MITRA RISET
Statistic & Research
Konsultan Analisis Data KTI Skripsi Tesis Disertasi

MULTIVARIATE



MITRA RISET telah membantu Riset Mahasiswa dan Dosen sejak tahun 2002
Call: 0274-6411658  SMS: 0856 28 98968

MULTIVARIATE


POSTINGAN INI MERUPAKAN HASIL TANYA JAWAB DENGAN
Prof. Dr. Imam Ghozali, M.Com yang dirangkum dari

http://tech.groups.yahoo.com/group/multivariate_SEM

Prof. Dr. Imam Ghozali, M.Com (email: ghozali_imam@yahoo.com)

Model persamaan struktural yang kita kenal saat ini sering disebut
dengan Covariance Based SEM dan diwakili oleh software seperti AMOS,
LISREL, EQS, COSAN dsb. MOdel Covariance based SEM (CBSEM) banyak
meminta asumsi antara lain: data harus memiliki distribusi normal
secara multivariate, skala pengukuran variabel continous, variabel
laten harus diukur dengan indikator model refleksif, jumlah sample
harus besar (menurut HAIR lima kali jumlah parameter yang akan
diestimasi), model yang akan diuji harus memiliki basic penjelasan
teori yang kuat dan lebih menekankan pada konfirmatori model atau
mengkonfirmasi model dengan dunia empirisnya. Apabila asumsi ini
dilanggar, maka CBNSEM tidak dapat digunakan.

Beberapa artikel jurnal akhir-akhir ini khususnya di Sistem
ifnormasi dan marketing telah berkembang model SEM alternatif yang
sering disebut dengan variance based SEM (VBSEM) yang diwaikili oleh
software seperti PLS Graph, SmartPLS, Visual PLS. Variance based SEM
menggunaklan teknik statistik non-parametrik sehingga tidak tunduk
pada asumsi yang rumit seperti CBSEM. Data tidak harus berdistribusi
normal dan skala pengukuran dapat berupa nominal, ordinal, interval
maupun rasio. Jumlah sample tidak harus besar dengan model rumit
(100 indikator) jumlah sample 50 dapat dijalankan. Yang paling
penting adalah latent variabel indikatornya dapat dalam bentuk model
refleksif maupun formative.

Model indikator refleksif adalah konstruk/laten variabel diijelaskan
oleh indikator atau arah hubungan dari konstruk ke indikator.
Indikator-indikator mengukur hal yang sama tentang konstruk,sehingga
antar indikator harus memiliki korelasi yang tinggi. Jika salah satu
indikator dibuang, maka konstruk akan terpengaruh. Sebagai contoh
konstruk Stress diukur dengan indikator x1=pusing, x2=sakit perut,
x3=meriang dst.

Sedanggkan model indikator formative berlawanan yaitu indikator
mempengaruhi konstruk atau hubungannya dari indikator ke konstruk,
antar indikator diasumsikan tidak saling berkorelasi sehinga satu
indikator dibuang tidak akan mempengaruhi konstruk. Sebagai contoh
konstrukl Stress diukur dengan indikator x1=putus pacar, x2= diPHK
dari kerja, dstnya. Banyak riset di pemasaran yang sebenarnya
konstruk itu formative tetapi dibentuk refleksif

Kalau CBSEM menitik beratkan pada konsfirmasi, maka VBSEM lebih
menitik beratkan pada moedl prediksi, sehingga tidak diperlukan
dukungan teori yang kuat. jadi dapat disimpulkan bahwa jika tujuan
penelitian kita ingin mengkonfirmasi suatu model yang dibangun
berdasarkan pada teori, maka sebaiknya menggunakan CBSEM. SEdangkan
kalau tujuan kita ingin model prediksi dan dasar teori tidak begitu
kuat ,maka sebaiknya menggunakan VBSEM.

Tanya:
spesifikasi penggunaan Amos dan Lisrell

Prof. Dr. Imam Ghozali, M.Com:
Amos dan Lisrel adalah software untuk menyelesaikan model persamaan struktural, jadi kedua software ini akan menghasilkan estimasi parameter yang sama. Bedanya terletak pada penggunaan. Amos dapat digunakan secara grapgical interface (Amos Graphic) artinya hubungan antara variabel bisa digambar langsung dengan simbol elips (variabel laten) atau kotak (variabel observed), anda tidak perlu menyusun persamaan regresinya, tetapi amos dapat juga berangkat dari persamaan dahulu (Amos basic). kelemahan Amos, jika asumsi multivariate normalitas dilanggar atau data kita murni ordinal bukan kontinyu, terjadi hubungan moderating antar variabel, maka Amos tidak dapat menyelesaikan hal ini. Lisrel mampu mengatasi semua persoalan tadi, yaitu jika data tidak normal, skala perngukuran variabel ordinal murni dan terdapat hubungan moderating. jadi Lisrel jelasnya lebih cangih dibanding Amos

Tanya:
Saya mohon masukan tentang keunggulan dan kelemahan SEM-PLS. Adakah
sumber bacaan/artikel yang mungkin bisa saya pakai sebagai acuan agar
referensi saya cukup kuat. Trima kasih

Prof. Dr. Imam Ghozali, M.Com:
SEM Covariance dan SEM-PLS memiliki filosofi yang berbeda. Jika tujuan kita adalah konfirmatori dan model yang akan kita konfirmatori didukung oleh teori yang kuat, maka sebaiknya kita menggunakan SEM Covariance.
Apabila teori yang mendasari model kita tidak kuat dan tujuan kita bukan konfirmatori tetapi lebih ke arah prediksi, maka SEM PLS sebaiknya digunakan.
Konstruk yang memiliki indikator formative tidak dapat dirun dengan SEM Covariance dan harus dirun dengan SEM PLS.
Artikel perbandingan antara SEM PLS dengan SEM Covariance dapat dibaca di website saya www.fe.undip.ac.id:8005/imam/links cari tulisan Prof .W Chin (pencipta software PLS Graph)

Tanya:
Saya ingin menanyakan lebih lanjut mengenai Analisa Multi Diskriminan, apakah cukup untuk memprediksi kebangkrutan? Ada kah yang lebih efektif ?

Harjum Muharam:
Mengenai analisis kebangkrutan mungkin saya bisa memberikan sedikit masukan:
1. Analisis kebangkrutan memang awalnya dikembangkan oleh Altman dengan analisis diskriminant berbasis data historis (data akuntansi), pada awalnya model ini
sangat powerfull, tetapi belakangan model asli Altman mulai ditinggalkan karena dua hal: (a) model diskriminant altman hanya mengelompokkan perusahaan menjadi bangkrut dan tidak bangkrut tetapi tidak dapat menjelaskan proses kebangkrutan; (b) model diskriminan
tidak memasukkan variabel eksternal perusahaan sebagai varibel yang berpengaruh terhadap kebangkrutan. 2. Pada saat ini ada dua mainstream model yang digunakan untuk analisis kebangkrutan/default: (1) Model Struktural dan (2) Model Reduce Foam, untuk mendalami lebih lanjut kedua jenis model tersebut Anda bisa seach model-model yang sudah ikemabangkan di www.defaultrisk.com

Prof. Dr. Imam Ghozali, M.Com:
Secara statistik pada awalnya model kebangkrutan diramalkan dengan analisis diskriminan. Hanya analisis diskriminan mempunyai asumsi yang harus dipenuhi antara lain data hrs terdistribusi secara normal multivariate, variaance hrs sama. Karena masalah asumsi ini maka analisis kebangkrutan bergeser menggunakan logistic regression yang tidak mengasumsikan data harus normal dan variance harus sama (karena estimasinya menggunakan maximum likelihood, bukan ordinary least square), tetapi masih mengharuskan asumsi multikolonieritas. Perkembangan selanjutnya model kebangkrutan mengunakan model peramalan gempa bumi di geologi dengan metode trait recognition.

Tanya:
Dalam penelitian saya, Saya ingin menguji pengaruh variabel moderating
(X4) dalam hubungan: Y = a + b1X1 + b2X2 + b3X3 + e , yang menjadi
masalah adalah dapatkah saya menguji pengaruh variabel moderating
tersebut dengan menggunakan analisis residual? kalau bisa, bgm
langkah2nya? Kalau tidak, bgm solusinya? Terima kasih.

Prof. Dr. Imam Ghozali, M.Com:
Kalau yang anda tanyakan adalah variabel X4 memoderasi variabel
X1,X2 dan X3, maka analisis residual tidak dapat digunakan kecuali
anda berasumsi X4 memoderasi huhungan X1 dan Y dan X2 dan X3
dianggap konstan (shg akan ada 3 regresi). Solusinya gunakan saja
model interaksi shg anda membuat regresi dengan interaksi sbb:

Y = a0 + a1X1+a2X2+a3X3+a4X1X4+a5X2X4+a6X3X4+e atau
Y = a0+a1X1+a2X2+a3X3+a4X4+a5X1X4+a6X2X4+a7X3X4+e

yang menjadi masalah adalah kemungkinan terjadi multikolonieeritas
antar variabel independen, tetapi jika ada multikol dapat diatasi
dengan melakukan center variabel (data mentah – nilai rata-tatanya)
dan ini akan menyelesaikan masalah multikol

Tanya:
Saat ini saya sedang melakukan penelitian tentang faktor yang
mempengaruhi minat menggunakan internet banking. Data pada penelitian
saya adalah data ordinal dengan jumlah sampel sebesar 100 sehingga
tidak memungkinkan menggunakan metode Weighted Least Square sedangkan
ketika data saya ubah menjadi data continous dan saya lakukan
screening data, maka data saya tidak normal sehingga harus dikoreksi
dengan menggunakan Asymptotic Covariance Matrix. Sedangkan ketika saya
mencoba menggunakan cara tersebut maka muncul warning yang mengatakan
bahwa jumlah sampel terlalu kecil sehingga asymptotic variance dan
covariance tidak dapat dihitung, lalu bagaimana solusinya? apakah ada
cara lain untuk melakukan screening data untuk data ordinal dan
bagaimana cara mengolah data ordinal selain dengan menggunakan WLS?

Prof. Dr. Imam Ghozali, M.Com:
Di buku saya Lisrel ada dua cara mengatasi data yang tidak Normal.
Pertama data yang ada dapat kita normalkan lebih dahulu dengan
fasilitas yang ada di Lisrel (lihat buku Lisrel hal 68), setelah
dinormalkan lakukan analisis seperri biasa dengan estimasi maximum
likelihood.

Cara kedua kita tidak merubah data, tetapi yang kita baca adalah
chisquare yang sudah disesuaikan dengan data yang tidak normal,
yaitu Satorra-Bentler Scaled Chisquare (lihat buku Lisrel hal 229)

Cara ketiga rubah data ordinak saudara lebih dahulu menjadi interval
(kontinyu), baru lakukan analisis dengan LISREL atau anggap bahwa
data saudara adalah interval sepanjang skala score konsisten sama
besarnya.

Tanya:
Menanggapi kelebihan dan kekurangan program AMOS,
mengenai data tidak terdistribusi secara normal multivariate dan jika
dalam model ada hubungan interaksi (moderating,bukankah dalam buku
bapak bab 11 dan 12, bapak telah memberikan solusinya?
apakah menurut bapak memang jauh lebih baik menggunakan LISREL? karena
memang data saya merupakan data ordinal 1 – 5 dari sangat tidak setuju
sampai sangat setuju. apakah AMOS tidak dapat mengolahnya?
rasanya saya lebih tertarik dengan program AMOS, karena panduan yg
bapak berikan dalam buku bapak rasanya sangat memudahkan

Prof. Dr. Imam Ghozali, M.Com:
Program Amos menggunakan asumsi bahwa data kontinyu atau
interval/ratio. jadi kalau anda menggunakan Amos data skala likert
harus dianggap sebagai interval.

Model dengan variabel moderating biasanya interaksi (Y= a +b1X1
+b2X1 + B3X1X2)sehingga indikator antara konstruk X1 dan indikator
konstruk X2 harus diinteraksikan (dikalikan) untuk membentuk
konstruk moderator (X1X2). Program Amos tdk dapat melakukan hal ini,
oleh sebab itu hanya dengan cara split jadi dilakukan pengujian dua
model pada moderator tinggi dan rendah dan dibandingkan hasilnya.
Lisrel mampu mengatasi hal ini dengan baik yaitu membentuk interaksi
antar indikator.

Pada Amos jika terjadi data tidak normal (menyalahi asumsi SEM),maka
solusinya dilakukan dengan boostraping dan ini hanya ingin melihat
pakah tidak normalnya data serius tidak pengaruhnya terhadap hasil.
Lisrel mengatasi data tidak normal dengan dua cara:
1. Biarkan data tidak normal, dan uji Chi-square yang dibaca adalah
chi-square yang sudah adjusted terhadap ketidak normalan data
disebuty dengan Satora Bentler Chi-square (software yang canggih
kita tdk usah merubah data menjadi normal), tetapi uji statisyiknya
yang menyesuaikan ketidak normalan data.
2. Lisrel mampu merubah data kita dari tidak Normal menjadi normal,
baru kita analisis seperti biasa (lihat buku saya Lisrel hal 29)

Pada kasus data ordinal murni, Amos tidak dapat digunakan. Lisrel
memberikan fasilitas menganalisis jika data bersifat ordinal murni
(lihat buku saya Lisrel hal 179)

Harjum Muharam:
Kalau memang Anda masih bekeinginan menggunakan AMOS dan karena Program AMOS mengasumsikan datanya kontinyu (interval/rasio) maka data ordinal yang Anda miliki
distandarisasi dulu dengan cara:
1. dari SPSS bisa langsung menggunakan nilai Z, atau
2. Secara manual dengan rumus
x(std)=(x-xrata-rata)/standar deviasi

Dengan cara ini Anda akan mendapatkan data baru yang
sudah berskala interval dan siap untuk diolah dengan
AMOS.

Tanya:
Dalam output Lisrel saya keluar peringatan seperti ini:

1. W_A_R_N_I_N_G: Matrix to be analyzed is not positive definite,
1. ridge option taken with ridge constant = 1.000
2. W_A_R_N_I_N_G : Error variance is negative.

Apakah maksudnya dan bagaimanakah mengatasinya?

Dalam membaca output utk uji kesesuian (GOF) apakah semua criteria harus dipenuhi? Misalnya chi-square, nilai P, GFI,RMSEA dan harus semuanya menunjukkan angka yang Fit. Atau bolehkah kita mengambil salah satu kriteria saja dan menyatakan bahwa model telah FIT sekalipun kriteria yg lain tidak menunjukkan angka Fit. Kalau demikian criteria manakah yg lebih penting untuk di acu?

Prof. Dr. Imam Ghozali, M.Com:
Melihat hasil output ada warning matrix is not positive definite dan error variance negative, artinya ada masalah dengan data saudara, mungkin juga kesalahan dalam sepsifikasi model.
Kasus ini namanya Heywood case, hal ini terjadi jika nilai standardized loading factor ada yang lebih dari satu sehingga variance menjadi negative. (lihat buku Amos hal 55 dan buku Lisrel hal 150)
Ada dua cara mengatasinya: (1) melihat distribusi data apakah normal dan memiliki data yang outlier. Jia tidak mau report mengubah data maka cara (2) memberi nilai konstrain pada variance yang negative dengan angka sembarang positive kecil misal 0.005 (lihat juga buku Hair ,1998)
Untuk menilai suatu model baik atau tidak, hipotesis nol adalah model cocok dengan data empiris (fit). Jadi model yang baik adalah yang tidak menolak hipotesis nol atau nilai Chi-square kecil dan tidak signifikan p>0.05. Hanya saja nilai Chi-square sangat sensitif terhadap jumlah sample, semakin besar sample ada kecebderungan nilai Chi-square besar dan signifikan. Oleh sebab itu jika Chi-square signifikan ,lalu kita abaikan dan melihat kriteria Goodness-fit lainnya seperti GFI (General Fit Index), AGFI (Adjusted GFI), Tucker Lewis Index (TLI) semuanya direkomendasikan oleh banyak penulis nilainya harus > 90% dan RMSEA <0.08 style=”font-weight: bold;”>Tanya:
Does likert ordinal scale? or interval scale?
in some research, frequently i found that likert treat as interval scale, researcher make an analysis (for example regression), whereas regression analysis need interval scale for its assumption.
I think likert is tend to ordinal scale, because if we have a question with answer like this :

1 : Very Good
2 : Good
3 : Fair

so, the answer doesn’t allow us to make mathematical operations, for example
1 (very good) + 2 (good) = 3 (fair), that’s incorrect.

so, which is the correct one?

Prof. Dr. Imam Ghozali, M.Com:
Yes, its true that likert scale basically is ordinal. It also can be argued that it is interval. Let say, you convert the ordinal scale into interval scale using normal distribution. The original ordinal scale has score 1, 2, 3, 4, and 5 after you have converted into interval scale the score might be continue 1.23, 2.53, 2.85,3.12 and 3.49 . The interval score still the same as ordinal score intern of location, the lowest score 1.23 for strongly disagree, 2.53 for disagree, 2.85 for neutral, 3.12 for agree, and 3.49 for strongly agree. Therfore it can be assumed that likert scale is interval scale as long as the way you asked question is consistent.
Just try to convert ordinal score into interval score and compare the score result.

Tanya:
so, we must “upgrade” it from ordinal scale to interval scale, and then we can run analysis based on interval scale, such as regression analysis or path anaysis. but, how can we convert it? is there specific method to do that?

i heard that there is a method called “method of successive interval (MSI)” to convert ordinal into interval scale, do you have any stuff/material regarding MSI? who is the inventor for that method? because i have googling but i could not find the method that i mean..

Prof. Dr. Imam Ghozali, M.Com:
There is a book title ” Sikap Manusia” written by Saifudin Aswar (Psikologi UGM). This book shows you how to convert from ordinal scale into interval scale

Tanya:
Sekarang ini saya sedang mengalami kesulitan bagaimana caranya untuk
memasukkan variabel pemoderasi di dalam model struktural.

Prof. Dr. Imam Ghozali, M.Com:
Model yang anda tanyakan tidak muncul di layar. Pertanyaan saya apakah
anda nanti akan menggunakan software AMOS atau LISREL untuk
menyelesaikan modekl strukturalnya.

Amos tidak mampu membuat model moderating dengan interaksi. jadi Amos
hanya mampu mengestimasi moderating dengan teknik split atau
memisahkan variabel moderating kedalam dua kategori tinggi atau rendah
lalu mengestimasi dua model dengan moderating tinggi dan rendah dan
dibandingkan hasil estimasi parameternya (lihat buku saya AMOS)

Kalau anda menggunakan LISREL maka moderating dapat dilakukan dengan
melakukan interaksi terhadap indikator (caranya lihat buku saya
structural equation modeling dengan LISREL 8.54 atau menggunakan
Partial Least Square (PLS)buku terbaru yang terbit minggu ini)

Tanya:
Saya ingin menanyakan mengenai aturan jumlah sampel
bagi model SEM, apakah ada syarat minimum untuk dapat mengunakan
model SEM ini?

Prof. Dr. Imam Ghozali, M.Com:
Mungkin copy pernyataan ini dapat membantu anda untuk:
‘In the literature, sample sizes commonly run 200 -
400 for models with 10 – 15 indicators. One survey of
72 SEM studies found the median sample size was 198.
Kling (1998: 12) considers sample sizes under 100 to
be “untenable” in SEM. A sample of 150 is considered
too small unless the covariance coefficients are
relatively large. Loehlin (1992) recommends at least
100 cases, preferably 200. With over ten variables,
sample size under 200 generally means parameter
estimates are unstable and significance tests lack
power.

One rule of thumb found in the literature is that
sample size should be at least 50 more than 8 times
the number of variables in the model. Another rule of
thumb, based on Stevens (1996), is to have at least 15
cases per measured variable or indicator. Bentler and
Chou (1987) recommend at least 5 cases per parameter
estimate (including error terms as well as path
coefficients). The researcher should go beyond these
minimum sample size recommendations particularly when
data are non-normal (skewed, kurtotic) or incomplete.
Note also that to compute the asymptotic covariance
matrix, one needs k(k+1)/2 observations, where k is
the number of variables; PRELIS will give an error
message when one has fewer observations. Sample size
estimation is discussed by Jaccard and Wan (1996:70-74)’
Sumber: www2.chass.ncsu.edu/garson/pa765

Tanya:
Saya sedang mengolah data penelitian dengan design quasi eksperimen dgn model post test only control group design. Instrument yang dipakai adalah kuesioner. Masalah yang ingin saya tanyakan adalah:
1. Menurut teori, apk uji validitas dan reliabilitas dilakukan untuk semua kuesioner baik kelompok eksperimen dan kelompok yang tidak diberi treatment (kelompok kontrol) ?
2. Saya telah menguji validitas dan reliabilitas untuk kelompok eksperimen, dan hasilnya banyak item yang valid dan reliabel. Namun jika data dari kelompok eksperimen digabung dengan kelompok kontrol maka validitasnya turun sehingga jumlah item yang tidak valid lebih banyak.
Demikian, mohon sarannya. Terimakasih

Prof. Dr. Imam Ghozali, M.Com:
Saya belum tahu persis data yang anda kumpulkan quasi ekperimen berdasarkan pada laboratory eksperimen (ersponden disiolasi disuatu tempat dan ditunggui dalam menjawab kuesioner) atau field ekperimen (kirim kuesioner lalu responden diminta mengisi shg anda tdk dapat mengontrol responden).

Pada laboratory ekperimen anda tidak perlu melakukan uji reliabilitas dan validitas karena anda dapat mengontrol subyeknya shg pasti didapat reliabilitas dan validitas yang tinggi. Persoalan menjadi lain kalau anda mengunakan field ekperimen dimana anda tdk dapat mengontrol subyek langsung.Dalam hal ini uji reliabilitas dan validitas perlu dilakukan baik yang kontrol maupun yang ekperimen.

Tanya:
Saya adalah peneliti S3 dari Ritsumeikan Asia Pacific University Japan. Tema disertasi saya adalah pengembangan kota kecil di lingkungan pedesaan dalam kerangka pengembangan wilayah berbasis agropolitan. Salah satu analisa yang saya lakukan adalah analisa pengaruh karakter sosio-ekonomi warga pedesaan dalam mempengaruhi tingkat penggunaan mereka terhadap kota kecil dengan asumsi mereka memiliki pandangan yang sama mengenai ketersediaan barang dan jasa serta peluang menjual produk mereka di kota kecil kawasan mereka.
Saya telah membaca buku Bapak dan saya banyak sekali belajar mengenai Structural Equation Modeling. Tapi saya menghadapi beberapa kendala. Diantaranya, saya ingin menerapkan hubungan moderating, namun dalam bab mengenai moderasi, untuk kasus kemampuan berinteraksi, dalam matriks kovarians, sudah terdapat sebuah variabel konstruk bernama interaksi atau varint. Dari manakah diperoleh variable tersebut, karena data yang saya punya hanyalah data variable construct yang semuanya digunakan untuk mengukur variable latent, dan melalui moderasi, salah satu variable latent akan mempengaruhi bagaimana variable yang lain berhubungan dengan variable dependent.
Jadi intinya, saya ingin bertanya bagaimana anda mendapatkan data kovarians untuk VARINT/INTERAKS pada hal. 254. Karena variable kemampuan berinteraksi diukur dengan variable manifest KL dan KP.
Saya sangat berterima kasih apabila bapak dapat memberikan jawaban. Atau bapak dapat memberikan no telp bapak untuk saya hubungi bila bapak tidak berkeberatan. Terima kasih banyak Prof. Ghozali.

Prof. Dr. Imam Ghozali, M.Com:
Saya kira di buku saya halaman 252 jelas sekali tolong dibaca pelan-pelan. Intinya persamaan moderated regression adalah Y= a+b1X + b2Z + b3X*Z. Dengan model laten variable maka variabel moderating hrs dibuat interaksinya. untuk kasus di buku saya lihat hal 252 dan juga dibuat error variance dari indikator variabel interaksinya (lihat rumus di buku saya)

Hal 253 – 259 memberikan contoh cara membuat variabel oderating

1. Pertama lakukan analisis tanpa moderating yaitu Y= a+b1X + b2Z
2. Dapatkan nilai loading factor dan variance dari masing-masing variabel laten X dan Z
3. Nilai loading dan variannce ini digunakan untuk membuat indikator variabel moderating (lihat rumus di atas)
4. Setelah mendapatkan nilai loading untuk moderating dan error variance indikator moderating, gunakan ini untuk membuat syntax simplisnya seperti terlihat pada hal 256.

Semoga menjawab pertanyaan saudara. Atau anda bisa menggunakan SEM variance based dengan Program Partial Least Square (PLS) lebih mudah mengoperasikannya. Saya sudah menulois bukunya dengan judul Structural Equation Modeling Metode Alternatif dengan PLS (ada 4 software gratis saya sertakanm di CD) anda bisa dapatkan kalaui di Jkt di Gramedia Matraman, Taman Anggrek Mall dan Citraland Slipi

Mordevan:
xlsat adalah program yang paling tepat untuk melihat hubungan pls
banyak x variables dengan satiu atau lebih y. cuma karena ini program
harus beli 500 an dollar maka jadi tak menarik untuk dicoba.
yang gratis adalah yang disebut pak ghozali, hitung pls coefficients,
kemudian dapat dipindah ke excelnya microsoft untuk dihitung mlr
coefficients nya beserta intercept.
b(mlr) = b(pls)/stdev(x) * stdev(y)
intercept = y(avg) – ( x’(avg)*b(mlr) )

Prof. Dr. Imam Ghozali, M.Com:
Sebetulnya banyak software PLS yang gratisan dan bisa download dari
internet, memang ada yg hrs register spy mendapatkan activation key.
Berikut ini software PLS dan alamat website:

Smart PLS versi 2.1 www.smartpls.de

PLS Graph www.bauer.uh.edu/plsgraph/build126.exe (install password:
arendt)

Visual PLS (VPLS) http://www2.kuas.edu.tw/prof/fred/vpls (software ini
menu dalam bhs indonesia saya yang kontribusi)

PLS GUI http://dmsweb.badm.sc.edu/yuanli

Semua software ini ada di CD buku saya “SEM metode Alternatif dengan
Partial Least Square)

Tanya:
Mau tanya tentang crosstabs nih. Uji chi square tidak valid apabila di dalam cell mempunyai nilai kurang dari 5 (n observasi di cell kurang dari 5). Bagaimana cara mengatasinya dengan menggunakan program SPSS. Makasih yang memberi komentar.

Prof. Dr. Imam Ghozali, M.Com:
Kalau data anda pada satu cell kurang dari 5, maka pada crosstab ada
pilihan Exact. Pilih Tombol ini dan pilih Exact atau monte carlo (anda
bisa baca helpnya apa itu exact, disana dijelaskan panjang lebar salah
satunya kalau dalam satu cell kurang dari 5)

Tanya:
jika kita ingin menggunakan path analysis, berapa buah sampel
seharusnya kita anbil? jika data kita berupa data kategorik, gimana cara kita merubahnya
menjadi data interval. sehingga data kita bisa dianalisis
menggunakan path analysis?

Prof. Dr. Imam Ghozali, M.Com:
Apakah data ordinal harus diubah dahulu menjadi interval? Beberapa
universitas di Indonesia mengharuskan data ordinal hrs diubah dahulu
menjadi interval baru dapat dianalisis dengan multivariate statitik.

Di barat sono perdebatan ini sudah selesai tahun 1950an. Data
ordinal dengan Skala Likert STS(1),TS(2),N(3),S(4) SS(5) jika diubah
skalanya menjadi interval maka skore interval akan mirip sama
urutannya dengan skore asli ordinal dan berkorelasi sebesar 99%.
Jadi data asli ordinal sama dengan interval dan dapat dianggap
interval. kaitan dengan interpretasi

Misalkan saya punya Y = a + b1X1 +b2X2

Y = 0.50 +0.25X1 +0.30X2

Jika data kita interval misal Y=GDP, X1=Inflasi dan X2=Kurs, maka
saya dpt menginterpretasikan bahwa kalau inflasi naik 10% maka GDP
naik 2.5%, kalau kurs naik 10%, maka GDP naik 3%. Akan tetapi kalau
data kita ordinal (kualitatif) misal Y=kepuasan kerja, X1=Komitmen,
X2=motivasi, maka saya tdk bisa interpretasi jika komitmen naik 10%
maka kepuasan naik 2.5% (karena data kita kualitatif) jadi kita
hanya bisa mengatakaan bahwa komitmen berpengaruh thdp kepuasan
seberapa besar pengaruhnya tdk tahu (kualiatif). walaupun data
ordinal tadi sdh menjadi interval tetap saja kita tdk bisa
interpretasi krn data kita aslinya adalah kualitatif

Di jurnal-jurnal ilmiah tdk pernah dipersoalkan bahwa data ordinal
hrs diubah dahulu mejadi interval, krn mereka sdh clear masalah ini
50 tahun lalu dan kita masih mempersoalkan sampai saat ini
Yang berminat saya berikan referensi diskusi hal ini dari salah satu
buku terbitan 1957

Tanya:
jKalau error variance tidak negatif tetapi dibawah 1,96 sehingga berwarna merah (tidak signifikan?)
Apakah artinya?dan bagaimanakah cara mengatasinya?

Prof. Dr. Imam Ghozali, M.Com:
Coba lihat di standardized parameter, yng tadinya indikatior itu nkilainya lebih dari satu atau variance menjadi negatif. Setelah diberi nilai positif sekarang nilai indikator itu tdk signifikan yang berarti indikator itu tdk mengukur konstruknya

Tanya:
Perkenalkan nama saya Roland. Saya sedang menulis skripsi yang di
dalamnya mengunakan model variabel moderating. Saya menghadapi masalah
ketika data saya tidak normal dan data saya mengalami masalah
multikoloneartitas. Di buku Prof (Analisis Multivariate dengan SPSS)
disebutkan cara mengatasinya dengan memperhatikan grafik tetapi tidak
disebutkan grafik beserta dengan nama grafik, yang disebutkan hanya
nama grafiknya saja sehingga saya cukup kebingungan. Masalah yang
kedua adalah bagaimana cara mengatasi masalah multikolonearitas yang
saya hadapi. Saya sudah mencoba dengan cara (data mentah – rata
ratanya)tetapi belum berhasil mengatasi masalah tersebut. Untuk itu
saya sangat mengharapkan bantuannya. terimakasih

Prof. Dr. Imam Ghozali, M.Com:
Didalam uji klasik normalitas yang dimaksud adalah normalitas dari
residual atau error (bukan normalitas data). Jika model anda tdk
normal residualnya, model diubah dalam bentuk semilog (sebelaha kana
persamaan di log semua sedang kiri tdk di log atau sebaliknya
sebelah kiri di log dan kanan tdk dilog) jika residula masih tdk
normal gunakan double log atau kanan dan kiri persamaan di log. Jika
msh tdk normal baru kita lihat masing-masing data (variabel) dibuat
normal dengan fasilitas transform dan compute.

Untuk menghilangkan multikol dapat dilakukan dengan merubah data
menjadi mean center (yaitu data mentah dikurangi nilai rata-ratanya
dan data ini yang diolah).

Tanya:
Dalam kesempatan ini, saya ingin sharing kepada bapak dan ibu semua
mengenai perlunya uji validitas dan reliabilitas bagi kuesioner dalam
suatu penelitian, apakah ini diharuskan? dan mengapa? Selama ini
sepengatahuan saya,uji validitas dan reliabilitas itu bersifat mutlak
bagi kuesioner sebagaikarena kuesioner merupakan data primer yang perlu
diuji kesahihannya melalui uji validitas dan reliabilitas. Apakah hal
tersebut benar? Bila dalam menguji kita menemukan skripsi dengan data
primer (kuesioner) tetapi tidak melakukan uji validitas dan
reliabilitas bagaimana? Atas masukan dan sarannya saya ucapkan terima
kasih.

Ahyar Yuniawan:
Benar mbak Puji, data yang diperoleh dengan
menggunakan kuesioner tetap harus diuji validitas dan
reliabilitasnya, termasuk kuesioner terjemahan. Jika
tidak maka tidak memenuhi kaidah riset yang ilmiah.
Namun, ada yang berpendapat bahwa untuk kuesioner yang
telah banyak dipakai dan telah teruji dengan baik
tidak perlu dilakukan uji validitas dan reliabilitas.
Pendapat ini menurut saya tidak pas karena pada
kenyataannya responden akan mengalami perubahan nilai
dari waktu ke waktu sehingga uji validitas dan
reliabilitas tetap perlu dilakukan meski kuesioner
tersebut sudah teruji dengan baik.
Semoga membantu,

Tanya:
Bagaimanakah step by step untuk melakukan analisa logistik dengan menggunakan spss atau gap analysis dengan spss

Prof. Dr. Imam Ghozali, M.Com:
Anda dapat membaca buku saya “Analisis Multivariate dengan SPSS”
atau Analisis Multivariate lanjutan dengan SPSS” buku yang kedua
lebih lengkap karena berisi juga multinomial logistik dan ordinal
logistik. Di buku tersebut saya tuntun apa yang harus dipilih menu
perintah dan unterpretasi hasilnya.

Tanya:
saya dedi rianto mersa bingung karena ada dosen menyuruh melakaukan uji ekonometri tetapi ada sebagaaian yang tidak.
didalam pembuatan thesis ada sesuatu perdebatan, dimana ada sebagaian dosen yang mengatakan bahwa tidak perlu lagi melakukan uji ekonomiteri, misalnya uji normalitas, autokorelasi, heksakedaktisitas dan sebagainya.saya mohon informasi apakah uji ekonometri itu wajib dilakukan dalam setiap pengolahan data khususnya untuk menguji pertanyaany
terima kasih, wassalam.

Achmad Hisyam:
Itu bukan uji ekonometri namanya Pak, tapi uji Asumsi Klasik.
Dari keempat uji yang ada yaitu : Normalitas, Non Heteroscedastic, Non Autocorrelated, dan Non Multicollinearity. Dari keempat Asumsi di atas, hanya Normalitas saja yang WAJIB dipenuhi jika ingin menggunakan Regresi Linear. Ketiga asumsi lainnya bisa dilanggar, dan hasil regresi tetap BLUE (Best Linear Unbiased Estimator) tetapi tidak MV (Minimum Variance) yang hanya bisa dipenuhi jika keempat asumsi tersebut dipenuhi.
Jika asumsi dilanggar, bisa dilakukan pengobatan terhadap masing-masing pelanggaran tersebut. Tidak diobati pun tetap BLUE (sebagaimana yang saya katakan di atas), hanya saja tidak bisa digunakan untuk Forecasting, tetapi tetap bisa digunakan untuk Predicting. (Bedakan antara Forcasting dan Predicting)

Ahyar Yuniawan:
Tinggal anda pilih pendekatan yang akan anda gunakan,
apakah parametrik atau non-parametrik. Jika parametrik
yang anda pilih, sebaiknya anda penuhi uji-uji
ekonometri yang anda maksudkan spt.: normalitas,
asutokorelasi, dll karena semua uji-uji tersebut untuk
memenuhi asumsi-asumsi yang diminta dalam analisis
multivariat. moga menjawab.

Firmansyah:
Urun rembug soal uji asumsi model klasik>
menurut saya, penjelasan mengenai asumsi model klasik
tidak melalui pendekatan parametrik or non parametrik.
Setuju dengan saudara Hisyam, bahwa uji ini perlu
dilakukan untuk CLRM (classical linear regression
model). hanya multikolinieritaslah yang perlu
pertimbangan matang (dari segi teoritisnya dll) oleh
kita untuk diperbaiki jika terjadi dalam model kita.
artinya, perlukah kita memperbaikinya?
Berbeda dengan sdr Hisyam, untuk autokorelasi, jika
terdapat di dalam model, maka model regresi sudah
tidak BLUE. meskipun estimator unbiased, tetapi tidak
lagi efisien (tidak best). Begitu juga dengan
heterokedastisitas. Untuk normalitas residual (CLRNM),
perlu asumsi ini diuji jika kita menggunakan sampel
yang terbatas, sehingga akan menentukan apakah uji t
dan F layak baca atau tidak

Tanya:
Maaf Prof Imam dan rekan milis sekalian.

Ini kali pertama saya mengirimkan posting dalam milis ini.
Pengetahuan saya tentang multivariat masih dikatakan dasar, namun
saya mencoba menggunakan milis ini untuk bisa bermanfaat bagi saya.
Didalam pembuatan hipotesis nol (Ho), apakah diperbolehkan dengan
membuat hipotesis yang bukan ‘sama dengan’ atau ‘terdapat
perbedaan’?
Maksud saya, apabila saya ingin membuat analisis pengaruh tindakan
supervisi terhadap kepuasan kerja auditor (kebetulan yang ingin saya
teliti auditor) apakah boleh-boleh saja apabila saya membuat
hipotesis seperti berikut ini:

1.a. Terdapat perbedaan pelaksanaan aspek kepemimpinan dan
mentoring, aspek kondisi kerja dan aspek penugasan dalam tindakan
supervisi antara auditor di Kantor Akuntan Publik (auditor
eksternal) dengan auditor di perusahaan (auditor internal).
1.b. Terdapat perbedaan tingkat kepuasan kerja auditor di Kantor
Akuntan Publik (auditor eksternal) dengan auditor di perusahaan
(auditor internal).
2. Tindakan supervisi yang direkomendasikan AECC (aspek kepemimpinan
dan mentoring, aspek kondisi kerja, dan aspek penugasan) berpengaruh
terhadap tingkat kepuasan kerja auditor.
3. Terdapat perbedaan pengaruh tindakan supervisi (meliputi aspek
kepemimpinan dan mentoring, aspek kondisi kerja dan aspek penugasan)
terhadap kepuasan kerja auditor di Kantor Akuntan Publik (auditor
eksternal) dengan auditor di perusahaan (auditor internal).

Prof. Dr. Imam Ghozali, M.Com:
Pada prinsipnya penelitian itu ingin menolak hipotesis nol dan
menerima hipotesis alternatif. karena yang ingin kita terima
hipotesa alternatif maka penulisan hipotesis alternatif adalah ada
beda, ada korelasi dan ada pengaruh.Sedangkan Hipoetsis nol yang
akan kita tolak maka hipotesisnya tdk ada beda, tdk ada korelasi dan
tdk ada pengaruh.

Oleh karena itu dalam penelitian yang umunya ditulis adalah hipotesa
alternatif, yaitu hipotesis yang akan diterima.

Tanya:
Bapak dan ibu yg terhormat, tolong bantu saya apa perbedaan antara
LISRELL dan SPSS serta dalam penelitian seperti apa masing2 alat bantu
uji tsb cocok digunakan?(beserta contohnya).Kemudian saya ingin
melakukan penelitian mirip dgn penelitian sebelumnya yg ada (memakai
LISRELL) tetapi saya ingin mencoba menggantinya dgn SPSS.apakah hal
tsb memungkinkan?.
terima kasih atas attensinya.

Prof. Dr. Imam Ghozali, M.Com:
Lisrel dan SPSS sebetulnya sama saja sebagai software statistik yang
mampu mengolah beberapa uji statistik. Beda yang sangat mendasar
lisrel dapat digunakan untuk menguji model dimana variabel-nya
unobserved atau sering disebut latent variabel yaitu variabel yg tdk
dapat diukur langsung (hrs dengan indikator atau kuesioner)dan juga
Lisrel mampu menguji model struktural yaitu hubngan antar variabel yg
komplek secara simultan (generasi kedua multivariate.

Jadi jika model anda hanya biaya yaitu multivariate analisis seperti
regresi, anova. manova dll lisrel dan SPSS sama-sama dapatr
menyelesaikan model tsb. Namun jika model sdh komplek dan variabelnya
laten SPSS tdk mampu mengolahnya dan anda hrs menggunakan Lisrel

Tanya:
Bapak, Ibu yang terhormat. Saya sekarang lagi butuh jenis-jenis software statistik apa aja yang bisa ngolah data untuk desiagn experiment dan qualty control, selain MINITAB, apakah ad softwre yang lainnya. Apa saja perbedaan, dan keunggulan serta kelemahannya. Terima Kasih atas jawabannya.
Send instant messages to your online friends http://uk.messenger.yahoo.com

Prof. Dr. Imam Ghozali, M.Com:
Kalau anda ingin mencari softawre statistik quality control atau
design experiment dan gratis lagi, coba kunjungi website di bawah ini:

http://freestatistics.altervista.org/stat.php

Selamat mencoba

Tanya:
saya memerlukan petunjuk langkah-langkah didalam teknik analisis data dengan menggunakan SMARTHPLS. apakah teknik analisis dengan PLS memerlukan 7 langkah seperti pada AMOS?saya memerlukan data tersebut untuk merampungkan bab III tesis saya.

Prof. Dr. Imam Ghozali, M.Com:
Mas Syaiful, analisis dengan PLS tidak sama dengan AMOS.
Pertama anda perlu menganalisis outer model atau measurement model
yang meliputi convergent validity, discriminant validity, contruct
reliability, variance extracted. Kemudian vbaru dianalisis inner
model atau structuiral model dengan melihat nilai t statistik.

Semua ada di buku PLS saya atau anda bisa lihat tulisan saya di
Manajemen Usahawan Indonesia bulan Agustus 2006, saya menulis
artikel dengan PLS]

Tanya:
Assalamualakum,wr.wb. Salam sejahtera.Hallo semua pengasuh dan
pengunjung milis. Saya ingin bertanya mengenai analisis ANOVA. Saya
ingin menguji data dengan mengunakan analisis ANOVA tetapi data yang
saya gunakan adalah data non paramentrik. Menuruk jurnal yang saya
gunakan sebagai referensi hal tersebut dapat dilakukan tetapi jurnal
tersebut tidak menuliskan bagaimakan caranya hal tersebut dapat
dilakukan. Oleh sebab itu saya mohon bantuan kepada pengasuh dan
pengunjung sekalian agar dapat memberikan informasi mengenai dasar yang
dapat digunakan untuk menguji statistik non parametrik dengan
menggunakan ANOVA dan bagaimana caranya analisis non parametrik untuk
pengujian ANOVA dapat dilakukan? Atas perhatian rekan – rekan sekalian
saya mengucapkan banyak terimakasih.

Prof. Dr. Imam Ghozali, M.Com:
Analisis of variance (ANOVA) dengan data non parametrik dapat
dilakukan dengan uji ANOVA friedman test. Anda dapat baca di buku-
buku statistuik non-parametrik atau baca buku saya statistik non-
parametrik dengan spss, disana dijelaskan penggunaan anove dengan
uji friedman

Tanya:
Rekan – rekan sekalian saya ingin menanyakan alasan dalam penelitian
menggunakan tingkat signifikansi sebesar 5%,10%, atau 1%. Atas
perhatian dan bantuannya saya ucapkan banyak terimakasih.

Puji Rahayu:
Saya mo mencoba memberi gambaran mengenai tingkat signifikasi dalam bahasa sederhana, atau cara “bodhon” nya, tingkat signifikasi adalah tingkat kesalahan yang ditoleransi untuk diterima, (5%, 10%, or 1%), jadi semakin kecil prosentase signifikansinya maka semakin akurat pengukuruan penelitian kita, sebagai contoh, dalam dunia medis tingkat signifikasi yang diperlukan tentu lebih besar (ini berarti semakin kecil prosentase signifikasi nya contoh 1%), sedangkan dalam dunia penelitain sosial tingkat signifikansi tidak seketat di dunia medis, sebagai contoh penelitian sosial tingkat signifikansi umumnya 5% (role of thumb).
Demikian gambaran mengani penggunaan tingkat signifikansi, semog amembantu.

Tanya:
saya irwan hadianto, mahasiswa teknik industri atmajaya jakarta.
saya merupakan orang awam yang hanya mengetahui sangat sedikit pengetahuan tentang menggunakan SEM dengan metode alternatif dengan PLS (dlm hal ini saya menggunakan software smartPLS 2.0).

dalam model yang saya buat, saya menggunakan second order factor model, menurut buku yang bapak tulis yaitu SEM dengan metode alternatif dengan PLS, saya pun menggunakan repeated indicators approach.

(1) jika saya harus menghapus beberapa indikator dari first order LV, haruskah saya mengahapus indikator yang sama dari second orde LV saya??
(2) manakah yang harus lebih didahulukan, nilai outer loading (crossloading dari indikator ke LV) atau kah nilai dari T-statistic. walaupun mayoritas sama (jika menurut crossloading tidak berpengaruh, maka memiliki nilai T-statistic yang rendah sehingga tidak signifikan) namun, ada beberapa indikator yang agak berbeda. mis, menurut crossloading harus di-delete namun, menurut T-statistic tidak boleh di-delete ??

Besar harapan saya, agar bapak kiranya mau membantu saya.
Terima kasih sebesar-besarnya,
irwan hadianto.

Prof. Dr. Imam Ghozali, M.Com:
Salam kenal kembali. Pertanyaan anda ini kelihatannya pernah anda posting di forum www.smartpls.de, sepintas saya membaca disana dan belum ada respons.

Pada model second order yg menggunakan repeated measure, jika indikator anda delete dari first order, mk dengans endirinya juga hrs didelete pada second ordernya.

Analisis pada partial least square ada dua:
1. Analisis pada outer model atau measurement model yg terdiri dari:
a. Convergent validity – nilai loading minimal hrs 0.70
b. Cross-loading untuk m,enguji unidimesionalitas dari konstruk atau variabel laten
c. Discriminant Validity
d. Construct Reliability
e. Average Variance extracted
Kalau semua ini sudah ok atau lolos kriteria, baru menguji inner model atau structural model:

2. Analisis inner model
a. melihat nilai koefisien antar variabel laten
b. dengan bootstraping atau jacknifing anda akan memperoleh nilai t statistik masing-masing koefisien
c. lihat nilai R2

Mudah-mudahan menjawab pertanyaan anda dan semua ada pada buku saya (sat ini sedang saya revisi total dengan SmartPLS versi 2)

Tanya:
terima kasih atas jawaban anda.
saya memang sudah pernah posting disana, namun memang belum ada jawaban.
namun, saya sebagai pengguna smartPLS yang masih sangat baru masih banyak mengalami kebingungan.

1)jika untuk outer model nilai loading ‘minus’ apakah itu ok?? mis -0,5, sementara menurut bapak ketika tahap pengembangan nilai 0,5 dapat diterima.
2)apakah perbedaan mendasar dari algorithm setting, pada bagian weighting scheme??
(antara centroid, factor, path) kapan kita harus menggunakan yang mana.

Prof. Dr. Imam Ghozali, M.Com:
Nilai outer loading tdk boleh negative, hal ini bisa jadi karena pada saat anda tabulasi lupa belum direcode (indikator pertanyaan jika ada yang cara bertanyan negatif hrs dirubah jadi positif pada saat tabulasi). Dugaan saya anda lupa belum melakukan recode thd kuesioner anda.

Weighting scheme apapun yg anda pilih tdk memberikan hasil yg jauh berbeda sekitar 0.05, tetapi umumnya sekarang banyak yg menggunakan path.

Tanya:
terima kasih atas jawaban bapak yang sangat membantu saya
saya akan mencoba melihat data dan recode dengan hasil kuisioner saya.

apakah “convergent validity” , “disriminant validity” , “unidimensional”
adakah yang bisa bapak referensikan untuk membantu penulisan tugas akhir saya.
terima kasih yang sebesar-besarnya

Prof. Dr. Imam Ghozali, M.Com:
Pertama yg anda lakukan pengujian terhadap outer model (measurement model)
a. Convergent validity: lihat nilai loading factor untuk amsing-masing indikator. Nilai loading hrs diatas 0.70 (pada penelitian pada bidang yg belum berkembang bisa menggunakan 0.5-0.6). Jika ada nilai loading dibawah 0.70 delete dari analisis indikator tsb.
b. Contruct Reliability (sama dengan cronbach alpha mengukur treliabilitas konstruk atau variabel laten) nilainya hrs diatas 0.70 yang diangap reliabil.
c. Average Vrainace Extracted (mengukur validitas) nilainya > 0.50
d. Discriminant validity dengan mebandingkan nilai akar dari AVE dengan nilai korelasi antar variabel latent. Nilai akar AVE hrs lebih besar dr korelasi antar variable latent
e. Cross-loading mengukur unidimesionalitas dari variable lantent.

Setelah anda menguji ini semua, lakukan bootstraping atau jacknifing untuk mendapatkan nilai T statistik guna menguji apakah hubungan antar variabel laten signifikan atau tdk.

1. Uji inner model (structural model):
a. Lihat nilai T statistik significan atau tdk
b. lihat nilai R2 uji determinasi atau goodness-fit dari model

Semua ini muncul dari output SMARTPLS atau Visual PLS

Tanya:
Pak Imam, saya ingin bertanya…
jika dalam penghitungan data SEM ternyata normalitas data bermasalah
(distribusi data tidak normal), adakah cara untuk mengatasi
permasalahan tersebut selain dengan mengulang pengambilan data
responden? saya pernah dengar bahwa data yang tidak normal, dapat
dinormalkan dulu dengan cara pengintervalan data melalui program
minitab, baru dapat diolah lanjut dengan alat SEM seperti AMOS ataupun
Lisrel. Benarkah itu? Jika iya, dapatkah bapak membarikan kepada saya
sumber literatur atau link yang dapat dijadikan sebagai referensi?
Terima Kasih banyak , pak.

Prof. Dr. Imam Ghozali, M.Com:
Gunakan LISREL disana ada fasilitas menormalkan data. Jika data sdh normal langsung dapat dianalisis dengan LISREL atau AMOS. Baca buku saya LISREL. JIka minitab memberikan fasilitas untuk menormalkan data, anda dapat gunakan juga

Tanya:
- jika dalam data data tidak normal sedangkan peneliti tetap ignin datanya menjadi normal, ya tinggal transformasi data saja…bnyak beragam jenis transformasi data
- adapun terkait dengan pengintervalan data, itu biasanya selalu di kaitkan dengan metode successive interval yg ternyata “kontorversial”.
-di dalam MInitab, sepanjang yang saya tahu tidak ada tools untuk pengintervalan data seperti yang diutarakan oleh sdr Ganda. pernah saya mencoba yang saya tahu adalah sebuah macro dalam minitab yang dibuat terdapat dalam salah satu jurnal statistika lokal, yang tentu saja menggunakan algoritma succesive interval, dengan tujuan merubah skal apengukuran dari ordinal menjadi interval
9sekali lagi hal ini kontroversial dikalangan statistisi. sepanjang yg saya tahu di dalam minitab ada juga pembuatan z score
- jika sdr Ganda melakukan anlaisis dengan SEM sementara SEM menuntui normalitas data, sdr Ganda bisa melihat apakah jumlah responden atau objek/kasus sebanding dengan banyaknya variabel yang akan diteliti jika sudah sebanding dan ternyata jumlah sampel/objek besar (ukuran besar relatif, biasanya diatas 100) maka sdr Ganda bisa menggunakan Dalil/ Teorema Limit Pusat, yang secara garis besar menyatakan bahwa sekumpulan data yang berjumlah besar sedangkan distribusinya tidak diketahui maka distribusi yang tidak diketahui itu akan mendekati distribusi normal. gunakan saja teorema ini.

Prof. Dr. Imam Ghozali, M.Com:
Kalau msh tetap mau menggunanan SEM, tetapi data tidak normal ya jangan gunakan covariance based SEM, tetapi gunakan saja Component Based SEM yang tdk perlu mengasumsikan data harus normal yaitu dengan menggunakan metode Partial Least square SEM (software banyak ada LVPLS, Visual PLS, smartpls dan pls graph) baca buku saya Structural equation modeling metode alternatif dengan Partial Least square (PLS)
PLS adalah non-parametrik jadi data anda bisa gabungan ordinal, interval

Tanya:
terima kasih untuk masukan dari beberapa rekan, maaf saya baru bisa
balas lagi sekarang…

saya sudah normalkan data dengan Lisrel (terima kasih pak Imam untuk
informasinya yang singkat dan padat hehe..), dan ternyata memang
hasilnya cukup bagus. Namun ada perkembangan baru, (maklum, saya
sangat amatir terhadap ilmu statistik khususnya yang berkaitan dengan
program analisis multivariate Lisrel dan Amos) saya coba utak-atik dan
pelajari, dan akhirnya saya memutuskan membuang data-data outliers
yang mungkin akan mengganggu normalitas data. Cukup banyak yang harus
saya buang meskipun akhirnya saya tetap masih memiliki 200 data
sampel. Dan akhirnya saya bisa memperoleh hasil yang baik tanpa
melakukan normalitas data terlebih dahulu seperti sebelumnya.

Hasilnya sangat bagus, nilai GFI, chi-square dll sangat bagus sesuai
dengan kriteria penilaian yang umum dalam SEM. Hanya saja ada beberapa
masalah, saya mohon kesediaan rekan-rekan di sini untuk memberikan
masukan ataupun penjelasan agar saya dapat lebih mengerti…

1. Saya menggunakan 200 responden dengan jumlah indikator (variabel
manifes) 26 buah, sementara dalam output muncul warning ” Total sample
size is smaller than the number of parameters.Parameter estimates are
unreliable”
Apakah maksud warning tersebut? Saya bingung karena jika masalahnya
adalah jumlah sampel yang tidak cukup bukankah sampel sebanyak 200
data sudah cukup untuk mengestimasi 26 indikator? bukankah minimal
ukuran sampel adalah sebanyak 5 kali jumlah parameter?
Sebagai catatan, hasil path diagram keluar dengan nilai GFI yang
sangat baik. Saya menduga mungkin ada kesalahan dalam syntaxnya dan
ini terkait dengan pertanyaan yang berikutnya

2. Dalam syntax saya menggunakan metode UL(unweighted least squares)
meskipun semua literatur menyarankan untuk data sebesar 200 lebih baik
menggunakan metode ML (maximum likelihood). Sebelumnya saya telah
mencoba berbagai syntax yang masih sesuai dengan model saya dan
menggunakan metode ML tetapi hasilnya sangat tidak baik. Pertanyaannya
adalah, apakah beda metode UL dengan ML dalam hal ini? Apakah
dibenarkan untuk menggunakan metode UL untuk data sebesar 200 sampel?

Untuk pak Imam, bolehkah saya minta dikirimkan buku karangan bapak
tentang Lisrel? 2 minggu terakhir ini saya sudah coba cari di
toko-toko buku gramedia tetapi ternyata stoknya kosong.

Untuk pak Heri Kurniawan, terima kasih untuk masukannya, saya berharap
bapak masih mau memberikan penjelasan lebih jauh lagi =)

Heri Kurniawan:
ada sedikit masukkan

- membuang data outlier atau data ekstrim, sangat menguntungkan sekali dalam beberapa aspek tapi tolong dilihat apakah jika data outlier dan data ekstrim tersebut jumlahnya banyak sekali ada kemungkinan proses excluding data tersebut menjadi kurang tepat dan tidak menjamin data yang kita punya lolos dari asumsi normalitas, sehingga masalah pertama dan kedua yang anda sebutkan tadi bisa muncul.
- sebagai solusi sdr Ganda dalam Lisrel bisa mencoba menggunakan metode penaksiran parameternya menggunakan Weighted Least Square, dan dalam input matrik nya menggunakan Asymptotic covariance matrix.
- jika solusi kedua diatas kurang dimengerti coba, lakukan transformasi data terlebih dahulu seperti yang pernah saya kemukakan didalam MInitab terdapat fungsi transformasi Box-Cox, tinggal dicari mana yang cocok untuk data dengan banyak sekali outlier.
sayang sekali buku saya sedang dalam proses penerbitan di Salemba Empat, mudah2an dalam waktu dekat bisa terbit sehingga bisa menjadi referensi pelengkap selain buku2 pak imam ghozali tentunya..

Tanya:
saya beberapa pertanyaan :
1. Apakah uji validitas n reliabilitas itu wajib untuk kuisioner?
Mengapa?
2. Saya membuat kuisioner dengan skala 1-5..
Uji validitas n reliablitias apakah yg cocok?

Dan saya juga minta tolong untuk referensi untuk uji tersebut sebagai
acuan dalam skripsi saya.

Prof. Dr. Imam Ghozali, M.Com:
Jika data anda primer dan berdasarkan kuesioner, maka sebelum data diolah dengan alat statistik perlu diuji dahulu kualitas data tersebut yaitu uji Reliabilitas dan Validitas.
Uji reliabilitas ingin menguji apakah responden dalam menjawab pertanyaan/kuesioner konsisten atau tidak. Sebagai misal saya punya variabel laten Kepuasan Kerja yang diukur dengan 3 indikator pertanyaan :
x1 Setujukah bahwa pekerjaan anda menyenangkan
x2 setujukah bahwa pekerjaan anda menantang
x3 Setujukah bahwa pekerjaan anda menjanjikan
Pertanyaan ini dijawab dengan skala 1- 5, krn pertanyaannya positif semua maka responden yang konsisten akan menjawab x1,x2 dan x3 masing-masing diatas 3 (jika puas) atau x1,x2 danm x3 masing-masing di bawah 3 (jika tdk puas), tetapi mungkin saja anda responden yang ngawur menjawabnya dan tdk dipikir hanya menghitung kancing baju sehingga jawaban x1=1, x2=5 dan x3=2 Jawaban spt ini tdk konsisten dan memiliki reliabilitas yang rendah. Tujuan reliabilitas ingin mencari jawaban yg tdk kosnisten dan hrs dibuang dari analisis.

Sedangkan uji validitas adalah ingin menguji apakah pertanyaan kita X1, X2 dan x3 betul-betul hendak mengukur apa yng ingin kita ukur. Misal x1 pertanyaan ingin mengukur tinggi dan jawaban yang diharapkan tinggi, tetapi oleh responden di jawab panjang. Dalam hal ini pertanyaan x1 tdk valid krn membingungkan dan hrd dibuang dari analisis.

Untuk menguji hal ini anda dapat membaca buku saya Aplikasi Analisis Multivariate dengan SPSS ed 4. Semoga menjawab

Heri Kurniawan:
uji validitas dan reliabilitas wajib dilakukan untuk instrumen penelitian apapun termasuk kuesioner.

hnya saja perlu diperhatikan buku2 komputer di pasaran yang membahas tentang validitas dan reliabilitas misalnya menggunakan SPSS, MInitab, Lisrel dll… perlu dikritisi lebih lanjut karena semuanya membahas validitas dan reliabilitas secara kuantitatif,
padahal validitas dan reliabilitas bisa dilakukan secara kualitatif, misal menurut pembimbing atau expert di bidangnya pertanyaan dalam kuesioner anda sudah bagus, efektif dan efisien, maka secara otomatis pertanyaan tersebut sudah valid disebut validitas muka atau isi. dlsb

selanjutnya didalam SPSS misalnya tidak bisa menggunakan uji validitas secara kuantitaatif misal jika skala nya dikotomi (1,0 atau ya tidak) dan tidak bisa juga menghitung reliabilitas dengan KR-20 atau KR-21

jadi uji validitas dan Reliabilitas, harus dilihat dari sudut pandang:

- jenis penelitian apa? kuantitatif atau kualitatif?
- instrumen peneltiannya apa? kuesioner, schedule (wawancara), observasi atau apa?
- skala pengukurannya apa jika menggunakan kuesioner, misal apakah Guttman, Likert, Biner?
- didalam SPSS, minitab, dlsb misalnya reliabilitasnya secara pislosofis hanya bisa digunakan untuk data yang numerik atau data dengan skala tertentu, jika data biner di SPSS atau minitab tidak cocok karena SPSS dan minitab hanya menggunakan 1 jenis korelasi yaitu pearson produk momen saja. padahal jenis korelasi ini tidak bisa digunakan untuk data biner. setelah reliabilitas diketahui baru bisa dilihat validitasnya misal dengan melihat corrected correlation if item delete..
jadi kriteria valid hanya ditentukan berdasarkan perhitungan saja

padahal pengertian valid adalah sesuai, akurat atau tidak artinya apakah pertanyaan yang diajukan sudah akurat, sudah sesuai dengan apa yang akan kita ukur
sedangkan reliabel adalah konsistensi hasil jika alat ukur tersebut diberlakukan.

HATI-Hati salah memilih uji Validitas dan reliabilitas maka instrumen penelitian tidak layak, jika instrumen penelitian tidak layak maka data hasil penelitian dipertanyakan, jika data nya dipertanyakan , maka kesimpulan penelitian akan bias dan hasil penelitian menjadi sesuatu yang sia-sia

Tanya:
Dear Prof Imam dan teman-teman, Saya Ridho Mahasiswa S-1 jurusan
Statistika Unpad. sekarang sedang menganalisis data skripsi saya yang
berjudul Pengaruh stress kerja terhadap motivasi kerja dan kinerja
karyawan Divisi produksi PT.Grand Textile Industry Bandung. Skala
Data saya ordinal dengan ukuran sampel 143, menggunakan matriks
korelasi polikorik dan Asymtotic Covariance Matrix sebagai data input
serta Maximum Likelihood sebagai metode estimasinya.
Ada beberapa pertanyaan yang ingin saya tanyakan:

1.Untuk Menguji validitas dan reliabilitas kuesioner sebaiknya
menggunakan apa?Dosen saya menyarankan menggunakan CFA second order
Untuk setiap konstruk, dan sebuah item dikatakan valid ketika nilai t
nya di atas 1,96 dan dikatakan reliable ketika nilai R2 (koefisien
determiasi kuadratnya) lebih besar dari 0.50. Boleh tidak langsung
mengevaluasi dimensinya dengan cara menjumlah semua item pertanyaan
yang mewakili satu dimensi sehingga didapat nilai total scorenya?
Tapi apakah ini mengevaluasi item pertanyaan kuesioner tersebut?
Bagaimana menurut prof. Imam?

2.Saya sudah mencoba mengevaluasi dengan CFA 2nd Order. Pada konstruk
pertama yaitu stress kerja, Untuk order pertama, ada satu dimensi
yang nilai standardize loadingnya lebih besar dari 1. Perlu
diketahui bahwa dimensi ini hanya diwakili oleh satu item pertanyaan.
Kira-kira apa penyebabnya? Bukankah seharusnya nilai standardize
loading tidak boleh lebih besar dari 1? Sebaiknya bagaimana
mengatasinya? Berikut Output lisrel dan gambar path diagramnya (tidak
saya tampilkan semuanya/path diagram saya kirimkan dalam file):

CFA 2nd Order
Stress

Number of Iterations = 32

LISREL Estimates (Maximum Likelihood)

Measurement Equations

item1 = 0.85*X1, Errorvar.= 0.28 , R = 0.72
(0.13)
2.14

item2 = 0.85*X1, Errorvar.= 0.28 , R = 0.72
(0.073) (0.11)
11.65 2.45

item3 = 0.56*X1, Errorvar.= 0.68 , R = 0.32
(0.100) (0.13)
5.65 5.12

item4 = 0.55*X1, Errorvar.= 0.70 , R = 0.30
(0.081) (0.12)
6.80 5.91

item5 = 0.54*X2, Errorvar.= 0.71, R = 0.29

item6 = 0.61*X3, Errorvar.= 0.63 , R = 0.37
(0.12)
5.33

item7 = 0.74*X3, Errorvar.= 0.46 , R = 0.54
(0.11) (0.15)
6.81 3.10

item8 = 0.50*X3, Errorvar.= 0.75 , R = 0.25
(0.084) (0.11)
6.02 6.56

item9 = 0.76*X3, Errorvar.= 0.42 , R = 0.58
(0.099) (0.13)
7.71 3.36

item10 = 0.59*X4, Errorvar.= 0.65 , R = 0.35
(0.16)
4.06

item11 = 0.82*X4, Errorvar.= 0.33 , R = 0.67
(0.23) (0.21)
3.58 1.58

item12 = 0.51*X5, Errorvar.= 0.74 , R = 0.26
(0.13)
5.57

item13 = 0.70*X5, Errorvar.= 0.51 , R = 0.49
(0.14) (0.13)
4.87 3.98

item14 = 0.62*X5, Errorvar.= 0.62 , R = 0.38
(0.13) (0.12)
4.83 5.07

item15 = 0.67*X5, Errorvar.= 0.56 , R = 0.44
(0.14) (0.12)
4.78 4.61

item16 = 0.80*X6, Errorvar.= 0.35 , R = 0.65
(0.15)
2.36

item17 = 0.80*X6, Errorvar.= 0.36 , R = 0.64
(0.10) (0.13)
7.78 2.86

Structural Equations

X1 = 0.81*Stress, Errorvar.= 0.34 , R = 0.66
(0.077) (0.11)
10.59 3.10

X2 = 1.06*Stress, Errorvar.= -0.13 , R = 1.13
(0.17) (0.46)
6.22 -0.27

W_A_R_N_I_N_G : Error variance is negative.

X3 = 0.90*Stress, Errorvar.= 0.19 , R = 0.81
(0.13) (0.097)
7.16 1.99

X4 = 0.52*Stress, Errorvar.= 0.73 , R = 0.27
(0.18) (0.28)
2.81 2.60

X5 = 0.94*Stress, Errorvar.= 0.11 , R = 0.89
(0.20) (0.14)
4.70 0.82

X6 = 0.71*Stress, Errorvar.= 0.49 , R = 0.51
(0.098) (0.16)
7.29 3.15

Correlation Matrix of Independent Variables

Stress
——–
1.00

Covariance Matrix of Latent Variables

X1 X2 X3 X4 X5 X6
——– ——– ——– ——– ——– —-
—-
X1 1.00
X2 0.86 1.00
X3 0.73 0.95 1.00
X4 0.42 0.55 0.46 1.00
X5 0.76 1.00 0.85 0.49 1.00
X6 0.58 0.76 0.64 0.37 0.67 1.00
Stress 0.81 1.06 0.90 0.52 0.94 0.71

Covariance Matrix of Latent Variables

Stress
——–
Stress 1.00

W_A_R_N_I_N_G: Matrix above is not positive definite

3.Untuk laten motivasi juga salah satu dimensinya pada order yang
pertama nilai standardize loadingnya lebih besar dari Berikut
outputnya:

Motivasi CFA 2nd
Order

Number of Iterations = 20

LISREL Estimates (Maximum Likelihood)

Measurement Equations

item18 = 0.54*Y1, Errorvar.= 0.75 , R = 0.28
(0.13)
5.73

item19 = 0.94*Y1, Errorvar.= 1.78 , R = 0.33
(0.18) (0.32)
5.11 5.59

item20 = 0.69*Y1, Errorvar.= 0.51 , R = 0.48
(0.11) (0.12)
6.06 4.17

item21 = 0.77*Y2, Errorvar.= 0.40 , R = 0.60
(0.15)
2.66

item22 = 0.49*Y2, Errorvar.= 0.37 , R = 0.40
(0.077) (0.081)
6.37 4.56

item23 = 0.58*Y2, Errorvar.= 0.32 , R = 0.52
(0.070) (0.078)
8.39 4.03

item24 = 0.76*Y3, Errorvar.= 0.50 , R = 0.54
(0.16)
3.08

item25 = 0.86*Y3, Errorvar.= 0.21 , R = 0.78
(0.18) (0.19)
4.81 1.08

Structural Equations

Y1 = 1.21*Motivasi, Errorvar.= -0.46 , R = 1.46
(0.22) (0.33)
5.41 -1.39

W_A_R_N_I_N_G : Error variance is negative.

Y2 = 0.90*Motivasi, Errorvar.= 0.19 , R = 0.81
(0.11) (0.18)
7.85 1.10

Y3 = 0.53*Motivasi, Errorvar.= 0.72 , R = 0.28
(0.13) (0.16)
3.94 4.45

Correlation Matrix of Independent Variables

Motivasi
——–
1.00

Covariance Matrix of Latent Variables

Y1 Y2 Y3 Motivasi
——– ——– ——– ——–
Y1 1.00
Y2 1.08 1.00
Y3 0.64 0.47 1.00
Motivasi 1.21 0.90 0.53 1.00

W_A_R_N_I_N_G: Matrix above is not positive definite

Prof. Dr. Imam Ghozali, M.Com:

Terima kasih atas emailnya, ada beberapa hal yg perlu diklarifikasi terlebih
dahulu:
1. Sy belum jelas apakah variabel laten anda dengan dimensi atau tdk, jika
dengan dimensi maka menggunakan second order CFA. Mohon dijelaskan bagaimana
variabel laten anda?
2. Data anda ordinal dengan skala likert atau skala apa?, jika anda menggunakan
skala likert ada yg menganggap bahwa data anda bisa dianggap interval atau anda
konversikan menjadi data interval dengan metode successive interval method
(lihat buku saya Amos 16 ada addin excel yg bisa mengubah data ordinal menjadi
interval. Kalau sudah interval anda tingal langsung menguji dengan estimasi
maximum likelihood. Jika anda tetrap ordinal dan akan diuji dengan polychoric
correlation dan asymptotic covariance matrix, maka metode estimasinya hrs
denganh weighted least square (lihat buku saya lisrel hal 179)
3. Anda punya satu variabel latren hanya dengan satu indikator, hal ini berarti
bukan variabel laten, tetapi variabel observe sehingga buat saja menjadi observe
dengan bentuk kotak jangan oval.
4. Melihat output , model andamempunyai masalah heywood case atau memiliki error
variance negative yg disebabkan oleh adanya standardized loading yg nilainya di
atas 1
5. Jika model anda second order dan hasilnya kurang bagus anda dapat melakukan
komposit indikator (lihat buku saya amos 16). Jadi yg second order dibuat
menjadi first order dengan membuat komposite indikator.

Tanya:
Dear Pak Imam serta teman-teman academia,

Bagaiman bisa gua melakukan second order CFA with AMOS.
For information kalian,one of my latent variable have two dimensions
while the rest only one dimension(also latent).

Soalan kedua,bisakah kita melakukan multilevel CFA?Lisrel bisa how
about AMOS?

Soalan ketiga,saya langsung perform CFA tanpa lalui EFA bisa ngak?

Prof. Dr. Imam Ghozali, M.Com:

Yes you can run second order CFA directly with Amos. What do you mean by multilevel CFA? if it just want to do CFA second order, you can do it directly without multilevel. Read my book Model Persamaan Struktural dengan AMOS 16 .

Tanya:

I am Nazrul from Malaysia.Sedang buat kajian berkaitan human
resource attribution(latent variable)dari USM penang.

Unit analysis saya ialah job groups(multigroups).Saya bercadang
gunakan CFA for multigroup for discriminant analysis,beyesian
estimation using Markov chain Monte Carlo(MCMC) method for model
estimation just like bootstrap method for continuous data and is
using AMOS to examine how covariates relate to factors and how
covariates may influence DIF.

Saya masih bingung, bagaimana saya boleh record raw data saya di
spss or excel.Perlukah saya cari correlation matrix dulu dan paste?

My questionnaire items all using likert scales.I think it falls
under order categorical data which AMOS 7 can handle.What do u think
missing in my data analysis?what else can u suggest?
How about regression?
What kind of regression do we use for multi-group model?tq

Prof. Dr. Imam Ghozali, M.Com:
Mr Fuad has returned back to USM, please contact him or Dr Yusserie. I Have given the Book Amos 16 to both of them and you can have discussion with Mr Fuad As well since he is also Co-author of My Book Structural Equation Modeling Using LISREL 8.80. I am sure he can answer and help your problem.

Tanya:
Prof. Imam Yang Terhormat,

Melalui milis ini saya ingin menanyakan perbedaan antara penggunaan
analisis hubungan dengan analisis pengaruh, karena sering masih sering
terjadi kebingungan penggunaannya. Misalnya :

Analisis Hubungan Kecerdasan Emosional Dengan Kinerja Pemimpin apa
Analisis Pengaruh Emosional Terhadap Kinerja Pemimpin?

Kalau yang menggunakan kata “pengaruh” di bab 2 juga tetap
mencantumkan hubungan X1 dengan Y. Sebaliknya yang menggunakan
kata “Hubungan” panahnya juga hanya satu arah saja. Dari segi
pengujian yang memakai “hubungan” juga tetap menggunakan regresi untuk
memprediksinya.

Sefnedi, Ph.D:
Izinkan saya mencoba merespon persoalan anda tentang beda antara
hubungan dan pengaruh:
1. Ketika kita menggunakan terminologi hubungan (correlation), kita
belum mengetahui mana independent variable (IV) dan mana dependent
variable (DV). Jadi kita hanya ingin menguji secara empiris hubungan
kedua variabel atau lebih (Correlation analysis). Ini dapat kita uji
dengan menggunakan bivariate correlation.
2. Namun disaat kita menggunakan terminologi pengaruh (impact or
influence), disaat itu kita sudah memberikan justifikasi bahwa
independent varible (kecerdasan emosi) berpengaruh terhadap dependent
variable (kinerja).
3. jika kita ingin menguji pengaruh biasanya kita juga melakukan
pengujian hubungan terlebih dahulu. Logika sederhana dibalik ini
adalah tidak akan mungkin IV(kecerdasan emosi) berpengaruh signifikan
terhadap DV (kinerja) apabila kedua variabel tersebut tidak memiliki
hubungan yang signifikan. Misalnya, tidak mungkin saya berpengaruh
terhadap anda, sedangkan antara saya dan anda tidak punya hubungan.
4. Dalam analisa regresi (pengaruh) pada output SPSS terlihat model
summary. Disini kita bisa melihat nilai adjusted R2 (pengaruh) dan R
(hubungan).

Demikian, semoga ada manfaatnya.

Tanya:
Saya sedang akan menyusun laporan penelitian dengan alat penelitian probit analysis. Untuk mendukung penelitian ini saya lengkapi referensi saya dengan buku bapak, baik multivariate dengan SPSS dan Multivariate SPSS Lanjutan. Namun ada beberapa hal yang masih belum jelas pak, karena tidak tertalu detail disinggung di dalam buku bapak. Pertanyaan saya :

1. Dalam kondisi apa kita menggunakan probit analysis.
2. Apalah dalam probit analysis juga harus dilakukan uji asumsi klasik seperti pada regresi linier?
3. Kalau harus ada uji asumsi klasik apakah prosedur pengerjaannya di dalam SPSS sama dengan regresi linier seperti yang bapak ajarkan dalam buku bapak?, Jika tidak sama dengan pengerjaan pada regresi linier, bagaimana mengerjakannya dengan SPSS tersebut pak?

Demikian mohon bantuan sekali tuntunan dari bapak. Terima kasih yang sebesar-besarnya.

Prof. Dr. Imam Ghozali, M.Com:
Probit dan logistic digunakan untuk regresi jika variabel dependennya kategori (variabel Y), sedangkan variabel indepemdenya bisa kategori atau kontinyu. Tidak perlu asumsi klasik krna menggunakan estimasi maximum likelihood (asumsi klasik untuk model estimasi ordinary least square), tetapi multikol masih diperlukan.

Tanya:
Saya ingin menanyakan kepada pengasuh milis dan rekan – rekan mengenai
uji signifikansi two (tailled)dan one (tailled)
1. Apa yang dimaksud dengan uji signifikansi two (tailled)dan one
(tailled)?
2. Apakah uji signifikansi two (tailled)dan one (tailled) dapat
digunakan dalam model regresi?Jika dapat bagaimana cara pengolahannya
dengan SPSS?

Prof. Dr. Imam Ghozali, M.Com:
Uji one tail atau two tail umumnya digunakan untuk uji beda. Kapan kita
hrs menggunakanj one tail atau two tail tergantung dari hipotesis anda.
JIka hipotesisnya dengan menggunakan arah, maka gunakan one tail test-
misalkan Gaji pegawai Laki-laki lebih tinggi drpd pegawai perempuan.
SEdangkan jika hipotesisnya tanpa arah, gunakan two tail test misal Ada
perbedaan Gaji antara pegawai laki-laki dan perempuan.

Uji signifikansi dengan one tail tinggal membagi saja nilai
signifikansi two tail dengan 2 atau setengah dari two tail.

Tanya:
saya mau bertanya kpd semua pengasuh milis ini mengenai uji manova
saya lagi menulis skripsi tapi data yang saya gunakan yaitu data non
parametrik. menurut jurnal yang saya pergunakan sebagai referensi uji
manova juga bisa digunakan untuk pengujian non parametrik biasanya uji
manova digunakan untuk uji parametirk. tapi dijurnal tersebut tidak
menjelaskan alasan kenapa uji manova bisa digunakan untuk pengujian
non parametrik? dan bagaimana cara pegujian dengan manova?
atas perhatian teman2 saya ucapkan terimakasih dan semoga tmn2 bs cpt
membalas email ini…

Prof. Dr. Imam Ghozali, M.Com:
mbak Dewi uji Manova singkatan dari Multivariate Analysis of
Variance, jadi sama dengan ANOVA bedanya kita punya lebih dari satu
variabel dependen metrik misalkan kita punya dua variabel dependen
Gaji dan Pengalaman kerja (dlm tahun)sedangkan variabel
independennya non-materik atau kategori lebih dari dua kategori
misalkan pendidikan (SD, SMP,SMA dan PT). Disini kita ingin menguji
apakah pendidikan mempengaruhi gaji dan pengalaman sesorang atau
adakah perbedaan gaji dan pengalaman dilihat dari tingkat pendidikan
seseorang.

Jadi intinya ingin melihat hubungan antara variabel dependen lebih
dari satu dengan skala metrik dengan variabel independen satu atau
lebih dengan skala nominal atau kategori. Tentunya ada asumsinya
yaitu data harus normal dan variance hrs sama. Kalau asumsi ini
dilanggar maka hrs menggunakan uji non-parametrik dan memang adajuga
uji anova atau manove dengan non-parametrik

Lebih jelasnya dengan contoh dan cara interpretasi anda bisa mambaca
buku saya dengan judul Analisis Multivariate Lanjutan dengan SPSS

Tanya:
pak imam dan tmn2 saya mau bertanya tentang uji manova, pada hasil
output manova itu kan ada pillai’s trace, wilks lambda, hotteling’s
trace, roys largest root itu artinya apa, saya minta tlg dijelaskan
terimakasih.

Prof. Dr. Imam Ghozali, M.Com:
Mbak Dewi,
Coba anda lihat buku saya analisis multivariate dengan
SPSS hal 77 paling atas. Dalam Manova jumlah variabel
dependen lebih dari satu dengan skala metrik dan
variabel independen satu atau lebih dari satu dengan
skala kategori (nominal). Untuk menguji apakah setiap
variabel independen mempengaruhi group variabel
dependen bisa dlihat dengan 4 macam test. Pillai
Trace, Wilk Lambda, Hotelling Trace dan Roy’s
Hotelling trace. Jika hasilnya signifikan, maka
berarti ada pengaruh. Keempat uji ini pilih salah satu
karena akan menghasilkan signifikanis yang sama. Hanya
disarankan jika variabel dependen anda hanya dua
jumlahnya sebaiknya gunakan Hotelling, tetapi kalau
jumlah variabel dependen anda lenih dari dua sebaiknya
gunakan Wilks Lambda

Analisis logistic regression adalah regresi dimana
variabel dependennya berbentuk kategori bisa dua
kategori misal hidup atau mati,beli atau tdk beli.
Kalau dengan dua ketgori disebut binary logistic.
Variabel dependen dapat juga lebih dari dua kategori
dengan prefernsi disebut ordinal logistic dan tanpa
preferensi antar kategori disebut multinominal
logistic.

Tanya:
saya sedang melakukan peneilitian dengan judul
FAKTOR-FAKTOR YANG MEMPENGARUHI KEINGINAN MENGGUNAKAN INTERNET BANKING
dengan 3 variabel
saya menggunakan metode analisis faktor, apakah sudah benar saya menggunakan metode tersebut.
kedua, bagaimana menggunakan spss, bila kita menggunkan metode tersebut
terima kasih, wassalam

Prof. Dr. Imam Ghozali, M.Com:
Judul anda faktor-faktor yang mempengaruhi internet
banking (krn ada kata faktor yg mempengaruhi) berarti
anda tidak menggubnakan analisis faktor tetapi
analisis regresi (pengaruh banyak variabel terhadap
internet banking. Anda bisa menggunakan SPSS atau AMOS
dan Lsirel (silahkan baca buku saya)

Tanya:
rekan – rekan sekalian, saya ingin minta tolong, apakah rekan-rekan
sekalian ada yang mempunyai jurnal mengenai kepuasan kerja yang
dianalisis dengan metode SEM ? apakah sudah ada model yang baku
mengenai kepuasan kerja dengan metode SEM ?
selain itu saya ingin bertanya mengapa jumlah sampel yang diambil
harus 100 ? tidak boleh kurang dan tidak boleh lebih ?
terima kasih atas bantuan dari rekan – rekan sekalian.

Prof. Dr. Imam Ghozali, M.Com:
Ada model yang sudah baku yaitu “The Consumer
Satisfaction Index (CSI) di buku saya Structural
Equation Modeling dengan Metode Alternatif dengan
Partial Least Square (PLS) sudah saya bahas dengan SEM
PLS silahkan anda baca dan telusuri jurnal aslinya.

Tanya:
Assalam Pak
Saya sudah beli buku PLS karangan Bapak
Tapi saya masih kurang paham tentang langkah-langkah awal untuk
memulai program PLS tersebut. (NB Saya mencoba mengoperasikan SmartPLS)
Apakah langkah-langkah awalnya itu sama dengan langkah-langkah pada
program AMOS.
Mohon penjelasannya ya Pak?
Terima kasih sebelumnya
Wassalam

Prof. Dr. Imam Ghozali, M.Com:
Lebih gampang daripada AMOS anda tinggal ikuti apa
yang ada di buku saya dan data yang diolah diambil
saja dari CD buku saya PLS. Selamat mencoba

Tanya:
Apakah dengan PLS, tesis yang dibuat interpretasinya cukup dengan
Evaluasi Outer Model (Model Pengukuran) dan Inner Model (Model
Struktural) saja ?
Bagaimana dengan analisa hipotesanya ?
Apakah tidak ada uji multikol, uji kualitas data, dsb seperti dalam
SPSS ?

Prof. Dr. Imam Ghozali, M.Com:
Dengan PLS tidak ada uji seperti SPSS. Yang perlu ada
lakukan

1. Evaluasi model pengukuran atau outer model:
a. lihat convergent validity (loading factor >0.70)
b. lihat discriminant validity
c. lihat Average Variance Extracted (AVE>0.50)
d. lihat construct reliability (>0.60)

Model pengukuran ok

2. Menguji model struktural atau inner model
(hipotesis model)
a. Melihat nilai t dari hasil boostraping, kalau nilai
t>1,96 (sig pada 5%)
b. Melihat koefisien regresi
C. Melihat R2

Tanya:
rekan – rekan sekalian, saya ingin menanyakan :
1. Apa kelebihan Metode SEM dibandingkan dengan metode lain ?
2. Mengapa harus mengambil sampel diantara 100 sampai 200 saja ?
3. Apa jenis sample yang digunakan adalah random sample ? dan mengapa
harus random sample ?
4. Apakah harus dibuat kuisioner pendahuluan untuk uji reabilitas dan
validitas ? dan berapa sample yang harus diambil untuk kuisioner
pendahuluan ini ?

Hadiyanto Budisetio:
Apa yang saudara tanyakan akan terjawab pada bukunya Prof. DR. H. Imam Ghozali, M.Com, Akt berjudul “Structural Equation Modeling: Teori, Konsep & Aplikasi dengan program Lisrel 8.54?

Beliau juga menulis buku tentang SEM dengan program AMOS yang mana kedua buku ini akan saling melengkapi.

* Secara sekilas dapat dijelaskan bahwa metode SEM lebih baik karena dapat menguji model struktural maupun model measurement secara bersama-sama. SEM digunakan bilamana variabel yang digunakan untuk penelitian tidak dapat diukur secara langsung dan memerlukan indikator-indikator.

* Mengenai jumlah sample ada berbagai pendapat seperti Ding mengatakan bahwa ukuran sample 100 sampai 150 merupakan sample minimum. Boomsma menganjurkan paling tidak 200. Hair menganjurkan 5 kali jumlah variabel manifest. Menurut saya sebaiknya dipadukan antara ketiganya. Satu hal bahwa sample dibawah 100 akan menghasilkan kesimpulan yang tidak tepat.

* Mengenai data, setahu saya pada software Lisrel hanya dikenal data continuous atau data ordinal saja. Sedikit uraian bahwa data continuous dapat memiliki nilai apa saja dan tidak memilik kategori yang berurutan. sedangkan data ordinal adalah data yang mempunyai kategori berurutan.

* Tentang kuesioner pendahuluan, sesuai pengalaman saya diperlukan untuk memastikan apakah kuesioner yang dibuat dapat dimengerti oleh responden atau calon responden, sehingga perlu kuesioner pendahuluan sebagai alat test. Kuesioner pendahuluan saya ambil sekitar 10% dari keseluruhan kuesioner yang akan diedarkan nantinya. Hasil dari kuesioner pendahuluan dapat diolah untuk mengetahui validitas dan reliabilitasnya, yang mana akan dapat disimpulkan apakah kuesioner perlu diperbaiki atau tidak.

Demikian sedikit masukan dan saya sangat menyarankan saudara untuk memiliki bukunya Prof Imam Ghozali karena menurut saya sangat mudah dipahami dan benar-benar menuntun pembacanya.

Tanya:
Mohon bantuannya untuk memberikan informasi mengenai hal-hal berikut ini:

software apa yang dapat digunakan untuk variabel penelitian yang menggunakan variabel
penyela (intervening variable) dengan hubungan antar variabel seperti berikut ini:

Variabel Bebas —- Variabel Penyela —- Variabel Terikat

Kemudian, untuk variabel moderating yang datanya nominal, apakah dapat dianalisa dengan menggunakan software SPSS ?

Prof. Dr. Imam Ghozali, M.Com:
Untuk model yang ada variabel interveningnya dapat
juga dihitung dengan SPSS hanya memerlukan langkah
regresi bertahap. Softawre yang sekaligus menghitung
intervening ya model struktural dengan program AMOS,
LISREL dan Partial Least Square.

Kalau semua variabel independen adalah nominal, maka
model moderasi dapat dilakukan dengan analysis of
variance (ANOVA) dengan cara melakukan interaksi
terhadap variabel tersebut.

Lebih jelasnya anda dapat membaca buku saya:
1. Analisis Multivariate dengan SPSS (contoh
intervening dengan regresi bertahap)
2. SEM dengan AMOS5, SEM Lisrel atau SEM PLS (contoh
intervening langsung)

Tanya:
Saya mahasiswa S1 akuntansi di Purwokerto. Saat ini mau membuat proposal skripsi. Apakah ada batasan jumlah sampel (jumlah tahun) untuk jenis data timeseries, crossectional dan pooledata?

Prof. Dr. Imam Ghozali, M.Com:
kalau anda menggunakan alat analisis multivariate
(regresi, anova, manova dst) maka jumlah sample >30,
tetapi jika jumlah sample anda < style=”font-weight: bold;”>Tanya:
saya menggunakan software Lisrel 8.30, ketika
me-run program simplis, muncul box dialog yang
mengatakan bahwa “the model is not converged”, mohon penjelasan tentang ini,
terimakasih kepada semua

Prof. Dr. Imam Ghozali, M.Com:
Hal ini bisa jadi karena sample covariance matrix anda
tidak definite positive (problem pada data), atau bisa
juga karena ada variance yang bernilai negative
(heywod case)kalau ini yang terjadi juga masalah data
dan anda dapat paksa (konstrain) dengan membuat
variance tadi menjadi positif. Bisa juga karena model
anda tidak identified (jumlah paramater yang akan
diestimasi lebih kecil dari jumlah variabel sehingga
harus di contarint).

Semua hal ini ada di buku saya SEM dengan LISREL 8.54
silahkan membaca.

Tanya:
Untuk menentukan ukuran sampel sebaiknya menggunakan metode yang mana ?

Prof. Dr. Imam Ghozali, M.Com:
Ukuran sample dapat ditentukan dengan rumus statistik
(lihat buku-buku statistik) dan besarnya sample
tergantung dari: (1) heteroginitas populasi, semakin
heterogin semakin besar sample yang diperlukan,
(2)tingkat kesalahan yang anda tolerir, semakin besar
tingkat kesalahan yg dapat ditoleriri maka semakin
kecil sample, (3) tingkat confidenmce level yang
digunakan.

Hanya saja dengan rumus statitik bisa diperoleh sample
yg sangat besar sehingga kita td mampu mendapatkannya.
Oleh karena itu solusinya dapat juga berdasarkan
penelitian-penelitian terdahulu dengan sample yang
sama berapa mereka peroleh sample. Anda gunakan
pengalaman masa lalu ini sebagai justifuikasi sample
anda.

Tanya:
saya dalah mahasiswa manajemen agribisnis IPB. sekarang saya sedang
menyusun penelitian tentang store atmospheric (hubungan store
environment dengan shopping behaviour) ada tidak yang bisa bantu atau
tahu tentang penelitian tersebut. saya menggunakan pendekatan stimulus-
-organism-response dari mehrebian and russel.

saya menggunakan alat analisis SEM, sekarang sedang kebingungan
menentukan variabel yang berpengaruh (bail laten terikat, bebas),
karena saya belajar sem otodidak tidak diajarkan di kuliah. saya mohon
bantuannya apakah saya harus menggunakan lisrel atau amos…punya
contoh penelitian tentang itu dan kuisionernya tidak…

Ahyar Yuniawan:
Sebenarnya penentuan mana variabel laten “bebas” dan
“tergantung@ tergantung pada tujuan penelitian anda
dan sejauh mana informasi yang anda peroleh tentang
variabel-variabel yang menjadi perhatian anda dalam
rencana riset anda. saya yakin anda mampu mencarinya &
menentukan mana yang bebas dan tergantung.
tentang artikel yang anda maksud, mestinya bisa anda
cari di website tertentu (proquest, ebsco, dll) yang
mungkin sudah membangun MOU dg IPB atau anda cari
melalui Google atau Yahoo.
Lisrel atau Amos sama saja, hanya saja tergantung pada
buku pegangan yang kita miliki. Mungkin anda bisa baca
buku lain tentang pemanfaatan Lisrel atau Amos untuk
penelitian dari karangan Prof. Imam Ghozali atau Prof.
Augusty, keduanya dari UNDIP Semarang.

saat ini saya tertarik untuk meneliti industri rokok,
terutama tentang klaster. untuk analisis saya coba
beli buku bapak tapi kalo tidak salah tidak ada materi
analisis klaster. Mohon kalo bapak ada materi praktek
SPSS atau teori analisis klaster, saya bisa ikut
belajar.
terimakasih
wassalam

Prof. Dr. Imam Ghozali, M.Com:
Di buku aplikasi analisis multivariate ada bab mengenai cluster analysis yaitu bab 16 silahkan coba dibaca lagi

Tanya:
Mohon bantuannya jika pernah mengalami masalah
evaluasi data yang tidak normal(ditunjukkan dng nilai
c.r jauh dari 2,58), data yang outlier(ditunjukkan dng
nilai mahalanobis distance >66,25), dan terjadi
singularitas(ditunjukkan dng determinan matriks
kovarians = 0,000).

Langkah2 apa saja yg kita harus lakukan untuk
mengatasi masalah-msalah tersebut ?

Terima kasih atas perhatiannya.

Nur lia:
outlier karena data tidak normal….coba cek di mahalanobis distance……….nilai mahalanobis tidak harus >66,25 tapi harus pake perhitungan berapa variabel dan derajat kebebasan….gitu kayak nya. sori aku agak lupa2 ingat….karena tesisku dah selesai…ntar baca bukunya aja punya pak imam ghozali…

Tanya:
Ada 2 hal yg ingin saya tanyakan tentang Confirmatory
Factor Analysis (CFA) dng AMOS. Saya sudah membaca
buku AMOS yg ditulis Bapak, tetapi saya masih belum
menemukan hal-hal berikut :

a. Penentuan Cut Off untuk Loading Factor suatu
indikator ada yg menyebutkan 0,50 atau 0,60 atau 0,70.

Adakah referensi/rujukan untuk masing-masing cut off
tsb ?

Misalnya untuk cut off 0,70 mereferensi/merujug kepada
Gefen, Straub, et Boudreau 2000.

b. Jika saya memiliki indikator hanya 2 indikator pada
suatu konstruk, bagaimana saya melakukan CFA-nya dng
AMOS ?

Prof. Dr. Imam Ghozali, M.Com:
memang benar ada beberapa rujukan dengan angka cut-off
yang berbeda-beda. Buku Multivariate karangan Hair
memberikan rujukan jika loading factor di bawah 0.40
dianggap tidak valid. Sebagian besar artikel di jurnal
yg menggunakan SEM menggunakan angka cut-off 0.70 yang
mereka sebut dengan construct validity. Pada SEM yg
menggunakan Partial Least square hampir semuanya
menggunakan nilai cut-off 0.70. Tentunya semakin besar
nilai cut-off semakin baik krn nilai loading mengukur
seberapa besar indikator memberi kontribusi dalam
pembentukan konstruk atau variabel latent

Konstruk dengan indikator tiga atau kurang dari tiga
tidak akan memberikan nilai goodness fit (GFI, AGFI
dstnya) sebaiknya suatu konstruk minimal memiliki 5
indikator

Tanya:
Saya hendak meneliti pengaruh nilai produk, asosiasi merek dan
kualitas pelayanan terhadap kepuasan dan hubungannya dengan
loyalitas konsumen sepeda motor. Yang ingin saya tanyakan adalah :
1. Teknik analisis apa yang paling sesuai dengan penelitian
tersebut ?
2. Apa kelebihan dan kekurangan jika menggunakan analisis
regresi ?
3. Apa kelebihan dan kekurangan jika menggunakan SEM ?
4. Buku atau teori apa saja yang bisa menjadi landasan
pembuatan kuesioner untuk mengukur masing-masing indikator dari
variabel-variabel tersebut ( agar kuesioner valid dan reliable ) ?
5. Mohon informasi jika ada buku, tesis, disertasi, artikel
atau jurnal yang dapat dijadikan sebagai referensi penelitian
tersebut

Prof. Dr. Imam Ghozali, M.Com:
1. Melihat hubungan antar variabel yg akan anda teliti
varaibel kepuasan merupakan variabel intervening atau
mediating jadi ada hubungan tdk langsung dari nilai
produk, asosiasi merek dan kualitas pelayan ke
loyalitas konsumen melalui kepuasan.

2. model ini dapat diselesaikan dengan regresi atau
Model Persamaan Struktural. Jika dengan regresi anda
hrs melakukan regresi bertahap dengan dua persamaan
regresi, sedangkan dengan SEM dapat diestimasi secara
simultan. Kedua metode akan menghasilkan nilai
estimasi parameter yang sama. Regresi merupakan
genetrasi pertama dari multivariate sedangkan SEM
adalah generasi kedua multivariate shg lebih powerful
dalam menyelesaikan persamaan struktural

Berkaitan dengan kuesioner anda tdk perlu susah-susah
membuat kuesioner sendiri gunakan saja kuesioner yang
sudah ada dan telah dipakai banyak orang. Untuk
variabel yg akan anda teliti banyak sekali penelitian
sebelumnya yang telah menggunakan kuesioner tersebut.
Jadi gunakan saja instrumen yang sdh teruji dipakai
sebelumnya (cari di jurnal atau internet atau anda
dapat lihat di buku handbook marketing scale ada di
perpustakaan S3 dan Prog MM Undip)

4. Buku yang dapat anda baca adalah buku saya:
a. Analisis Multivariate dengan SPSS
b. Model Persamaan Struktural dengan AMOS 5
c. Structural equation modeling dengan Lisrel 8.54
d. Structural equation Modeling Metode Alternatif
dengan Partial Least Square.

Tanya:
Pak, bagaimana cara menguji intervening dengan AMOS?

syaiful_maksi12:
cara menguji intervening dengan AMOS :
1. anda lihat nilai direct dan indirect effect pada output full
model amos yang anda olah.
2. anda tinggal menambahkan pengaruh langsung dengan hasil perkalian
pengaruh tidak langsung dari hubungan antar model.
atau dengan rumus A+(BxC)
A= koefisien regresi pengaruh langsung
B= koefisien regresi pengaruh tidak langsung
C= koefisien regresi pengaruh tidak langsung
EX:
A–>B= 0.25 (Pengaruh Langsung)
A–>C= 0.15 (pengaruh tidak langsung)
C–>B= 0.50 (pengaruh tidak langsung)
0.25 + (0.15 X 0.50)= 0.325
interprestasi:
hubungan A ke B bisa langsung atau melalui C sebagai intervening
(0.325>0.25).

Tanya:
Di kampus saya sekarang ini terjadi perdebatan tentang interveing.
Misalnya saya gambarkan sebagai berikut : ada pengaruh A ke B kemudian
ke C (B variabel intervening).
Dosen A mengajarkan dua hipotesis, yaitu :
1. Ada pengaruh langsung A ke C
2. Ada pengaruh tidak langsung A ke C melalui B.
kemudian diuji dengan cara : jika (jalur A ke B)x(Jalur B ke C)lebih
besar daripada jalur langsung A ke C, maka dikatakan B variabel
intervening. Begitu juga sebaliknya.

Tetapi dosen W menyalahkan hipotesis tersebut beserta cara
pengujiannya, katanya hipotesis yang betul ada tiga, yaitu :
1. Ada pengaruh A thp B
2. Ada pengaruh A thp C
3. Ada pengaruh B thp C.
Kemudian hipotesis tersebut diuji dengan uji t.

Selain itu juga cara menuliskan persamaannya juga terjadi perdebatan.

Menurut prof imam yang benar yang mana? Mahasiswanya pada bingung.

Prof. Dr. Imam Ghozali, M.Com:
Sebetulnya tergantung dari model teoritiknya modelnya
dpt :
1 A——>B ———> C
2 A—————>C

B
model 1 A tdk langsung ke C, tetapi hrs lewat B
dahulu, sementara model 2 A bisa langsung ke C, tetapi
bisa juga lewat B baru ke C.
Disini A adalah variabel exogen (variabel yg tdk punya
anteseden atau tdk dipengaruhi variabel sebelumnya),
sedangkan B dan C adalah variabel endogen karena punya
anteseden. variabel intervening atau mediating adalah
variabel endogen yg mempunyai anteseden dan konsekuen
yaitu B.

Pada model 1 jelas bahwa hubungan A ke C tdk langsung
hrs lewat B. jadi kalau A ke B signifikan dan B ke C
juga signifikan maka B intervening dan hubungan A ke C
tdk langsung lewat B.

Pada model 2 ada dua kemungkinan A berpengaruh
langsung ke C atau tidak langsung yaitu dari A ke B,
baru ke C. Jika A ke C signifikan (langsung) dan A ke
B juga signifikan serta B ke C juga signifikan, maka A
ke C bisa langsung atau tidak langsung. mana yang
lebih kuat tinggal membandingkan koefisien A ke C
dibandingkan dengan perkalian koefisien A ke B dan B
ke C jika koefisien tdk langsung lebih besar drpad
langsung, maka bisa disimpulkan bahwa hubungan A ke C
tidaklangsung lewat intervening B. Apakah koefisien
signifikan atau tidak dilihat nilai t statistiknya
untuk 1%= 2.58, 5%=1.96 dan 10%=1.64 jika nilai t
statistik lebih besar dari nilai ini maka signifikan.

Tanya:
Pak Imam.. saya mahasiswa pascasarjana Maksi UGM, sekarang sedang
menulis Thesis. Thesis saya menganalisis 4 variabel laten menggunakan
SmartPLS dari buku bapak. konstruk yang dibangun seperti pada bab 6
didalam buku. Dari hasil penyebaran kuesioner pilot, ada beberapa hal
yang ingin saya tanyakan terkait dengan hasil analisis.

Alat ukur yang digunakan dalam SmartPLS untuk menguji validitas dan
reliabilitas indikator dan variabel laten ada empat, yaitu: convergent
validity, discriminant validity, akar AVE dan composite reliability.
hasil uji kuesioner saya menunjukkan:

1. pengukuran dengan convergent validity menunjukkan ada beberapa
indikator yang harus di drop. setelah di drop ada beberapa indikator
yang dapat diterima, namun ada juga beberapa indikator yang loading
factornya > 0,50 tetapi T-statistik-nya <> 1,96. bagaimanakah perlakuan
untuk indikator-indikator seperti ini?

2. saya mencoba men-drop ke 2 macam loading factor tersebut. setelah 3
kali proses semua indikator telah layak loading factor dan
T-statistiknya, hanya saja ada satu variabel laten yang hanya memiliki
1 indikator saja. variabel ini adalah outer loadingnya. Apakah
analisis nantinya bisa layak digunakan? (nilai factor loadingnya 1.000
dan T-statistik tidak muncul)

3. Setelah itu saya menguji discriminat validity dengan cross loading.
Ada satu variabel yang korelasi masing-masing indikatornya, dari 6
indikator, 2 diantaranya memiliki nilai loading antar variabel dibawah
nilai korelasi dengan variabel lainnya. bagaimanakah perlakukan dengan
indikator ini? sedangkan syaratnya harus lebih besar.

4. Selanjutnya saya menguji Akar AVE, ada satu variabel laten yang
akar AVE berada dibawah korelasi antar variabel laten. Bagaimanakah
reliabilitas variabel dengan cara ini? apakah variabel laten tersebut
dikeluarkan? sedangkan pengujian dengan Composite reliability semua
variabel laten telah layak diatas 0,7.

5. Apakah dari ke 4 metode pengukuran tersebut, semuanya
(keempat-empatnya) harus digunakan? Apakah tidak cukup misalnya hanya
dengan convergent validity dan composite reliability?

6. Pertanyaan-pertanyaan ini muncul karena sangat sedikit keterangan
di buku bapak yang secara rinci terkait dengan indikator/variabel
tidak layak/tidak memenuhi syarat. kalau boleh saya memberi saran,
mungkin perlu ditambahkan kasus-kasus seperti masalah yang saya hadapi
tersebut.

Prof. Dr. Imam Ghozali, M.Com:
1. Pada prinsipnya indikator yg mempunyai loading
factor signifikan yg hrs dipakai dan nilai loading
minimal 0.70 (menurut banyak penulis. ttp untuk
penelitian yang belum mapan variabelnya masih
dimungkinkan dengan kriteria .50 – .60 (ini sama
dengan uji validitas. Jadi indikator yg tdk
signifikan pasti dibuang sedang ndikator signifikan
ttp loadingnya dibawah 0.50 juga dibuang.

2. Kalau anda melakukan uji cross-loading dan ada dua
indikator yg tidak dalam satu konstruk laten, maka dua
indikator ini dianggap tdk mengukur konstruk tersebut
dan hrs dibuang dari indikator pembentuk konstruk.

3. Composite reliability sama dengan cronbach alpha
sebagai pengukur konsitensi, sedangkan AVE sama dengan
uji validitas. Jadi kalau ada konstruk yang nilai
AVE-nya di bawah 0.50 menandakan bahwa konstruk
tersebut validitasnya rendah dan ini menjadi
keterbatasan penelitian anda untuk konstruk tersebut.

4. untuk konstruk yang hanya memiliki satu indikator,
maka indikator tersebut hrs dibuat dalam bentuk
refleksif. (PLS tidak dapat membuat observe variable
dengan kotak spt dalam AMOS atau LISREL) jadi variable
observed dalam PLS dibentuk dengan variabel latent
dengan satu indikator bentuknya refleksif (arah panah
anda ubah dari indikator ke konstruk)

Semoga menjawab pertanyaan anda, kalau anda ingin tahu
lebih jelas mengenai smartpls silahkan joint diskusi
atau membaca hasil diskusi di www.smartpls.de

Tanya:
Ada temen mahasiswa yang mencoba meneliti pengaruh stock split terhadap PBV. dengan hipotesis bahwa PBV memiliki pengaruh terhadap keputusan perusahaan untuk melakukan stock split. Pertanyaan:
1. Alat Statistik apa yg digunakan untuk mengujinya?
2. Apakah Asumsi dasar regresi (Normalitas dan Asumsi klasik tetap dilakukan?
3. Bagaimana cara/ langkah-langkah menganalisisnya?

Prof. Dr. Imam Ghozali, M.Com:
Mas Udin, kalau variabel dependen bersifat kategori
yaitu melakukan stocksplit atau tdk melakukan
stocksplit, maka logistic regression cocok untuk sbg
alat analisis. Oleh karena logistic regression
menggunakan estimasi maximum likelihood, maka tdk
berlaku asumsi klasik seperti pada multiple regression
OLS, tetapi multikoloniearitas masih diperlukan.
Cara menganalisisnya silahkan membaca buku saya
analisis multivariate dengan SPSS

Tanya:
sekarang saya sedan melakukan penelitian tentang
shopping environment dengan shopping behaviour, saya
cukup mengalami kesulitan dalam membangun kuisioner
(belum ada masternya di Indonesia) ada yang punya
atau tahu tentang kuisioner itu tidak (mohon
bantuannya). saya juga masih bingung jumlah
responden yang ada kalau variabel indikatornya ada
11 dengan 3 variabel laten/ ada yang bilang minimum
100 dengan error 20%, tapi ada yang bilang jumlah
responden adalah 5 x variabel indikator mana yang
benar?

Imam Ghozali:
Sdr Welly artha, sebetulnya sudah ada
instrumen/kuesioner yang jadi dan telah digunakan oleh
para peneliti terdahulu. Ditempat saya (program S3
ekonomi) atau program MM UNDIP ada tiga volume buku
handbook marketing scale yg berisi ribuan contoh
kuesioner berbagai bidang manajemen. Dalam bhs
indonesia sebagian sudah diterjemahkan dan ditulis
dalam buku Organizational Diagnosytic (kurang lebih
250 contoh keusioner manajemen) byuku tersebut ditulis
oleh sdr Fuad Mas’ud (hanya dijual di FE UNDIP)

Dalam penelitian dengan SEM besarnya jumlah sample
diukur dengan 5 x jumlah parameter yang akan
diestimasi.

Tanya:
kalau boleh saya ingin bertanya beberapa hal mengenai SEM:
1. pada analisis simplis, bolehkah kita menjumlahkan data2 indikator dr second order factor analisis yang loadingnya 0,4 kemudian kita jadikan first order pada analisis SEM?
apakah yang dimaksud dengan factor score?
ada yg berpendapat data2 indikator tersebut boleh dijumlahkan tp harus dalam bentuk factor score (kalau tidak salah maksudnya harus dicari z scorenya dahulu, benarkah demikian?
2. kalau tidak salah menurut prof Imam lisrel tidak bisa menguji model dengan data kategorial, bagaimanakah kalau yang dimaksud dengan korelasi polikorik dll?
3. jika ingin menguji suatu model dengan salah satu variabelnya merupakan obeserved variabel (bukan laten variabel) misalnya jenis IPK, tinggi badan dll sedangkan varibel lainnya merupakan varibel laten, apakah yg harus dilakukan?
adakah yang isa membantu saya, syntax apa yg harus saya tambahkan pada simplis?
atas bantuannya saya ucapkan banyak terimakasih.

Imam Ghozali:
Sdr Herwijati, kalau anda mau menjumlahkan
masing-masing indikator menjadi satu angka, maka
sebetulonya anda mebuat variable observed dengan
simbul kotak dana analisisnya adalah menjadi path
analisis. Variabel semacam ini menghilangkan informasi
yang ada pada indikatornya.

Dibeberapa jurnal psikologi disarankan membuat namanya
composite indikator yaitu dengan cara menjumlah
masing-masing indikator tetapi diperhitungkan juga
nilai score weightnya, sehingga nanti didapatkan satu
score yang merupakan nilai tertimbang dari
masing-masing score indikator. (cara ini tdk
menghilangkan karaketeristik unik dari masing-masing
indikator). Cara yang anda tanyakan tidak ada dasar
teorinya). Ada contoh artikel yang menggunakan
composuite indikator yang ditulis oleh Dr BM Purwanto
(dosen FE UGM) di Jurnal Ekonomi UGM.

Pada perinsipnya anda bisa juga membuat model dengan
menggabaungkan ada variabel laten dan observed. Jadi
kalau observed ya langsung dengan kotak

Tanya:
Saya telah bikin tesis dgn PLS dan memakai buku
panduan Prof Imam ttg
PLS. Dalam contoh pembahaasan di buku PLS tsb, nilai
loading diatas
1.00 (nilai loading 1), dosen penguji saya
menyalahkan tesis saya
kenapa nilai loading bisa di atas 1. Itu SALAH
katanya, nilai loading
pasti antara 0 s.d 1, tapi kenapa tesis saya bisa di
atas 1. Bingung
juga jawabnya. Berarti buku Prof Imam ttg PLS juga
salah ya ? Mohon
tanggapan dari rekan2. Saya memakai SMart PLS &
PLSGraph.

Imam Ghozali:
terima kasih, ada dua kemungkinan mengapa nilai
loading factor anda lebih dari satu:
1. anda harus memilih output dengan nilai standardized
(dalam hal PLS pilih Nilai Variance=1 dan means=0)dan
jika hasilnya masih di atas satu setelah di
standardise, maka yang salah pada data anda
2. Jika nilai loading factor standardozed lebih dari
satu, berarti variance dari indikator itu negative dan
ini problem pada data anda. Memang benar bahwa nilai
variance tidak boleh negatif (didalam buku Amos dan
Lisrel saya sebut heywood case)
3. Karena problem ada pada data anda bisa jadi data
tidak normal, ada oultlier dstnya. Benahi dahuku
dengan data anda atau nilai yang tadi negatif
dikonstraint menjadi nilai positif kecil (kalau anda
menggunakan Amos atau Lisrel lihat pembahasan di buku
saya)
4. Jadi yang salah bukan buku saya, tetapi data anda
yg tidak memenuhi asumsi.

syaiful_maksi12:
saya sependapat dengan Prof Imam..ada kemungkinan item pertanyaan di
kuesioner merupakan pertanyaan konfirmasi. langkah yang harus anda
ambil adalah dengan membalik score jawaban. jika responden menjawab 7
maka anda ganti dengan score 1, jika 6 anda ganti dengan 2..begitu
seterusnya. lakukan langkah ini hanya pada loading faktor yang
bernilai negatif. slamat mencoba..

Tanya:
Saya seorang mahasiswi yang sekarang sedang
mengerjakan tugas akhir yang mengangkat analisis
statistik menggunakan analisis cluster. Data yang
saya miliki adalah data biner, yang ingin saya
tanyakan apakah untuk jenis data ini sebelum
dilakukan analisis pengelompokan untuk objek yang
diteliti perlu diperiksa korelasi datanya terlebih
dahulu? Dan bila memang terdapat korelasi pada
masing2 objek yang saya teliti analisis apa yang
perlu saya lakukan? Apakah analisis komponen utama
bisa diterapkan untuk jenis data ini untuk
menghilangkan korelasi antar objeknya?

Oh ya satu lagi bila kita hanya memiliki objek2
yang kesemuanya terdiri dari data diskrit apakah
bisa dilakukan analisis komponen utama padanya?
Apakah memang ada asumsi bahwa komponen utama hanya
bisa dilakukan untuk jenis data yang kontinu?
Saya mohon bantuan Pak Imam atau siapapun dalam
milis ini yang dapat membantu saya memecahkan
masalah ini, dan sebelumnya saya haturkan
terimakasih yang sebesar-besarnya atas jawaban yang
diberikan.

Imam Ghozali:
Sdr Rizka amalia data biner atau kategorikal bisa juga
dianalisis secara statistik. Jika anda punya dua set
variabel yg satu dependen dan satunya independen serat
keduanya dalam bentuk data biner ataui kategorikal
anda dapat lakukan analisis dengan loglinear model.
Jika variabel dependennya yang biner atau kategorikal
sedangkan independennya kontinyu atau dummy maka alat
analisisnya logistic regression. Ada buku statistik
bhs Indonesia yang cukup bagus membahas hal ini
tulisan bapak I Gusti Ngurah Agung dengan judul ”
Statistika Analisis Hubungan Kausak Berdasarkan Data
Kategorik”. Kalau anda ingin tahu cara mengolahnya dan
interpretasi dengan SPSS dapat membaca buku saya
“Analisis Multivariate Lanjutan dengan SPSS”

Tanya:
saya telah bikin tesis dgn PLS dan memakai buku panduan Prof Imam
ttg PLS. Dalam contoh pembahaasan di buku PLS tsb, nilai loading diatas
1.00 (nilai loading 1), dosen penguji saya menyalahkan tesis saya
kenapa nilai loading bisa di atas 1. Itu SALAH katanya, nilai loading pasti antara 0 s.d 1, tapi kenapa tesis saya bisa di atas 1. Bingung juga jawabnya. Berarti buku Prof Imam ttg PLS juga salah ya ? Mohon tanggapan dari rekan2. Saya memakai SMart PLS & PLSGraph.

syaiful_maksi12:
memang benar bahwa loading factor harus < style=”font-weight: bold;”>Tanya:
Saya sangat awam dengan SEM dan Lisrel, mohon
bantuannya untuk dapat
menjelaskan beberapa hal sebagai berikut:

1. Untuk membentuk model dalam SEM, saya menggunakan
analisis faktor
exploratori dengan SPSS dan dengan loading
covariance, namun saya masih
bingung bagaimana menentukan hubungan antara
variabel laten (faktor-
faktor yang sudah dihasilkan dengan faktor
analisis)??.

Imam Ghozali:
Analisis Faktor eksploratory dapat digunakan untuk
membentuk suatu konstruk atau variabel laten. Misalkan
anda mempunyai 100 atribut dan atribut ini anda
analsis faktor eksploratori dan akan membentuk 4
faktor. 4 Faktor inilah yang dapat anda anggap sebagai
variabel laten dengan indikator semua atribut yang
membentuk faktor tersebut. Pemberian nama faktor (sbg
variabel alten) hrs dilihat dari atribut yg membentuk
faktor tersebut.

Tanya:
Mohon bantuannya untuk menjawab rasa ingin tahu saya pada hal-hal
sebagai berikut:

1. Terima kasih prof, memang hal itu yang saya maksud, pada saat ini
saya memiliki 144 variabel yang kemudian saya olah dengan SPSS dengan
Analisis faktor (faktor exploratory) menggunakan PCA (Principal
Component Analysis)dengan pendekatan Varimax. Hasil analisis menunjukan
pembentukan 21 faktor, dengan Keiser-Meyer-Olkin (KMO)sebesar 0,981 dan
Bartlett’s Test menunjukan signifikan (<0.05). style=”font-weight: bold;”>Imam Ghozali:
Hubungan antar variabel laten yang akan anda uji
didasarkan pada kajian teori. Jadi anda harus cari
teori dan penelitian sebelumnya yang melihat hubungan
antar variable laten, setalah itu anda baru bisa
membangun model hubungan antara variabel laten.

Hubungan antara variabel laten diuji dengan regresi
apakah hubungan searah atau timbal balik semua
dikembalikan pada dasar teorinya.

SPSS tidak mampu menyelesaikana persanmaan struktural
dengan indikator, jadi anda saya sarankan gunakan Amos
saja yang lebih mudah tinggakl klik-klik, software
lainnya Lisrel dan Eqs hrs membuat syntax yangf lebih
sulit.

Tanya:
Prof, ketika saya menjalankan program Lisrel Student dari CD yg ada di
buku kenapa menu “import external data in other formats” tidak bisa
dijalankan ( tulisannya tidak aktif ). dan klo menggunakan versi trial
dapat dijalankan tetapi itu apakah hanya bisa digunakan selama 15 hari?
terima kasih atas bantuannya

Imam Ghozali:
Memang betul kelihatannya yang student version
dibatasi hanya 12 variabel dan improt data dari format
excel atau lainnya tdk bisa. Sedangkan yg versi trial
full version tetapi hanya bisa 15 hari setelah itu
anda hrs format hard disk dan install lagi (sy belu8m
coba seandainya expire apakah dengan mengundurkan tgl
komputer masih bisa dijalankan.) Saya lihat banyak
yang mempunyai lisrel versi 8.30 dan anda dapat
menggunakan software ini. Sampai saat ini saya tdk
melihat ada crack untuk software lisrel (hebat)

Tanya:
Yth. Prof. Imam dan teman-teman milist, saya ingin menanyakan berapa
nilai batas minimum nilai lambda yang dapat diterima dalam SEM agar
loading factor signifikan. Saya baca di Nunally dkk. diatas 0,07. Jika
nilai lambda di bawah 0.04 bagaimana caranya untuk menaikkan nilai
tersebut. Saya menggunakan software AMOS, terima kasih atas jawabannya.
Terima kasih

Imam Ghozali:
Lambda sama dengan loading factor. Umumnya loading
factor yg kecil menghasilkan adalah tdk signifikan.
Jadi yg penting anda lihat pertama apakah loading
factor tersebut signifikan atau tidak. Setelah itu
jika signifikan maka loading yang digunakan hanyalah
indikator yg memberikan nilai loading 0.70 (convergent
validity) menurut beberapa artikel jurnal. Bisa
diturunkan menjadi 0.50 – 0.60 kalau masih belum
banyak penelitian di bidang tersebut. tetapi ada
penulis seperti Hair yang mengatakan bahwa loading
factor 0.40 masih ok. Pada prinsipnya loading factor
ini mengukur validitas dari instrumen, jika nilainya
tdk signfikan atau kecil, maka dianggap indikator ini
tdk mengukur variabel latennya.

Tanya:
Prof dan rekan semua saya ada bbrp hal yg ingin saya tanyakan
tentang Amos Basic, saya meneliti pengaruh X1, X2, X3 terhadap X4
serta pengaruhnya terhadap X5.Setelah membaca buku karangan Prof ttg
Amos, Lisrel, dan PLS maka saya cenderung memilih Amos basic karena
sepertinya paling mudah (CMMIW) Yang ingin saya tanyakan :
1.Apa kelebihan dan kekurangan masing2 jika menggunakan Amos Grafik
dan Amos Basic.
2.Dalam contoh amos basic di buku Amos 5 persamaan model dan model
grafik tidak ada. Apakah hal ini tidak perlu ?
3.Syarat apa yg harus dipenuhi jika menggunakan Amos Basic ?
4.Dalam buku Prof ttg Amos hal 46 terdapat penulisan angka
satu (1) misalnya
Sem.structure sdqn1 GSC(1)
Sem.structure sdqn13 GSC
Kenapa ada (1) hanya di sdqn 1 tetapi berikutnya tidak dituliskan ?
Arti dari (1) ?
Di penulisan untuk error semua diikuti (1) ,kenapa ?
5.Cara penulisan contoh tsb sepertinya berbeda dg contoh di hal 62
yaitu letak (1) di indikator terakhir, kenapa ?
6.Bgmn pedoman penulisan bahasa pemrograman ? hal 79 contoh :
Sem.structure. negative_attitude=general_depression + (1) z1
Penjelasan dari bhs pemrograman tsb ?

Imam Ghozali:
Amos Graphic dan Amos Basic pada dasarnya sama. Amos Grafik lebih mudah oleh krn anda tdk usah mengetahui persamaan dari model yg dibutuhkan hanyalah pengetahuan hubungan antar variabel secara diagram. Kelemahannya, jika model anda sangat kompolek sehingga sulit digambar secara grafik di layar komputer, maka solusinya hrs dengan amos basic. Pada amos basic anda hrs bekerja berdasarkan persamaan (gambar grafik tdk keluar), sehingga diperlukan pengetahuan yang memadai akan persamaan matematis dr model.

Jika anda bekerja dengan amos grafik, mk secara otomatis pada error semua diberi nilai 1 dan salah satu dari loading factor diberi nilai 1, mk dengan persamaan amos basic anda hrs melakukan hal yg sama yaitu dengan memberi nilai konstrain 1 untuk setiap error dan nilai konstrain 1 untuk salah satu loading factor (amos secara default memberi niloai loading 1 untuk indikator pertama dari variabel laten). Anda bisa saja merubah yang diberi nilai 1 adalah indikator nomor tertentu tdk hrs yang pertama.

Tanya:
saya lagi nyusun skripsi tentang penilaian terhadap
kinerja karyawan.
..
rencananya mo pake SEM-PLS..klo populasinya cuma 31
bisa nggapake PLS
..trus cara ngambilsampelnya gimana ya pak???
truss klo mo dapetin buku bapak tentang PLS gimana
caranya pak????

Imam Ghozali:
Jelas bisa menggunakan SEM PLS krn datanya kecil.
Kalau anda di Jakarta PLS dapat anda peroleh di
Gramedia Matraman, Mall Taman Anggrek dan Mall Ciputra
Grogol. Atau bisa saya kirimkan langsung dari semarang
dan tolong alamat kirim anda.

Cara mengambil sampel lihat saja buku metodologi bisa
dengan konsep probabilitas atau non probabilitas dan
banyak cara lainnya.

Tanya:
Saya sedang ingin belajar dan meningkatkan kemampuan ilmu penelitian saya.Apakah bpk ada menulis buku Amos dan Lisrel versi latihan kasus-kasus penelitian serta penyelesaiannya berdasarkan langkah-langkah penggunaan kedua software tersebut….? Kebetulan buku yg saya miliki hanya ada memuat penjelasannya secara teori dan langkah penggunaannya dan tidak ada memuat contoh kasus dan penyelesaiannya yg disertai dg penafsiran hasil outputnya.

Imam Ghozali:
Saya menulis 3 buku SEM yaitu Model Persamaan Struktural dengan Amos 5, Structural Equation MOdeling dengan Lisrel 8.54 dan Partial Least Square. Buku ini bisa anda peroleh di Gramedia Matraman, Mall Taman Anggrek dan Mall Ciputral Grogol Jakarta. Jika anda menginginkan buku tersebut saya bisa kirimkan dari semarang dan tolong alamat kirim anda (buku ini ada contoh kasus dan cara interpretasinya)

Tanya:
Saya mo tanya nih, pada inner model (model struktural) Pertama harus
dilihat adalah R-Square nya. Dari hasil output pada SmartPLS versi
1.01 ada tabel Inner weights (Stuctural Model) tabel ini apa artinya ???

Masih inner model : Jika dilihat dari gambar Model –> Korelasi antara
variabel laten masing2 memiliki weight (bobot). Apakah ini sama dengan
koeefisien regresi??

Imam Ghozali:
Inner model yg merupakan koefisien regresinya adalah
yang inner loading (jangan yg inner weight ini artinya
bobot bukan loading factor)

Tanya:
saya sedang mengerjakan skripsi dan mengalami masalah dengan uji
normalitas. Yang ingin saya tanyakan :
1. bila saya menggunakan uji regresi, apakah data yang saya gunakan
harus terdistribusi normal?bila data saya tidak normal apakah harus
dinormalkan terlebih dahulu?apakah transformasi bisa digunakan untuk
menormalkan, bila data saya berupa data rasio yang angkanya berkisar -1
dan 1, dengan rata-rata 0.05?
2. saya membaca message dalam forum ini, uji normalitas dalam asumsi
klasik digunakan pada koefisien error, saya bingung apakah normalitas
itu terhadap data atau koefisien error?

Imam Ghozali:
UJi asumsi klasik normalitas pada regresi adalah uji
normalitas residual atau error dari regresi tersebut.
Cara mendeteksi dengan SPSS:
1. Menggunakan grafik/plot residual yaitu anda pilih
plot lalu pada standardized residual plots anda
centang histogram dan normalitas probability.
Kelemahan metode ini berdasarkan pada grafik plot
sehingga dipengaruhi jumlah n dan kadang bisa
menyesatkan kelihatan normal padahal tidak. Solusinya
harus dengan uji statistik.
2. Caranya dari regresi anda pilih Save lalu tick pada
residula unstandardized (sekarang anda punya kolom
data baru residual, lihat pada data). Nilai residual
ini anda uji dengan uji kolmogorov-smirnov apakah
terdistribusi secara normal atau tdk.
3. Jika regresi anda terjadi tdk normal pada
residualnya, maka cara mengobatinya, lakukan regresi
dengan bentu semilog yaitu variabel dependen (Y) di
buat logaritma dan variabel indepndent (X) biasa.
lakukan uji normalitas, jika msh tdk normal dibalik
yang (X) dibuat logaritma dan Y tdk, jika msh tdk
normal. Buat regresi dalam bentuk double log yaitu Y
dan X semua dibuat logaritma jika masih tdk normal
anda lihat satu-satu datanya apakah terdistribusi
normal atau tdk dan transformasi spy jadi normal.
Umumnya dengan model semilog atau double log sdh dapat
mengatasi masalah normalitas. Lebih jelasnya baca buku
saya semua hal ini dibahas dalam buku saya.

Tanya:
1.Dari hasil output pada SmartPLS versi 1.01 ada tabel Inner weights
(Stuctural Model) tabel ini apa artinya ???
2.Yang dimaksud ‘nilai koefisien’ pada hasil inner model di buku SEM
dgn alternatif PLS apa ?
3.Yang dimaksud Outer Loading ? apakah sama dengan Loading FActor?

Imam Ghozali:
Istilah yg digunakan dalam SEM PLS dengan AMOS atau
LIsrel agak berbeda, tetapi maksudnya sama.

Inner model = persamaan struktural (hubungan antar
latent variable)
Outer Model = model pengukuran atau measurement model
(yaitu persamaan dari indikator ke variabel laten atau
sama dengan loading factor masing-masing indikator)

Didalam PLS menguji goodnessfit model atau keseuaian
model seperti dalam regresi yang dlihat nilai R2
(koefisien determinasinya). Pada saat anda me-run PLS
calculate maka anda akan mendapatkan nilai koefisien
regresi dari hubungan antar variabel, sedangkan untuk
melihat apakah koefieisn regresi ini signifikan atau
tidak anda harus me-run pls bootstraping untuk
mendapatkan nilai T statistik dan dibandingkan dengan
tabel t untuk melihat signifikan atau tdk.

Jadi pada output inner weighnt table anda hanya
melihat nilai T untuk menentukan signifikansinya,
sedang nilai koefisien regresi pilih yg sama dengan
saat anda me-run sebelum bootstraping.

Tanya:
saya sedang melakukan penelitian perilaku konsumen menggunakan SEM dan pakai Lisrel.
Semua data dikumpulkan pakai kuesioner dan semua berupa skala ordinal.
Yang menjadi masalah adalah :
1. apakah analisis saya harus menggunakan analisis Maximum likehood atau pakai polycorhic matrix? sampel saya 120 responden.
2. terus sering waktu ngolah data hasil analisis yg keluar tidak lengkap sering t-value tidak keluar itu kenapa?

Saya Punya 3 variabel laten PEY (EKSOGEN) REX IMP(ENDOGEN)
Variabel indikator X1 X2 X3 X4 X5 X6 X7 Y1 Y2 Y3 Y4
X1 – X4 = PEY
Y1 = IMP
Y2 – Y4 = REX
IMP = PEY
REX = IMP

ada yang bisa bantu buatin bahasa simplisnya yang pakai Maximum like hood dan yang pakai matrix polycorhic..

Imam Ghozali:
Skala pengukuran variabel anda jika menggunakan skala
Likert maka dapat dianggap sebagai variabel continous,
jadi tdk usah mengunakan polychoric, tetapi
menggunakan Maximum Likelihood.
Model persamaan anda salah karena variabel Y1 bukan
latent(bulat), tetapi observed variabel (kotak),
sehingga persamaan simplisnya

Tanya:
Pengujian dengan PLS (ghozali,2006) ada tiga tahap :

1. Menciptakan skor Var Laten (weight estimate).
2. Menghasilkan estimasi untuk inner dan outer
model.
3. Menghasilkan estimasi means dan konstanta.

Pertanyaan:

1. Tolong dibantu menjelaskan untuk point no.3 dan
hasilnya dilihat
jika memakai SmartPLS pada tabel/gambar yg mana?

2.Bagaimana cara menginterpretasikan hasil estimasi
means dan konstanta

3.Pada tabel: Result for inner weights
ada kolom Means Of Subsamples bagaimana
penjelasannnya?

4.Bagaimana Jika pada pengujian Reliabilitas dengan
Composite
Reliability menunjukkan hasil semua var. berada
diatas 0,80 –
artinya dgn CR reliabilitasnnya dibaik. TETAPI
bagaimana jika pada
pengujian AVE ada 1 var yg nilainya dibawah 0,50
Bagaimana cara
menjelaskannya atau apakah hal ini menunjukkan bahwa
reliabilitasnya
jadi buruk (tidak reliabel) ???

Imam Ghozali:
Didalam meng-input data PLS untuk analisis ada dua
pilihan apakah original atau standardized (mean=0 dan
variance=1). Jika anda pilih pada data setting =
original maka output anda akan memberikan dua nilai
yaitu means subsample sebagai konstanta dan original
subsample estimate. tetapi kalai pilihan anda
standardized (mean=0 dan variance=1) anda hanya punya
output origianl subsample estimate.

Intinya jika pilihan anda original maka hasil regeresi
dengan konstanta Y = a + b1X, tetapi kalau standardize
maka tdk ada konstanta y=b1x. Dalam analisis SEM yg
kita pakai adalah standarsizes, jadi yg tdk ada
konstantanya atau anda hrs pilih mean=0 dan variance=1

Construct reliability untuk menguji apakah responden
dalam menjawab pertanyaan anda konsisten atau tdk
(ngawur acak lewat menghitung kancing baju pilih atau
tdk pilih atau saat menjawab dipikirlebih dahulu, jika
jawaban orang konsisten atau dipikir benarean maka
nilai CR pasti tinggi 0.70. Sedangkan AVE mengukur
validitas instrumen/pertanyaan. Kuesioner anda ingin
mengukur tinggi tetapi oleh responden
dijawab/ditafsirkan panjang, dalam hal ini pertanyaan
anda tdk valid. Jadi nilai AVE<0.50 style=”font-weight: bold;”>Tanya:
Kenapa ya setelah selesai ketik bahasa pemrograman di amos basic dan
data akan di “run” tetapi tidak bisa dan keluar comment “data
E:\data\example11.xls could not be opened for reading”
Padahal data example11 benar ada di direktiri tsb dan saya buka juga
bisa. Apakah saya salah ketik ?
sem.BeginGroup”E:\data\example11.xls”, “example11?
Bagaiman yg benar ?
Pedoman ketik bahasa pemrograman utk menjelaskan hubungan antar
variabel ? di contoh buku sering ditulis di akhir baris tetapi kok
saya belum paham pedomannya. Thanks

Imam Ghozali:
Data harus ditaruh di C drive jangan dibaca lewat CD tdk akan terbaca

Tanya:
Sudah saya kopi ke drive C dan E juga..tapi tetap
tdk bisa

Imam Ghozali:
Coba anda copy ke directory example-nya amos, pasti
jalan.

Tanya:
Bapak imam dan anggota mailist yang terhormat…
berkenaan dengan PLS ,saya mo nanya………
1. rumus2 estimasi yang digunakan dalam PLS misalnya saja seperti
pada metoda estimasi Maximumlikelihood, seperti apa??
3. apa saja asumsi-asumsi yang harus dipenuhi dalam PLS ini?
2. secara garis besar apa saja urutan atau langkah pengerjaan dalam
partial least square?apakah sama dengan langkah pada cb-sem?
3. untuk pilot survey biasanya berapa banyak sampel yang digunakan?
4. berapa sampel minimal yang digunakan untuk penelitian PLS ini?
5. diantara ke-3 software yang ada,manakah yang terbaik digunakan?apa
saja kelebihan dan kekurangan masing-masingnya?

terimakasih pak atas perhatiannya dan mohon maaf atas kalimat yang
tidak berkenan

Imam Ghozali:
PLS berbeda dengan Covariance SEM (Amos atau Lisrel,
estimasinya menggunakan partial least square.
Asumsinya tdk ada karena non-parametrik (data boleh
gabungan ordinal, interval atau nominal, distribusi
data tdk harus normal, jumlah N dihitung dari blok
model terumit atau blok dengan jumlah indikator
terbanyak dikalikan lima), ketiga softawre sama saja
dan akan menghasilkan angka parameter yg sama tinggal
pilih mana yg anda sukai.

Tanya:
Pak, saya baca dibuku bapak mengenai sampel yang digunakan dalam sem. Disitu sampelnya besar. Apakah SEM itu bisa digunakan untuk data sensus yang jumlahnya kurang dari 50. terima kasih

Imam Ghozali:
tidak bisa kalau anda menggunakan covariance based sem
yaitu dengan AMOS dan Lisrel. Anda dapat menggunakan
data kecil untuk sem dengan metode Partial Least
Square

Tanya:
Saya sudah baca buku Anda SEM dengan LISREL 8.54. Tentang karya tulis
saya berkaitan dengan Analisis Regresi Bivariate, apakah untuk analisis
ini memerlukan uji instrumen data (validitas dan reliabilitas) dan uji
asumsi klasik. Kemudian dari buku tersebut, saya belum mendapat langkah-
langkah penulisan metode analisis. Terimaksih atas informasi dan
waktunya.

Imam Ghozali:
Buku Lisrel saya hanya digunakan untuk analisis model
struktural yaitu model regresi simultan dengan banyak
variabel dependen dan independen dan tdk digunakan
untuk uji regresi bivariate sederhana. kalau anda
ingin menguji regresi bivariate baca buku saya lainnya
aplikasi analisis multivariate dengan SPSS ed 4

Tanya:
pak, saya punya 3 variabel laten misalnya A, B, C. A mempengaruhi B dan
C. B mempengaruhi C,saya bingung nentuin variabel B, apakah variabel
eksogen atau endogen?
Saya juga mo nanya, gimana caranya masukin data jika tiap indikator
punya 2 atau 3 pertanyaan?Misalnya variabel laten A punya 3 indikator
X, Y, Z. tiap indikator punya 3 pertanyaan, gimana masukinnya ke data
mentah(csv)? apakah nantinya jadi x1, x2, x3, y1, y2, y3, z1,z2,z3 dan
apakah ini bisa dirata2 baru dimasukkan ke csv sebagai nilai indikator
x,y,z?

Imam Ghozali:
Oh kalau anda menggunakan variabel laten, ya semua
indikator atau manifest digunakans ebagai data mentah
dan masukkan ke excel lalu save as csv file seperti
pada buku saya. jangan dijumak atau dirata-rata
biarkan masing-maisng manifest dibaca oleh pls

Tanya:
Menurut Chin (1998) dalam Ghozali (2006:25) mengatakan ukuran refleksif
individual dikatakan tinggi jika berkorelasi lebih dari 0,70 dengan
konstruk yang ingin diukur. Namun untuk penelitian tahap awal dari
pengembangan skala pengukuran nilai loading 0,50 sampai 0,60 dianggap
cukup. pak kenapa untuk penelitian tahap awal dalam validitas dan
realibilitas, korelasi boleh 0,5 atau 0,6?

maksud dari croanbach alpha yang lower bound itu apa pak?

Imam Ghozali:
Perhitungan reliabilitas lewat SPSS dengan Cronbach
Alpha nilainya cenderung overestimate dibandingkan
dihitung dengan AMOS atau PLS

Tanya:
composite realibility saya 0,5 tapi akar AvE saya 0,4. itu reliable gak
pak? Menurut penjelasan bapak kemaren utk penelitian awal 0,5 dianggap
reliable. kl datanya seperti itu, gmn pak? dalam thesis saya, saya cuma
pake composite saja tapi gak pake akar AVE, itu gak pa pa kan pak dan
saya anggap inidikator tersebut reliable?saya mohon jawabannya pak,
soalnya besok saya pendadarnn jam 8 pagi. terima kasih sebelum dan
sesudahnya.

Imam Ghozali:
ya nanti itu menjadi keterbatasan penelitian anda.
Jadi data anda tidak begitu baik dan bisa sebagai
saran peneliti yg akan datang kemungkinan merubah cara
mengukur variabel atau cara pengeumpulanm datanya dst.

Tanya:
kombinasi pak, karena saya tidak hanya menguji satu
data, melainkan beberapa
data. (seperti time series)

Nah, data tahun pertama ketika diuji ternyata ada
multikol, data tahun kedua
ada otokorelasi, data tahun ketiga ada
heteroskedaksitas.

Saya sudah cari beberapa refensi di internet untuk
mengobati data tersebut
namun belum diketemukan.

Mohon bantuannnya

Thanks…

Imam Ghozali:
Coba jangan dinalisis per tahun tetapi dibuat pooled
data yaitu gabungan antara crossection dan timeseries
lalau dilihat apakah masih ada asumsi klasik yg
dilanggar

Tanya:
kalau boleh saya mohon penjelasan lebih lanjut,
kenapa harus di konstrain atau diberi nilai satu,
kemudian kenapa nilai t
nya di output juga tidak keluar.
jadi sebenarnya apakah fungsi dr variabel reference
tersebut?
atas perhatian dan bantuan bapak saya ucapkan
terimakasih

Imam Ghozali:
Kenapa apa hrs dikonstrain? SEM menghendaki model kita
hrs identified (yaitu hanya ada satu jawaban yg
unik)sebagai misal sy punya persamaan X+Y=30, berapa
nilai X dan Y? dalam hal ini ada banyak jawaban X dabn
Y (jadi tdk ada jawaban yg unik) X=10, Y=20; X=15,
Y=15 dst. Spy ada jawaban maka X dikonstrain atau
diberi nilai misal X=5, maka nilai Y hanya ada satu
jawaban yaitu Y=25, inilah yg disebut dengan satu
jawaban yg unik (atau model identified). Mengapa nilai
t anda tdk keluar bisa jadi krn modelnya tdk
identified, sehingga hrs ada nilai yg dikonstarin
(diberi nilai tertentu).

Tanya:
saya ingin bertanya :
1. apakah ada batas minimal indikator untuk variable
?
2. indikator harus berdasarkan teori atau bisa kita
tentukan sendiri ?

Imam Ghozali:
Indikator suatu variabel latent sebaiknya minimal 5,
oleh karena bila dilakukan analisis faktor untuk
menguji validitas indikator tidak habis dibuang.

Sebaiknya anda gunakan saja instrumen atau kuesioner
yg sdh banyak digunakan dalam penelitian krn sdh
teruji dan reliable. Jika anda akan membuat indikator
sendiri lebvih sulit krn harus ada pilot study, uji
validitas dan reliabilitas dengan jumlah sample
terbatas dan tentunya hrs baca buku psikologi tentang
scale measurement.
Ada buku Handbook of marketing scale yg berisi ribuan
contoh kuesioner yang sdh digunakan dalam penelitian.
Website Builder