modul sem dengan amos

31
Tim Dosen FEB UTA'45 Jkt Pelatihan SEM dengan AMOS 1

Upload: doannhi

Post on 12-Jan-2017

408 views

Category:

Documents


37 download

TRANSCRIPT

Page 1: Modul SEM Dengan Amos

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS1

Page 2: Modul SEM Dengan Amos

Skedul Pelatihan SEM - AMOS

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS2

1. 09.30-10.00: Pembukaan2. 10.00-11.00: Install Program SPSS dan AMOS3. 11.00-12.00: Proses Pengolahan Data Penelitian dengan AMOS4. 12.00-13.30: Ishoma5. 13.30-15.30: Membaca Hasil SEM – AMOS dan Interpretasinya

Instruktur:Sihar Tambun, SE, M.Si, Ak.

Email: [email protected]: [email protected]

Page 3: Modul SEM Dengan Amos

Tools Pembuktian Hipotesis Kuantitatif

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS3

1. Uji Beda2. Uji Korelasi3. Uji Regresi (Single & Multiple)4. Path Analysis (Moderating &

Intervening)5. Structural Equation Modeling

Ms. Excel

SPSS, Eviews

Amos, Lisrel & PLS

ALASAN MENGAPA WORKSHOP INI SANGAT PENTINGMisi Penelitian Tahun 2015:•FEB Memiliki Penelitian Yang Terbaik di Jakarta Utara

Indikator Terbaik Pada Tahun 2015:•Penelitian Dosen > 80% sudah menggunakan Path Analysis dan SEM•Penelitian Dosen > 80% dipresentasikan dalam National Conference dan International Conference•Penelitian Dosen > 80% dipublikasi di Jurnal ISSN•Penelitian Dosen > 20% dipublikasi di Jurnal ISSN dan Terakreditasi

Page 4: Modul SEM Dengan Amos

Hasil Riset Terkini di FEB Mei 2014

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS4

Page 5: Modul SEM Dengan Amos

Introduction

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS5

SEM atau Structural Equation Modeling (Pemodelan Persamaan Struktural) = CFA + Path Analysis. CFA adalah Confirmatory Faktor Analysis.

SEM digunakan untuk menguji validitas dan reliabilitas instrumen, menguji pengaruh variabel independent terhadap variabel dependent, dan menguji pengaruh langsung dan tidak langsung dari variabel eksogen terhadap variabel endogen.

SEM sebaiknya memiliki sampel 5-10 x jumlah indikator (parameter), dan indikator bersifat reflektif (kecuali PLS boleh formatif).

SEM sebaiknya digunakan apabila variabelnya berbentuk laten (kualitatif). Simbol variabel laten adalah bentuk . Istilah lain untuk variabel laten adalah Variabel Konstrak, Unobservable Variable, Unvisible Variable, dan Faktor.

Variabel Laten diukur dengan Indikator Variabel . Istilah lain untuk indikator variabel adalah variabel manifest, observable variabel, dan visible variable.

Page 6: Modul SEM Dengan Amos

Tahapan SEM dengan AMOS

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS6

I. Gambar Model: Teori & penelitian terdahulu II. Uji Validitas dan Reliabilitas: CFA,

Convergent Validity, Construct Reliability, AVE, dan Discriminant Validity.

III. Uji Normalitas: Normalitas Univariate dan Multivariate, Mahalanobis Distance, dan Determinant of Sample Covariance Matrix

IV. Uji Kesesuaian Model: Chi-Square, GFI, CFI, AGFI, RMSEA, dan lain lain.

V. Uji Hipotesis: Dengan kriteria Critical Ratio (CR) > 1,96 dan Nilai Probability (P) < 0,05.

Page 7: Modul SEM Dengan Amos

I. Gambar Model

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS7

Page 8: Modul SEM Dengan Amos

Langkah 1: Buka Program AMOS. Cari dari Start, Program, hingga ketemu Program Amos. Bila program Amos sudah dibuka, akan muncul tampilan seperti dibawah ini. Gambar disebelah kiri adalah tools untuk menjalankan Amos, sedangkan yang disebelah kanan, adalah bidang kerja, tempat untuk menggambar model penelitian.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS8

Page 9: Modul SEM Dengan Amos

Langkah 2: Lakukan pengaturan bidang kerja, boleh menggunakan portrait atau landscape. Klik View, Interface Properties. Tampilan awal akan muncul Portrait – Letter. Silakan dirubah menjadi Lanscape – A4. Kemudian klik Apply untuk menyelesaikan proses ini. Close interface properties.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS9

Page 10: Modul SEM Dengan Amos

Langkah 3: Gambar model penelitian dibawah ini, dengan mempergunakan 6 tools yang dilingkari. Lingkaran biru untuk menggambar variabel dan indikatornya. Lingkaran kuning untuk memutar posisi indikator. Lingkaran hitam untuk copy, lingkaran ungu untuk memindahkan gambar, dan lingkaran merah untuk mempertahan simetris gambar.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS10

Page 11: Modul SEM Dengan Amos

Langkah 4: Tulis nama variabel dengan cara view, object properties (atau double klik / klik kiri varabelnya), ketik namanya di variabel name, font disesuaikan. Menggambar anak panak dengan mengklik tanda panah yang dilingkari terlebih dahulu, baru digambar anak panah dari variabel eksogen kearah variabel endogen.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS11

Page 12: Modul SEM Dengan Amos

Langkah 5: Tambahkan residual error pada variabel unggul dan variabel kinerja dengan mengklik tools residual yang dilingkari dengan warna merah. Klik Plugins, Name Unobserved Variables. Gambar covariance dengan cara klik tools gambar tangan, pilih variabel eksogen, klik Pugins, Draw Covariances.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS12

Page 13: Modul SEM Dengan Amos

Langkah 6: Import data, cara klik select “Data File” (lingkaran hitam), akan muncul data files, klik file name, dan pilih file yang akan diolah, klik ok. Kemudian klik “List Variabel in Data Set “(lingkaran merah), maka akan muncul tampilan “Variabel in Dataset”.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS13

Page 14: Modul SEM Dengan Amos

Langkah 7: Pindahkan Indikator Indikator variabel dari “Variables in Dataset” ke indikator variabel masing masing. Caranya klik dan drag saja. Hingga hasilnya tampak seperti dibawah ini.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS14

Page 15: Modul SEM Dengan Amos

Langkah 8: Klik “Title” dan tempatkan di bidang kerja, hingga muncul tampilan “Figure Caption”, kemudian ketik seperti tertulis dalam contoh. Bila sudah selesai klik “OK” dan lihat tampilannya seperti dibawah ini.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS15

Page 16: Modul SEM Dengan Amos

Langkah 9: Klik kembali “Title” dan tempatkan di bidang kerja, hingga muncul tampilan “Figure Caption”, kemudian ketik semua komponen Goodness of Fiit yang ada dalam slide. Klik “OK” bila sudah selesai.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS16

Page 17: Modul SEM Dengan Amos

Langkah 10: Klik “Analysis Properties” yang lingkaran hitam, kemudian klik Output (kotak merah), dan klik semua jenis output yang kita inginkan. Akhiri dengan menutup tampilan “Analysis Properties”.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS17

Page 18: Modul SEM Dengan Amos

Langkah 11: Klik “Calculate Estimate” tools yang dilingkaran hitam. Akan terjadi proses pengolahan data. Lihat “View The Input Path Diagram” yang di kotak merah tampak cerah, artinya run data sukses.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS18

Page 19: Modul SEM Dengan Amos

Langkah 12: Selanjutnya klik “View The Otput Path Diagram” yang dilkotak merah vertikal, klik juga “Standardized Estimates” yang kotak hitam horizontal. Tampak muncul angka pada path diagramnya.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS19

Page 20: Modul SEM Dengan Amos

Langkah 13: Selanjutnya klik “Unstandardized Estimates”, perhatikan terjadi perubahan angka pada path diagramnya. Angka “Unstandardized Estimates” dan “Standardized Estimates” digunakan untuk uji validitas dan untuk coeficient pengaruh.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS20

Page 21: Modul SEM Dengan Amos

Langkah 14: Untuk membaca output dalam bentuk teks, klik tools “View Text”, maka akan muncul tampilan seperti dibawah ini:

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS21

Page 22: Modul SEM Dengan Amos

Langkah 15: Uji Validitas dengan Uji CFA atau Uji Validitas konstrukt(indikator) yaitu mengukur apakah konstruk (indikator) mampu atau tidak merefleksikan variabel latennya. Hasilnya memenuhi kriteria yaitu nilai Critical Ratio (CR) > 1,96 dengan Probability (P) < 0,05. Tanda *** adalah signifikan < 0,001.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS22

Page 23: Modul SEM Dengan Amos

Langkah 16: Uji Validitas dengan Uji Convergent Validitas, yaitu menguji konstruk (indikator) apakah memiliki proporsi variance yang tinggi atau tidak. Memenuhi kriteria apabila “Loading Factor” atau “Standardized Loading Estimate” >0,5

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS23

Page 24: Modul SEM Dengan Amos

Langkah 17: Uji Reliabilitas dengan Uji Construct Reliability, yaitu menguji keandalan dan konsistensi data. Memenuhi kriteria apabila Construct Reliability > 0,7. Nilai Construct Reliability diantara 0,6 s/d 0,7 masih dapat diterima dengan syarat validitas konstruk (indikator) dalam model adalah baik. Hasilnya semua diatas 0,7.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS24

Page 25: Modul SEM Dengan Amos

Langkah 18: Uji Validitas dengan Uji Average Variance Extracted (AVE), yaitu uji confirmatory dengan cara melihat rata-rata dari variance extracted antar indikator dari suatu variabel laten. Memenuhi syarat jika AVE > 0,5. Hasil AVE dalam penelitian ini semuanya > 0,5.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS25

Page 26: Modul SEM Dengan Amos

Langkah 19: Uji Validitas dengan Uji Discriminant Validity (sesama variabel eksogen), yaitu mengukur seberapa jauh suatu indikator (konstruk) benar benar berbeda dari indikator (konstruk) lainnya. Memenuhi kriteria apabila Nilai Akar Kuadrat dari AVE harus LEBIH TINGGI dari Nilai Correlation antar Variabel Latent.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS26

Page 27: Modul SEM Dengan Amos

Langkah 20: Uji Normalitas Data dengan Normalitas Univariate dan Multivariate, yaitu menganalisis tingkat normalitas data yang digunakan dalam penelitian ini. Univariate melihat nilai CR pada Skewness diharapkan disekitar ± 2.58. Bila ada nilai diluar angka tersebut bisa ditoleransi apabila nilai Multivariatenya masih disekitar ± 2.58.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS27

Page 28: Modul SEM Dengan Amos

Langkah 21: Uji Normalitas Data dengan Uji Outlier Mahalanobis, yaitu mendeteksi data data yang ekstrim. Caranya dengan melihat Nilai Mahalanobis hitung < Chi Square DistributionTable. Hasilnya jarak mahalanobis minimal = 15,029 dan maksimal = 37,166. Nilai chi-square dengan derajat bebas 21 (jumlah indikator variabel) pada tingkat signifikansi 0,01 (***) maka nilai mahalanobis = 39,932. Dengan demikian tidak ada data yang outlier.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS28

Page 29: Modul SEM Dengan Amos

Langkah 22: Uji Normalitas Data dengan Determinant of Sample Covariance Matrix, yaitu melihat apakah terdapat multikolineritas dan singularitas dalam sebuah kombinasi variabel. Determinant yang benar-benar kecil mengindikasikan adanya multikolinearitas atau singularitas. Diharapkan Determinant of Sample Covariance Matrix menjauhi NOL dan lebih baik lagi jika > 1. Hasilnya menunjukkan Determinant of Sample Covariance Matrix 1,644.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS29

Page 30: Modul SEM Dengan Amos

Langkah 23: Menilai Goodness of Fit Indeks dari Hasil Uji Full Model. Yang terpenting adalah Chi Squarenya baik. Jika Indeks yang lain terpenuhi, berarti datanya semakin fit.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS30

Goodness of Fit Indeks

Cut of Value

Hasil Analisis

EvaluasiModel

Chi Square ≤ 204.690, dimana Chi Square untuk df 173; Taraf Sig 5% =

204.690

202.869 Baik

Probability > 0.05 0.060 BaikGFI > 0.90 0.870 MarginalAGFI > 0.90 0.827 MarginalIFI > 0.90 0.982 BaikTLI > 0.90 0.978 BaikCFI > 0.90 0.982 BaikNFI > 0.90 0.891 MarginalRMSEA < 0.08 0.036 Baik

Page 31: Modul SEM Dengan Amos

Langkah 24: Uji Hipotesis. Signfikan apabila nilai CR > 1,96 dan nilai P < 0,05. Hasilnya dapat disimpulkan bahwa hanya variabel Adaptabilitas yang tidak berpengaruh signifikan terhadap Keunggulan Bersaing. Selebihnya adalah signifikan. Kekuatan pengaruh dapat dilihat pada nilai estimate atau pun pada diagram yang dilingkari merah.

Tim Dosen FEB UTA'45 JktPelatihan SEM dengan AMOS31 SELESAI