AMOS Analisis Jalur [PDF]

Citation preview

Petunjuk Tugas : a. Kerjakan soal berikut dengan menggunakan program lisrel dan amos b. File hasil pengerjaan diberi nama : Tugasstat2018 – Kel 5 (Eriska Novita Sari_Hidayah Ina Qadriyani_Muhammad Badawi)-PPS P.Bio A c. Pekerjaan dikumpulkan secara kolektif ke email [email protected] Soal : Kerjakan soal berikut dengan analisis jalur (path analysis)



1. Masukkan data tersebut kedalam program Excel atau SPSS! 2. Olah data tersebut dengan menggunakan program Lisrel dan Amos! 3. Jelaskan cara kerja dan tahapan dalam menggunakan kedua program tersebut! 4. Jelaskan output dan hasil pengolahan data tersebut!



AMOS 1 1. Memasukkan data yang akan dihitung keprogram SPSS untuk selanjutnya diolah dengan analisis jalur menggunakan aplikasi Amos dan Lisrel. Terdapat 4 variabel yang terdiri atas 3 variabel x dan 1 variabel y, yaitu motivasi sebagai x1, kondisi sosial ekonomi sebagai x2, dukungan keluarga sebagai x3 dan kinerja guru menjadi variable y.



2. Sebelum nantinya data dari SPSS dimasukkan kedalam Amos, measure data dari 4 variabel diubah terlebih dahulu menjadi scala ordinal. Seperti gambar dibawah ini:



3. Kemudian buka aplikasi Amos. Berikut halaman awal tampilan amos versi 22 ketika baru dibuka.



4. Aplikasi Amos menyediakan 2 shape yaitu square dan circle seperti yang ada pada bagian kiri atas pada toolbar. Pada data ini kami mencoba membuat square untuk menempatkan variabel-variabel yang ada. Kemudian antar variabel dihubungkan dengan panah-panah. Tanda panah ada tepat dibagian bawah dari shape variabel di toolbar. Antar variable x harus saling dihubungkan (dikovarian-kan).



5. Selanjutnya untuk memasukkan variabel, data yang telah dibuat di SPSS diimport ke Amos. Dengan menekan tool select data file (s) → file name seperti yang telah dilingkari merah pada gambar dibawah. Kemudian masukkan file yang berisi data yang telah disimpan di SPSS. Klik Open → Ok setelah itu data dari SPSS telah masuk dan bisa diolah dengan Amos.



6. Selanjutnya variabel x dan y bisa dimasukkan kedalam kotak yang telah dibuat sebelumnya. Tekan tool List variabels in data set kemudian muncul tab yang berisi variabel-variabel untuk dimasukkan kedalam kotak sesuai dengan jenis variabelnya. Klik → tarik variabel → masukkan kedalam kotak tersedia.



7. Variabel y harus diberi nilai residual atau nilai error (e1) Menentukan nilai residual dan memberi nama dilakukan dengan Klik add an unique variabel to an exsisting variabel → tarik → klik dibagian



atas kotak variabel y hingga muncul lingkaran dengan lambang error (e). Untuk memberi nama nilai residual klik pada bagian menu bar plugins → name unobserved variabels.



8. Kemudian menghitung data. Sebelum menghitung data, file amos tersebut harus disimpan terlebih dahulu. Setelah itu klik title → arahkan kursor pada bagian bawah halaman hingga muncul figur caption.



9. Pada bagian caption isikan rumus chi square, df dan probability seperti yang ada pada gambar dibawah. Kemudian klok ok dan akan muncul angka-angka signifikasi antar variabel. Kemudian klik analyze → analysis properties → square multiple corelations. Cara ini bisa juga dilakukan dengan Pilih metode estimasi Maximum Likelihood (ML) dan pilih Estimate Means and Intercept. Pilih Output, lalu pilih Minization History, Standardized Estimate, Squared Multiple Correlation, dan Test of Normality and Outlier.



10. Berikut hasil output berdasarkan data yang telah diolah untuk mencari analisis jalur menggunakan aplikasi amos.



a.



b.



c.



d.



e.



f.



g.



h.



i.



Keterangan : 1) Analysis summary berisi keterangan tentang tanggal dan waktu data diolah serta nama file. 2) Notes for Group Berisi keterangan bahwa model berbentuk recursive berarti model hanya satu arah bukan model resiprokal atau saling mempengaruhi (nonrecursive). Jumlah sampel 20. 3) Variable Summary Berisi keterangan model memiliki satu variable y X2 dan tiga variable x serta satu variable unobserved x yaitu e1. Jumlah variable dalam model 5 yang terdiri dari 4 variabel observed dan satu variable unobserved dan empat variable x dan satu variable y. 4) Notes for Model Memberikan keterangan hasil perhitungan Chi-squared. Oleh karena degree of freedom (df) sama dengan nol, maka nilai probabilitas tidak dapat dihitung. 5) Estimates a. Koefisien Regresi Dapat disimpulkan bahwa X1 berpengaruh positif terhadap Y dengan koefisien standardized 0,62, begitu juga dengan X2 berpengaruh positif terhadap Y dengan koefisien standardized sebesar 0,618, tapi X3 ternyata tidak berpengaruh positif terhadap Y dengan koefisien standardized 0,187. b. Koefisien determinasi Besarnya nilai koefisien determinasi ditunjukkan oleh nilai Squared Multiple Correlation 0,664 (R2) yang berarti variabilitas Y yang dapat dijelaskan oleh variabilitas X 1, X2, dan X3 sebesar 66,4% sedangkan 33,6% adalah variable lainnya yang tidak kita teliti. Jadi dapat disimpulkan bahwa pengaruh variabel cukup baik. Kesimpulan 1. Dari hasil output di atas dapat dilihat bahwa pengetahuan berperan terhadap sikap dengan koefisien regresi terstandar 0,400 dan p