Iklan

Aplikasi LISREL untuk Path Analysis (Seri LISREL bag.5)


Pada tulisan seri kelima ini, kita akan mencoba mengaplikasikan program LISREL untuk Path Analysis. Untuk dapat mengikuti pembahasan pada tulisan ini, Anda diharapkan sudah membaca tulisan-tulisan seri LISREL sebelumnya yang ada pada blog ini (Seri 1, Seri 2, Seri 3 dan Seri 4)

Analisis jalur (Path Analysis) merupakan teknik statistik yang digunakan untuk menguji hubungan kausal antara dua atau lebih variabel. Analisis jalur berbeda dengan teknik analisis regresi lainnya, dimana pada analisis jalur memungkinkan pengujian dengan menggunakan variabel mediating/intervening/perantara (misalnya X→ Y → Z)

Dengan menggunakan data pekerja seperti pada tulisan seri LISREL bagian 4 sebelumnya, misalnya kita membentuk model sebagai berikut:

Y1 = X1   X2   X3   Y2

Y2 = X1   X3

Yang berarti bahwa gaji sekarang (Y1) selain dipengaruhi oleh pendidikan (X1), masa kerja sekarang (X2), masa kerja sebelumnya (X3), juga dipengaruhi oleh gaji awal bekerja (Y2). Gaji awal bekerja (Y2) itu sendiri juga dipengaruhi oleh pendidikan (X1) dan masa kerja sebelumnya (X3).

Input untuk menjalankan persamaan tersebut adalah sebagai berikut:


Catatan: perintah Option: SS, digunakan untuk menampilkan nilai standardized hubungan antar variable. Jika perintah ini tidak digunakan, maka yang akan ditampilkan hanya nilai unstandarized (tetapi nilai standardized tetap bias dilihat pada path diagram). Option: EF digunakan untuk menampilkan effect decomposition (komposisi pengaruh).

Dengan input tersebut, LISREL menghasilkan estimasi regresi unstandarized berikut:

Dari output tersebut terlihat bahwa semua variabel pada taraf 1 % berpengaruh signifikan, baik terhadap Y1 maupun Y2.

Selanjutnya, output covariance matrix untuk independent variables dan latent variables diberikan sebagai berikut. Interpretasinya sama dengan kasus sebelumnya.

Model memiliki fit yang sangat baik karena memiliki nilai probabilitas yang tidak signifikan (p-value = 0,12 Chi-Square = 2,41 dengan df = 1). Catatan: model yang fit seharusnya memiliki nilai p yang tidak signifikan (lebih besar dari 0,05). Penjelasan lebih lanjut mengenai model fit ini lihat pada bab khusus mengenai model fit.

Berdasarkan perintah Option: SS, LISREL memberikan output sebagai berikut:


Output BETA adalah output LISREL yang berupa matriks hubungan antara sesame variable endogen. Bagian kolom adalah variable endogen independent dan bagian baris adalah variable endogen dependent. Dari output tersebut diketahui nilai standardized pengaruh antara Y2 terhadap Y1 adalah 0,81.

Output GAMMA adalah output LISREL yang berupa matriks pengaruh (standardized) antara variable eksogen (independent) terhadap variable endogen (dependen). Bagian kolom adalah variable eksogen (independent) dan bagian baris adalah variable endogen (dependent).


Output diatas adalah matrik korelasi antara variable yang dianalisis. Output ini hanya akan ditampilkan jika ada perintah Option: SS

Output PSI menampilkan output mengenai measurement error (perhatikan hanya untuk variable endogen) dimana error telah distandarisasi. Y1 memiliki measurement error 0,19 dan Y2 sebesar 0,55.


Karena variable-variabel yang dianalisis adalah variable observed dan tidak latent, maka output di atas adalah output gabungan sebelumnya yaitu output BETA dan GAMMA.

Selanjutnya, berdasarkan perintah Option: EF, LISREL memberikan output berikut:


Output diatas memberikan pengaruh total antara variable eksogen terhadap variable endogen. Pengaruh total ini merupakan penjumlahan dari pengaruh langsung (lihat output estimasi regresi unstandarized sebelumnya) dengan pengaruh tidak langsung (lihat output di bawah ini). Misalnya pengaruh total X1 terhadap Y1 sebesar 0,40. Ini adalah penjumlahan dari pengaruh langsung X1 terhadap Y1 sebesar 0,067 dengan pengaruh tidak langsung X1 terhadap Y1 sebesar 0,33.

Pengaruh total X2 terhadap Y1 sama dengan pengaruh langsungnya. Karena hubungan X2 dan Y1 adalah langsung dan tidak memiliki hubungan tidak langsung.


Output diatas memberikan pengaruh tidak langsung antara variable. Misalnya pengaruh tidak langsung X1 terhadap Y1 adalah sebesar 0,33. Ini diperoleh melalui perkalian antara pengaruh langsung antara X1 terhadap Y2 (variable antara) dengan pengaruh langsung Y2 terhadap Y1. Dengan demikian nilai 0,33 diperoleh melalui 0,19 x 1,77 = 0,33. (Untuk lebih mudah memahaminya, lihat path diagram di bawah).


Output diatas memberikan pengaruh total variable endogen terhadap variable endogen. Pengaruh total Y2 terhadap Y1 sama dengan pengaruh langsungnya. Karena hubungan antara Y2 dan Y1 adalah langsung dan tidak memiliki hubungan tidak langsung.


Tampilan output diatas sama dengan tampilan sebelumnya, hanya ini merupakan pengaruh yang telah standarized (yang diturunkan dari estimasi nilai standarized).

Iklan

12 Tanggapan

  1. Salam,
    pa mohon bantuannya, saya memakai aplikasi lisrel untuk analisis path dalam skripsi saya, tapi data SBI dan Inflasi saya tidak bisa di normalkan dengan menggunakan normal scores. apa dalam lisrel harus memenuhi asumsi normalitas? karna yg saya baca d buku Imam Ghozali asumsi yg harus d penuhi adalah normalitas..
    Gunakan metode transformasi yang sesuai dengan kecenderungan distribusi datanya (lihat pakai histogram). Ini beberapa metode transformasi sesuai dengan sifat kecenderungan datanya

    Substansial Positive Ln(x+c)
    Substansial Positive Ln(x)
    Substansial Positive dengan yg mengandung nilai negatif Ln(x+c)
    Moderate Positive SQRT (x)
    Severe Positive 1/x
    Severe Positive dengan data yg mengandung nilai negatif 1/(x+c)
    Severe Negative SQRT (k-x)
    Substansial Negative Ln (k-x)
    Keterangan: k = konstanta yang berasal dari setiap skor dikurangkan sehingga skor terkecil adalah 1. c adalah 1

  2. Total and Indirect Effects

    Total Effects of X on Y

    CK
    ——–
    KM 0.47
    (0.09)
    5.25

    LM 0.26
    (0.02)
    11.11

    Indirect Effects of X on Y

    CK
    ——–
    KM – –

    LM 0.04
    (0.01)
    3.11

    Total Effects of Y on Y

    KM LM
    ——– ——–
    KM – – – –

    LM 0.09 – –
    (0.02)
    3.87

    Largest Eigenvalue of B*B’ (Stability Index) is 0.009

    analisis jalur

    Standardized Total and Indirect Effects

    Standardized Total Effects of X on Y

    CK
    ——–
    KM 0.47
    LM 0.74

    Standardized Indirect Effects of X on Y

    CK
    ——–
    KM – –
    LM 0.13

    Standardized Total Effects of Y on Y

    KM LM
    ——– ——–
    KM – – – –
    LM 0.27 – –

    Pak, bisa tolong ajarkan bagaimana cara baca output ini untuk mencari tahu pengaruh langsung, tidak langsung dan total CK terhadap LM, Pengaruh CK terhadap LM dimoderasi oleh KM, dan pengaruh total KM terhadap LM? terima kasih..

    Mungkin bisa diikuti ya, caranya seperti tulisan saya di atas. Kayaknya outputnya persis sama.

  3. trimakasih atas web-nya pak..sangat membantu.

  4. Ass, Pak, saya lia. saya sedang meneliti pengaruh dengan menggunakan path analysis, tetapi dosen pembimbing meminta menghitungnya dengan excel dan melarang menggunakan spss dan lisrel. Bisa bapak tolong bantu saya? terima kasih, Wass, Lia

  5. Ass… Pak Junaidi, sy adalah mhs bpk alumni MM angkatan ke empat ingin bertanya bbrp hal;
    1. Apakah bpk punya referensi judul buju yg isinya memuat contoh menjalankan analisis jalur dg lisrel dg tuntunan apa sj yg diklik dari menu-menu yg ada berikut panafsiran output dari hasil pengolahan datanya.
    2. Boleh mencopy sofware lisrelnya…?
    3. klo boleh minta no HPnya pak ya..? Ini no HP sy 08526729258

    Terimaksih, wassalam….

    Umumnya buku-buku mengenai LISREL memuat bagian analisis jalur. Buku yang bagus saya sarankan adalah karangan Imam Ghozali.
    Software Lisrel biasanya disertakan pada buku-buku yang membahas mengenai lisrel

  6. assalamualaikum bapak,
    saya renny, mahasiswa periklanan dari universitas indonesia. saya sedang kesulitan dalam mempelajari path analysis untuk skripsi. dari hasil sidang outline skripsi, saya disarankan menggunakan path analysis oleh dosen penguji. tapi, saya berniat untuk lulus semester ini, yang artinya waktu skripsi hanya maksimal 3 bulan. apakah penggunaan path analysis bisa diselesaikan dlm waktu sesingkat itu? adakah alternatif lain, pak?
    mohon dibantu ya, pak. terima kasih.
    wassalamualaikum…

    Pengolahan path analysis tidak memerlukan waktu lama kok. Hanya mungkin cari datanya yang butuh waktu. Saya pikir, waktu 3 bulan bisa.

  7. Pak Junaidi yang terhormat. Saya Mahasiswa Teknik Industri Tingkat Akhir dan sedang melakukan tugas Akhir.

    Saya meneliti ttg Pengaruh TQM dan inovasi terhadap kinerja Karyawan di sebuah perusahan.

    Metode penelitian yg digunakan untuk pengolahan data penelitian saya adalah path method dengan menggunakan Lisrel.

    Bisakah saya berkonsultasi dengan anda ttg LiSREL.

    Saya sangat perlu untuk mengerti ttg lisrel dalam penyelesaian TA Saya..

    Mhn Balasannya..

    Salam

    Silakan sampaikan pertanyaan di media ini. Mudah-mudahan bisa saya jawab

  8. Terima kasih banyak pak atas artikelnya, kebetulan skripsi saya menggunakan analisis path dengan lisrel. Jadi dengan adanya blog bapak ini sangat membantu pemahaman saya tentang analisis path.

    Pak, saya kan penelitian bidang keuangn dengan menggunakan data sekuder. Bagaimana cara uji asumsi klasik dengan lisrel ini pak??..

    Mohon penjelasannya, bisa ke email saya
    elank87@gmail.com

    Terima kasih,

  9. Ass. Wr. Wb.

    Pak Junaidi Yang Baik….

    Saya mau bertanya Lisrel terkait inflasi. Apakah Lisrel dapat digunakan untuk data time series ?
    Apabila dapat, akan sy gunakan untuk melihat hubungan struktural antara inflasi (Y) dgn 7 kel pengeluaran inflasi (bahan makanan (X1) .. dst s/p Transpot (X7).
    Sebagaimana kita ketahui, apabila tranport (X7) naik; pada putaran pertama langsung akan mempengaruhi inflasi. Pada putaran kedua, transpot akan menyebabkan harga bahan makanan (X1) naik, dan akan berpengaruh thd inflasi. Bagaimana bentuk hubungan kel pengeluaran RT, listrik gas (X3) dan variabel lainnya ? serta hubungan scr keseluruhan variabel bebas (X1 – X7) thd inflasi ?

    Sebagai tambahan, sy sdh run model dengan regresi berganda biasa memakai Lisrel, tetapi output blank… data menggunakan IHK SBH 2007 (www.bps.go.id) jan 07 sp Jul 09.

    IHK Umum (Y) dan 7 kel pengeluatran (X1 – X7) sebagai var bebas
    raw data from file ‘C:\data\ihk.psf’
    Relationships
    CPI=Constan X1 X2 X3 X4 X5 X6 X7
    path diagram
    end of problem

    Terima kasih, Wass. Wr.Wb

  10. mohon bantuannya, saya akan penelitian menggunakan SEM untuk melihat variabel yang berpengaruh terhadap adopsi teknologi pakan ternak. Mohon dikirimkan tulisan yang terkait dengan SEM

  11. mohon bantuannya, saya akan penelitian menggunakan SEM untuk melihat variabel yang berpengaruh terhadap adopsi teknologi pakan ternak. Mohon dikirimkan tulisan yang terkait dengan SEM

  12. Bagaimana dengan kasus data yang diolah negatif (haywood Case)

    Jawab:
    Heywood Cases adalah kasus dimana estimasi varians bernilai negatif. Heywood cases seharusnya sangat tidak mungkin terjadi, karena varians tidak mungkin negatif. Oleh karenanya model harus direvisi dengan menetapkan varians yang sebelumnya negatif tersebut menjadi positif dan kecil, misalnya 0,001. Dalam Lisrel, caranya adalah dengan menambahkan perintah: set the error variance of nama_variabel to 0.001.
    Solusi lain adalah dengan menghilangkan variabel-variabel observed yang menyebabkan timbulnya Heywood Cases tersebut. (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: