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
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