Pengenalan AMOS 2 (Path Analysis)

June 11th, 2017 by Kemal Budi Mulyono Leave a reply »

Sering sekali dalam suatu penelitian kita menjumpai variabel intervening/mediasi. Yaitu variabel yang menjadi perantara atau jembatan suatu hubungan kausalitas variabel yang satu dengan yang lain. Mengapa hal tersebut muncul, ada beberapa alasan penggunaan dari variabel mediasi yaitu :

  1. Alasan fundamental yaitu danya kontradiksi atau perbedaan hasil penelitian yang menyangkut hubungan (bukan teknik analisis data, sampel, dll). Tentunya hal tersebut menjadikan suatu gap penelitian,  hal ini tentu saja membutuhkan upaya untuk mengisi celah tersebut. Oleh karena itu, variabel intervening dapat menjadi pengisi dari celah penelitian.
  2. Alasan subyektif yaitu keusangan dari suatu model penelitian. Suatu penelitian dalam tataran belajar (skripsi) sering sekali mengambil suatu tema penelitian yang monoton dan tidak kreatif. Oleh karena itu, perlu ada inovasi yang lebih baik dari penelitian tersebut. Dari hal tersebutlah dimungkinkan adanya variabel mediasi sebagai inovasi dari penelitian tersebut. Namun dikarenakan ini alasan subyektif, perlu ada dukungan teori yang kuat dan riset yang mendukung untuk melandasi penggunaan variabel mediasi tersebut.

Perlu diperhatikan oleh anda, bahwa dalam menganalisis melalui variabel intervening atau mediasi, kita harus mengacu pada prinsip analisis jalur, dimana analisis ini merupakan suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung (Retherford, 1993, dalam Sarwono, 2010). Selain itu analisis ini juga digunakan untuk menjelaskan pola hubungan antar variabel dengan tujuan mengetahui pengaruh langsung maupun tidak langsung dari seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen)

Berikut ini prinsip yang harus diperhatikan dalam melakukan analisis jalur (Sarwono, 2010) :

  1. Hubungan antar variabel bersifat linear
  2. Data parematerik berskala interval atau rasio
  3. Tidak boleh terjadi multikoliniearitas
  4. Adanya recursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali
  5. Terdapat ukuran sampel yang memadai, atau gunakan sampel besar.

Sebagaimana yang sudah diuraikan tadi, bahwa analisis variabel mediasi, kita menggunakan asumsi analisis jalur, paling tidak kita harus mematuhi prinsip dari OLS (Ordinary Least Square). Namun, ketika menggunakan AMOS, yang kita gunakan bukanlah OLS tetapi adalah Maximum Likelihood. Dimana dalam analisis tersebut, melihat dampak maksimum dari suatu probabilitas akan suatu model. Untuk melakukan analisis mediasi ini ada beberapa hal yang harus dilakukan terlebih dahulu yaitu :

  1. Membuat Path Diagram sesuai dengan model empiris atau hipotesis yang kita rumuskan/kita bangun
  • Kita buka AMOS, dengan klik amos graphic

  • kemudian kita gambar semisal, dalam hal ini gambar diagram jalurnya seperti ini

  • selanjutnya kita masukkan data baik berupa sav (SPSS) ataupun xls (excel) seperti berikut ini 
  • selanjutnya kita masukkan kedalam masing -masing gambar

  • kemudian kita beri residual erro ditiap variabel endogenus seperti berikut 
  • kemudian klik title dan tulis beberapa kode untuk melihat nilai goodness of fit

  • sebelumnya model kita simpan dan kita klik calculate estimate
  • kemudian kita lihat pada output dari gambar sebagai berikut

  • dari out put tersebut kita lihat asumsi normalitasnya

berdasarkan data di atas critical ratio untuk skewness (kemiringan) ataupun  kurtosis (keruncingan) maka tidak ada yang di atas nilai 2,58 (batas normalitas multivariate ataupun unvariate)

  • sehingga kita dapat melanjutkan ke uji goodness of fit dari model tersebut

dari data tersebut untuk

nilai CMIN/DF –> masih belum memenuhi syarat > dari 3

nilai probability –> masih belum memenuhi syarat < 0,05

nilai AGFI –> masih belum memenuhi syarat < 0,9

sementara yang memenuhi syarat adalah GFI, TLI, dan CFI

namun hal tersebut masih bisa kita perbaiki dengan memodifikasi model melalui modification indiche

  • berikut ini adalah tabel modification indiche

oleh karena itu kita bisa mengkovariankan e1 <—> e3  dan e2 <—> e3, atau meregreskan

e3 —> Attitude , e3 —> Perceived Behavioral Control , e2 —> Intention, dan Attitude —-> Intention

  • Namun dalam kali ini saya memilih kovarian, hal ini dikarenakan (2) lebih sering digunakan modifikasi kovarian daripada regresi, (2) tampilan gambar juga lebih baik /tidak terlalu ruwet.  seperti berikut ini
  • kemudian klik calculate estimate dengan gambar out put sebagai berikut

  • kemudian dari view output maka akan nampak seperti ini

karena semua kriteria sudah bagus

Chisquare —> kecil

Probaility —> 0,485 atau di atas 0,05

GFI, AGFI, TLI, CFI —> di atas 0,9

RMSEA —> berada di bawah 0,08

  • setelah goodness of fit dinyatakan baik kita lihat estimasi dan pengujian hipotesis yang sudah dirumuskan seperti berikut

  • dari hasil output di atas dinyatakan bahwa Perceived Behavioral Control tidak berpengaruh terhadap financial behavior, maka kita hilanglangkan sehinggn menjadi

  • dari hasil output tersebut semua variabel sudah signifikan, kemudian untuk pengaruh total sebagai berikut :

  • dari hasil output tersebut  pengaruh langsung sebagai berikut :

  • dari hasil output tersebut  pengaruh tidak langsung sebagai berikut :

sekian tutorial pada kali ini, ditunggu berikutnya ya

untuk data dapat diunduh disini 

Advertisement

Leave a Reply

[+] kaskus emoticons nartzco

Skip to toolbar