MATRIKS DALAM LISREL Oleh : Abdullah M.

Jaubah

Pendahuluan Lisrel telah memanfaatkan beberapa macam matriks antara lain matriks Beta (BE), matriks Gamma (GA), matriks Phi (PH), matriks PSI (PS), matriks Lamda X (LX), matriks Lamda Y (LY), matriks Theta-Delta (TD), dan matriks Theta-Epsilon (TE).

Kedelapan jenis matriks ini dapat dikelompokkan ke dalam dua kelompok yaitu kelompok matriks model persamaan struktural dan kekompok matriks model pengukuran. Matriks Beta, Gamma, Phi, dan matriks Psi merupakan matriks dalam kelompok model persamaan struktural dan matriks Lamda-X, Lamda-Y, Theta-Delta, dan matriks ThetaEpsilon merupakan matriks dalam kelompok model pengukuran. Keseluruhan matriks di atas memainkan peranan penting dalam pemodelan persamaan struktural. Matriks Beta dipakai untuk mewakili hubungan antara konstruks endogen. Matriks Gamma dipakai untuk mewakili hubungan antara konstruk eksogen dan konstruk endogen. Matriks Phi dipakai untuk mewakili hubungan atau korelasi antara konstruk eksogen. Matriks Psi dipakai untuk mewakili hubungan atau korelasi persamaan struktural atau konstruk endogen. Matriks Lamda-X dipakai untuk mewakili koefisien jalur indikator dari konstruk endogen. Matriks Lamda-Y dipakai untuk mewakili koefisien jalur indikator dari konstruk eksogen. Matriks Theta-Delta dipakai untuk mewakili kesalahan (error) indikator dari konstruk eksogen. Matriks Theta-Epsilon dipakai untuk mewakili matriks kesalahan indikator dari konstruk endogen. Penjelasan di atas sulit dipahami jika tanpa diberi contoh. Contoh di bawah ini mencakup contoh sintaksis proyek Lisrel, hasil pelaksanaan sintaksis proyek Lisrel, diagram jalur, dan penafsiran hasil pelaksanaan proyek Lisrel. Sintaksis proyek Simplis,
1

hasil pelaksanaan sintaksis proyek Simplis, diagram jalur, dan penafsiran hasil pelaksanaan proyek Simplis. Contoh ini diambil dari paket program Lisrel. Contoh ini diambil karena banyak skripsi, tesis, atau disertasi telah memakai variabel laten Motivasi, Kinerja, dan Kepuasan Kerja. Variabel-variabel laten adalah variabel-variabel yang tidak dapat diobservasi dan tidak dapat diukur secara langsung. Variabel-variabel laten biasa dirinci ke dalam beberapa dimensi, sub-dimensi, dan beberapa variabel manifes atau variabel indikator berdasar atas teori-teori tertentu. Indikator-indikator tersebut kemudian dipakai sebagai acuan dalam menyusun instrumen penelitian. Data yang terkumpul dari kegiatan penelitian, setelah dilakukan pengujian reliabilitas dan validitas, kemudian dijumlahkan sehingga motivasi dari responden itu misalkan adalah sebesar 80, dan sebagainya . Hal yang sama juga dialami untuk variabel-variabel lain. Langkah penjumlahan nilai-nilai indikator dari suatu variabel merupakan langkah yang mengandung kesalahan akan tetapi kesalahan ini biasanya tidak disadari. Kesalahan lain adalah kesalahan memakai teknik analisis. Analisis yang dipakai adalah analisis regresi sederhana dan regresi jamak dengan memanaatkan antara lain paket program SPSS. Kesalahan-kesalahan ini mengakibatkan proses analisis data mengandung kesalahan, kesimpulan mengandung kesalahan, implikasi mengandung kesalahan, dan saran-saran mengandung kesalahan sehingga pembahasan dalam skripsi, tesis, atau disertasi seperti tersebut menjadi tidak bermakna. Contoh yang disajikan di sini telah memakai lima variabel laten yaitu variabel achmot, t-s s-e, verb int, jobsatis, dan perform. Variabel variabel achmot, t-s s-e, dan verb int dan perform

merupakan variabel laten eksogen atau Ksi dan variabel jobsatis merupakan variabel laten endogen atau Eta.

Variabel achmot mengandung dua variabel indikator yaitu achmot1 dan achmot2. Variabel t-s s-e mengandung dua variabel indikator yaitu t-s s-e1 dan t-s s-e2. Variabel Verbint mengandung satu variabel indikator yaitu Verbintm. Variabel jobsatis mengandung dua variabel indikator yaitu jbsatis 1 dan jbsatis 2. Variabel perform mengandung satu variabel indikator yaitu performm.

Variabel laten endogen jobsatis tergantung pada variabel laten eksogen achmot, variabel laten eksogen verb int, dan variabel laten endogen perform. Variabel laten endogen perform tergantung pada variabel laten eksogen t-s s-e. Dua hipotesis penelitian dapat dirumuskan di sini :\ 1. 2. Hubungan diduga secara teoretik terdapat antara perform dan t-s s-e. Hubungan diduga secara teoretik terdapat antara jobsatis, perform, achmot, dan verb int. Hipotesis-hipotesis penelitian antara variabel-variabel laten eksogen dan variabelvariabel indikator eksogen dan hipotesis-hipotesis penelitia antara variabel-variabel laten endogen dan variabel-variabel indikator endogen dapat juga dirumuskan. Analisis ini dapat mengungkap model pengukuran dan model persamaan struktural, kesalahan standar, kesalahan varians, kesalahan standar dari kesalahan varians, nilai t-hitung, persamaan regresi sederhana, persamaan regtesi jamak, koefisien regresi, dan koefisien determinasi. Sintaksis Proyek Lisrel Sintaksis Proyek Lisrel adalah sebagai berikut :
TI Modified Model for Performance and Satisfaction DA NI=8 NO=122 NG=1 MA=CM LA performm jbsatis1 jbsatis2 achmot1 achmot2 't-s s-e1' 't-s s-e2' verbintm CM 4.37 3.00 11.76 2.31 6.04 7.90 0.53 1.35 1.46 3.80 0.81 2.01 1.20 1.47 4.24 2.46 2.08 1.97 0.85 0.72 4.67 2.18 1.59 1.82 0.69 0.74 2.43 4.24

-2.72 -1.95 -0.39 -1.42 -2.08 -2.32 -1.31 13.32 ME 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 SE 1 2 3 4 5 6 7 8 / MO NX=5 NY=3 NK=3 NE=2 LY=FU,FI LX=FU,FI BE=FU,FI GA=FU,FI PH=SY,FR PS=DI,FR TE=DI,FR TD=DI,FR LE perform jobsatis LK achmot 't-s s-e' 'verb int' FI PH(1,1) TE(1,1) TD(5,5) FR LY(3,2) LX(1,1) LX(2,1) LX(4,2) BE(2,1) GA(1,2) GA(2,1) GA(2,3) VA 1.00 LY(1,1) LY(2,2) LX(3,2) LX(5,3) PH(1,1) VA 2.00 TD(5,5) PD OU ME=ML EF SS

Penjelasan Sintaksis Proyek Lisrel

TI Modified Model for Performance and Satisfaction

Perintah di atas memakai TI atau Title. Perintah ini dipakai untuk menunjukkan nama sintaksis Lisrel. Perintah ini dianjurkan dipakai karena dapat mengelompokkan hasilhasil pelaksanaan sintaksis proyek Lisrel ke dalam beberapa kelompok sehingga memudahkan penafsiran hasil bersangkutan.
DA NI=8 NO=122 NG=1 MA=CM

Perintah DA dipakai untuk mendeklarasikan mengenai Input Data yang berhubungan dengan jumlah variabel indikator yang dinyatakan dengan perintah NI yaitu 8 dan jumlah obserasi yaitu NO adalah 122, dan perintah NG dipakai untuk menjelaskan jumlah kelompok yaitu 1. Perintah MA=CM dipakai untuk menunjukkan bahwa input data adalah matriks dan matriks yang dipakai di sini adalah matriks kovarian (Covariance Matrix).
LA

performm jbsatis1 jbsatis2 achmot1 achmot2 't-s s-e1' 't-s s-e2' verbintm

Perintah di atas mewakili Label dari variabel-variabel indikator dan label-label tersebut berhubungan dengan matriks kovarians sebagai input data. Hal ini berarti bahwa baris atau kolom dalam matriks kovarians tersebut masing-masing menunjukkan urutan label tersebut. Label, dalam Lisrel, dapat disimpan dalam arsip eksternal atau label dapat juga secara bersama-sama disimpan dalam arsip eksternal dengan input data.
CM 4.37 3.00 11.76 2.31 6.04 7.90 0.53 1.35 1.46 3.80 0.81 2.01 1.20 1.47 4.24 2.46 2.08 1.97 0.85 0.72 4.67 2.18 1.59 1.82 0.69 0.74 2.43 4.24 -2.72 -1.95 -0.39 -1.42 -2.08 -2.32 -1.31 13.32 ME 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Perintah ini menunjukkan bahwa input data berbentuk matriks kovarians adalah simetris dan data dapat disimpan dalam arsip eksternal.

SE 1 2 3 4 5 6 7 8 /

Perintah SE atau Selection dipakai untuk menyatakan pilihan variabel yang akan dianalisis. Urutan variabel tersebut sesuai dengan perintah LA di atas.
MO NX=5 NY=3 NK=3 NE=2 LY=FU,FI LX=FU,FI BE=FU,FI GA=FU,FI PH=SY,FR PS=DI,FR TE=DI,FR TD=DI,FR

Perintah MO (Model) mencerminkan spesifikasi model yang akan diproses. Jumlah variabel indikator eksogen adalah 5 (NX=5) dan jumlah variabel indikator endogen adalah 3 (NY=3). Jumlah variabel laten eksogen adalah 3 (NK=3) dan jumlah variabel laten endogen adalah 2 (NE=2). Perintah LY, LX, BE, GA, PH, PS, TE, dan TD masingmasing mencerminkan matriks parameter. Perintah FU, FI, FR, dan DI dipakai untuk
5

menyatakan FU= Full, FI=Fixed, FR=Free, dan DI=Diagonal. Contoh perintah LY=FU,FI berarti bahwa matriks tersebut adalah penuh atau lengkap dan parameternya adalah tetap.
LE perform jobsatis LK achmot 't-s s-e' 'verb int'

Perintah LE dan LK masing-masing menunjukkan perintah label untuk variabel laten endogen dan label untuk variabel laten eksogen. Label untuk variabellaten endogen adalah perform dan jobsatis dan label untuk variabel laten eksogen adalah achmot, 't-s s-e', dan 'verb int'.
FI PH(1,1) TE(1,1) TD(5,5) FR LY(3,2) LX(1,1) LX(2,1) LX(4,2) BE(2,1) GA(1,2) GA(2,1) GA(2,3) VA 1.00 LY(1,1) LY(2,2) LX(3,2) LX(5,3) PH(1,1) VA 2.00 TD(5,5)

Sintaksis LY(3,2), LX(1,1), LX(2,1) LX(4,2), BE(2,1), GA(1,2), GA(2,1), dan GA(2,3) masing-masing menyatakan notasi Lisrel untuk parameter-parameter. Parameterparameter ini ditaksis dengan perintah FR. Parameter-parameter ditentukan nilainya adalah 1 sebagaimana tercermin dalam perintah VA (Value).
PD

Perintah PD dipakai untuk mencipta dan menyajikan Path Diagram.

OU ME=ML EF SS

Perintah terakhir memakai perintah OU (Output) yang berfungsi untuk menentukan prosedur estimasi dengan perintah ME (Method of Estimation) adalah ML (Maximum Likelihood) yang dipakai untuk menentukan hasil pelaksanaan yang diinginkan, menyimpan berbagai macam matriks dalam suatu arsip. Perintah EF dipakai agar keluaran yang diinginkan itu mengandung efek langsung dan efek tidak langsung. Perintah SS dipakai agar keluaran yang diinginkan itu adalah Standardized Soluton. Hasil Pelaksanaan Sintaksis Proyek Lisrel

Pelaksanaan sintaksis proyek Lisrel di atas akan menyajikan hasil pelaksanaan sebagai berikut :
DATE: 7/17/2013

TIME: 19:49 L I S R E L BY Karl G. Jreskog & Dag Srbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Chicago, IL 60646-1704, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-99 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com 8.30

The following lines were read from file D:\SEMCOU~1\CHP7FULL\EX56.LPJ: TI Modified Model for Performance and Satisfaction DA NI=8 NO=122 NG=1 MA=CM LA performm jbsatis1 jbsatis2 achmot1 achmot2 't-s s-e1' 't-s s-e2' verbintm CM 4.37 3.00 11.76 2.31 6.04 7.90 0.53 1.35 1.46 3.80 0.81 2.01 1.20 1.47 4.24 2.46 2.08 1.97 0.85 0.72 4.67 2.18 1.59 1.82 0.69 0.74 2.43 4.24 -2.72 -1.95 -0.39 -1.42 -2.08 -2.32 -1.31 13.32

ME 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 SE 1 2 3 4 5 6 7 8 / MO NX=5 NY=3 NK=3 NE=2 LY=FU,FI LX=FU,FI BE=FU,FI GA=FU,FI PH=SY,FR PS=DI,FR TE=DI,FR TD=DI,FR LE perform jobsatis LK achmot 't-s s-e' 'verb int' FI PH(1,1) TE(1,1) TD(5,5) FR LY(3,2) LX(1,1) LX(2,1) LX(4,2) BE(2,1) GA(1,2) GA(2,1) GA(2,3) VA 1.00 LY(1,1) LY(2,2) LX(3,2) LX(5,3) PH(1,1) VA 2.00 TD(5,5) PD OU ME=ML EF SS TI Modified Model for Performance and Satisfaction Number of Input Variables Number of Y - Variables Number of X - Variables Number of ETA - Variables Number of KSI - Variables Number of Observations TI Modified Model for Performance and Satisfaction Covariance Matrix to be Analyzed performm -------performm jbsatis1 jbsatis2 achmot1 achmot2 t-s s-e1 4.37 3.00 2.31 0.53 0.81 2.46 11.76 6.04 1.35 2.01 2.08 7.90 1.46 1.20 1.97 3.80 1.47 0.85 4.24 0.72 4.67 jbsatis1 -------jbsatis2 -------achmot1 -------achmot2 -------t-s s-e1 -------8 3 5 2 3

122

t-s s-e2 verbintm

2.18 -2.72

1.59 -1.95

1.82 -0.39

0.69 -1.42

0.74 -2.08

2.43 -2.32

Covariance Matrix to be Analyzed t-s s-e2 -------t-s s-e2 verbintm 4.24 -1.31 13.32 verbintm --------

TI Modified Model for Performance and Satisfaction Parameter Specifications LAMBDA-Y perform -------performm jbsatis1 jbsatis2 LAMBDA-X achmot -------achmot1 achmot2 t-s s-e1 t-s s-e2 verbintm BETA perform -------perform jobsatis GAMMA achmot -------perform 0 t-s s-e -------6 verb int -------0 0 5 jobsatis -------0 0 2 3 0 0 0 t-s s-e -------0 0 0 4 0 verb int -------0 0 0 0 0 0 0 0 jobsatis -------0 0 1

jobsatis PHI

achmot -------achmot t-s s-e verb int PSI 0 9 11

t-s s-e --------

verb int --------

10 12 13

Note: This matrix is diagonal. perform -------14 THETA-EPS performm -------0 THETA-DELTA achmot1 -------18 achmot2 -------19 t-s s-e1 -------20 t-s s-e2 -------21 verbintm -------0 jbsatis1 -------16 jbsatis2 -------17 jobsatis -------15

TI Modified Model for Performance and Satisfaction Number of Iterations = 12 LISREL Estimates (Maximum Likelihood) LAMBDA-Y perform -------performm jbsatis1 jbsatis2 1.00 - - jobsatis -------- 1.00 0.83 (0.13) 6.19 LAMBDA-X

10

achmot -------achmot1 1.11 (0.22) 4.94 achmot2 1.30 (0.25) 5.26 t-s s-e1 t-s s-e2 - - -

t-s s-e -------- -

verb int -------- -

- -

- -

1.00 0.86 (0.14) 6.26

- - -

verbintm

- -

- -

1.00

BETA perform -------perform jobsatis - 0.59 (0.14) 4.24 GAMMA achmot -------perform - t-s s-e -------0.92 (0.14) 6.40 jobsatis 1.36 (0.44) 3.09 - 0.21 (0.11) 1.99 verb int -------- jobsatis -------- - -

Covariance Matrix of ETA and KSI

11

perform -------perform jobsatis achmot t-s s-e verb int PHI achmot -------achmot t-s s-e 1.00 0.68 (0.23) 2.94 verb int -1.46 (0.44) -3.30 PSI 4.37 3.00 0.62 2.53 -2.12

jobsatis --------

achmot --------

t-s s-e --------

verb int --------

7.42 1.42 1.94 -0.85 1.00 0.68 -1.46 2.74 -2.31 11.32

t-s s-e --------

verb int --------

2.74 (0.65) 4.24 -2.31 (0.68) -3.37 11.32 (1.71) 6.61

Note: This matrix is diagonal. perform -------2.04 (0.40) 5.15 jobsatis -------3.88 (1.22) 3.17

Squared Multiple Correlations for Structural Equations perform -------0.53 THETA-EPS performm -------- jbsatis1 -------4.47 jbsatis2 -------2.90 jobsatis -------0.48

12

(1.18) 3.79

(0.80) 3.63

Squared Multiple Correlations for Y - Variables performm -------1.00 THETA-DELTA achmot1 -------2.57 (0.48) 5.36 achmot2 -------2.56 (0.57) 4.46 t-s s-e1 -------1.93 (0.42) 4.53 t-s s-e2 -------2.21 (0.39) 5.71 verbintm -------2.00 jbsatis1 -------0.62 jbsatis2 -------0.64

Squared Multiple Correlations for X - Variables achmot1 -------0.32 achmot2 -------0.40 t-s s-e1 -------0.59 t-s s-e2 -------0.48 verbintm -------0.85

Goodness of Fit Statistics Degrees of Freedom = 15 Minimum Fit Function Chi-Square = 14.20 (P = 0.51) Normal Theory Weighted Least Squares Chi-Square = 15.32 (P = 0.43) Estimated Non-centrality Parameter (NCP) = 0.32 90 Percent Confidence Interval for NCP = (0.0 ; 13.87) Minimum Fit Function Value = 0.12 Population Discrepancy Function Value (F0) = 0.0026 90 Percent Confidence Interval for F0 = (0.0 ; 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.013 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.087) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.70 Expected Cross-Validation Index (ECVI) = 0.47 90 Percent Confidence Interval for ECVI = (0.47 ; 0.59) ECVI for Saturated Model = 0.60 ECVI for Independence Model = 2.25

13

Chi-Square for Independence Model with 28 Degrees of Freedom = 256.57 Independence AIC = 272.57 Model AIC = 57.32 Saturated AIC = 72.00 Independence CAIC = 303.01 Model CAIC = 137.20 Saturated CAIC = 208.94 Root Mean Square Residual (RMR) = 0.28 Standardized RMR = 0.035 Goodness of Fit Index (GFI) = 0.97 Adjusted Goodness of Fit Index (AGFI) = 0.93 Parsimony Goodness of Fit Index (PGFI) = 0.40 Normed Fit Index (NFI) = 0.94 Non-Normed Fit Index (NNFI) = 1.01 Parsimony Normed Fit Index (PNFI) = 0.51 Comparative Fit Index (CFI) = 1.00 Incremental Fit Index (IFI) = 1.00 Relative Fit Index (RFI) = 0.90 Critical N (CN) = 261.56 TI Modified Model for Performance and Satisfaction Standardized Solution LAMBDA-Y perform -------performm jbsatis1 jbsatis2 2.09 - - jobsatis -------- 2.72 2.26

LAMBDA-X achmot -------achmot1 achmot2 1.11 1.30 t-s s-e -------- - verb int -------- - -

14

t-s s-e1 t-s s-e2 verbintm BETA

- - - -

1.66 1.42 - -

- - 3.36

perform -------perform jobsatis GAMMA achmot -------perform jobsatis - 0.50 - 0.46

jobsatis -------- - -

t-s s-e -------0.73 - -

verb int -------- 0.26

Correlation Matrix of ETA and KSI perform -------perform jobsatis achmot t-s s-e verb int PSI Note: This matrix is diagonal. perform -------0.47 jobsatis -------0.52 1.00 0.53 0.30 0.73 -0.30 1.00 0.52 0.43 -0.09 1.00 0.41 -0.44 1.00 -0.41 1.00 jobsatis -------achmot -------t-s s-e -------verb int --------

Regression Matrix ETA on KSI (Standardized) achmot -------perform jobsatis - 0.50 t-s s-e -------0.73 0.33 verb int -------- 0.26

TI Modified Model for Performance and Satisfaction

15

Total and Indirect Effects Total Effects of KSI on ETA achmot -------perform - t-s s-e -------0.92 (0.14) 6.40 jobsatis 1.36 (0.44) 3.09 0.55 (0.15) 3.57 0.21 (0.11) 1.99 verb int -------- -

Indirect Effects of KSI on ETA achmot -------perform jobsatis - - t-s s-e -------- 0.55 (0.15) 3.57 Total Effects of ETA on ETA perform -------perform jobsatis - 0.59 (0.14) 4.24 Largest Eigenvalue of B*B' (Stability Index) is Total Effects of ETA on Y perform -------performm jbsatis1 1.00 0.59 (0.14) 4.24 jobsatis -------- 1.00 0.354 jobsatis -------- - verb int -------- - -

16

jbsatis2

0.49 (0.12) 4.27

0.83 (0.13) 6.19

Indirect Effects of ETA on Y perform -------performm jbsatis1 - 0.59 (0.14) 4.24 jobsatis -------- - -

jbsatis2

0.49 (0.12) 4.27

- -

Total Effects of KSI on Y achmot -------performm - t-s s-e -------0.92 (0.14) 6.40 jbsatis1 1.36 (0.44) 3.09 jbsatis2 1.13 (0.36) 3.10 0.55 (0.15) 3.57 0.45 (0.13) 3.59 0.21 (0.11) 1.99 0.18 (0.09) 2.00 verb int -------- -

TI Modified Model for Performance and Satisfaction Standardized Total and Indirect Effects Standardized Total Effects of KSI on ETA achmot -------perform - t-s s-e -------0.73 verb int -------- -

17

jobsatis

0.50

0.33

0.26

Standardized Indirect Effects of KSI on ETA achmot -------perform jobsatis - - t-s s-e -------- 0.33 verb int -------- - -

Standardized Total Effects of ETA on ETA perform -------perform jobsatis - 0.46 jobsatis -------- - -

Standardized Total Effects of ETA on Y perform -------performm jbsatis1 jbsatis2 2.09 1.24 1.03 jobsatis -------- 2.72 2.26

Standardized Indirect Effects of ETA on Y perform -------performm jbsatis1 jbsatis2 - 1.24 1.03 jobsatis -------- - - -

Standardized Total Effects of KSI on Y achmot -------performm jbsatis1 jbsatis2 - 1.36 1.13 The Problem used t-s s-e -------1.53 0.91 0.75 verb int -------- 0.71 0.59 0.0% of Available Workspace)

13376 Bytes (= Time used:

0.016 Seconds

Diagram Jalur
18

Diagram jalur yang dihasilkan dari sintaksis proyek Lisrel di atas adalah sebagai berikut:

Diagram jalur di atas mencerminkan diagram jalur dari estimates atas basic model. Diagram jalur yang mencerminkan nilai-t hitung dari basic model adalah sebagai berikut:

Diagram jalur dengan nilai-nilai t hitung di atas mencerminkan bahwa nilai-nilai t-hitung adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga semua koefisien korelasi dan semua hubungan adalah signifikan. Penafsiran Hasil Pelaksanaan Sintaksis Proyek Lisrel Penafsiran hasil pelaksanaan proyek Lisrel di atas adalah lebih sulit daripada penafsiran hasil pelaksanaan proyek Simplis.
19

DATE:

7/17/2013

TIME: 19:49 L I S R E L BY Karl G. Jreskog & Dag Srbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Chicago, IL 60646-1704, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-99 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file D:\SEMCOU~1\CHP7FULL\EX56.LPJ: 8.30

Bagian kesatu dari hasil pelaksanaan sintaksis Lisrel di atas mecerminkan informasi mengenai tanggal pelaksanaan sintaksis Simplis yaitu tanggal 17 bulan Juli 2013 jam 19.56 memakai Lisrel 8.30 yang dicipta oleh Karl G. Jreskog dan Dag Srbom. Penerbitan Lisrel 8.30 dilaksanakan oleh Scientific Software International, Inc., dengan alamat 7383 N. Lincoln Avenue, Suite 100, Chicago, IL 60646-1704, U.S.A. Nomor telepon dan nomor Fax adalah Phone: (800)247-6113, (847)675-0720, Fax: (847)6752140. Hak Cipta dipegang oleh Scientific Software International, Inc., 1981-99. Pemakaian paket program ini sesuai dengan syarat-syarat yang telah dispesifikasikan dalam Universal Copyright Convention. Alamat website adalah Website:

www.ssicentral.com. Baris-baris ini dibaca dari arsip yang disimpan dalam folder D:\SEMCOU~1\CHP7FULL\EX56.LPJ. Informasi seperti ini akan selalu disajikan setiap kali arsip sintaksis Simplis dilaksanakan. Perbedaan yang dialami terletak pada tanggal, jam, dan alamat folder saja. Perintah TI dipakai sebagai judul dan sebagai dasar untuk mengelompokkan hasil pelasanaan ke dalam beberapa kelompok sehingga

memudahkan penafsiran.

20

TI Modified Model for Performance and Satisfaction DA NI=8 NO=122 NG=1 MA=CM LA performm jbsatis1 jbsatis2 achmot1 achmot2 't-s s-e1' 't-s s-e2' verbintm CM 4.37 3.00 11.76 2.31 6.04 7.90 0.53 1.35 1.46 3.80 0.81 2.01 1.20 1.47 4.24 2.46 2.08 1.97 0.85 0.72 4.67 2.18 1.59 1.82 0.69 0.74 2.43 4.24 -2.72 -1.95 -0.39 -1.42 -2.08 -2.32 -1.31 13.32 ME 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 SE 1 2 3 4 5 6 7 8 / MO NX=5 NY=3 NK=3 NE=2 LY=FU,FI LX=FU,FI BE=FU,FI GA=FU,FI PH=SY,FR PS=DI,FR TE=DI,FR TD=DI,FR LE perform jobsatis LK achmot 't-s s-e' 'verb int' FI PH(1,1) TE(1,1) TD(5,5) FR LY(3,2) LX(1,1) LX(2,1) LX(4,2) BE(2,1) GA(1,2) GA(2,1) GA(2,3) VA 1.00 LY(1,1) LY(2,2) LX(3,2) LX(5,3) PH(1,1) VA 2.00 TD(5,5) PD OU ME=ML EF SS

Bagian kedua dari hasil pelaksanaan sintaksis Lisrel disajikan di atas. Bagian ini mengandung informasi mengenai sintaksis Lisrel yang dipakai. Baris-baris adalah

sama dengan sintaksis Lisrel yang dipakai. Bagian ini dapat dianggap sebagai arsip
21

cadangan yang dapat dipakai jika arsip sintaksis Lisrel asli mengalami kerusakan atau mengalami kesulitan pencarian.
TI Modified Model for Performance and Satisfaction Number of Input Variables Number of Y - Variables Number of X - Variables Number of ETA - Variables Number of KSI - Variables Number of Observations 8 3 5 2 3

122

Bagian ketiga ini mengandung informasi mengenai jumlah variabel input adalah 8 yang terdiri dari jumlah variabel Y adalah 3 dan jumlah variabel X adalah 5. Jumlah variabel ini merupakan jumlah variabel indikator endogen adalah 3 dan jumlah variabel indikator eksogen adalah 5. Jumlah vaariabel ETA adalah 2 atau jumlah variabel laten endogen adalah 2 dan jumlah variabel KSI adalah 3 atau jumlah variabel laten eksogen adalah 3. Jumlah observasi adalah 122.
TI Modified Model for Performance and Satisfaction Covariance Matrix to be Analyzed performm -------performm jbsatis1 jbsatis2 achmot1 achmot2 t-s s-e1 t-s s-e2 verbintm 4.37 3.00 2.31 0.53 0.81 2.46 2.18 -2.72 11.76 6.04 1.35 2.01 2.08 1.59 -1.95 7.90 1.46 1.20 1.97 1.82 -0.39 3.80 1.47 0.85 0.69 -1.42 4.24 0.72 0.74 -2.08 4.67 2.43 -2.32 jbsatis1 -------jbsatis2 -------achmot1 -------achmot2 -------t-s s-e1 --------

Covariance Matrix to be Analyzed t-s s-e2 -------t-s s-e2 4.24 verbintm --------

22

verbintm

-1.31

13.32

TI Modified Model for Performance and Satisfaction Parameter Specifications LAMBDA-Y perform -------performm jbsatis1 jbsatis2 0 0 0 jobsatis -------0 0 1

LAMBDA-X achmot -------achmot1 achmot2 t-s s-e1 t-s s-e2 verbintm BETA perform -------perform jobsatis GAMMA achmot -------perform jobsatis PHI achmot -------achmot 0 t-s s-e -------verb int -------0 7 t-s s-e -------6 0 verb int -------0 8 0 5 jobsatis -------0 0 2 3 0 0 0 t-s s-e -------0 0 0 4 0 verb int -------0 0 0 0 0

23

t-s s-e verb int PSI

9 11

10 12 13

Note: This matrix is diagonal. perform -------14 THETA-EPS performm -------0 THETA-DELTA achmot1 -------18 achmot2 -------19 t-s s-e1 -------20 t-s s-e2 -------21 verbintm -------0 jbsatis1 -------16 jbsatis2 -------17 jobsatis -------15

Bagian keempat ini merupakan bagian yang mengandung informasi mengenai matriks kovarians yang akan dianalisis termasuk spesifikasi atas parameter-parameter bersangkutan.
TI Modified Model for Performance and Satisfaction Number of Iterations = 12 LISREL Estimates (Maximum Likelihood) LAMBDA-Y perform -------performm jbsatis1 jbsatis2 1.00 - - jobsatis -------- 1.00 0.83 (0.13) 6.19 LAMBDA-X achmot t-s s-e verb int

24

-------achmot1 1.11 (0.22) 4.94 achmot2 1.30 (0.25) 5.26 t-s s-e1 t-s s-e2 - - -

-------- -

-------- -

- -

- -

1.00 0.86 (0.14) 6.26

- - -

verbintm BETA

- -

- -

1.00

perform -------perform jobsatis - 0.59 (0.14) 4.24 GAMMA achmot -------perform - -

jobsatis -------- - -

t-s s-e -------0.92 (0.14) 6.40

verb int -------- -

jobsatis

1.36 (0.44) 3.09

- -

0.21 (0.11) 1.99

Covariance Matrix of ETA and KSI perform -------perform 4.37 jobsatis -------achmot -------t-s s-e -------verb int --------

25

jobsatis achmot t-s s-e verb int PHI

3.00 0.62 2.53 -2.12

7.42 1.42 1.94 -0.85 1.00 0.68 -1.46 2.74 -2.31 11.32

achmot -------achmot t-s s-e 1.00 0.68 (0.23) 2.94

t-s s-e --------

verb int --------

2.74 (0.65) 4.24

verb int

-1.46 (0.44) -3.30

-2.31 (0.68) -3.37

11.32 (1.71) 6.61

PSI Note: This matrix is diagonal. perform -------2.04 (0.40) 5.15 jobsatis -------3.88 (1.22) 3.17

Squared Multiple Correlations for Structural Equations perform -------0.53 THETA-EPS performm -------- jbsatis1 -------4.47 (1.18) 3.79 jbsatis2 -------2.90 (0.80) 3.63 jobsatis -------0.48

26

Squared Multiple Correlations for Y - Variables performm -------1.00 THETA-DELTA achmot1 -------2.57 (0.48) 5.36 achmot2 -------2.56 (0.57) 4.46 t-s s-e1 -------1.93 (0.42) 4.53 t-s s-e2 -------2.21 (0.39) 5.71 verbintm -------2.00 jbsatis1 -------0.62 jbsatis2 -------0.64

Squared Multiple Correlations for X - Variables achmot1 -------0.32 achmot2 -------0.40 t-s s-e1 -------0.59 t-s s-e2 -------0.48 verbintm -------0.85

Goodness of Fit Statistics Degrees of Freedom = 15 Minimum Fit Function Chi-Square = 14.20 (P = 0.51) Normal Theory Weighted Least Squares Chi-Square = 15.32 (P = 0.43) Estimated Non-centrality Parameter (NCP) = 0.32 90 Percent Confidence Interval for NCP = (0.0 ; 13.87) Minimum Fit Function Value = 0.12 Population Discrepancy Function Value (F0) = 0.0026 90 Percent Confidence Interval for F0 = (0.0 ; 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.013 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.087) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.70 Expected Cross-Validation Index (ECVI) = 0.47 90 Percent Confidence Interval for ECVI = (0.47 ; 0.59) ECVI for Saturated Model = 0.60 ECVI for Independence Model = 2.25 Chi-Square for Independence Model with 28 Degrees of Freedom = 256.57 Independence AIC = 272.57

27

Model AIC = 57.32 Saturated AIC = 72.00 Independence CAIC = 303.01 Model CAIC = 137.20 Saturated CAIC = 208.94 Root Mean Square Residual (RMR) = 0.28 Standardized RMR = 0.035 Goodness of Fit Index (GFI) = 0.97 Adjusted Goodness of Fit Index (AGFI) = 0.93 Parsimony Goodness of Fit Index (PGFI) = 0.40 Normed Fit Index (NFI) = 0.94 Non-Normed Fit Index (NNFI) = 1.01 Parsimony Normed Fit Index (PNFI) = 0.51 Comparative Fit Index (CFI) = 1.00 Incremental Fit Index (IFI) = 1.00 Relative Fit Index (RFI) = 0.90 Critical N (CN) = 261.56

Bagian kelima adalah bagian terpenting ditinjau dari sudut penafsiran hasil pelaksanaan sintaksis Lisrel karena bagian ini mengandung persamaan-persamaan regresi dan ukuran-ukuran kecocokan antara model dan data. Penafsiran hasil pelaksanaan sintaksis Lisrel ini adalah lebih sulit daripada penafsiran hasil pelaksanaan sintaksis Simplis.
LAMBDA-Y perform -------performm jbsatis1 jbsatis2 1.00 - - jobsatis -------- 1.00 0.83 (0.13) 6.19

28

THETA-EPS performm -------- jbsatis1 -------4.47 (1.18) 3.79 jbsatis2 -------2.90 (0.80) 3.63

Squared Multiple Correlations for Y - Variables performm -------1.00 jbsatis1 -------0.62 jbsatis2 -------0.64

Inforasi di atas dikumpulkan dari beberapa bagian dan kemudian disusun persamaan regresi sebagai berikut

performm = 1.00*perform,, R = 1.00

Persamaan regresi ini mencerminkan bahwa variabel indikator endogen performm merupakan fungsi dari variabel laten endogen perform. Koefisien regresi dari variabel laten endogen perform adalah 1. Hal ini berarti bahwa perubahan satu skor pada variabel laten endogen perform akan mengakibatkan perusahan sebesar satu skor pada variabel indikator performm. Koefisien determinasi dari persamaan regresi ini adalah sebesar 1.
jbsatis1 = 1.00*jobsatis, Errorvar.= 4.47 , R = 0.62 (1.18) 3.79

Persamaan regresi ini mencerminkan bahwa variabel indikator endogen jbsatis1 merupakan fungsi dari variabel laten endogen jobsatis. Koefisien regresi dari variabel laten endogen jobsatis adalah 1. Hal ini berarti bahwa perubahan satu skor pada variabel laten endogen jobsatis akan mengakibatkan perubahan sebesar satu skor pada variabel indikator endogen jbsatis1. Kesalahan varian adalah 4.47 dengan kesalahan standar sebesar 1.18 dan nilai t-hitung adalah 3.79. Nilai t-hitung ini adalah
29

lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi itu adalah signifikan. Koefisien determinasi adalah 0.62. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persamaan regresi ini adalah dapat dipercaya (reliable).
jbsatis2 = 0.83*jobsatis, Errorvar.= 2.90 , R = 0.64 (0.13) 6.19 (0.80) 3.63

Persamaan regresi ini mencerminkan bahwa variabel indikator endogen jbsatis2 merupakan fungsi dari variabel laten endogen jobsatis. Koefisien regresi dari variabel laten endogen jobsatis adalah 0.83. Hal ini berarti bahwa perubahan satu skor pada variabel laten endogen jobsatis akan mengakibatkan perubahan sebesar satu skor pada variabel indikator endogen jbsatis2. Kesalahan standar adalah 0.13 dan nilai thitung adalah 6.19. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi ini adalah signifikan. Kesalahan varians adalah 2.90 dengan kesalahan standar sebesar 0.80 dan nilai t-hitung adalah 3.63. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi itu adalah signifikan. Koefisien determinasi adalah 0.64. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persamaan regresi ini adalah dapat dipercaya (reliable).
LAMBDA-X achmot -------achmot1 1.11 (0.22) 4.94 achmot2 1.30 (0.25) 5.26 t-s s-e1 t-s s-e2 - - 1.00 0.86 (0.14) 6.26 verbintm - - 1.00 - - - - t-s s-e -------- verb int -------- -

30

BETA perform -------perform jobsatis - 0.59 (0.14) 4.24 GAMMA achmot -------perform - t-s s-e -------0.92 (0.14) 6.40 jobsatis 1.36 (0.44) 3.09 - 0.21 (0.11) 1.99 verb int -------- jobsatis -------- - -

Covariance Matrix of ETA and KSI perform -------perform jobsatis achmot t-s s-e verb int PHI achmot -------achmot t-s s-e 1.00 0.68 (0.23) 2.94 2.74 (0.65) 4.24 t-s s-e -------verb int -------4.37 3.00 0.62 2.53 -2.12 7.42 1.42 1.94 -0.85 1.00 0.68 -1.46 2.74 -2.31 11.32 jobsatis -------achmot -------t-s s-e -------verb int --------

31

verb int

-1.46 (0.44) -3.30

-2.31 (0.68) -3.37

11.32 (1.71) 6.61

PSI Note: This matrix is diagonal. perform -------2.04 (0.40) 5.15 jobsatis -------3.88 (1.22) 3.17

Squared Multiple Correlations for Structural Equations perform -------0.53 THETA-EPS performm -------- jbsatis1 -------4.47 (1.18) 3.79 jbsatis2 -------2.90 (0.80) 3.63 jobsatis -------0.48

Squared Multiple Correlations for Y - Variables performm -------1.00 THETA-DELTA achmot1 -------2.57 (0.48) 5.36 achmot2 -------2.56 (0.57) 4.46 t-s s-e1 -------1.93 (0.42) 4.53 t-s s-e2 -------2.21 (0.39) 5.71 verbintm -------2.00 jbsatis1 -------0.62 jbsatis2 -------0.64

Squared Multiple Correlations for X - Variables achmot1 achmot2 t-s s-e1 t-s s-e2 verbintm

32

-------0.32

-------0.40

-------0.59

-------0.48

-------0.85

Goodness of Fit Statistics Degrees of Freedom = 15 Minimum Fit Function Chi-Square = 14.20 (P = 0.51) Normal Theory Weighted Least Squares Chi-Square = 15.32 (P = 0.43) Estimated Non-centrality Parameter (NCP) = 0.32 90 Percent Confidence Interval for NCP = (0.0 ; 13.87) Minimum Fit Function Value = 0.12 Population Discrepancy Function Value (F0) = 0.0026 90 Percent Confidence Interval for F0 = (0.0 ; 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.013 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.087) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.70 Expected Cross-Validation Index (ECVI) = 0.47 90 Percent Confidence Interval for ECVI = (0.47 ; 0.59) ECVI for Saturated Model = 0.60 ECVI for Independence Model = 2.25 Chi-Square for Independence Model with 28 Degrees of Freedom = 256.57 Independence AIC = 272.57 Model AIC = 57.32 Saturated AIC = 72.00 Independence CAIC = 303.01 Model CAIC = 137.20 Saturated CAIC = 208.94 Root Mean Square Residual (RMR) = 0.28 Standardized RMR = 0.035 Goodness of Fit Index (GFI) = 0.97 Adjusted Goodness of Fit Index (AGFI) = 0.93 Parsimony Goodness of Fit Index (PGFI) = 0.40 Normed Fit Index (NFI) = 0.94 Non-Normed Fit Index (NNFI) = 1.01

33

Parsimony Normed Fit Index (PNFI) = 0.51 Comparative Fit Index (CFI) = 1.00 Incremental Fit Index (IFI) = 1.00 Relative Fit Index (RFI) = 0.90 Critical N (CN) = 261.56

Kecocokan Keseluruhan Model dapat ditentukan setelah beberapa ukuran disusun dalam tabel di bawah ini : Kecocokan Keseluruhan Model
Ukuran Kecocokan Incremental Fit Index (IFI) Relative Fit Index (RFI) Critical N (CN) Standardized RMR Goodness of Fit Index (GFI) Adjusted Goodness of Fit Index P-Value RMSEA

Standar IFI>=0.90 RFI>=0.90 CN>=200 RMR<0.05 GFI>=0.90 AGFI>=0.90 >=0.05 <=0.05

Realisasi 1.00 0.90

261.56 0.28
0.97 0.93 0.42863 0.013

Evaluasi Sangat Cocok Cocok Sangat Cocok Sangat Tidak Cocok Sangat Cocok Sangat Cocok Tidak Cocok Sangat Cocok

Hal ini berarti bahwa model adalah cocok dengan data.

TI Modified Model for Performance and Satisfaction Standardized Solution LAMBDA-Y perform -------performm jbsatis1 jbsatis2 2.09 - - jobsatis -------- 2.72 2.26

34

LAMBDA-X achmot -------achmot1 achmot2 t-s s-e1 t-s s-e2 verbintm BETA perform -------perform jobsatis GAMMA achmot -------perform jobsatis - 0.50 t-s s-e -------0.73 - verb int -------- 0.26 - 0.46 jobsatis -------- - 1.11 1.30 - - - t-s s-e -------- - 1.66 1.42 - verb int -------- - - - 3.36

Correlation Matrix of ETA and KSI perform -------perform jobsatis achmot t-s s-e verb int PSI Note: This matrix is diagonal. 1.00 0.53 0.30 0.73 -0.30 1.00 0.52 0.43 -0.09 1.00 0.41 -0.44 1.00 -0.41 1.00 jobsatis -------achmot -------t-s s-e -------verb int --------

perform -------0.47

jobsatis -------0.52

35

Regression Matrix ETA on KSI (Standardized) achmot -------perform jobsatis - 0.50 t-s s-e -------0.73 0.33 verb int -------- 0.26

TI Modified Model for Performance and Satisfaction Total and Indirect Effects Total Effects of KSI on ETA achmot -------perform - t-s s-e -------0.92 (0.14) 6.40 jobsatis 1.36 (0.44) 3.09 0.55 (0.15) 3.57 0.21 (0.11) 1.99 verb int -------- -

Indirect Effects of KSI on ETA achmot -------perform jobsatis - - t-s s-e -------- 0.55 (0.15) 3.57 Total Effects of ETA on ETA perform -------perform jobsatis - 0.59 (0.14) 4.24 Largest Eigenvalue of B*B' (Stability Index) is Total Effects of ETA on Y 0.354 jobsatis -------- - verb int -------- - -

36

perform -------performm jbsatis1 1.00 0.59 (0.14) 4.24 jbsatis2 0.49 (0.12) 4.27

jobsatis -------- 1.00

0.83 (0.13) 6.19

Indirect Effects of ETA on Y perform -------performm jbsatis1 - 0.59 (0.14) 4.24 jobsatis -------- - -

jbsatis2

0.49 (0.12) 4.27

- -

Total Effects of KSI on Y achmot -------performm - t-s s-e -------0.92 (0.14) 6.40 jbsatis1 1.36 (0.44) 3.09 jbsatis2 1.13 (0.36) 3.10 0.55 (0.15) 3.57 0.45 (0.13) 3.59 0.21 (0.11) 1.99 0.18 (0.09) 2.00 verb int -------- -

37

TI Modified Model for Performance and Satisfaction Standardized Total and Indirect Effects Standardized Total Effects of KSI on ETA achmot -------perform jobsatis - 0.50 t-s s-e -------0.73 0.33 verb int -------- 0.26

Standardized Indirect Effects of KSI on ETA achmot -------perform jobsatis - - t-s s-e -------- 0.33 verb int -------- - -

Standardized Total Effects of ETA on ETA perform -------perform jobsatis - 0.46 jobsatis -------- - -

Standardized Total Effects of ETA on Y perform -------performm jbsatis1 jbsatis2 2.09 1.24 1.03 jobsatis -------- 2.72 2.26

Standardized Indirect Effects of ETA on Y perform -------performm jbsatis1 jbsatis2 - 1.24 1.03 jobsatis -------- - - -

Standardized Total Effects of KSI on Y achmot -------t-s s-e -------verb int --------

38

performm jbsatis1 jbsatis2

- 1.36 1.13 The Problem used

1.53 0.91 0.75

- 0.71 0.59 0.0% of Available Workspace)

13376 Bytes (= Time used:

0.016 Seconds

Contoh penafsiran di atas mengungkap kesulitan melakukan penafsiran sebagai akibat dari informasi yang mencerminkan persamaan regresi yang terkandung itu terpencarpencar sehingga perlu dikumpulkan lebih dahulu dan persamaan regresi bersangkutan disusun. Penafsiran kemudian dilakukan setelah persamaan regresi tersebut tersusun. Penafsiran hasil akan lebih mudah dilakukan melalui hasil pelaksanaan sintaksis simplis sebagaimana disajikan di bawah ini. Sintaksis Proyek Simplis Sintaksis proyek Simplis dapat dicipta sebagai berikut :
TI Modified Model for Performance and Satisfaction Observed Variables performm jbsatis1 jbsatis2 achmot1 achmot2 't-s s-e1' 't-s s-e2' verbintm Covariance Matrix 4.37 3.00 11.76 2.31 6.04 7.90 0.53 1.35 1.46 3.80 0.81 2.01 1.20 1.47 4.24 2.46 2.08 1.97 0.85 0.72 4.67 2.18 1.59 1.82 0.69 0.74 2.43 4.24 -2.72 -1.95 -0.39 -1.42 -2.08 -2.32 -1.31 13.32 Means 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Sample Size = 122 Latent Variables Relationships performm = 1.00*perform perform jobsatis achmot 't-s s-e' 'verb int'

39

jbsatis1 jbsatis2 achmot1 achmot2

= 1.00*jobsatis = jobsatis = achmot = achmot = 1.00*'t-s s-e' = 't-s s-e'

't-s s-e1' 't-s s-e2' verbintm jobsatis perform jobsatis

= 1.00*'verb int' = perform = 't-s s-e' = achmot 'verb int' to 1.00 to 0.00 to 2.00

Set the Variance of achmot

Set the Error Variance of performm Set the Error Variance of verbintm Path Diagram

Method of Estimation: Maximum Likelihood End of Problem

Hasil Pelaksanaan Sintaksis Proyek Simplis

DATE: 7/17/2013

TIME: 19:56 L I S R E L BY Karl G. Jreskog & Dag Srbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Chicago, IL 60646-1704, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-99 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file D:\SEMCOU~1\CHP7FULL\EX56.SPJ: 8.30

40

TI Modified Model for Performance and Satisfaction Observed Variables performm jbsatis1 jbsatis2 achmot1 achmot2 't-s s-e1' 't-s s-e2' verbintm Covariance Matrix 4.37 3.00 11.76 2.31 6.04 7.90 0.53 1.35 1.46 3.80 0.81 2.01 1.20 1.47 4.24 2.46 2.08 1.97 0.85 0.72 4.67 2.18 1.59 1.82 0.69 0.74 2.43 4.24 -2.72 -1.95 -0.39 -1.42 -2.08 -2.32 -1.31 13.32 Means 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Sample Size = 122 Latent Variables Relationships performm jbsatis1 jbsatis2 achmot1 achmot2 = 1.00*perform = 1.00*jobsatis = jobsatis = achmot = achmot = 1.00*'t-s s-e' = 't-s s-e' perform jobsatis achmot 't-s s-e' 'verb int'

't-s s-e1' 't-s s-e2' verbintm jobsatis perform jobsatis

= 1.00*'verb int' = perform = 't-s s-e' = achmot 'verb int' to 1.00 to 0.00 to 2.00

Set the Variance of achmot

Set the Error Variance of performm Set the Error Variance of verbintm Path Diagram

41

Method of Estimation: Maximum Likelihood End of Problem Sample Size = 122

TI Modified Model for Performance and Satisfaction Covariance Matrix to be Analyzed performm -------performm jbsatis1 jbsatis2 achmot1 achmot2 t-s s-e1 t-s s-e2 verbintm 4.37 3.00 2.31 0.53 0.81 2.46 2.18 -2.72 11.76 6.04 1.35 2.01 2.08 1.59 -1.95 7.90 1.46 1.20 1.97 1.82 -0.39 3.80 1.47 0.85 0.69 -1.42 4.24 0.72 0.74 -2.08 4.67 2.43 -2.32 jbsatis1 -------jbsatis2 -------achmot1 -------achmot2 -------t-s s-e1 --------

Covariance Matrix to be Analyzed t-s s-e2 -------t-s s-e2 verbintm 4.24 -1.31 13.32 verbintm --------

TI Modified Model for Performance and Satisfaction Number of Iterations = 12 LISREL Estimates (Maximum Likelihood) performm = 1.00*perform,, R = 1.00 jbsatis1 = 1.00*jobsatis, Errorvar.= 4.47 , R = 0.62 (1.18) 3.79 jbsatis2 = 0.83*jobsatis, Errorvar.= 2.90 , R = 0.64 (0.13) 6.19 (0.80) 3.63

achmot1 = 1.11*achmot, Errorvar.= 2.57 , R = 0.32 (0.22) (0.48)

42

4.94

5.36

achmot2 = 1.30*achmot, Errorvar.= 2.56 , R = 0.40 (0.25) 5.26 (0.57) 4.46

t-s s-e1 = 1.00*t-s s-e, Errorvar.= 1.93 , R = 0.59 (0.42) 4.53 t-s s-e2 = 0.86*t-s s-e, Errorvar.= 2.21 , R = 0.48 (0.14) 6.26 (0.39) 5.71

verbintm = 1.00*verb int, Errorvar.= 2.00, R = 0.85 perform = 0.92*t-s s-e, Errorvar.= 2.04 , R = 0.53 (0.14) 6.40 (0.40) 5.15

jobsatis = 0.59*perform + 1.36*achmot + 0.21*verb int, Errorvar.= 3.88 , R = 0.48 (0.14) 4.24 (0.44) 3.09 (0.11) 1.99 (1.22) 3.17

Covariance Matrix of Independent Variables achmot -------achmot t-s s-e 1.00 0.68 (0.23) 2.94 verb int -1.46 (0.44) -3.30 2.74 (0.65) 4.24 -2.31 (0.68) -3.37 11.32 (1.71) 6.61 t-s s-e -------verb int --------

Covariance Matrix of Latent Variables perform -------perform jobsatis 4.37 3.00 7.42 jobsatis -------achmot -------t-s s-e -------verb int --------

43

achmot t-s s-e verb int

0.62 2.53 -2.12

1.42 1.94 -0.85

1.00 0.68 -1.46 2.74 -2.31 11.32

Goodness of Fit Statistics Degrees of Freedom = 15 Minimum Fit Function Chi-Square = 14.20 (P = 0.51) Normal Theory Weighted Least Squares Chi-Square = 15.32 (P = 0.43) Estimated Non-centrality Parameter (NCP) = 0.32 90 Percent Confidence Interval for NCP = (0.0 ; 13.87)

Minimum Fit Function Value = 0.12 Population Discrepancy Function Value (F0) = 0.0026 90 Percent Confidence Interval for F0 = (0.0 ; 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.013 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.087) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.70

Expected Cross-Validation Index (ECVI) = 0.47 90 Percent Confidence Interval for ECVI = (0.47 ; 0.59) ECVI for Saturated Model = 0.60 ECVI for Independence Model = 2.25 Chi-Square for Independence Model with 28 Degrees of Freedom = 256.57 Independence AIC = 272.57 Model AIC = 57.32 Saturated AIC = 72.00 Independence CAIC = 303.01 Model CAIC = 137.20 Saturated CAIC = 208.94

Root Mean Square Residual (RMR) = 0.28 Standardized RMR = 0.035 Goodness of Fit Index (GFI) = 0.97

44

Adjusted Goodness of Fit Index (AGFI) = 0.93 Parsimony Goodness of Fit Index (PGFI) = 0.40 Normed Fit Index (NFI) = 0.94 Non-Normed Fit Index (NNFI) = 1.01 Parsimony Normed Fit Index (PNFI) = 0.51 Comparative Fit Index (CFI) = 1.00 Incremental Fit Index (IFI) = 1.00 Relative Fit Index (RFI) = 0.90

Critical N (CN) = 261.56 The Problem used 13648 Bytes (= Time used: 0.0% of Available Workspace)

0.016 Seconds

Diagram Jalur

Diagram jalur berdasar atas basic model dan nilai t adalah sebagai berikut :

45

Penafsiran Hasil Pelaksanaan Sintaksis Proyek Simplis

DATE:

7/17/2013

TIME: 19:56 L I S R E L BY Karl G. Jreskog & Dag Srbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Chicago, IL 60646-1704, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-99 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file D:\SEMCOU~1\CHP7FULL\EX56.SPJ: 8.30

Bagian kesatu dari hasil pelaksanaan sintaksis Simplis di atas mecerminkan informasi mengenai tanggal pelaksanaan sintaksis Simplis yaitu tanggal 17 bulan Juli 2013 jam
46

19.56 memakai Lisrel 8.30 yang dicipta oleh Karl G. Jreskog dan Dag Srbom. Penerbitan Lisrel 8.30 dilaksanakan oleh Scientific Software International, Inc., dengan alamat 7383 N. Lincoln Avenue, Suite 100, Chicago, IL 60646-1704, U.S.A. Nomor telepon dan nomor Fax adalah Phone: (800)247-6113, (847)675-0720, Fax: (847)6752140. Hak Cipta dipegang oleh Scientific Software International, Inc., 1981-99. Pemakaian paket program ini sesuai dengan syarat-syarat yang telah dispesifikasikan dalam Universal Copyright Convention. Alamat website adalah Website:

www.ssicentral.com. Baris-baris ini dibaca dari arsip yang disimpan dalam folder D:\SEMCOU~1\CHP7FULL\EX56.SPJ. Informasi seperti ini akan selalu disajikan setiap kali arsip sintaksis Simplis dilaksanakan. Perbedaan yang dialami terletak pada tanggal, jam, dan alamat folder saja. Perintah TI dipakai sebagai judul dan sebagai dasar untuk mengelompokkan hasil pelasanaan ke dalam beberapa kelompok sehingga

memudahkan penafsiran.
TI Modified Model for Performance and Satisfaction Observed Variables performm jbsatis1 jbsatis2 achmot1 achmot2 't-s s-e1' 't-s s-e2' verbintm Covariance Matrix 4.37 3.00 11.76 2.31 6.04 7.90 0.53 1.35 1.46 3.80 0.81 2.01 1.20 1.47 4.24 2.46 2.08 1.97 0.85 0.72 4.67 2.18 1.59 1.82 0.69 0.74 2.43 4.24 -2.72 -1.95 -0.39 -1.42 -2.08 -2.32 -1.31 13.32 Means 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Sample Size = 122 Latent Variables Relationships performm = 1.00*perform perform jobsatis achmot 't-s s-e' 'verb int'

47

jbsatis1 jbsatis2 achmot1 achmot2

= 1.00*jobsatis = jobsatis = achmot = achmot = 1.00*'t-s s-e' = 't-s s-e'

't-s s-e1' 't-s s-e2' verbintm jobsatis perform jobsatis

= 1.00*'verb int' = perform = 't-s s-e' = achmot 'verb int' to 1.00 to 0.00 to 2.00

Set the Variance of achmot

Set the Error Variance of performm Set the Error Variance of verbintm Path Diagram

Method of Estimation: Maximum Likelihood End of Problem Sample Size = 122

Bagian kedua dari hasil pelaksanaan sintaksis Simplis disajikan di atas. Bagian ini mengandung informasi mengenai sintaksis Simplis yang dipakai. Hal ini hanya berbeda pada baris Sample Sixe = 122 saja sedangkan baris-baris lainnya adalah sama dengan sintaksis Simplis yang dipakai. Bagian ini dapat dianggap sebagai arsip cadangan yang dapat dipakai jika arsip sintaksis Simplis asli mengalami kerusakan atau mengalami kesulitan pencarian.
TI Modified Model for Performance and Satisfaction Covariance Matrix to be Analyzed performm -------performm jbsatis1 jbsatis2 achmot1 4.37 3.00 2.31 0.53 11.76 6.04 1.35 7.90 1.46 3.80 jbsatis1 -------jbsatis2 -------achmot1 -------achmot2 -------t-s s-e1 --------

48

achmot2 t-s s-e1 t-s s-e2 verbintm

0.81 2.46 2.18 -2.72

2.01 2.08 1.59 -1.95

1.20 1.97 1.82 -0.39

1.47 0.85 0.69 -1.42

4.24 0.72 0.74 -2.08 4.67 2.43 -2.32

Covariance Matrix to be Analyzed t-s s-e2 -------t-s s-e2 verbintm 4.24 -1.31 13.32 verbintm --------

Bagian ketiga dari hasil pelaksanaan sintaksis Simplis mencerminkan informasi mengenai matiks kovarians yang akan dianalisis. Data asli dilakukan perubahan menjadi matriks kovarian dalam tahap pemakaian Prelis atau matriks korelasi sesuai dengan peluang yang dipilih sesuai dengan matriks yang akan dianalisis.
TI Modified Model for Performance and Satisfaction Number of Iterations = 12 LISREL Estimates (Maximum Likelihood) performm = 1.00*perform,, R = 1.00 jbsatis1 = 1.00*jobsatis, Errorvar.= 4.47 , R = 0.62 (1.18) 3.79 jbsatis2 = 0.83*jobsatis, Errorvar.= 2.90 , R = 0.64 (0.13) 6.19 (0.80) 3.63

achmot1 = 1.11*achmot, Errorvar.= 2.57 , R = 0.32 (0.22) 4.94 (0.48) 5.36

achmot2 = 1.30*achmot, Errorvar.= 2.56 , R = 0.40 (0.25) 5.26 (0.57) 4.46

49

t-s s-e1 = 1.00*t-s s-e, Errorvar.= 1.93 , R = 0.59 (0.42) 4.53 t-s s-e2 = 0.86*t-s s-e, Errorvar.= 2.21 , R = 0.48 (0.14) 6.26 (0.39) 5.71

verbintm = 1.00*verb int, Errorvar.= 2.00, R = 0.85 perform = 0.92*t-s s-e, Errorvar.= 2.04 , R = 0.53 (0.14) 6.40 (0.40) 5.15

jobsatis = 0.59*perform + 1.36*achmot + 0.21*verb int, Errorvar.= 3.88 , R = 0.48 (0.14) 4.24 (0.44) 3.09 (0.11) 1.99 (1.22) 3.17

Covariance Matrix of Independent Variables achmot -------achmot t-s s-e 1.00 0.68 (0.23) 2.94 verb int -1.46 (0.44) -3.30 2.74 (0.65) 4.24 -2.31 (0.68) -3.37 11.32 (1.71) 6.61 t-s s-e -------verb int --------

Covariance Matrix of Latent Variables perform -------perform jobsatis achmot t-s s-e verb int 4.37 3.00 0.62 2.53 -2.12 7.42 1.42 1.94 -0.85 1.00 0.68 -1.46 2.74 -2.31 11.32 jobsatis -------achmot -------t-s s-e -------verb int --------

50

Goodness of Fit Statistics Degrees of Freedom = 15 Minimum Fit Function Chi-Square = 14.20 (P = 0.51) Normal Theory Weighted Least Squares Chi-Square = 15.32 (P = 0.43) Estimated Non-centrality Parameter (NCP) = 0.32 90 Percent Confidence Interval for NCP = (0.0 ; 13.87) Minimum Fit Function Value = 0.12 Population Discrepancy Function Value (F0) = 0.0026 90 Percent Confidence Interval for F0 = (0.0 ; 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.013 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.087) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.70 Expected Cross-Validation Index (ECVI) = 0.47 90 Percent Confidence Interval for ECVI = (0.47 ; 0.59) ECVI for Saturated Model = 0.60 ECVI for Independence Model = 2.25 Chi-Square for Independence Model with 28 Degrees of Freedom = 256.57 Independence AIC = 272.57 Model AIC = 57.32 Saturated AIC = 72.00 Independence CAIC = 303.01 Model CAIC = 137.20 Saturated CAIC = 208.94 Root Mean Square Residual (RMR) = 0.28 Standardized RMR = 0.035 Goodness of Fit Index (GFI) = 0.97 Adjusted Goodness of Fit Index (AGFI) = 0.93 Parsimony Goodness of Fit Index (PGFI) = 0.40 Normed Fit Index (NFI) = 0.94 Non-Normed Fit Index (NNFI) = 1.01 Parsimony Normed Fit Index (PNFI) = 0.51 Comparative Fit Index (CFI) = 1.00

51

Incremental Fit Index (IFI) = 1.00 Relative Fit Index (RFI) = 0.90 Critical N (CN) = 261.56 The Problem used 13648 Bytes (= Time used: 0.0% of Available Workspace)

0.016 Seconds

Bagian keempat merupakan bagian paling penting ditinjau dari sudut penafsiran hasil pelaksanaan sintaksis Simplis karena dalam bagian ini penafsiran akan dilakukan atas hubungan antara variabel-variabel indikator endogen dan variabel-variabel laten endogen, variabel-variabel indikator eksogen dan variabel-variabel laten eksogen, dan hubungan antara variabel-variabel laten eksogen dan variabel-variabel laten endogen. Penafsiran akan mencakup juga nilai dari kesalahan standar, nilai-t hitung, nilai dari kesalahan varians, nilai dari kesalahan standar dari kesalahan varians, nilai t-hitung dari kesalahan varians, dan nilai dari koefisien determinasi. Bagian ini juga mencakup ukuran-ukuran yang biasa dipakai untuk mengukur kecocokan antara model dan data. Penafsiran secara rinci mengenai hubungan dan kecocokan dapat dilakukan berdasar atas estimasi menurut metode Maximum Likelihood sebagai berikut :
performm = 1.00*perform,, R = 1.00

Persamaan regresi ini mencerminkan bahwa variabel indikator endogen performm merupakan fungsi dari variabel laten endogen perform. Koefisien regresi dari variabel laten endogen perform adalah 1. Hal ini berarti bahwa perubahan satu skor pada variabel laten endogen perform akan mengakibatkan perusahan sebesar satu skor pada variabel indikator performm. Koefisien determinasi dari persamaan regresi ini adalah sebesar 1.
jbsatis1 = 1.00*jobsatis, Errorvar.= 4.47 , R = 0.62 (1.18) 3.79

Persamaan regresi ini mencerminkan bahwa variabel indikator endogen jbsatis1 merupakan fungsi dari variabel laten endogen jobsatis. Koefisien regresi dari variabel laten endogen jobsatis adalah 1. Hal ini berarti bahwa perubahan satu skor pada variabel laten endogen jobsatis akan mengakibatkan perubahan sebesar satu skor
52

pada variabel indikator endogen jbsatis1. Kesalahan varian adalah 4.47 dengan kesalahan standar sebesar 1.18 dan nilai t-hitung adalah 3.79. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi itu adalah signifikan. Koefisien determinasi adalah 0.62. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persamaan regresi ini adalah dapat dipercaya (reliable).
jbsatis2 = 0.83*jobsatis, Errorvar.= 2.90 , R = 0.64 (0.13) 6.19 (0.80) 3.63

Persamaan regresi ini mencerminkan bahwa variabel indikator endogen jbsatis2 merupakan fungsi dari variabel laten endogen jobsatis. Koefisien regresi dari variabel laten endogen jobsatis adalah 0.83. Hal ini berarti bahwa perubahan satu skor pada variabel laten endogen jobsatis akan mengakibatkan perubahan sebesar satu skor pada variabel indikator endogen jbsatis2. Kesalahan standar adalah 0.13 dan nilai thitung adalah 6.19. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi ini adalah signifikan. Kesalahan varians adalah 2.90 dengan kesalahan standar sebesar 0.80 dan nilai t-hitung adalah 3.63. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi itu adalah signifikan. Koefisien determinasi adalah 0.64. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persamaan regresi ini adalah dapat dipercaya (reliable).
achmot1 = 1.11*achmot, Errorvar.= 2.57 , R = 0.32 (0.22) 4.94 (0.48) 5.36

Persamaan regresi ini mencerminkan bahwa variabel indikator eksogen achmot1 merupakan fungsi dari variabel laten eksogen achmot. Koefisien regresi dari variabel laten eksogen achmot adalah 1.11. Hal ini berarti bahwa perubahan satu skor pada variabel laten eksogen achmot akan mengakibatkan perubahan sebesar 1.11 pada variabel indikator eksogen achmot1. Kesalahan standar adalah 0.22 dan nilai t-hitung adalah 4.94. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi ini adalah signifikan. Kesalahan varians adalah 2.57 dengan kesalahan standar sebesar 0.48 dan nilai t-hitung adalah 5.36. Nilai t-hitung ini adalah
53

lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi itu adalah signifikan. Koefisien determinasi adalah 0.32. Nilai ini adalah lebih kecil daripada nilai 0.05 sehingga persamaan regresi ini adalah tidak dapat dipercaya.
achmot2 = 1.30*achmot, Errorvar.= 2.56 , R = 0.40 (0.25) 5.26 4.94 (0.57) 4.46 5.36

Persamaan regresi ini mencerminkan bahwa variabel indikator eksogen achmot2 merupakan fungsi dari variabel laten eksogen achmot. Koefisien regresi dari variabel laten eksogen achmot adalah 1.30. Hal ini berarti bahwa perubahan satu skor pada variabel laten eksogen achmot akan mengakibatkan perubahan sebesar 1.30 pada variabel indikator eksogen achmot2. Kesalahan standar adalah 0.25 dan nilai t-hitung adalah 4.94. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi ini adalah signifikan. Kesalahan varians adalah 2.56 dengan kesalahan standar sebesar 0.57 dan nilai t-hitung adalah 5.36. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi itu adalah signifikan. Koefisien determinasi adalah 0.40. Nilai ini adalah lebih kecil daripada nilai 0.05 sehingga persamaan regresi ini adalah tidak dapat dipercaya.
t-s s-e1 = 1.00*t-s s-e, Errorvar.= 1.93 , R = 0.59 (0.42) 4.53

Persamaan regresi ini mencerminkan bahwa variabel indikator eksogen t-s s-e1 merupakan fungsi dari variabel laten eksogen t-s s-e. Koefisien regresi dari variabel laten eksogen t-s s-e adalah 1.00. Hal ini berarti bahwa perubahan satu skor pada variabel laten eksogen s-t s-e akan mengakibatkan perubahan sebesar 1.00 skor pada variabel indikator eksogen s-t s-e1. Kesalahan varians adalah 1.93 dengan kesalahan standar adalah 0.42 dan nilai t-hitung adalah 4.53. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi ini adalah signifikan. Koefisien determinasi adalah 0.59. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persamaan regresi ini adalah dapat dipercaya.
54

t-s s-e2 = 0.86*t-s s-e, Errorvar.= 2.21 , R = 0.48 (0.14) 6.26 (0.39) 5.71

Persamaan regresi ini mencerminkan bahwa variabel indikator eksogen t-s s-e2 merupakan fungsi dari variabel laten eksogen t-s s-e. Koefisien regresi dari variabel laten eksogen t-s s-e adalah 0.86. Hal ini berarti bahwa perubahan satu skor pada variabel laten eksogen s-t s-e akan mengakibatkan perubahan sebesar 0.86 skor pada variabel indikator eksogen s-t s-e2 dengan kesalahan standar adalah 0.14 dan nilai thitung adalah 6.26. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi ini adalah signifikan. Kesalahan varians adalah 2.21 dengan kesalahan standar adalah 0.39 dan nilai t-hitung adalah 5.71. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien ini adalah signirikan. Koefisien determinasi adalah 0.48. Nilai ini adalah lebih kecil daripada nilai 0.05 sehingga persamaan regresi ini adalah tidak dapat dipercaya.
verbintm = 1.00*verb int, Errorvar.= 2.00, R = 0.85

Variabel indikator eksogen verbintm merupakan fungsi dari variabel laten eksogen verb int. Koefisien regresi dari variabel laten eksogen verb int adalah 1.00. Hal ini berarti bahwa perubahan sebesar satu skor pada variabel laten eksogen verb int akan mengakibatkan perubahan pada variabel indikator eksogen verbintm sebesar 1. Kesalahan standar adalah 0.200 dan koefisien determinasi adalah 0.85. Koefisien determinasi ini adalah lebih besar daripada nilai 0.05 sehingga persamaan regresi ini sangat dapat dipercaya.
perform = 0.92*t-s s-e, Errorvar.= 2.04 , R = 0.53 (0.14) 6.40 (0.40) 5.15

Persamaan regresi ini mencerminkan bahwa variabel laten endogen perform merupakan fungsi dari variabel laten eksogen t-s s-e. Koefisien regresi dari variabel laten eksogen t-s s-e adalah 0.92. Hal ini berarti bahwa perubahan satu skor pada variabel laten eksogen s-t s-e akan mengakibatkan perubahan sebesar 0.92 skor pada variabel laten endogen perform dengan kesalahan standar adalah 0.14 dan nilai t55

hitung adalah 6.40. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien regresi ini adalah signifikan. Kesalahan varians adalah 2.04 dengan kesalahan standar adalah 0.40 dan nilai t-hitung adalah 5.15. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien ini adalah signirikan. Koefisien determinasi adalah 0.53. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persamaan regresi ini adalah dapat dipercaya.
jobsatis = 0.59*perform + 1.36*achmot + 0.21*verb int, Errorvar.= 3.88 , R = 0.48 (0.14) 4.24 (0.44) 3.09 (0.11) 1.99 (1.22) 3.17

Variabel laten endogen jobsatis merupakan fungsi dari variabel laten endogen perform, variabel laten eksogen achmot, dan variabel laten eksogen verb int. Koefisien regresi dari variabel laten endogen perform adalah 0.59, koefisien regresi dari variabel laten eksogen achmot adalah 1.36, dan koefisien regresi dari variabel laten eksogen verb int adalah 0.21. Perubahan satu skor atas ketiga variabel laten ini akan mengakibatkan perubahan sebesar 0.59, 1,36, dan 0.21 pada variabel laten endogen jobsatis dengan kesalahan standar masing-masing adalah 0.14, 0.44, dan 0.11. Nilai t-hitung masingmasing adalah 4.24, 3.09, dan 1.99. Nilai-nilai t-hitung ini adalah lebih besar daripada nilai t-hitung sebesar 1.96 sehingga ketiga koefisien regresi itu adalah signifikan. Kesalahan varians adalah 3.88 dengan kesalahan standar adalah 1.22 dan nilai t-hitung adalah 3.17. Nilai t-hitung ini adalah lebih besar daripada nilai t-tabel sebesar 1.96 sehingga koefisien ini adalah signifikan. Nilai koefisien determinasi adalah 0.48. Nilai ini adalah lebih kecil daripada nilai 0.05 sehingga persamaan regresi ini adalah tidak dapat dipercaya.
Covariance Matrix of Independent Variables achmot -------achmot t-s s-e 1.00 0.68 (0.23) 2.94 verb int -1.46 2.74 (0.65) 4.24 -2.31 11.32 t-s s-e -------verb int --------

56

(0.44) -3.30

(0.68) -3.37

(1.71) 6.61

Covariance Matrix of Latent Variables perform -------perform jobsatis achmot t-s s-e verb int 4.37 3.00 0.62 2.53 -2.12 7.42 1.42 1.94 -0.85 1.00 0.68 -1.46 2.74 -2.31 11.32 jobsatis -------achmot -------t-s s-e -------verb int --------

Informasi di atas ini mencerminkan informasi mengenai matiks kovarians dari variabelvariabel independen.
Goodness of Fit Statistics Degrees of Freedom = 15 Minimum Fit Function Chi-Square = 14.20 (P = 0.51) Normal Theory Weighted Least Squares Chi-Square = 15.32 (P = 0.43) Estimated Non-centrality Parameter (NCP) = 0.32 90 Percent Confidence Interval for NCP = (0.0 ; 13.87) Minimum Fit Function Value = 0.12 Population Discrepancy Function Value (F0) = 0.0026 90 Percent Confidence Interval for F0 = (0.0 ; 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.013 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.087) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.70 Expected Cross-Validation Index (ECVI) = 0.47 90 Percent Confidence Interval for ECVI = (0.47 ; 0.59) ECVI for Saturated Model = 0.60 ECVI for Independence Model = 2.25 Chi-Square for Independence Model with 28 Degrees of Freedom = 256.57 Independence AIC = 272.57 Model AIC = 57.32

57

Saturated AIC = 72.00 Independence CAIC = 303.01 Model CAIC = 137.20 Saturated CAIC = 208.94 Root Mean Square Residual (RMR) = 0.28 Standardized RMR = 0.035 Goodness of Fit Index (GFI) = 0.97 Adjusted Goodness of Fit Index (AGFI) = 0.93 Parsimony Goodness of Fit Index (PGFI) = 0.40 Normed Fit Index (NFI) = 0.94 Non-Normed Fit Index (NNFI) = 1.01 Parsimony Normed Fit Index (PNFI) = 0.51 Comparative Fit Index (CFI) = 1.00 Incremental Fit Index (IFI) = 1.00 Relative Fit Index (RFI) = 0.90 Critical N (CN) = 261.56 The Problem used 13648 Bytes (= Time used: 0.0% of Available Workspace)

0.016 Seconds

Informasi di atas mengandung ukuran-ukuran yang biasa dipakai untuk menentukan kecocokan antara model dan data. Ukuran-ukuran yang dapat dipakai antara lain adalah sebagai berikut : Kecocokan Keseluruhan Model
Ukuran Kecocokan Incremental Fit Index (IFI) Relative Fit Index (RFI) Critical N (CN) Standardized RMR Goodness of Fit Index (GFI) Adjusted Goodness of Fit Index P-Value RMSEA

Standar IFI>=0.90 RFI>=0.90 CN>=200 RMR<0.05 GFI>=0.90 AGFI>=0.90 >=0.05 <=0.05

Realisasi 1.00 0.90

261.56 0.28
0.97 0.93 0.42863 0.013

Evaluasi Sangat Cocok Cocok Sangat Cocok Sangat Tidak Cocok Sangat Cocok Sangat Cocok Tidak Cocok Sangat Cocok

Hal ini berarti bahwa model adalah cocok dengan data.

58

Rangkuman Pembahasan Matriks dalam Lisrel mencerminkan bahwa Lisrel telah memanfaatkan beberapa macam matriks antara lain matriks Beta (BE), matriks Gamma (GA), matriks Phi (PH), matriks PSI (PS), matriks Lamda X (LX), matriks Lamda Y (LY), matriks Theta-Delta (TD), dan matriks Theta-Epsilon (TE). Kedelapan jenis matriks ini dapat dikelompokkan ke dalam dua kelompok yaitu kelompok matriks model persamaan struktural dan kekompok matriks model pengukuran. Matriks ini tercermin dalam sintaksis proyek Lisrel dan sintaksis proyek Simplis. Pembahasan ini telah menyajikan sintaksis proyek Lisrel, hasil pelaksanaan sintaksis proyek Lisrel, hasil diagram jalur sintaksis proyek Lisrel, dan contoh penafsiran hasil pelaksanaan sintaksis proyek Lisrel. Penafsiran hasil pelaksanaan proyek Lisrel tidak dilakukan secara keseluruhan karena harus memilih dan mengumpulkan informasi sebelum dapat menyusun persamaan regresi bersangkutan. Pengujian kecocokan antara model dan data berdasar atas hasil pelaksanaan sintaksis Lisrel juga dilakukan. Pembahasan ini telah menyajikan pula sintaksis proyek Simplis, hasil pelaksanaan sintaksis proyek Simplis, hasil diagram jalur sintaksis proyek Simplis, dan contoh penafsiran hasil pelaksanaan sintaksis proyek Simplis. Penafsiran hasil pelaksanaan proyek Simplis dilakukan secara keseluruhan karena persamaan regresi secara keseluruhan telah tersedia. Pengujian kecocokan antara model dan data berdasar atas hasil pelaksanaan sintaksis Simplis juga dilakukan. Inti dari penciptaan sintaksis proyek Lisrel dan penciptaan sintaksis proyek Simplis adalah diagram jalur. Diagram jalur dapat disusun dan hasil penyusunan diagram jalur dapat dipakai untuk mencipta sintaksis proyek Lisrel dan sintaksis proyek Simplis. Pembahaan ini banyak dipengaruhi oleh hasil studi mengenai Lisrel 8.30, Lisrel 8.80, Lisrel 9.10 dan bahan-bahan kepustakaan sebagaimana disajikan di bawah ini. Daftar Kepustakaan Du Toit, M. & Du Toit, S.H.C. (2001). Interactive LISREL: Users Guide. Lincolnwood, IL: Scientific Software International, Inc.
59

Du Toit, S.H.C. & Mels, G. (2002). Supplementary Notes on Multiple Imputation. Available at http://www.ssicentral.com/lisrel/techdocs/imputation.pdf.

Jreskog, K.G. & Srbom, D. (2005). LISREL for Windows [Computer Software]. Lincolnwood, IL: Scientific Software International, Inc.

60