CONTOH PENYELESAIAN

TUGAS XV UNTUK ANALISIS MODEL

BY DR TJIPTOGORO DINARJO SOEHARI, MM

A. Import data menggunakan LIREL dan lakukan analisis lihat gambar

B. KERANGKA MODEL dibawah ini untuk menghasilkan:
1. PATH diagram dan OUTPUT
PATH
 HASIL OUTPUT

2. Ouitput
DATE:
12/31/2020TIME:
12:14

L I S R E L 8.80

BY

Karl G. Jöreskog & Dag Sörbom

This program is published exclusively by

Scientific Software International, Inc.
7383 N. Lincoln Avenue, Suite 100
Lincolnwood, IL 60712, U.S.A.
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Copyright by Scientific Software International, Inc., 1981-2006
Use of this program is subject to the terms specified in the
Universal Copyright Convention.
Website: www.ssicentral.com

The following lines were read from file D:\SANITA FILE\SEMESTER 7\STATISTIK
BERBASIS KOMPUTER\UAS NEW\SANITAKR.PR2:

STUDI KECERDASAN EMOSIONAL LISREL BY DR TJIP

Observed variables
KPM1-KPM4 BOR1-BOR4 PEL1-PEL4 KEM1-KEM4
Latent variables KPM BOR PEL KEM
Covariance matrix from file DR TJIP.COR
Sample size 161
Equation
KPM1-KPM4 = KPM
BOR1-BOR4 = BOR
PEL1-PEL4 = PEL
KEM1-KEM4 = KEM
PEL = KPM BOR
KEM = KPM PEL BOR
Path diagram
End of problem

Sample Size = 161

STUDI KECERDASAN EMOSIONAL LISREL BY SANITA AURIN

Covariance Matrix

PEL1 PEL2 PEL3 PEL4 KEM1 KEM2

PEL1 1.00
PEL2 0.81 1.00
PEL3 0.86 0.87 1.00
PEL4 0.73 0.77 0.77 1.00
KEM1 0.39 0.35 0.34 0.33 1.00
KEM2 0.39 0.34 0.39 0.33 0.86 1.00
KEM3 0.39 0.34 0.38 0.42 0.85 0.84
KEM4 0.37 0.30 0.32 0.25 0.75 0.76
KPM1 0.20 0.21 0.16 0.30 0.30 0.24
KPM2 0.38 0.36 0.32 0.45 0.31 0.23
KPM3 0.38 0.38 0.41 0.44 0.36 0.38
KPM4 0.41 0.40 0.37 0.44 0.40 0.42
BOR1 0.33 0.36 0.40 0.44 0.41 0.35
BOR2 0.33 0.31 0.42 0.43 0.52 0.38
BOR3 0.36 0.34 0.42 0.47 0.45 0.40
BOR4 0.26 0.31 0.35 0.38 0.38 0.34

Covariance Matrix
KEM3 KEM4 KPM1 KPM2 KPM3 KPM4

KEM3 1.00
KEM4 0.77 1.00
KPM1 0.29 0.36 1.00
KPM2 0.29 0.35 0.65 1.00
KPM3 0.30 0.34 0.80 0.62 1.00
KPM4 0.28 0.37 0.63 0.66 0.78 1.00
BOR1 0.32 0.38 0.29 0.30 0.34 0.39
BOR2 0.40 0.41 0.30 0.27 0.31 0.34
BOR3 0.37 0.41 0.31 0.37 0.41 0.42
BOR4 0.29 0.30 0.26 0.36 0.34 0.36

Covariance Matrix

BOR1 BOR2 BOR3 BOR4

BOR1 1.00
BOR2 0.87 1.00
BOR3 0.88 0.86 1.00
BOR4 0.77 0.80 0.74 1.00
STUDI KECERDASAN EMOSIONAL LISREL BY SANITA AURIN
Number of Iterations = 12
LISREL Estimates (Maximum Likelihood)

Measurement Equations

PEL1 = 0.90*PEL, Errorvar.= 0.19 , R² = 0.81

(0.027)
7.00

PEL2 = 0.91*PEL, Errorvar.= 0.17 , R² = 0.83

(0.050) (0.026)
18.13 6.73

PEL3 = 0.95*PEL, Errorvar.= 0.094 , R² = 0.91

(0.047) (0.020)
20.34 4.60

PEL4 = 0.82*PEL, Errorvar.= 0.32 , R² = 0.68

(0.057) (0.040)
14.45 8.03

KEM1 = 0.93*KEM, Errorvar.= 0.14 , R² = 0.86

(0.023)
5.88

KEM2 = 0.92*KEM, Errorvar.= 0.15 , R² = 0.85

(0.045) (0.024)
20.63 6.23

KEM3 = 0.92*KEM, Errorvar.= 0.16 , R² = 0.84

(0.045) (0.025)
20.24 6.45

KEM4 = 0.83*KEM, Errorvar.= 0.32 , R² = 0.68

(0.054) (0.040)
15.38 7.96

KPM1 = 0.83*KPM, Errorvar.= 0.31 , R² = 0.69

(0.066) (0.043)
12.63 7.13

KPM2 = 0.72*KPM, Errorvar.= 0.48 , R² = 0.52

(0.070) (0.059)
10.23 8.14
KPM3 = 0.93*KPM, Errorvar.= 0.14 , R² = 0.86
(0.062) (0.033)
15.09 4.08

KPM4 = 0.84*KPM, Errorvar.= 0.30 , R² = 0.70

(0.066) (0.043)
12.75 7.05

BOR1 = 0.94*BOR, Errorvar.= 0.12 , R² = 0.88

(0.060) (0.021)
15.64 5.99

BOR2 = 0.93*BOR, Errorvar.= 0.13 , R² = 0.87

(0.060) (0.021)
15.49 6.25

BOR3 = 0.93*BOR, Errorvar.= 0.13 , R² = 0.87

(0.060) (0.021)
15.56 6.13

BOR4 = 0.82*BOR, Errorvar.= 0.32 , R² = 0.68

(0.065) (0.040)
12.62 8.11

Structural Equations

PEL = 0.31*KPM + 0.31*BOR, Errorvar.= 0.72 , R² = 0.28

(0.084) (0.083) (0.10)
3.67 3.80 7.10

KEM = 0.21*PEL + 0.20*KPM + 0.29*BOR, Errorvar.= 0.69 , R² = 0.31

(0.084) (0.085) (0.085) (0.092)
2.52 2.39 3.37 7.49

Reduced Form Equations

PEL = 0.31*KPM + 0.31*BOR, Errorvar.= 0.72, R² = 0.28

(0.084) (0.083)
3.67 3.80

KEM = 0.27*KPM + 0.35*BOR, Errorvar.= 0.72, R² = 0.28

(0.083) (0.083)
3.24 4.24
 Correlation Matrix of Independent Variables

KPM BOR

KPM 1.00
BOR 0.43 1.00
(0.07)
6.18

Covariance Matrix of Latent Variables

PEL KEM KPM BOR

PEL 1.00
KEM 0.43 1.00
KPM 0.44 0.42 1.00
BOR 0.45 0.47 0.43 1.00

Goodness of Fit Statistics

Degrees of Freedom = 98
Minimum Fit Function Chi-Square = 371.62 (P = 0.0)
Normal Theory Weighted Least Squares Chi-Square = 273.66 (P = 0.0)
Estimated Non-centrality Parameter (NCP) = 175.66
90 Percent Confidence Interval for NCP = (130.13 ; 228.84)

Minimum Fit Function Value = 2.32

Population Discrepancy Function Value (F0) = 1.10
90 Percent Confidence Interval for F0 = (0.81 ; 1.43)
Root Mean Square Error of Approximation (RMSEA) = 0.11
90 Percent Confidence Interval for RMSEA = (0.091 ; 0.12)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.00

Expected Cross-Validation Index (ECVI) = 2.19

90 Percent Confidence Interval for ECVI = (1.90 ; 2.52)
ECVI for Saturated Model = 1.70
ECVI for Independence Model = 27.17

Chi-Square for Independence Model with 120 Degrees of Freedom = 4314.62

Independence AIC = 4346.62
Model AIC = 349.66
Saturated AIC = 272.00
Independence CAIC = 4411.93
Model CAIC = 504.75
Saturated CAIC = 827.07
 Normed Fit Index (NFI) = 0.91
Non-Normed Fit Index (NNFI) = 0.92
Parsimony Normed Fit Index (PNFI) = 0.75
Comparative Fit Index (CFI) = 0.93
Incremental Fit Index (IFI) = 0.94
Relative Fit Index (RFI) = 0.89

Critical N (CN) = 58.47

Root Mean Square Residual (RMR) = 0.053

Standardized RMR = 0.053
Goodness of Fit Index (GFI) = 0.82
Adjusted Goodness of Fit Index (AGFI) = 0.76
Parsimony Goodness of Fit Index (PGFI) = 0.59

The Modification Indices Suggest to Add an Error Covariance

Between and Decrease in Chi-Square New Estimate
KEM3 PEL4 15.9 0.09
KPM1 PEL3 11.1 -0.07
KPM1 KEM2 16.2 -0.09
KPM1 KEM4 8.5 0.08
KPM2 KEM2 14.2 -0.10
KPM3 PEL3 13.4 0.06
KPM3 KEM2 10.0 0.06
KPM3 KPM1 14.9 0.17
KPM3 KPM2 21.8 -0.18
KPM4 KEM2 8.5 0.06
KPM4 KEM3 14.8 -0.08
KPM4 KPM1 16.1 -0.15
BOR2 KEM1 20.0 0.07
BOR2 KEM2 11.2 -0.05

Time used: 0.125 Seconds

3. Rekaputulasi:
a. Tabel Good of Fit Model

Nilai yang
Ukuran GOF Hasil Keterangan
Diharapkan
Chi-Square X2> α = 5% 273.66 Kurang baik
Derajat Kebebasan 98 -
P-Value p>0,05 0.00000 baik
RMSEA <0,08 0.106 Kurang baik
 GFI ≥0,90 0.82 Kurang baik
AGFI ≥0,90 0.76 Kurang baik
NFI ≥0,90 0.91 baik
NNFI ≥0,90 0.92 baik
CFI ≥0,90 0.93 baik
IFI ≥0,90 0.94 baik
RFI ≥0,90 0.89 Kurang baik
RMR <0,05 0.053 Kurang baik
PGFI 0,6-0,9 0.59 Kurang baik
SRMR <0,05 0.053 Kurang baik

b. Tabel Ringkasan hasil Estimasi Parameter

• Uji kecocokan hubungan variabel Pelatihan (PEL) dengan kepemimpinan

(KPM) menunjukkan adanya hubungan yang signifikan positif dengan kriteria
t-value 3.67 ≥ 1.96. kondisi ini dapat diartikan bahwa nilai koefisien yang
sangat besar menunjukkan adanya hubungan yang signifikan dan kuat diantara
kedua variabel tersebut.
• Uji kecocokan hubungan variabel Pelatihan (PEL) dengan Budaya Organisasi
(BOR) menunjukkan adanya hubungan yang signifikan positif dengan kriteria
t-value 3.80 ≥ 1.96. kondisi ini dapat diartikan bahwa nilai koefisien yang
sangat besar menunjukkan adanya hubungan yang signifikan dan kuat diantara
kedua variabel tersebut.
• Uji kecocokan hubungan variabel kecerdasan Emosional (KEM) dengan
Kepemimpinan (KPM) menunjukkan adanya hubungan yang signifikan positif
dengan kriteria t-value 2.39 ≥ 1.96. kondisi ini dapat diartikan bahwa nilai
koefisien yang sangat besar menunjukkan adanya hubungan yang signifikan
dan kuat diantara kedua variabel tersebut.
• Uji kecocokan hubungan variabel kecerdasan Emosional (KEM) dengan
Budaya Organisasi (BOR) menunjukkan adanya hubungan yang signifikan
positif dengan kriteria t-value 3.37 ≥ 1.96. kondisi ini dapat diartikan bahwa
nilai koefisien yang sangat besar menunjukkan adanya hubungan yang
signifikan dan kuat diantara kedua variabel tersebut.
• Uji kecocokan hubungan variabel kecerdasan Emosional (KEM) dengan
Pelatihan (PEL) menunjukkan adanya hubungan yang signifikan positif dengan
kriteria t-value 2.25 ≥ 1.96. kondisi ini dapat diartikan bahwa nilai koefisien
yang sangat besar menunjukkan adanya hubungan yang signifikan dan kuat
diantara kedua variabel tersebut.
 c. Tabel Dekomposisi Pengaruh Antar Variabel

Intepretasi Hasil
1. Tinggi rendahnya KEM dipengaruhi secara positif oleh KPM melalui PEL sebesar 0.31
2. Tinggi rendahnya KEM dipengaruhi secara positif oleh BOR melalui PEL sebesar 0,31
3. Tinggi rendahnya KEM dipengaruhi positif oleh KPM sebesar 0,27
4. Tinggi rendahnya KEM dipengaruhi positif oleh BOR sebesar 0,36
5. Tinggi rendahnya KEM dipengaruhi positif oleh PEL sebesar 0,21
6. BOR berpengaruh terbesar terhadap KEM yaitu sebesar 0,36 terbesar kedua KPM melalui PEL yaitu
sebesar 0,31 dan BOR melalui PEL 0,31terbesar ketiga KPM yaitu sebesar 0,27 sedangkan urutan yang
terkecil PEL yaitu sebesar 0,25