadarUN -------0.800 0.080 0.196

Standardized Indirect Effects of X on Y

belajar nontonTV nilai

SadarUN --------0.791 0.196

Standardized Total Effects of Y on Y belajar nontonTV nilai -------- -------- -------belajar ---nontonTV 0.989 --nilai -0.352 -0.671 - Standardized Indirect Effects of Y on Y belajar nontonTV nilai -------- -------- -------belajar ---nontonTV ---nilai -0.664 ---


6. Tabel Total Effect, Direct Effect & Indirect Effect : Pengujian dengan analisis jalur juga menunjukkan besaran dari pengaruh langsung dan pengaruh tidak langsung dari satu variabel terhadap variabel lainnya. Berdasarkan diagram jalur pada gambar berikut dapat dilihat besarnya pengaruh langsung dan pengaruh tidak langsung antara sadarUN

 X1  ,

belajar

 X2 

dan nontonTV

 X3  ,

terhadap

variabel nilai (X4).

Gambar 6. Diagram jalur model teoritis dengan LISREL versi 8.80


1. Pengaruh Langsung (Direct Effect) Pada Gambar 3.19 pengaruh langsung ditunjukkan oleh pengaruh dari variabel sadarUN  X1  , belajar  X 2  dan nontonTV  X 3  , terhadap variabel nilai (X4). Besarnya pengaruh langsung pada gambar 6 adalah sebagai berikut: a. Pengaruh sadarUN

 X1 

terhadap belajar (X2) ditunjukkan oleh

ˆ X2 X1 sebesar 0,053 .

b. Pengaruh sadarUN (X1) terhadap nontonTV

 X3 

ditunjukkan

oleh ˆ X 3 X1 sebesar -0,071 c. Pengaruh belajar (X2) terhadap pengalaman kerja sebelumnya

 X3  ditunjukkan oleh

ˆ X 3 X 2 sebesar 1,483.

d. Pengaruh gaji awal  X 3  terhadap gaji sekarang  X 4  ditunjukkan oleh ˆ X 4 X 3 sebesar -0,335. e. Pengaruh gaji awal (X2) terhadap gaji sekarang  X 4  ditunjukkan oleh ˆ X 4 X 2 sebesar 0,234. 2. Pengaruh tidak langsung (Indirect Effect) Pada Gambar 6, terlihat ada dua pengaruh tidak langsung yang ditunjukkan oleh pengaruh variabel sadarUN  X1  terhadap variabel nilai (X4) yaitu harus melalui variabel belajar nontonTV

 X3  ,

 X2 

dan variabel

dan pengaruh variabel sadarUN (X1) terhadap


variabel nilai (X4), yang melalui variabel nontonTV (X3). Besarnya pengaruh tidak langsung adalah sebagai berikut: a. Pengaruh variabel sadarUN  X1  terhadap variabel nilai (X4) yaitu harus melalui variabel belajar

 X2 

dan variabel

nontonTV  X 3  sebesar Indirect Effect = 0,053 * 1,483 * 0,335 = -0,02631291 b. Pengaruh variabel sadarUN  X1  terhadap variabel nilai (X4) yaitu harus melalui variabel belajar

 X2 

sebesar : Indirect

Effect = 0,053 * 0,234 = 0,012402 c. Pengaruh pengaruh variabel sadarUN (X1) terhadap variabel nilai (X4), yang melalui variabel nontonTV (X3) sebesar Indirect Effect = -0,071 * -0,335 = 0,023785 3. Total Effect Total effect merupakan penjumlahan dari direct effect dan semua indirect effect yang ada diantara variabel laten. Jika disederhanakan, maka diagram hubungan antara variabel adalah sebagai berikut:


0,234 0,053

1,483

-0,071

-0,335

Gambar 7. Penyederhanaan Diagram jalur model teoritis dengan LISREL versi 8.80

Berdasarkan gambar 7, terlihat bahwa tidak ada direct effect dari variabel sadarUN (X1) menuju ke nilai (X4). Sehingga, besarnya Total Effect dapat dihitung berdasarkan dua indirect effect sebagai berikut: a. Pengaruh variabel sadarUN  X1  terhadap variabel nilai (X4) melalui variabel belajar

 X2 

sebesar : Indirect Effect A=

0,053 * 0,234 = 0,012402 b. Pengaruh variabel sadarUN  X1  terhadap variabel nilai (X4) melalui variabel belajar

 X2 

dan variabel nontonTV

 X3 

sebesar Indirect Effect B =0,053*0,1483*-0,335= -0,00263306 c. Total Effect dari variabel sadarUN  X1  terhadap variabel nilai (X4) = Indirect Effect A + Indirect Effect B = 0,012402 + -0,00263306 = 0,0097689335


UJIAN MID-SEMESTER SEM PATH-ANALYSIS. nonton TV, dan nilai merupakan variabel endogen. Penerapan analisis jalur. X dan belajar X

Recommend Documents