Hasil analisis PLS 3

Rising Star. Analisis persamaan struktural dengan PLS

Analisis data dengan PLS

Program partial least square (PLS) merupakan software yang relatif baru dan mulai banyak digunakan oleh para peneliti di dunia. Program ini mendasarkan analisis berbasis covarian. Berbagai buku yang dapat Anda baca misalnya dikarang oleh Imam Ghozali, Jogiyanto Hartono dan sebagainya.

Program ini dapat diunduh gratis di www.smartpls.de. Keunggulan program ini dibandingkan program SEM lain seperti: Lisrel ataupun AMOS adalah:
1. Dapat bekerja dengan sampel kecil N<100
2. Tidak memerlukan asumsi pengujian goodness of fit

Program ini juga kadang dijadikan alternatif sebagai pengganti uji selain AMOS karena tidak memenuhi goodness of fits.

Program ini sudah mulai banyak dipake, jadi kenapa Anda ragu memakainya?

Terus Belajar Structural Equation Modelling

Pada hari Selasa, 28 Agustus 2012 saya berkesempatan untuk belajar lagi tentang materi Structural Equation Modelling (SEM) dengan salah satu ahli SEM di Yogyakarta, yakni Bp. Asma'i, P.hD. Pertemuan siang itu, saya bertanya seputar permasalahan yang muncul pada persoalan SEM, yakni over fit. Indikasi dari adanya over fit adalah indikator TLI yang sebesar 1,065, di sisi lain indikator GFI sebesar 0,743 dan AGFI sebesar 0,720. Berikut hasil analisis yang kami lakukan dengan software AMOS versi 18.

Berdasarkan indikator tersebut, maka permasalahan tidak hanya over fit, tetapi juga lack of fit (marginal) untuk indikator GFI dan AGFI. Permasalahan GFI dan AGFI disebabkan data yang tidak berdistribusi normal. Benar saja, indikator Multivariat normality memang sebesar 16, jauh dari standar 2,58. 

Atas permasalahan tersebut, beberapa langkah yang disaranakan adalah: 1) dengan men-drop observed variable yang outlier, 2) mendrop data observasi yang outlier, dan 3) mengubah/transformasi menjadi skor composite. 

Itu adalah beberapa petunjuk yang diberikan pada kami, agar permasalahan yang muncul di SEM, baik dengan program AMOS maupun Lisrel dapat sesuai dengan ketentuan yang berlaku (kaidah teoritis yang ada).

Statistik Monovariate

Saat itu hari sudah menjelang sore, ketika saya hendak berkemas pulang dari kantor Grha Statistika. Sekedar catatan, saya setiap hari bekerja membantu jasa olahdata di Jalan Kaliurang, Yogyakarta. Sekonyong-konyong datang seorang mahasiswi S3 dan langsung berhadapan dengan saya. Kata-kata pembuka beliau adalah "waduh saya beberapa kali ke sini tetapi sudah tutup terus". Ternyata ibu ini datang di luar jam kerja kami, jadi ketlisipan (tidak ketemu). 

Langsung setelah ice breaking itu, si ibu mengutarakan keinginannya. Beliau menunjukkan coretan dari promotornya yang membuat beliau tidak bisa tidur nyenyak dan makan enak :). Catatan itu berbunyi "kenapa tidak diuji memakai statistik monovariat?". 

Istilah ini memang amat jarang dipakai, bahkan belasan tahun saya bergelut dengan olahdata statistik, baru sekali ini saya mendengarnya. 

Jika kita googling pun, dengan kata kunci statistik monovariat, tidak akan ditemukan. Luar biasa bukan?
Setelah saya renungkan beberapa saat, mono sinonim dengan kata satu atau uni, sedangkan variat disinonimkan dengan kata variabel. Setelah digabungkan, ketemu!
Saya langsung merekomendasikan si ibu untuk memakai teknik analisis statistik univariat untuk menjawab pertanyaan promotor beliau. Teknik apa yang saya rekomendasikan? bagaimana perbedaan univariat, bivariat serta multivariat? akan bersambung pada tulisan saya berikutnya :)

Lisrel Lagi

SEM Full Model Menggunakan Lisrel 8.8

Model persamaan struktural (structural equation modelling-SEM) merupakan pengembangan dari analisis regresi. Jika pada analisis regresi kita hanya menguji satu persamaan saja, maka dengan SEM kita dapat menguji beberapa persamaan secara langsung dan simultan. Analisis ini sudah banyak digunakan oleh mahasiswa dari S1, S2 maupun S3. Jika dahulu banyak digunakan di ilmu-ilmu perilaku, maka sekarang ini penggunaannya sudah banyak digunakan di ilmu ekonomika, kelautan, pertanian, teknik dan lain-lain.

Untuk melakukan analisis SEM, kita dapat menggunakan software diantaranya: AMOS dan Lisrel. Program ini adalah yang paling banyak digunakan. AMOS saat ini sudah sampai pada versi 19 sedangkan Lisrel versi 8.8.

Umumnya dalam menganalisis SEM, kita mulai dengan melakukan analisis CFA kemudian dilanjutkan dengan full model. Fungsi dari CFA adalah untuk menyeleksi variabel yang dimasukkan melalui validitas dan reliabilitasnya. Setelah didapatkan hasil CFA yang bagus, kemudian dilanjutkan ke uji full model.

Berikut contoh hasil analisis full model dengan menggunakan software Lisrel 8.8

Confirmatory Factor Analysis

Salah satu alat analisis yang cukup populer digunakan dalam penelitian adalah confirmatory factor analysis (CFA). Alat ini termasuk kategori analisis multivariat. Untuk memperolehnya, kita dapat menggunakan Software Lisrel. 

Berdasarkan hasil ini maka kemudian selanjutnya dilakukan uji full model.

Berikut Hasil output CFA dari Lisrel Versi 8.8.