asumsi model sem - .asumsi model sem asumsi yang harus dipenuhi dalam analisis sem di antaranya...

Download ASUMSI MODEL SEM - .ASUMSI MODEL SEM Asumsi yang harus dipenuhi dalam analisis SEM di antaranya adalah

Post on 11-May-2019

238 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

ASUMSI MODEL SEMAsumsi yang harus dipenuhi dalam analisis SEM di antaranya adalah databerdistribusi multivariat normal, untuk memeriksanya dapat dilakukan denganmenghitung nilai jarak kuadrat pada setiap pengamatan (Johnson dan Wichern,1992), yaitu.

untuk j = 1,2,,n

= jarak kuadrat pada setiap pengamat

= vektor data pengamatan

= vektor nilai rata-rata = matriks varian kovarian

Asumsi lain yang harus dipenuhi dalam SEM adalah asumsi nonmultikolinearitas.Asumsi ini mengharuskan tidak adanya korelasi yang sempurna atau besar diantara variabel-variabel independen. Nilai korelasi antara variabel observed yangtidak dibolehkan adalah sebesar 0.9 atau lebih (Ghozali dan Fuad, 2005).

),()'( 12 xxxxd jjj =

2jd

jx

x

IDENTIFIKASI MODELMenurut Wijanto (2008), sebelum melakukan tahap estimasi untuk mencarisolusi dari persamaan simultan yang mewakili model yang dispesifikasikanterlebih dahulu untuk memeriksa identifikasi dari persamaan simultan tersebut

1. Under IdentifiedModel dengan jumlah parameter yang diestimasi lebih besar dari jumlah datayang diketahui . Model Under Identified pada SEM mempunyai df = jumlah datayang diketahui - jumlah parameter yang diestimasi < 0 sehingga dapatdisimpulkan model Under Identified mempunyai df negatif.2. Just IdentifiedModel dengan jumlah parameter yang diestimasi sama dengan data yangdiketahui. Sehingga dapat disimpulkan bahwa model mempunyai degree offreedom nol.3. Over IdentifiedModel dengan jumlah parameter yang diestimasi lebih kecil dari jumlah datayang diketahui. Model ini mempunyai degree of freedom positif.

UJI KESESUAIAN MODEL1. Uji Chi-SquareH0 : Data empiris identik dengan teori atau modelH1 : Data empiris tidak identik dengan teori atau model

Statistik Uji :

2. Dari beberapa indikator model fit yang ada, RMSEA merupakan indikator yang paling informatif. RMSEA mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians populasinya(Brown & Cudeck 1993 dalam Ghozali & Fuad 2005).

( ) ( )[ ] ,12 = Fn

( )( )

21

1 1

2

+

= =

pp

sRMSEA

p

i

i

jijij ij

sij

= varians kovarians data observasi

= varians kovarians modelP = jumlah variabel endogen

UJI KESESUAIAN MODEL

3. GFI (Goodness of Fit Index)Indeks kesesuaian (fit indexs) ini akan menghitung proporsi tertimbang darivarians dalam matriks kovarians sampel yang dijelaskan oleh matrikskovarians populasi yang terestimasikan.

4. AGFI (Adjusted Goodness of Fit)AGFI adalah perluasan dari GFI yang disesuaikan, tetapi telah menyesuaikan pengaruh degrees of freedom pada suatu model.

( )( )

=

21

21

1

Str

IStrGFI

1 = Matriks varians kovarians modelS = Matriks varians kovarians data observasi

(measurement)I = Matriks identitas

( ) ( )p p+1AGFI=1- 1 GFI2df

p : Jumlah variabel endogendf : Degrees of freedomGFI : Goodness of Fit Index

UJI KESESUAIAN MODEL

Goodness of Fit Index Nilai yang diharapkan2 Chi Square Diharapkan kecil

RMSEA 0,08

GFI 0,9

AGFI 0,9

ESTIMASI MODEL ATAU PARAMETER

Teknik estimasi model persamaan struktural pada awalnyadilakukan dengan ordinary least square (OLS) regression, tetapi teknik ini telah digantikan oleh maximum likelihood estimation yang lebih efisien dan unbiased jika asumsinormalitas multivariate dipenuhi. Namun teknik maximum likelihood sangat sensitif terhadap data yang tidak normal sehingga diciptakan teknik estimasi lain seperti weigthedleast squared (WLS), generalized least squared (GLS) dan asymtotically distribution free (ADF). Teknik WLS danADF dapat digunakan apabila sampel penelitian cukupbesar.

TEKNIK PENGAMBILAN SAMPEL

Pengambilan sampel didasarkan pada seksi yang ada di PT. KAI Daerah Operasi8 Surabaya yang terdiri dari 13 seksi. Berikut ini merupakan perhitungan dariestimasi penarikan sampel (Thompson, 1992).

dimana :n = ukuran sampel,N = jumlah populasi (2330)p =Proporsi responden puas (0,833)q = Proporsi responden tidak puas (0,167)d = derajat kesalahan (0,07)Z = 1,96 (nilai baku dari tabel distribusi Normal baku

dengan tingkat kepercayaan sebesar = 0,05).

TEKNIK PENGAMBILAN SAMPEL

Adapun masing-masing seksi akan dilakukan pengamatan secara sampeldengan masing-masing ukuran sampel proporsional terhadap jumlah karyawandi masing-masing seksi, secara umum ukuran sampel untuk tiap seksi :dengan ukuran populasi di seksi ke i, i = 1, 2, .... 13.

=NN

nn ii

Seksi Ni niHumasda 13 1Hukum 5 1SDM dan Umum 46 2Keuangan 30 1Pengadaan Barang dan Jasa 15 1Sarana 595 26Jalan Rel dan Jembatan 585 26Sintelis 224 10Operasi 667 30Pengamanan 72 3Pelayanan 48 2Pemasaran Angkutan 18 1Pemasaran Non Angkutan 12 1

VARIABEL PENELITIANNo. Atribut Tipe Jawaban

1. Jenis kelamin 1.pria2.wanita

2. Pendidikan terakhir 1.SD2.SMP/Sederajat3.SMA/Sederajat4.Diploma5.S16.S2

3. Status 1.Belum menikah2.Menikah3.Duda/janda

4. Usia (Terbuka)

5. Jumlah tanggungan keluarga

(Terbuka)

6. Jabatan (Terbuka)

7. Lama bekerja (Terbuka)

VARIABEL PENELITIAN

KEPUASANKERJA

Variabel PernyataanKarakteristik Pekerjaan 1-2Ganjaran yang pantas 3-4

Kondisi kerja yang mendukung 5-6Rekan sekerja yang mendukung 7-8

Kesesuaian kepribadian yangmemuaskan 9-10

Faktor-FaktorQWL

Variabel PernyataanPartisipasi Pengambilan Keputusan 1-2

Restrukturisasi Kerja 3-4Lingkungan Kerja 5-6

Sistem Imbalan Inovatif 7-8

METODE ANALISIS1. Uji Validitas dan Reliabilitas2. Analisis Statistika Deskriptif3. Analisis Model Persamaan Struktural (SEM), dengan langkah-langkah

sebagai berikut.a. Pengujian Asumsi, dilakukan dengan tujuan untuk mengecek data apakah

data yang didapatkan telah memenuhi asumsi SEM, yaitu distribusi normalmultivariate dan nonmultikolinearitas.

b. Mendapatkan model berdasarkan konsep dan teori.c. Mengkonstruksi diagram path (diagram alur).d. Melakukan Identifikasi model dengan melihat derajat bebas model. Model

yang dapat dianalisis adalah model dalam keadaan over identified, dimanaderajat bebas model bernilai positif. Apabila model dalam keadaan justidentified atau under identified maka model tidak dapat dianalisis lebih lanjut.

e. Setelah mengetahui bahwa model dapat dianalisis, langkah selanjutnyaadalah menguji kelayakan atau kesesuaian model (goodness of fit).

f. Mengestimasi parameter model dan menginterpretasikan output yangdiperoleh. Estimasi faktor loading (tingkat korelasi antara variabel latendengan variabel indikator yang menjelaskannya) dengan menggunakanstandar estimasi. Hasil yang diperoleh dapat menerangkan seberapa besarkontribusi/ pengaruh variabel indikator terhadap variabel laten yangdisusunnya

UJI VALIDITASVariabel atribut Korelasi Keterangan

PartisiPasi Pengambilan KePutusan

Pertanyaan 1 0,725 ValidPertanyaan 2 0,736 Valid

restruKturisasi KerjaPertanyaan 1 0,801 ValidPertanyaan 2 0,643 Valid

sistem imbalan inoVatifPertanyaan 1 0,838 ValidPertanyaan 2 0,748 Valid

lingKungan KerjaPertanyaan 1 0,581 ValidPertanyaan 2 0,654 Valid

Variabel atribut Korelasi Keterangan

KaraKteristiK PeKerjaanPertanyaan 1 0,803 ValidPertanyaan 2 0,741 Valid

ganjaran yang diterimaPertanyaan 1 0,798 ValidPertanyaan 2 0,713 Valid

Kondisi Kerja yang menduKung

Pertanyaan 1 0,801 ValidPertanyaan 2 0,753 Valid

reKan KerjaPertanyaan 1 0,809 ValidPertanyaan 2 0,665 Valid

Kesesuaian KePribadian PeKerjaan

Pertanyaan 1 0,617 ValidPertanyaan 2 0,715 Valid

UJI RELIABILITAS

Variabel c Keterangan

faKtor-faKtor QWl 0,861 reliabel

KePuasan Kerja 0,909 reliabel

ANALISIS DESKRIPTIF

Pria85%

Wanita15%

Jenis Kelamin

0

10

20

30

40

50

60

SMA Diploma S1 S2

Pendidikan terakhir

29%17%

50%

4%

ANALISIS DESKRIPTIF

13,33%

83,81%

2,86%0

10

20

30

40

50

60

70

80

90

100

Belum nikah Nikah Duda/Janda

Status

30 tahun27%

30-40 tahun21%

40-50 tahun40%

>50 tahun36%

USIA

ANALISIS DESKRIPTIFJumlah tanggungan keluarga

Frekuensi Persentase

1 9 9%2 19 18%3 36 34%4 26 25%

>5 15 14%

Lama Bekerja Frekuensi Persentase5 tahun 22 21%

6-10 tahun 12 11%

11-15 tahun 9 9%

16-20 tahun 11 10%

21-25 tahun 14 13%

26-30 tahun 27 26%