Aplikasi LISREL untuk Regresi (Seri LISREL bag.4)


Tulisan seri keempat dari LISREL ini akan membahas aplikasi sederhana pada persoalan regresi berganda. Misalkan, kita punya data mentah dari 474 pekerja/karyawan yang mencakup variabel-variabel sebagai berikut: (Untuk latihan,silakan ambil datanya disini. Tapi data tersebut dalam bentuk word, rubah dulu ke Excel atau SPSS ya. Maklum, WordPress tidak mendukung file data Excel dan SPSS)

X1 = pendidikan dalam tahun pendidikan formal

X2 = masa kerja pada pekerjaan (perusahaan) sekarang dalam bulan

X3 = masa kerja sebelum pekerjaan (perusahaan) sekarang dalam bulan

Y1 = Gaji sekarang (dalam Juta Rp)

Y2 = Gaji awal bekerja (dalam Juta Rp)

Setelah data yang Anda ambil tersebut dirubah ke SPSS atau Excel, kemudian simpan ke dalam format PRELIS (lihat tahapannya pada tulisan Seri 2), dengan nama kerja1.psf, pada folder D:\blog. Kemudian, kita buat file perintah dengan nama file kerja2.psf (lihat tahapannya pada tulisan Seri 3).

Misalnya kita ingin menganalisis pengaruh pendidikan (X1), masa kerja sekarang (X2) dan masa kerja sebelumnya (X3) terhadap gaji sekarang (Y1), maka pada halaman perintah, kita ketikkan perintah-perintahnya seperti tampilan berikut.

Baris pertama dari perintah tersebut adalah judul dari output kita. Baris kedua adalah perintah agar LISREL membaca data mentah kerja1.psf di folder D:\blog. Baris ketiga adalah baris hubungan, yang memerintahkan LISREL untuk mencari hubungan. Baris keempat adalah bentuk hubungan yang akan kita cari. Baris kelima adalah perintah agar LISREL menghasilkan path diagram. Baris keenam untuk menyatakan seluruh persamaan telah dituliskan.

Setelah mengetikkan semua perintah tersebut, langkah selanjutnya adalah memerintahkan LISREL untuk mengolah hasilnya. Caranya? Perhatikan di bagian atas layar ada icon orang sedang berlari dan tulisan L. Klik icon tersebut. Maka kita akan mendapatkan hasil perhitungan LISREL.

Sesuai dengan perintah kita, LISREL akan menghasilkan dua output. Output pertama dengan nama file kerja2.out, seperti tampilan di bawah ini.

Sebagian output pertama tersebut kita kutipkan disini.

Perhitungan pertama yang ditampilkan LISREL adalah kovarians matriks yang diikuti oleh nilai rata-rata hitung masing-masing variable sebagai berikut:

Koefisien regresi ditunjukkan dengan angka-angka pada baris pertama. Di bawah koefisien regresi (dalam tanda kurung) adalah estimasi standar error yang mengukur ketepatan dari estimasi parameter. Di bawah standar error adalah nilai t-hitung, yang diuji dengan nilai t-tabel untuk menarik kesimpulan mengenai signifikansi koefisien regresi. Jika nilai t-hitung > t-tabel dapat ditarik kesimpulan adanya pengaruh yang signifikan antar variable.
Nilai t-tabel pada α = 5% dan df=470 adalah 1,97. dan nilai t-tabel pada α = 1% dan df=470 adalah 2,59. Berdasarkan hal tersebut, variable X1 berpengaruh signifikan terhadap Y1 pada level 1%, variable X3 berpengaruh signifikan terhadap Y1 pada level 5 %, sedangkan X2 tidak berpengaruh terhadap Y1.
Angka konstantanya adalah sebesar -2,79. (catatan: jika dalam perintah SIMPLIS tidak ditambahkan kata constant, LISREL tidak akan memunculkan nilai ini). Secara matematis ini berarti nilai Y1 ketika nilai X1, X2 dan X3 sama dengan 0. (catatan: secara teori empirik, penafsiran konstanta tidak selalu seperti hal tersebut).
Dalam estimasi persamaan regresi juga dimunculkan nilai error variance dan R2.


Output LISREL juga menampilkan kovarians matriks antara variable-variabel independent. Kovarians antara variable X1 dan X3 adalah -76,14 dengan standar error 14,35 dan nilai t adalah -5,30 (signifikan pada level 1%). Sebagai catatan: kovarians antar variable independent yang standardized adalah nilai korelasi.

Dengan cara pembacaan yang sama, terlihat bahwa kovarians antara X2 dan X3 tidak signifikan, demikian juga antara X1 dan X2.

Varians X1 adalah sebesar 8,32 dengan standar error 0,54 dan nilai t adalah 15,33 (membandingkan dengan nilai t table, angka ini signifikan pada level 1 %). Varians X2 adalah sebesar 101,22 dengan standar error 6,60 dan nilai t adalah 15,33 (signifikan pada level 1 %).

Berikutnya, output LISREL juga menampilkan kovarians matriks variable laten. Namun demikian, karena variable kita adalah variable observed bukan variable laten, maka tampilan ini dapat diartikan sebagai kovarians antara semua variable yang dianalisis.

Selain output yang dijelaskan diatas, masih terdapat beberapa output lainnya dari LISREL. Namun demikian output-output tersebut belum terkait dengan contoh kita pada bagian ini, dan akan dibahas pada contoh-contoh pada tulisan seri berikutnya:

Selanjutnya, output kedua yang dihasilkan LISREL dari perintah path diagram diberikan sebagai berikut:

Tampilan path diagram diatas menampilkan nilai estimasi unstandarized. Angka ini sama dengan output teks sebelumnya. Sedangkan angka pada panah dua arah yang menghubungan antar variabel independen adalah nilai kovarians antara variabel independent tersebut.

Perhatikan pada menu bagian atas. Pada menu model ada dua pilihan yaitu Structural Model (seperti yang terlihat pada tampilan diatas) dan Mean Model (yang bisa kita pilih dengan mengklik panah disamping menu tersebut). Jika kita pilih Mean Model, maka angka-angka yang ada pada diagram tersebut akan berganti dengan angka mean model.

Demikian juga, pada menu bagian atas terdapat menu Estimates. Terdapat beberapa pilihan pada menu Estimates yaitu Estimates (seperti yang terlihat pada tampilan), Standarized Solution (menghasilkan estimasi standarisasi), Conceptual Diagram (menghasilkan konsep diagram tanpa angka), T-Values (mengeluarkan nilai t-hitung), Modification Indices (indeks modifikasi) dan Expected Change (perubahan yang diharapkan).

Sebagaimana halnya pada menu Model, ketika kita merubah pilihan pada Menu Estimates ini, maka angka-angka pada diagram juga akan berubah. Misalnya, pada menu Estimates kita pilih T-values, maka akan muncul tampilan seperti berikut, yang menampilkan nilai t untuk estimasi masing-masing parameter. Hubungan yang signifikan (default LISREL adalah sebesar 5%) ditampilkan dengan warna hitam, sedangkan yang tidak signifikan ditampilkan dengan warna merah.


7 Tanggapan

  1. Selamat malam, bapak saya mau bertanya hasil output pertama file kerja2.out tidak bisa diprint out berkala ya bapak. Karena sebelumnya saya sudah mencoba Dan bisa diprint out namun karena data ada yang salah saya terpaksa mengulang kembali tetapi jadi tidak bisa diprint , untuk mesin printer sndiri msh baru bgtu juga tinta karena saya coba test print word,PDF, bisa.
    Saya ulangi lagi menggunkan laptop teman hasilnya sama tidk bisa diprint.
    Namun anehnya untuk hasil output kedua berupa path diagram bisa langsung diprint dengan klik langsung simbol print.

  2. mau bertanya pak, apakah default tingkat error pada lisrel bisa dirubah menjadi 10%? caranya bagaimana ya?
    trima kasih

  3. maaf pak, skripsi saya rencananya inginmenggunakan aplikasi lisrel. namun yang masih saya bingungkan hingga kini, cara memperoleh data mentahnya itu bagaimana caranya ya pak? kalau cara mengubah ke bentuk prelis, saya kiranya sudah agak mengerti. Maaf mengganggu, Jawaban Bpak akan sangat membantu. terimakasih..

  4. Pak mau tanya, ada pernyataan standardized loading faktor < 0.70 atau < 0.50 dikeluarkan dari model, yang dimaksud standardized loading faktor itu dilihat di output lisrelnya pada bagian estimate atau standardized solution atau t-value ya pak? terima kasih

  5. Pak,

    saya mau bertanya, apabila menggunakan model yang terdapat variabel moderatornya, bagaimana running di lisrel yak pak?
    (contoh: X – Y – Z)

    Silakan baca seri tulisan mengenai LISREL pada blog ini.

  6. Mas maap saya ada tugas mata kuliah CRM membahas pemakaian Lisrel ..
    mereview jurnal statistik, namun dosen saya minta bagan yang keluar pada path diagaram sesuai dengan jurnalnya
    (antar variabel latent hanya ada korelasi onto bukan bolak balik seperti tampilan pad apath diagra,) gimana ya?

  7. setelah saya membuat diagram jalur/path, untuk mengeluarkan koefisien korelasi pada program Lisrel bagaimana. terima kasih

    Jawab: Anda bisa menambahkan perintah Options: SS, setelah perintah Path Diagram. Maka akan muncul tambahan output berupa matriks korelasi (Junaidi)

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: