BAB VIII
1. Aplikasi AMOS 22.00 Untuk Regresi Berganda
Menggambarkan model persamaan regresi dalam layar AMOS 22.00 dengan cara:
a. Klik program Amos Graphic.
b. Pada layar kosong gambarkan model persamaan regresi.
c. Berikut ini hasil gambar Graphic model persamaan regresi :
Keterangan
a. Ada tiga variabel exogen yaitu Earns, Wealth dan Saving, serta satu variabel endogen Income.
b. Ingat antar variabel exogen harus saling dihubungkan (dikovarian-kan).
c. Ingat setiap variabel endogen harus diberi nilai residual (e) Gambar model graphic regresi siap diolah dengan perintah selanjutnya.
Membaca Data Crossec.xls.
a. Klik File lalu Data File.
b. Pilih File Name, lalu cari dimana data crossec.xls disimpan.
c. Berikut tampilan data telah terbaca dengan jumlah N = 100.
Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0 143 d. Klik Ok.
Menentukan Metode Estimasi dan Output.
a. Pilih View lalu Analyzed Properties.
b. Pilih metode estimasi Maximum Likelihood (ML) dan pilih Estimate Means and Intercept.
c. Pilih Output, lalu pilih :
Minization history.
Standardized estimate (meminta hasil koefisien standardized).
Squared multiple correlation (meminta nilai determinasi R2).
144 Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0 d. Tutup window dengan meng-klik tanda silang merah pada pojok kanan.
Run model dengan perintah :
a. Pilih Analyze lalu Calculate estimete.
b. Beri nama file pekerjaan kita dengan regres1.
c. Klik panah berwarna merah untuk memperoleh hasil analisis.
d. Berikut ini hasil analisis dalam bentuk output graphic.
Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0 145 Hasil output secara detail dapat dilihat dengan cara :
a. Pilih View, lalu pilih Text Output.
b. Berikut ini tampilan output-nya.
Analysis Summary berisi keterangan tentang tanggal dan waktu data diolah serta nama file.
Notes for group berisi keterangan bahwa model berbentuk recursive berarti model hanya satu arah bukan model resiprokal atau saling mempengaruhi (nonrecursive). Jumlah sampel 100.
146 Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0
Variabel Summary berisi keterangan model memiliki satu variabel endogen income dan tiga variabel exogen earns, wealth dan saving serta satu variabel unobserved exogen yaitu e 1.
Jumlah variabel dalam model 5 yang terdiri dari 4 variabel observed dan satu variabel unobserved dan empat variabel exogen dan satu variabel endogen.
Assessment of normality merupakan output untuk menguji apakah data kita normal secara multivariate sebagai syarat asumsi yang harus dipenuhi dengan Maximum Likelihood. Jika dilihat secara univariate nilai critical skweness (kemencengan) sangat tinggi untuk semua variabel yaitu di atas 2.58 (signifikan pada 1%) dan dapat disimpulkan bahwa data kita secara univariate tidak terdistribusi secara normal. Secara multivariate nilai 52.903 merupakan Mardia’s (1970) koefisien dari multivariate kurtosis dengan nilai critical 38.901 yang nilainya
Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0 147 di atas 2.58. Sehingga dapat disimpulkan bahwa data kita juga tidak normal secara multivariate. Solusi yang harus dilakukan adalah melakukan transformasi cara dengan bentuk fungsi lainnya seperti logaritma atau akar kuadrat untuk mendapatkan data dengan distribusi normal.
Mahalanobis distance untuk mengukur apakah data kita ada yang outlier yaitu mendeteksi apakah skor observasi ada yang jauh berbeda dengan skor centroid untuk 100 kasus.
Mahalanobis d-squared digunakan untuk mengukur jarak skor hasil observasi terhadap nilai centroidnya. Lihat kasus nomor 7 yang memberikan jarak terjauh dari centroidnya dengan nilai mahalanobis d-squared 51.998. Nilai ini diikuti oleh dua kolom yaitu p1 dan p2. Kolom p1 menunjukkan dengan asumsi normal, probabilitas d-squared di atas nilai 51.998 adalah lebih kecil dari 0.000. Kolom p2 juga dengan asumsi normal. Probabilitasnya masih di bawah 0.000. Arbuckle (1997) mencatat bahwa walaupun p1 diharapkan bernilai kecil, tetapi nilai kecil pada kolom p2 menunjukkan obsevasi yang jauh dari nilai centroidnya dan dianggap outlier serta harus dibuang (didrop) dari analisis. Berdasarkan hasil output di atas, maka data yang dianggap outlier adalah observasi 7, 100, 96, 36, 45, 24, dan 81 yang nilai kolom p2 di bawah 0.000. Data ini sebaiknya dibuang.
148 Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0
Notes for Model memberikan keterangan hasil perhitungan Chi-squared. Oleh karena degree of freedom (df) sama dengan nol, maka nilai nilai probabilitas tidak dapat dihitung.
Estimates (Group number 1 – Default model) Scalar Estimates (Group number 1 – Default model) Maximum Lkelihood Estimates
Regression Weights: (Group number 1 – Default model).
Estimate S.E. C.R. P Label Income <--- Earns .831 .068 12.141 ***
Income <--- Wealth .065 .019 3.427 ***
Income <--- Saving .002 .064 .031 .976
Standardized Regression Weights: (Group number 1 – Default model).
Estimate Income <--- Earns .763 Income <--- Wealth .195 Income <--- Saving .002
Regression weight memberikan besarnya nilai koefisien regresi unstandardized dan standardized. Nilai standardized = nilai unstandardized – dengan standar error (SE). Nilai critical (CR) adalah sama dengan nilai t pada regresi OLS dan P adalah tingkat probabilitas signifikansi dengan *** berarti by default signifikan pada 0.001. Jadi dapat disimpulkan bahwa Earns (gaji) berpengaruh positif terhadap Income dengan koefisien standardized 0.763 (kenaikan gaji $1000 akan meningkatkan Income sebesar $763), begitu juga dengan Wealth berpengaruh positif terhadap Income dengan koefisien standardize sebesar 0.195 (kenaikan
Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0 149 kekayaan keluarga $1000 akan meningkatkan Income sebesar $195). Saving ternyata tidak berpengaruh terhadap Income karena probabilitas jauh di atas 0.05.
Means: (Group number 1 – Default model).
Estimate S.E. C.R. P Label Earns 7.911 .513 15.422 ***
Wealth 12.635 1.681 7.516 ***
Saving 1.768 .436 4.058 ***
Intercepts: (Group number 1 – Default model).
Estimate S.E. C.R. P Label Income 2.546 .465 5.473 ***
Covariances: (Group number 1 – Default model).
Estimate S.E. C.R. P Label Earns <--> Wealth 53.369 10.119 5.274 ***
Wealth <--> Saving 13.325 7.411 1.798 .072 Earns <--> Saving 10.026 2.442 4.106 ***
Correlations: (Group number 1 – Default model).
Estimate Earns <--> Wealth .625 Wealth <--> Saving .184 Earns <--> Saving .453
Variances: (Group number 1 – Default model).
Estimate S.E. C.R. P Label Earns 26.051 3.703 7.036 ***
Wealth 279.829 39.773 7.036 ***
Saving 18.798 2.672 7.036 ***
e1 5.927 .842 7.036 ***
Squared Multiple Correlations: (Group 1 – Default model).
Estimate
Income .808
Output lainnya memberikan nilai means dan intercept dari model dengan nilai intercept 2.546.
Sehingga model persamaan regresi kita menjadi.
Income = 2.546 + 0.831 Earns + 0.065 Wealth + 0.002 Saving.
150 Metode SEM Untuk Penelitian Manajemen dengan AMOS 22.00, LISREL 8.80 dan Smart PLS 3.0
Sedangkan besarnya nilai koefisien determinasi ditunjukkan oleh nilai Squared Multiple Correlation 0.808 (R2) yang berarti variabel Income yang dapat dijelaskan oleh variabel Earns, Wealth dan Saving sebesar 80.8%, sedangkan 19.92% adalah variabel lainnya yang tidak kita teliti. Jadi dapat disimpulkan bahwa model cukup baik.