tutorial lisrel 2nd cfa komitmen

Download Tutorial Lisrel 2nd Cfa Komitmen

Post on 24-Oct-2014

1.758 views

Category:

Documents

10 download

Embed Size (px)

DESCRIPTION

Tutorial LISREL 2nd CFA

TRANSCRIPT

TUTORIAL LISRELCONFIRMATORY FACTOR ANALYSIS KASUS KOMITMEN ORGANISASIBY HENDRY Phone : 021-8341 4694 / 0856-9752-3260 Email : openstatistik@yahoo.co,id

NOTE : Data Yang Digunakan Adalah Data Fiktif Dan Hanya Dipergunakan Untuk Kepentingan Tutorial

Operasionalisasi Variabel

Pengukuran komitmen mengadaptasi 3 dimensi komitmen dari Meyer, Allen, & Smith (1993) dan Meyer & Allen (1997). Sementara kuesioner, mengadaptasi sebagian dari The Organizational Commitment Questionnaire (OCQ) yang dikembangkan oleh Meyer, Allen, & Smith (1993) dan Meyer & Allen (1997) dari yang semula berjumlah 18 pertanyaan menjadi 15 pertanyaan dengan berbagai penyesuaian.

Data Penelitian Data penelitian diperoleh melalui penyebaran angket terhadap 120 responden menggunakan skala 7 titik. Data ditabulasi dan disimpan dengan nama komitmen.CSV

Blog : http://teorionline.wordpress.com/

Page 1

PENYELESAIAN LANGKAH 1. MENYIAPKAN PRELIS Klik File Import Data in Free Format Cari posisi data, dan rubah File of Type menjadi Comma Delimited Data

Setting Jumlah variabel menjadi 15, dan aktifkan Variable name at top of file

Blog : http://teorionline.wordpress.com/

Page 2

Hasil

Blog : http://teorionline.wordpress.com/

Page 3

TAHAP 2. SETTING DATA Pilih DATA SETTING VARIABLES Klik Variable Type, lalu setting menjadi continues, dan aktifkan pilihan Apply to All

TAHAP 3. MEMBUAT SIMPLIS PROJECT Klik FILE NEW Lalu Pilih SIMPLIS PROJECT Beri Nama KASUS5

Blog : http://teorionline.wordpress.com/

Page 4

TAHAP 4. MEMANGGIL DATA PRELIS Klik SET UP pilih VARIABLES maka akan tampil sbb :

Pada box Observed Variables..pilih Add/Read Variables Pilih PRELIS System File, lalu cari dimana anda menyimpan file KASUS1.PSF

Blog : http://teorionline.wordpress.com/

Page 5

Tambahkan Variabel Laten dengan AFF,NOR, dan CON lalu Klik NEXT

Blog : http://teorionline.wordpress.com/

Page 6

Masukkan Number of Observation dengan angka 120 (angka ini adalah jumlah observasi data)

Blog : http://teorionline.wordpress.com/

Page 7

TAHAP 5. MEMBUAT SIMPLIS SYNTAX Klik SETUP lalu pilih BUILD SIMPLIS SYNTAX, Maka akan tampil otomatis Syntax berikut ini :

Lengkapi hingga menjadi seperti ini :KASUS KOMITMEN TUTORIAL TEORIONLINE Raw Data from file 'C:\SEM\TUTORIAL\KASUS 5\komitmen.PSF' Sample Size = 120 Latent Variables AFF NOR CON COMMIT Relationships AFF1 = 1.00*AFF AFF2 = AFF AFF3 = AFF AFF4 = AFF AFF5 = AFF NOR1 = 1.00*NOR NOR2 = NOR NOR3 = NOR NOR4 = NOR NOR5 = NOR CON1 = 1.00*CON CON2 = CON CON3 = CON CON4 = CON CON5 = CON AFF = COMMIT NOR = COMMIT CON = COMMIT Set the Variance of COMMIT to 1.00

Blog : http://teorionline.wordpress.com/

Page 8

Options SC Path Diagram End of Problem

HASIL DAN PEMBAHASAN Standardized Estimate

T value

LISREL Estimates (Maximum Likelihood)

Blog : http://teorionline.wordpress.com/

Page 9

Measurement Equations

AFF1 = 1.00*AFF, Errorvar.= 0.52 , R = 0.41 (0.084) 6.14 AFF2 = 0.71*AFF, Errorvar.= 0.40 , R = 0.31 (0.15) (0.060) 4.83 6.71 AFF3 = 0.52*AFF, Errorvar.= 0.31 , R = 0.24 (0.12) (0.044) 4.36 7.01 AFF4 = 0.91*AFF, Errorvar.= 0.28 , R = 0.52 (0.16) (0.053) 5.73 5.25 AFF5 = 0.83*AFF, Errorvar.= 0.27 , R = 0.48 (0.15) (0.048) 5.61 5.64 NOR1 = 1.00*NOR, Errorvar.= 0.17 , R = 0.51 (0.031) 5.59 NOR2 = 0.85*NOR, Errorvar.= 0.30 , R = 0.30 (0.16) (0.044) 5.14 6.86 NOR3 = 1.06*NOR, Errorvar.= 0.15 , R = 0.58 (0.16) (0.030) 6.58 4.88 NOR4 = 0.92*NOR, Errorvar.= 0.28 , R = 0.35 (0.17) (0.043) 5.52 6.62 NOR5 = 0.86*NOR, Errorvar.= 0.28 , R = 0.33 (0.16) (0.041) 5.32 6.76 CON1 = 1.00*CON, Errorvar.= 0.21 , R = 0.81 (0.035) 6.07 CON2 = 1.03*CON, Errorvar.= 0.23 , R = 0.80 (0.068) (0.037) 15.11 6.13 CON3 = 0.97*CON, Errorvar.= 0.20 , R = 0.80 (0.064) (0.033) 15.13 6.12 CON4 = 0.97*CON, Errorvar.= 0.22 , R = 0.79 (0.066) (0.036)

Blog : http://teorionline.wordpress.com/

Page 10

14.80

6.26

CON5 = 0.94*CON, Errorvar.= 0.19 , R = 0.81 (0.062) (0.031) 15.21 6.09

Structural Equations

AFF = 0.30*COMMIT, Errorvar.= 0.28 , R = 0.24 (0.13) (0.11) 2.26 2.63 NOR = 0.23*COMMIT, Errorvar.= 0.13 , R = 0.28 (0.097) (0.051) 2.33 2.55 CON = 0.35*COMMIT, Errorvar.= 0.77 , R = 0.14 (0.16) (0.15) 2.22 5.01

Output di atas menjelaskan hasil estimasi second order CFA. Pada bagian pertama (measurement equations) hasil analisis memperlihatkan bahwa tiga dimensi komitmen yaitu afektif (AFF), normative (NOR) dan kontinuan (CON) memiliki indicator-indikator yang valid (t hitung > 1.96). Hal yang sama juga terlihat dari output Structural Equations yang mempelihatkan bahwa seluruh dimensi dapat digunakan untuk mengukur komitmen.

Blog : http://teorionline.wordpress.com/

Page 11

A. EVALUASI GOFGoodness of Fit Statistics Degrees of Freedom = 87 Minimum Fit Function Chi-Square = 144.34 (P = 0.00011) Normal Theory Weighted Least Squares Chi-Square = 140.66 (P = 0.00024) Estimated Non-centrality Parameter (NCP) = 53.66 90 Percent Confidence Interval for NCP = (25.13 ; 90.11) Minimum Fit Function Value = 1.21 Population Discrepancy Function Value (F0) = 0.45 90 Percent Confidence Interval for F0 = (0.21 ; 0.76) Root Mean Square Error of Approximation (RMSEA) = 0.072 90 Percent Confidence Interval for RMSEA = (0.049 ; 0.093) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.055 Expected Cross-Validation Index (ECVI) = 1.74 90 Percent Confidence Interval for ECVI = (1.50 ; 2.04) ECVI for Saturated Model = 2.02 ECVI for Independence Model = 11.39 Chi-Square for Independence Model with 105 Degrees of Freedom = 1325.64 Independence AIC = 1355.64 Model AIC = 206.66 Saturated AIC = 240.00 Independence CAIC = 1412.45 Model CAIC = 331.65 Saturated CAIC = 694.50 Normed Fit Index (NFI) = 0.89 Non-Normed Fit Index (NNFI) = 0.94 Parsimony Normed Fit Index (PNFI) = 0.74 Comparative Fit Index (CFI) = 0.95 Incremental Fit Index (IFI) = 0.95 Relative Fit Index (RFI) = 0.87 Critical N (CN) = 100.43 Root Mean Square Residual (RMR) = 0.045 Standardized RMR = 0.071 Goodness of Fit Index (GFI) = 0.86 Adjusted Goodness of Fit Index (AGFI) = 0.81 Parsimony Goodness of Fit Index (PGFI) = 0.63

Penjelasan : Hasil evaluasi goodness of fit menunjukkan nilai : p value < 0.05 (kurang baik), RMSEA 0.072 (dapat diterima).Normed Fit Index (NFI) = 0.89 (marginal fit) Non-Normed Fit Index (NNFI) = 0.94 (good fit) Comparative Fit Index (CFI) = 0.95 (good fit) Incremental Fit Index (IFI) = 0.95 (good fit) Relative Fit Index (RFI) = 0.87 (marginal fit) Goodness of Fit Index (GFI) = 0.86 (marginal fit) Adjusted Goodness of Fit Index (AGFI) = 0.81 (marginal fit) Blog : http://teorionline.wordpress.com/

Page 12

Hasil uji kecocokan model masih dapat diperbaiki dengan memperhatikan modification indices berikut ini :

*** Dalam tutorial ini tidak dilakukan perbaikan model

Validitas Model Pengukuran Validitas model pengukuran menggunakan criteria yaitu nilai standar loading faktor 0.50, baik pada tingkat pertama (1st CFA) maupun pada tingkat kedua (2nd CFA). Validitas Model tingkat pertama diperoleh nilai standard loading faktor 0.49 (AFF), 0.53 (NOR), dan 0.37 (CON). Dengan demikian dapat dinyatakan bahwa validitas pada tingkat pertama dimensi AFF (dilakukan pembulatan dari 0.49 menjadi 0.50, sehingga dinyatakan valid), NOR 0.53 (valid), dan dimensi CON 0.37 (tidak valid)

Blog : http://teorionline.wordpress.com/

Page 13