APLIKASI LISREL
File New Prelis Data
Menambahkan variabel : Data Insert Variabel, Data Rename Variable
Menambahkan kasus/data : Data Insert Case
Data prelis : hanya bisa dibaca oleh Lisrel saja, tidak bisa dibaca oleh spss, jadi lebih baik menggunakan data yg diinput dari spss Mengambil data SPSS : File Import
Bisa
save to file
manually tulis nama atau lisrel system data otomatis sistem lisrel yg menamai disimpan dg nama yg sama dg format .DSN
Akan muncul output (dengan format .OUT). Dikatakan distribusil multivariate normal jika p-value pd Skewnes dan Kurtosis < 0,05 pada Test of Univariate Normality for Continuous Variables
Karena tidak normal Data Define Variable Ordinal Apply to all Data yang tadi diubah ke ordinal memiliki > 15 kategori sehingga
pada output kedua muncul warning Univariate Summary Statistics for Continuous Variables tetap dianalisis sebagai data continous
Membuat diagram : File New Path Diagram diberi nama yang sama dengan data namun dengan format .PTH
Muncul tempat untuk membuat diagram
Input variable : Setup Variables Kolom kiri observed variable, kolom kanan untuk latent variable
Pada observed variable : Add/read variable browse variable yang sudah dlm format .DSF
Pada latent variable : Add latent variable nama disesuaikan dg tujuan dan jumlah variable latent yg diinginkan
Klik Next statistic from : correlation number of observation : 400 (jumlah kasus) matrix to be analyse : correlation OK
Klik/tandai untuk kelompok eksogen, yg endogen tidak perlu ditandai.
Arah analisis dari endogen ke eksogen
Setting grafik sesuai dengan model yang dikehendaki
Lakukan analisis : setup F4 atau F8 sama2 bisa digunakan untuk analisis Pilih salah satu, tidak bisa dicancel lalu ganti syntax satunya agar tidak eror
Perhatikan output dulu sblm analisis : Output lisrel output selection klik total effect & indirect effect klik standardized solution klik factor score regression OK lalu lanjutkan ke langkah analisis
Analisis Setup F4 klik RUN (gambar orang lari) kembali ke grafik dengan nilai
Lihat signifikansi melalui kolom estimate T value, ingin lihat besaran value : estimate standardize solution
Yang dibaca adalah nilai dari standardize solution
Nilai pada gambar untuk menjawab hipotesis korelasi antara asupan dg bobot signifikan dg nilai 0,92 92% bobot dipengaruhi oleh asupan korelasi, makin mendekati 1 makin baik jika tanda negatf berarti korelasinya terbalik (tidak searanh)
Nilai eror akan muncul di bagian luar kotak
Degrees of Freedom = 1
Minimum Fit Function Chi-Square = 0.53 (P = 0.47)
Normal Theory Weighted Least Squares Chi-Square = 0.53 (P = 0.47) Estimated Non-centrality Parameter (NCP) = 0.0
90 Percent Confidence Interval for NCP = (0.0 ; 5.57) Minimum Fit Function Value = 0.0013
Population Discrepancy Function Value (F0) = 0.0 90 Percent Confidence Interval for F0 = (0.0 ; 0.014) Root Mean Square Error of Approximation (RMSEA) = 0.0 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.12)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.65 Expected Cross-Validation Index (ECVI) = 0.048 90 Percent Confidence Interval for ECVI = (0.048 ; 0.062)
ECVI for Saturated Model = 0.050 ECVI for Independence Model = 0.99
Chi-Square for Independence Model with 6 Degrees of Freedom = 385.30
Independence AIC = 393.30 Model AIC = 18.53 Saturated AIC = 20.00 Independence CAIC = 413.26
Model CAIC = 63.45 Saturated CAIC = 69.91 Normed Fit Index (NFI) = 1.00 Non-Normed Fit Index (NNFI) = 1.01 Parsimony Normed Fit Index (PNFI) = 0.17
Comparative Fit Index (CFI) = 1.00 Incremental Fit Index (IFI) = 1.00
Relative Fit Index (RFI) = 0.99 Critical N (CN) = 5036.44
Root Mean Square Residual (RMR) = 0.0049 Standardized RMR = 0.0063