1

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

Skedul Pelatihan SEM - AMOS

1.
2.
3.
4.
5.

09.30-10.00: Pembukaan
10.00-11.00: Install Program SPSS dan AMOS
11.00-12.00: Proses Pengolahan Data Penelitian dengan AMOS
12.00-13.30: Ishoma
13.30-15.30: Membaca Hasil SEM AMOS dan Interpretasinya

Instruktur:
Sihar Tambun, SE, M.Si, Ak.
Email: sihar.tambun@yahoo.com
Email: sihar.tambun@uta45jakarta.ac.id

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

Tools Pembuktian Hipotesis

Kuantitatif
1. Uji Beda
2. Uji Korelasi

Ms.
SPSS
Excel
,
3. Uji Regresi (Single & Multiple)
Evie
4. Path Analysis (Moderating &
ws

Intervening)
5. Structural Equation Modeling

Amos,
Lisrel &
PLS

ALASAN MENGAPA WORKSHOP INI SANGAT PENTING

Misi 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
3

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

Hasil Riset Terkini di FEB Mei 2014

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

Introduction
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.
5

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

Tahapan SEM dengan AMOS

I.
II.

III.

IV.
V.

Gambar Model: Teori & penelitian terdahulu

Uji Validitas dan Reliabilitas: CFA,
Convergent Validity, Construct Reliability,
AVE, dan Discriminant Validity.
Uji Normalitas: Normalitas Univariate dan
Multivariate, Mahalanobis Distance, dan
Determinant of Sample Covariance Matrix
Uji Kesesuaian Model: Chi-Square, GFI, CFI,
AGFI, RMSEA, dan lain lain.
Uji Hipotesis: Dengan kriteria Critical Ratio
(CR) > 1,96 dan Nilai Probability (P) < 0,05.

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

I. Gambar Model

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

10

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

11

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

12

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

13

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

14

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

15

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

16

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

17

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

18

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

19

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

20

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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

21

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

22

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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

23

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

24

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

25

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

26

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

27

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

28

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

29

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

Goodness of
Fit Indeks

Cut of
Value

Hasil
Analisis

Evaluasi
Model

Chi Square

204.690, dimana Chi Square

untuk df 173; Taraf Sig 5% =
204.690

202.869

Baik

Probability

> 0.05

0.060

Baik

GFI

> 0.90

0.870

Marginal

AGFI

> 0.90

0.827

Marginal

IFI

> 0.90

0.982

Baik

TLI

> 0.90

0.978

Baik

CFI

> 0.90

0.982

Baik

NFI

> 0.90

0.891

Marginal

RMSEA

< 0.08

0.036

Baik

30

Pelatihan SEM dengan AMOS

Tim Dosen FEB UTA'45 Jkt

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.

31

Pelatihan SEM dengan AMOS

SELESA

Tim Dosen FEB UTA'45 Jkt