CATATAN KULIAH PAK ARIF 19 NOP15

APLIKASI LISREL










File  New  Prelis Data
Menambahkan variabel : Data  Insert Variabel, Data  Rename
Variable
Menambahkan kasus/data : Data  Insert Case
Data prelis : hanya bisa dibaca oleh Lisrel saja, tidak bisa dibaca
oleh spss, jadi lebih baik menggunakan data yg diinput dari spss
Mengambil data SPSS : File  Import

Bisa
save

to file


manually tulis nama atau lisrel system data  otomatis sistem lisrel
yg menamai  disimpan dg nama yg sama dg format .DSN
Jika data continous (distribusi normal) semua maka ‘perform test ...’
aktif, dapat dicentang  lalu centang






Akan muncul output (dengan format .OUT). Dikatakan distribusil
multivariate normal jika p-value pd Skewnes dan Kurtosis < 0,05 
pada Test of Univariate Normality for Continuous Variables
Karena tidak normal  Data  Define Variable  Ordinal  Apply to all
Data yang tadi diubah ke ordinal memiliki > 15 kategori sehingga
pada output kedua muncul warning  Univariate Summary Statistics for
Continuous Variables  tetap dianalisis sebagai data continous
























Membuat diagram : File  New  Path Diagram  diberi nama yang
sama dengan data namun dengan format .PTH
Muncul tempat untuk membuat diagram
Input variable : Setup  Variables  Kolom kiri observed variable,
kolom kanan untuk latent variable
Pada observed variable : Add/read variable browse variable yang
sudah dlm format .DSF
Pada latent variable : Add latent variable  nama disesuaikan dg
tujuan dan jumlah variable latent yg diinginkan
Klik Next  statistic from : correlation  number of observation : 400
(jumlah kasus)  matrix to be analyse : correlation  OK
Klik/tandai untuk kelompok eksogen, yg endogen tidak perlu
ditandai.
Arah analisis dari endogen ke eksogen
Setting grafik sesuai dengan model yang dikehendaki
Lakukan analisis : setup  F4 atau F8 sama2 bisa digunakan untuk
analisis  Pilih salah satu, tidak bisa dicancel lalu ganti syntax
satunya agar tidak eror

Perhatikan output dulu sblm analisis : Output  lisrel output 
selection  klik total effect & indirect effect  klik standardized
solution  klik factor score regression  OK  lalu lanjutkan ke
langkah analisis
Analisis  Setup  F4  klik RUN (gambar orang lari) kembali ke
grafik dengan nilai
Lihat signifikansi melalui kolom estimate  T value, ingin lihat
besaran value : estimate  standardize solution
Yang dibaca adalah nilai dari standardize solution
Nilai pada gambar untuk menjawab hipotesis  korelasi antara
asupan dg bobot signifikan dg nilai 0,92  92% bobot dipengaruhi
oleh asupan  korelasi, makin mendekati 1 makin baik jika tanda
negatf berarti korelasinya terbalik (tidak searanh)
Nilai bagian bawah gambar  untuk permodelan (fit model)  fit jika
p value > 0,05  nilai data p value (0,468) > 0,05  model fit/bagus
Untuk melihat nilai statistik selain chi square : Output  fit indices






Degrees of Freedom = 1
Minimum Fit Function Chi-Square = 0.53 (P = 0.47)
Normal Theory Weighted Least Squares Chi-Square = 0.53 (P = 0.47)
Estimated Non-centrality Parameter (NCP) = 0.0
90 Percent Confidence Interval for NCP = (0.0 ; 5.57)
Minimum Fit Function Value = 0.0013
Population Discrepancy Function Value (F0) = 0.0
90 Percent Confidence Interval for F0 = (0.0 ; 0.014)
Root Mean Square Error of Approximation (RMSEA) = 0.0
90 Percent Confidence Interval for RMSEA = (0.0 ; 0.12)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.65
Expected Cross-Validation Index (ECVI) = 0.048
90 Percent Confidence Interval for ECVI = (0.048 ; 0.062)
ECVI for Saturated Model = 0.050
ECVI for Independence Model = 0.99
Chi-Square for Independence Model with 6 Degrees of Freedom =
385.30
Independence AIC = 393.30
Model AIC = 18.53

Saturated AIC = 20.00
Independence CAIC = 413.26
Model CAIC = 63.45
Saturated CAIC = 69.91
Normed Fit Index (NFI) = 1.00
Non-Normed Fit Index (NNFI) = 1.01
Parsimony Normed Fit Index (PNFI) = 0.17
Comparative Fit Index (CFI) = 1.00
Incremental Fit Index (IFI) = 1.00
Relative Fit Index (RFI) = 0.99
Critical N (CN) = 5036.44
Root Mean Square Residual (RMR) = 0.0049
Nilai eror akan munculStandardized
 di bagian luar
RMR =kotak
0.0063
Goodness of Fit Index (GFI) = 1.00
Adjusted Goodness of Fit Index (AGFI) = 0.99
Parsimony Goodness of Fit Index (PGFI) = 0.100