Spesifikasi Model Identifikasi Model Estimasi Parameter

3.5.2 Penyusunan Diagram Alur

Setelah hipotesis ditetapkan, untuk memudahkan dibuat visualisasi hipotesis dengan menggunakan diagram alur path diagram. Dari konseptualisasi model itu, diagram alur yang disusun tampak seperti pada Gambar 3.1. Gambar 3.1 Diagram Alur Pengaruh Struktur Organisasi, Budaya, Lingkungan, Konflik terhadap Keefektifan Organisasi

3.5.3 Spesifikasi Model

Spesifikasi model menggambarkan sifat dan jumlah parameter yang diestimasi. Pada tahap ini belum dapat dilakukan analisis data. Program LISREL X 4 X 10 X 12 X 14 X 11 X 9 X 7 X 5 X 6 X 8 X 2 X 1 X 3 ξ 1 ξ 4 ξ 3 ξ 2 Y 1 Y 2 Y 3 Y 4 X 13 X 15 X 16 X 17 yang akan digunakan adalah versi 8.54 dengan bahasa perintah SIMPLIS yang memungkinkan menuliskan nama variabel dan menentukan hubungan antar variabel dengan menggunakan tulisan serta simbol matematika dasar.

3.5.4 Identifikasi Model

Langkah ini dilakukan untuk menjaga agar model yang dispesifikasikan tidak under-identified atau unidentified. Ada tiga kategori identifikasi model dalam SEM, yaitu under-identified, just-identified, over-identified. 1 Model dikategorikan under-identified apabila jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui. 2 Model dikategorikan just-identified apabila jumlah parameter yang diestimasi sama dengan data yang diketahui. 3 Model dikategorikan over-identified apabila jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui.

3.5.5 Estimasi Parameter

Estimasi parameter diperoleh dari data untuk menghasilkan matriks kovarians berdasarkan model model-based covarians matrix yang sesuai dengan kovarians matriks sesungguhnya observed covarians matrix. Uji signifikansi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol tidak sama dengan nol. Estimasi parameter bertujuan untuk memperoleh estimasi setiap parameter dalam model. Untuk dapat melakukan estimasi secara tepat, perlu pemahaman yang memadai terhadap metode-metode estimasi dari LISREL. Metode estimasi yang paling populer digunakan dalam LISREL adalah maximum likelihood karena akan menghasilkan estimasi parameter yang valid, efisien dan reliabel apabila data yang digunakan adalah normalitas multivariate multivariate normality dan akan robust tidak terpengaruhkuat terhadap penyimpangan normalitas multivariate yang sedang moderate. Maximum likelihood memiliki hasil yang cukup valid untuk sampel antara seratus sampai dengan dua ratus. Pada penelitian ini estimasi parameter dilakukan dengan program second order confirmatory factor analysis karena variabel pengukuran tidak dapat diukur secara langsung tetapi memerlukan beberapa indikator lagi.

3.5.6 Penilaian Model Fit