UJIAN MID-SEMESTER SEM PATH-ANALYSIS. nonton TV, dan nilai merupakan variabel endogen. Penerapan analisis jalur. X dan belajar X

Transkripsi

1 UJIAN MID-SEMESTER SEM PATH-ANALYSIS 1. Paradigma hubungan antara variabel : Pada penelitian ini menggunakan data set yang berisi empat variabel yaitu Sadar Ujian Nasional () sebagai variabel eksogen, serta belajar, nonton TV, dan nilai merupakan variabel endogen. Penerapan analisis jalur berikut melibatkan variabel intervening yang digunakan untuk mengetahui apakah nonton TV (X 3 ) merupakan variabel intervening yang fungsinya memediasi hubungan antara sadarun 1 X dan belajar X 2 terhadap nilai (X 4 ) dari data sampel 60 orang siswa, dan model yang digunakan adalah Justidentified Model. Analisis jalur merupakan perluasan dari analisis regresi linier berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel yang telah ditetapkan sebelumnya berdasarkan teori. Hubungan antara kesadaran ujian nasional dan belajar, terhadap nilai yang dimediasi oleh kebiasaan menonton TV sebagai berikut: Gambar 1. Model teoritis hubungan antara variabel 1 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

2 2. Adapun data untuk variabel tersebut adalah : Tabel 1. Data mentah No 1 38,57 5,22 12,84 5, ,01 5,09 10,94 5,8 3 34,86 4,3 12,12 4,8 4 53,12 5,02 10,91 6, ,19 5,68 9,91 6, ,1 6,54 11,73 5, ,39 3,8 9,76 4, ,23 4,53 10,19 6, ,78 5,23 10,49 5, ,92 5,12 9,52 6, ,65 4,57 10,02 6, ,04 7,46 9,62 6, ,45 4,44 8,97 6, ,67 3,94 8,09 7, ,56 4,75 10,94 5, ,34 4,19 6,38 7, ,21 4,58 10,75 4, ,67 4,53 8,81 5, ,84 5,73 9,56 7, ,88 3,16 11,51 4, ,27 5,29 9,6 5, ,9 4,38 7,04 6, ,02 5,39 9,69 6, ,06 4,79 6,94 8, ,78 5,15 10,77 6, ,92 5,37 9,88 5, ,17 6,12 11,06 6, ,71 5,29 11,23 5, ,64 2,82 8,3 6, ,83 3,05 8,93 6, ,25 4,26 8,1 5, ,55 7,02 10,89 6, ,21 4,12 6,45 6, ,05 4,94 9,95 6, ,84 3,93 10,81 5, ,02 5,95 9,95 5, ,93 4,7 7,78 6, ,81 6,21 9,16 6,27 2 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

3 39 44,75 4,8 10,03 5, ,48 4,59 11,94 5, ,98 4,37 9,76 6, ,57 4,91 10,14 5, ,27 7,35 11,96 4, ,56 6,65 11,9 6, ,12 5,81 11,02 5, ,44 3,98 12,06 5, ,48 5,97 11,3 5, ,26 4,51 9,69 6, ,08 4,7 7,71 6, ,72 4,2 8,36 5, , ,15 5, ,02 4,08 9,44 6, ,07 6,29 12,25 5, ,85 4,02 9,44 5, ,12 4,81 11,31 5, ,55 6,02 11,56 6, ,04 4,56 9,42 4, ,02 4,77 10,4 5, ,74 5,28 8,91 6, ,31 4,67 9,63 5,91 3 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

4 3. Gambar hubungan antara variabel setelah dianalisis dengan lisrell 8.80 : Gambar 2. Diagram jalur model teoritis dengan LISREL versi 8.80 Gambar 3. Standardized Solution Diagram jalur model teoritis dengan LISREL versi ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

5 Gambar 4. T-value Diagram jalur model teoritis dengan LISREL versi 8.80 Penjelasan : Model dinyatakan fit setelah direct path antara X1 (sadarun) dan X4 (nilai) dihilangkan. Model dinyatakan tidak fit karena terlihat dari nilai Chi-Square = 0,00, df=0, P-value = 1,0000, dan RMSEA = 0,000 (lihat gmbar 5). Setelah path dari X1 menuju ke X4 dihilangkan, maka nilai Chi- Square = 0,22, df=1, P-value = 0,63731, dan RMSEA = 0,000 dan model dinyatakan fit (gambar 2). 5 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

6 Gambar 5. Diagram jalur model teoritis dengan LISREL versi 8.80 sebelum dinyatakan fit. Menurut Schumaker dan Lomax (1996: ), untuk mengetahui apakah model cocok dengan data digunakan kriteria sebagai berikut: a) P model cocok dengan data Menurut Joreskog (dalam Ghozali, 2008: 32), bila nilai P-values for test of close fit (RMSEA < 0,05) lebih besar daripada 0,05 maka model dikatakan fit. b) GFI (Goodness of Fit Index) Goodness of Fit Index (GFI) merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovariansi. Nilai GFI harus berkisar antara 0 dan 1. Nilai GFI yang lebih besar daripada 0,9 menunjukkan fit suatu model yang baik. 6 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

7 c) RMSEA (Root Mean Square Error of Approximation) makin kecil kecocokan model dengan data makin baik. Nilai RMSEA yang kurang daripada 0,05 mengindikasikan adanya model fit ( Byrne dalam Ghozali, 2008: 32). RMSEA digunakan untuk mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians ( Brown dan Cudec dalam Ghozali, 2008: 31). Nilai RMSEA yang berkisar antara 0,01 sampai dengan 0,08 menyatakan bahwa model fit yang cukup (MacCallum et all dalam Ghozali, 2008: 32). Tabel 2. Tabel Kriteria Model Fit. 7 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

8 Tabel 3. Hasil analisis Goodness of Fit Statistics dengan Lisrel 8.80 Goodness of Fit Statistics Degrees of Freedom = 1 Minimum Fit Function Chi-Square = (P = 0.637) Normal Theory Weighted Least Squares Chi-Square = (P = 0.637) Estimated Non-centrality Parameter (NCP) = Percent Confidence Interval for NCP = (0.0 ; 4.261) Minimum Fit Function Value = Population Discrepancy Function Value (F0) = Percent Confidence Interval for F0 = (0.0 ; ) Root Mean Square Error of Approximation (RMSEA) = Percent Confidence Interval for RMSEA = (0.0 ; 0.271) P-Value for Test of Close Fit (RMSEA < 0.05) = Expected Cross-Validation Index (ECVI) = Percent Confidence Interval for ECVI = (0.397 ; 0.470) ECVI for Saturated Model = ECVI for Independence Model = Chi-Square for Independence Model with 6 Degrees of Freedom = Independence AIC = Model AIC = Saturated AIC = Independence CAIC = Model CAIC = Saturated CAIC = Normed Fit Index (NFI) = Non-Normed Fit Index (NNFI) = Parsimony Normed Fit Index (PNFI) = Comparative Fit Index (CFI) = Incremental Fit Index (IFI) = Relative Fit Index (RFI) = Critical N (CN) = Root Mean Square Residual (RMR) = Standardized RMR = Goodness of Fit Index (GFI) = Adjusted Goodness of Fit Index (AGFI) = Parsimony Goodness of Fit Index (PGFI) = ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

9 Tabel 4. Hubungan Koefisien Korelasi antara variabel Belajar (X2) nontontv(x3) Nilai(X4) (X1) Belajar (X2) nontontv(x3) Nilai(X4) (X1) Output Lisrel : L I S R E L 8.80 BY Karl G. Jöreskog & Dag Sörbom This program is published exclusively by Scientific Software International, Inc N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800) , (847) , Fax: (847) Copyright by Scientific Software International, Inc., Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: The following lines were read from file D:\SEMESTER 3\SEM\UJIAN PATH ANALYSIS\DATAFIXED\X.LPJ: TI DA NI=4 NO=60 MA=CM RA FI='D:\SEMESTER 3\SEM\UJIAN PATH ANALYSIS\DATAFIXED\X.psf' SE / MO NX=1 NY=3 BE=FU GA=FI PS=SY FR BE(2,1) BE(3,1) BE(3,2) GA(1,1) GA(2,1) PD OU AM PC RS EF FS SS SC ND=3 TI Number of Input Variables 4 Number of Y - Variables 3 Number of X - Variables 1 Number of ETA - Variables 3 Number of KSI - Variables 1 Number of Observations 60 9 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

10 TI Covariance Matrix belajar nontontv nilai Means TI Parameter Specifications BETA belajar nontontv nilai GAMMA belajar 4 nontontv 5 nilai 0 PHI 6 PSI ALPHA ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

11 TI Number of Iterations = 0 LISREL Estimates (Maximum Likelihood) BETA belajar nontontv (0.263) nilai (0.086) (0.057) GAMMA belajar (0.005) nontontv (0.018) nilai - - Covariance Matrix of Y and X belajar nontontv nilai Mean Vector of Eta-Variables PHI (41.781) ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

12 PSI Note: This matrix is diagonal (0.067) (0.268) (0.066) Squared Multiple Correlations for Structural Equations Squared Multiple Correlations for Reduced Form Reduced Form belajar (0.005) nontontv (0.013) nilai (0.006) ALPHA (0.274) (0.823) (0.559) Goodness of Fit Statistics Degrees of Freedom = 1 Minimum Fit Function Chi-Square = (P = 0.637) Normal Theory Weighted Least Squares Chi-Square = (P = 0.637) Estimated Non-centrality Parameter (NCP) = Percent Confidence Interval for NCP = (0.0 ; 4.261) Minimum Fit Function Value = Population Discrepancy Function Value (F0) = Percent Confidence Interval for F0 = (0.0 ; ) 12 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

13 Root Mean Square Error of Approximation (RMSEA) = Percent Confidence Interval for RMSEA = (0.0 ; 0.271) P-Value for Test of Close Fit (RMSEA < 0.05) = Expected Cross-Validation Index (ECVI) = Percent Confidence Interval for ECVI = (0.397 ; 0.470) ECVI for Saturated Model = ECVI for Independence Model = Chi-Square for Independence Model with 6 Degrees of Freedom = Independence AIC = Model AIC = Saturated AIC = Independence CAIC = Model CAIC = Saturated CAIC = Normed Fit Index (NFI) = Non-Normed Fit Index (NNFI) = Parsimony Normed Fit Index (PNFI) = Comparative Fit Index (CFI) = Incremental Fit Index (IFI) = Relative Fit Index (RFI) = Critical N (CN) = Root Mean Square Residual (RMR) = Standardized RMR = Goodness of Fit Index (GFI) = Adjusted Goodness of Fit Index (AGFI) = Parsimony Goodness of Fit Index (PGFI) = TI Fitted Covariance Matrix belajar nontontv nilai Fitted Means Fitted Residuals belajar nontontv nilai ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

14 Fitted Residuals for Means Summary Statistics for Fitted Residuals Smallest Fitted Residual = Median Fitted Residual = Largest Fitted Residual = Stemleaf Plot Standardized Residuals belajar - - nontontv nilai Summary Statistics for Standardized Residuals Smallest Standardized Residual = Median Standardized Residual = Largest Standardized Residual = Stemleaf Plot TI Modification Indices and Expected Change Modification Indices for BETA belajar nontontv nilai ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

15 Expected Change for BETA belajar nontontv nilai Standardized Expected Change for BETA belajar nontontv nilai Modification Indices for GAMMA belajar - - nontontv - - nilai Expected Change for GAMMA belajar - - nontontv - - nilai Standardized Expected Change for GAMMA belajar - - nontontv - - nilai No Non-Zero Modification Indices for PHI Modification Indices for PSI belajar - - nontontv nilai Expected Change for PSI belajar ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

16 nontontv nilai Standardized Expected Change for PSI belajar - - nontontv nilai Modification Indices for THETA-EPS belajar nontontv nilai Expected Change for THETA-EPS belajar nontontv nilai Modification Indices for THETA-DELTA-EPS Expected Change for THETA-DELTA-EPS No Non-Zero Modification Indices for ALPHA No Non-Zero Modification Indices for KAPPA Maximum Modification Index is 0.22 for Element ( 3, 1) of GAMMA Covariance Matrix of Parameter Estimates BE 2_1 BE 3_1 BE 3_2 GA 1_1 GA 2_1 PH 1_1 BE 2_ BE 3_ BE 3_ GA 1_ GA 2_ PH 1_ ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

17 PS 1_ PS 2_ PS 3_ AL AL AL KA Covariance Matrix of Parameter Estimates PS 1_1 PS 2_2 PS 3_3 AL 1 AL 2 AL 3 PS 1_ PS 2_ PS 3_ AL AL AL KA TI Covariance Matrix of Parameter Estimates KA 1 KA Correlation Matrix of Parameter Estimates BE 2_1 BE 3_1 BE 3_2 GA 1_1 GA 2_1 PH 1_1 BE 2_ BE 3_ BE 3_ GA 1_ GA 2_ PH 1_ PS 1_ PS 2_ PS 3_ AL AL AL KA Correlation Matrix of Parameter Estimates PS 1_1 PS 2_2 PS 3_3 AL 1 AL 2 AL 3 PS 1_ PS 2_ PS 3_ AL AL ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

18 TI AL KA Correlation Matrix of Parameter Estimates KA 1 KA Factor Scores Regressions Y belajar nontontv nilai X TI Standardized Solution BETA belajar nontontv nilai GAMMA belajar nontontv nilai ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

19 Correlation Matrix of Y and X belajar nontontv nilai PSI Note: This matrix is diagonal Regression Matrix Y on X (Standardized) belajar nontontv nilai TI Total and Indirect Effects Total Effects of X on Y belajar (0.005) nontontv (0.013) nilai (0.006) Indirect Effects of X on Y belajar - - nontontv (0.016) nilai (0.006) ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

20 Total Effects of Y on Y belajar nontontv (0.263) nilai (0.128) (0.057) Largest Eigenvalue of B*B' (Stability Index) is Indirect Effects of Y on Y belajar nontontv nilai (0.123) TI Standardized Total and Indirect Effects Standardized Total Effects of X on Y belajar nontontv nilai Standardized Indirect Effects of X on Y belajar - - nontontv nilai Standardized Total Effects of Y on Y belajar nontontv nilai Standardized Indirect Effects of Y on Y belajar nontontv nilai 20 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

21 belajar nontontv nilai Time used: Seconds 5. Direct Effect & Indirect Effect masing-masing variabel : Standardized Total and Indirect Effects Standardized Total Effects of X on Y belajar nontontv nilai Standardized Indirect Effects of X on Y belajar - - nontontv nilai Standardized Total Effects of Y on Y belajar nontontv nilai Standardized Indirect Effects of Y on Y belajar nontontv nilai ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

22 6. Tabel Total Effect, Direct Effect & Indirect Effect : Pengujian dengan analisis jalur juga menunjukkan besaran dari pengaruh langsung dan pengaruh tidak langsung dari satu variabel terhadap variabel lainnya. Berdasarkan diagram jalur pada gambar berikut dapat dilihat besarnya pengaruh langsung dan pengaruh tidak langsung antara sadarun X 1, belajar X2 dan nontontv X 3 variabel nilai (X 4 )., terhadap Gambar 6. Diagram jalur model teoritis dengan LISREL versi ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

23 1. Pengaruh Langsung (Direct Effect) Pada Gambar 3.19 pengaruh langsung ditunjukkan oleh pengaruh dari variabel sadarun 1 X, belajar X dan nontontv X 2 3, terhadap variabel nilai (X 4 ). Besarnya pengaruh langsung pada gambar 6 adalah sebagai berikut: a. Pengaruh sadarun X1 terhadap belajar (X 2 ) ditunjukkan oleh ˆ sebesar 0,053. X2 X1 b. Pengaruh sadarun (X1) terhadap nontontv X3 ditunjukkan oleh ˆ X3X1 sebesar -0,071 c. Pengaruh belajar ( X 2 ) terhadap pengalaman kerja sebelumnya 3 X ditunjukkan oleh ˆ X3X 2 sebesar 1,483. d. Pengaruh gaji awal X3 terhadap gaji sekarang X 4 ditunjukkan oleh ˆ X 4 X3 sebesar -0,335. e. Pengaruh gaji awal (X 2 ) terhadap gaji sekarang X4 ditunjukkan oleh ˆ X4 X2 sebesar 0, Pengaruh tidak langsung (Indirect Effect) Pada Gambar 6, terlihat ada dua pengaruh tidak langsung yang ditunjukkan oleh pengaruh variabel sadarun X 1 terhadap variabel nilai ( X 4 ) yaitu harus melalui variabel belajar X 2 dan variabel nontontv X 3, dan pengaruh variabel sadarun (X1) terhadap 23 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

24 variabel nilai (X4), yang melalui variabel nontontv (X3). Besarnya pengaruh tidak langsung adalah sebagai berikut: a. Pengaruh variabel sadarun X1 terhadap variabel nilai ( X 4 ) yaitu harus melalui variabel belajar X2 dan variabel 3 nontontv X sebesar Indirect Effect = 0,053 * 1,483 * - 0,335 = -0, b. Pengaruh variabel sadarun X1 terhadap variabel nilai ( X 4 ) yaitu harus melalui variabel belajar X 2 sebesar : Indirect Effect = 0,053 * 0,234 = 0, c. Pengaruh pengaruh variabel sadarun (X1) terhadap variabel nilai (X4), yang melalui variabel nontontv (X3) sebesar Indirect Effect = -0,071 * -0,335 = 0, Total Effect Total effect merupakan penjumlahan dari direct effect dan semua indirect effect yang ada diantara variabel laten. Jika disederhanakan, maka diagram hubungan antara variabel adalah sebagai berikut: 24 ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM

25 0,053 0,234 1,483-0,071-0,335 Gambar 7. Penyederhanaan Diagram jalur model teoritis dengan LISREL versi 8.80 Berdasarkan gambar 7, terlihat bahwa tidak ada direct effect dari variabel sadarun (X1) menuju ke nilai (X4). Sehingga, besarnya Total Effect dapat dihitung berdasarkan dua indirect effect sebagai berikut: a. Pengaruh variabel sadarun X1 terhadap variabel nilai ( X 4 ) 2 melalui variabel belajar X sebesar : Indirect Effect A= 0,053 * 0,234 = 0, b. Pengaruh variabel sadarun X1 terhadap variabel nilai ( X 4 ) melalui variabel belajar 2 X dan variabel nontontv sebesar Indirect Effect B =0,053*0,1483*-0,335= -0, X 3 c. Total Effect dari variabel sadarun X1 terhadap variabel nilai (X 4 ) = Indirect Effect A + Indirect Effect B = 0, , = 0, ANDI ULFA TENRI PADA/ UJIAN MID-SEMESTER SEM