PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis dengan judul Perbandingan Antara Unweighted Least Squares (ULS) dan Partial Least Squares (PLS) dalam Pemodelan Persamaan Struktural adalah karya saya dengan arahan komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, 2009 Muhammad Amin Paris NRP G551060241
ABSTRACT MUHAMMAD AMIN PARIS. Comparison Between Unweighted Least Squares (ULS) and Partial Least Squares (PLS) in Sructural Equation Modeling. Supervised by BUDI SUHARJO and N. K. KUTHA ARDANA. Structural Equation Modeling (SEM) is one of multivariate techniques that can estimate series of interrelated dependence relationships from a number of endogenous and exogenous variables, as well as latent (unobserved) variables simultaneously. Estimation of parameter methods in SEM are Maximum Likelihood (ML), Weighted Least Squares (WLS), Unweighted Least Squares (ULS), Generalized Least Squares (GLS) and Partial Least Squares (PLS). This research aims to compare ULS and PLS method in estimating parameter model of students achievement in first year undergraduate Mathematics, Bogor Agricultural University (Institut Pertanian Bogor, IPB). This research use primary and secondary data. The result of this research indicates that ULS method is more accurate than PLS method. The analysis with ULS method shows that motivation, capability and environment give significant effects to students achievement. Keywords : Structural Equation Modeling, Unweighted Least Squares, Partial Least Squares.
RINGKASAN MUHAMMAD AMIN PARIS. Perbandingan Antara Unweighted Least Squares (ULS) dan Partial Least Squares (PLS) dalam Pemodelan Persamaan Struktural. Dibimbing oleh BUDI SUHARJO dan N. K. KUTHA ARDANA. Perguruan Tinggi merupakan jantung pendidikan formal yang berperan untuk melaksanakan kegiatan pendidikan/pengajaran, penelitian dan pengabdian masyarakat. serta menyiapkan mahasiswa untuk berpikir secara ilmiah, sehingga dapat menghasilkan tenaga-tenaga yang berkualitas atau berprestasi, sesuai dengan bidangnya guna memenuhi tuntutan pembangunan, yang terus berkembang seirama dengan perkembangan ilmu pengetahuan dan teknologi. Oleh karena itu, perlu kiranya kita mengetahui faktor-faktor yang mempengaruhi prestasi belajar mahasiswa tersebut. Faktor-faktor yang mempengaruhi prestasi belajar mahasiswa diantaranya faktor motivasi, faktor kapabilitas dan faktor lingkungan. Untuk melihat seberapa besar pengaruh motivasi, kapabilitas dan lingkungan terhadap prestasi, yang bersifat struktural ini dibutuhkan metode analisis yang dapat memperhitungkan sifat-sifat hubungan tersebut. Salah satu metode analisis yang dapat digunakan untuk menganalisis hubungan kausal dalam pendidikan seperti dibahas di atas adalah Model Persamaan Struktural (MPS) atau Structural Equation Modeling (SEM). Structural Equation Modeling adalah salah satu teknik peubah ganda yang dapat menganalisis secara simultan hubungan beberapa peubah laten (Bollen, 1989). Model ini terdiri dari dua bagian yaitu, model pengukuran dan model struktural. Model pengukuran digunakan untuk menduga hubungan antara peubah laten dengan indikatornya. Sedangkan model struktural digunakan untuk menduga hubungan antar peubah laten. Metode pendugaan parameter yang sering digunakan dalam pemodelan persamaan struktural adalah Maximum Likelihood (ML), Weighted Least Squares (WLS), Unweighted Least Squares (ULS), Generalized Least Squares (GLS) dan Partial Least Squares (PLS). Masing-masing metode tersebut mempunyai kriteria sendiri dalam proses pendugaannya, misalnya pada metode ULS dan PLS dalam proses pendugaan parameter MPS mempunyai perbedaan dan kesamaan. Perbedaaan antara kedua metode tersebut dalam hal spesifikasi model, identifikasi, dan uji kelayakan. Sedangkan kesamaannya adalah tidak memerlukan asumsi sebaran (distribution-free) dari peubah pengamatan. Adanya perbedaan dan kesamaan antara kedua metode inilah menarik kiranya dikaji secara empirik perbandingan antara hasil pendugaan parameter menggunakan metode ULS dan PLS dalam pemodelan persamaan struktural (MPS). Penelitian ini bertujuan : i) menduga parameter MPS dengan metode ULS dan PLS, ii) membandingkan hasil dugaan parameter koefisien lintas model pengukuran, koefisien lintas model struktural, error model pengukuran dan tingkat keragaman (R 2 ) yang dihasilkan oleh metode ULS dan PLS, dan iii) mengimplementasikan MPS dengan metode ULS dan PLS untuk menganalisis prestasi belajar mahasiswa tahun pertama Program Studi S1 Matematika FMIPA- IPB. Data yang digunakan dalam Penelitian ini adalah data tentang prestasi belajar
mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB dari tahun akademik 2005/2006 sampai dengan 2006/2007 yang terdiri dari data sekunder dan primer yang berjumlah 112 responden. Kemudian data tersebut dianalisis menggunakan pemodelan persamaan struktural dengan menggunakan dua metode yaitu, metode Unweighted Least Squares (ULS) dan Partial Least Squares (PLS). Hasil penelitian menunjukkan bahwa metode Unweighted Least Squares (ULS) lebih tepat digunakan daripada metode Partial Least Squares (PLS) dalam menganalisis data prestasi belajar mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB. Hasil analisis dengan metode ULS menunjukkan bahwa motivasi, kapabilitas dan lingkungan berpengaruh terhadap prestasi belajar mahasiswa. Kata Kunci : Structural Equation Modeling, Unweighted Least Squares, Partial Least Squares.
Hak Cipta milik IPB, tahun 2009 Hak cipta dilindungi undang-undang 1. Dilarang mengutip sebagian atau seluruh karya ini tanpa mencantumkan atau menyebut sumber. a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah. b. Pengutipan tidak merugikan kepentingan wajar IPB. 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB.
PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Departemen Matematika SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009
Penguji Luar Komisi pada Ujian Tesis : Dr. Ir. Hadi Sumarno, M.S.
Judul Tesis : Perbandingan Antara Unweighted Least Squares (ULS) dan Partial Least Squares (PLS) dalam Pemodelan Persamaan Struktural Nama : Muhammad Amin Paris NRP : G551060241 Disetujui Komisi Pembimbing Dr. Ir. Budi Suharjo, M.S. Ketua Ir. N.K. Kutha Ardana, M.Sc Anggota Diketahui Ketua Program Studi Matematika Terapan Dekan Sekolah Pascasarjana Dr. Ir. Endar H. Nugrahani, M.S. Prof. Dr. Ir. Khairil A. Notodiputro, M.S. Tanggal lulus : Tanggal Ujian: 28 Januari 2009
PRAKATA Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat dan karunia-nya sehingga karya ilmiah yang berjudul Perbandingan Antara Unweighted Least Squares (ULS) dan Partial Least Squares (PLS) dalam Pemodelan Persamaan Struktural ini berhasil diselesaikan. Shalawat serta salam semoga selalu dilimpahkan kepada Rasulullah SAW. Ungkapan terima kasih penulis sampaikan kepada Bapak Dr. Ir. Budi Suharjo, M.S dan Bapak Ir. N.K. Kutha Ardana, M.Sc selaku pembimbing yang telah memberikan bimbingan dan motivasi dengan penuh keikhlasan dan kesabaran serta Bapak Dr.Ir.Hadi Sumarno, M.S selaku penguji yang telah memberikan saran dan kritiknya. Selanjutnya penulis sampaikan terima kasih kepada Departemen Agama Republik Indonesia yang telah memberikan beasiswa dan kesempatan kepada penulis untuk menempuh pendidikan program magister di Institut Pertanian Bogor dan semua pihak yang telah membantu penulis, yang tidak dapat penulis sebutkan satu per satu. Terakhir kepada ayah, ibu, mertua, istri dan anak tercinta serta keluarga yang telah memberikan dukungan, doa, kesabaran dan kasih sayangnya penulis menyampaikan penghargaan dan terima kasih. Semoga karya ilmiah ini dapat bermanfaat bagi penulis khususnya dan pihak lain yang membutuhkan. Bogor, 2009 Muhammad Amin Paris
RIWAYAT HIDUP Penulis dilahirkan di Jorong, pada tanggal 14 Mei 1981 dari Bapak Anang Isra Age dan Ibu Marhamah. Pendidikan sarjana ditempuh di STKIP PGRI Banjarmasin, lulus tahun 2005. Kesempatan untuk melanjutkan ke program magister pada Program Studi Matematika Terapan Sekolah Pascasarjana Institut Pertanian Bogor diperoleh pada tahun 2006. Beasiswa pendidikan pascasarjana diperoleh dari Departemen Agama Republik Indonesia. Penulis merupakan Guru Matematika Madrasah Tsanawiyah (MTs) AL Gazaliyah Banjarmasin.
DAFTAR ISI Halaman DAFTAR TABEL... xii DAFTAR GAMBAR... xiii DAFTAR LAMPIRAN... xiv 1 PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Tujuan Penelitian... 3 1.3 Manfaat Penelitian... 3 2 TINJAUAN PUSTAKA... 4 2.1 Model Persamaan Struktural (MPS)... 4 2.2 Pendugaan Parameter model... 6 2.3 Metode Unweighted Least Squares (ULS)... 7 2.4 Evaluasi Model... 7 2.5 Reliability dan Variance Extracted... 9 2.6 Metode Partial Least Squares (PLS)... 10 2.7 Pendugaan PLS... 12 2.8 Evaluasi Model PLS... 13 2.9 Motivasi... 15 2.10 Motivasi Berprestasi dan Prestasi Belajar... 16 3 METODE PENELITIAN... 17 3.1 Sumber Data... 17 3.2 Disain Penelitian... 17 3.3 Tahapan Penelitian... 19 3.4 Metode Analisis Data... 20 4 HASIL DAN PEMBAHASAN... 22 4.1 Deskripsi Data Penelitian.... 22 4.1.1 Deskripsi Data Sekunder... 22 4.1.2 Deskripsi Data Primer... 22 4.2 Hasil Pendugaan Parameter Model dengan Metode ULS dan PLS... 26 4.2.1 Hasil Pendugaan Parameter Model dengan metode ULS... 26 4.2.2 Hasil Pendugaan Parameter Model dengan Metode PLS... 28 4.3 Perbandingan Hasil Dugaan Parameter Metode ULS dan PLS... 30 4.3.1 Perbandingan Nilai Koefisien Lintas Model Pengukuran... 30 4.3.2 Perbandingan Nilai Koefisien Lintas Model Struktural... 30 4.3.3 Perbandingan Error model pengukuran... 31 4.3.4 Perbandingan Tingkat Keragaman (R 2 )... 31 4.4 Analisis Prestasi Belajar Mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB... 32
4.4.1 Interpretasi Hasil Dugaan Parameter Koefisien Lintas Model Pengukuran... 32 4.4.2 Interpretasi Hasil Dugaan Parameter Koefisien Lintas Model Struktural... 33 5 SIMPULAN... 36 DAFTAR PUSTAKA... 37 LAMPIRAN... 38
DAFTAR TABEL Halaman 1 Peubah Laten dan Peubah Penjelas Model Persamaan Struktural Analisis Prestasi Belajar Mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB... 18 2 Hasil Pendugaan dan Pengujian Koefisien Lintas Model Pengukuran dengan Metode ULS... 26 3 Hasil Pendugaan dan Pengujian Koefisien Lintas Model Struktural dengan Metode ULS... 27 4 Kriteria Kelayakan Model Dugaan Awal... 27 5 Hasil Pendugaan dan Pengujian Koefisien Lintas Model Pengukuran dengan Metode PLS... 28 6 Composite Reliability ( ρ c ) dan Average Variance Extracted (AVE)... 28 7 Hasil Pendugaan dan Pengujian Koefisien Lintas Model Struktural dengan Metode PLS... 29 8 Korelasi Antar Peubah Laten... 29 9 Deskripsi Karakteristik Peubah Penjelas dan Peubah Laten... 43
DAFTAR GAMBAR Halaman 1 Model Analisis Prestasi Belajar Mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB... 17 2 Tahapan Penelitian... 19 3 Persentase Data Indikator-Indikator Peubah Laten Prestasi... 22 4 Persentase Data Indikator-Indikator Peubah Laten Motivasi... 23 5 Persentase Data Indikator-Indikator Peubah Laten Kapabilitas... 24 6 Persentase Data Indikator-Indikator Peubah Laten Lingkungan... 25 7 Perbandingan Hasil Dugaan Parameter Koefisien Lintas Model Pengukuran yang Dihasilkan Metode ULS dan PLS... 30 8 Perbandingan Hasil Dugaan Parameter Koefisien Lintas Model Struktural yang Dihasilkan Metode ULS dan PLS... 30 9 Perbandingan Hasil Dugaan Parameter Error Model Pengukuran yang Dihasilkan Metode ULS dan PLS... 31 10 Hasil Pendugaan Parameter Model Struktural dengan Metode ULS... 33
DAFTAR LAMPIRAN Halaman 1 Hasil Pendugaan Parameter Model Analisis Prestasi Belajar Mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB dengan Metode ULS... 39 2 Hasil Pendugaan Parameter Model Analisis Prestasi Belajar Mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB dengan Metode PLS... 40 3 Program Pendugaan Parameter Model Analisis Prestasi Belajar Mahasiswa Tahun Pertama Program Studi S1 Matematika FMIPA-IPB dengan Metode ULS (LISREL 8.30)... 41 4 Proses Iteratif Metode PLS... 42 5 Deskripsi Karakteristik Peubah Penjelas dan Peubah Laten... 43 6 Koesioner Penelitian... 45