Professional Documents
Culture Documents
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
Ms.
SPSS
Excel
,
3. Uji Regresi (Single & Multiple)
Evie
4. Path Analysis (Moderating &
ws
Intervening)
5. Structural Equation Modeling
Amos,
Lisrel &
PLS
Introduction
SEM atau Structural Equation Modeling (Pemodelan
III.
IV.
V.
I. Gambar Model
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.
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.
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
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
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
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
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
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
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
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
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
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
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
Langkah 14: Untuk membaca output dalam bentuk teks, klik tools View Text, maka akan muncul tampilan
seperti dibawah ini:
21
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
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
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
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
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
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
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
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
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
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
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
SELESA