Dokumen tersebut membahas penelitian tentang pengaruh komunikasi, otonomi kerja, supervisi, dan konsolidasi terhadap efektivitas kerja dan implikasinya pada produktivitas kerja dengan menggunakan analisis jalur menggunakan LISREL. Hipotesis penelitian menyatakan adanya pengaruh langsung dan tidak langsung antara variabel-variabel tersebut.
Ukuran Pemusatan data
Ukuran Pemusatan data yaitu “suatu nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data tersebut.”
Ukuran penyebaran data
Ukuran Penyebaran adalah “suatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya.”
Ukuran Pemusatan data
Ukuran Pemusatan data yaitu “suatu nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data tersebut.”
Ukuran penyebaran data
Ukuran Penyebaran adalah “suatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya.”
SUB POKOK BAHASAN :
2.1 Notasi Sigma
2.2 Pengertian Distribusi Frekuensi
2.3 Istilah dalam Distribusi Frekuensi
2.4 Penyusunan Distribusi Frekuensi
2.5 Jenis Distribusi Frekuensi
2.6 Ukuran Gejala Pusat Data Belum Dikelompokkan
* Aplikasi Komputer Excel dan SPSS
SUB POKOK BAHASAN :
2.1 Notasi Sigma
2.2 Pengertian Distribusi Frekuensi
2.3 Istilah dalam Distribusi Frekuensi
2.4 Penyusunan Distribusi Frekuensi
2.5 Jenis Distribusi Frekuensi
2.6 Ukuran Gejala Pusat Data Belum Dikelompokkan
* Aplikasi Komputer Excel dan SPSS
Buku Aplikasi Lisrel untuk Penelitian Analisis JalurEDI RIADI
Buku ini menjelaskan teknik analisis data secara manual, maupun dengan teknik komputasi dengan bantuan software LISREL Student Version (CD terlampir dalam buku) lengkap dengan contoh-contoh Judul Tesis/Disertasi dan datanya.
Untuk Lebih Jelasnya, Pembahasan Dan Interpretasi Output Lisrel Di Atas Dapat Dilihat Pada Buku Aplikasi Lisrel Untuk Penelitian Analisis Jalur Penerbit Andi Publisher Yogyakarta 2013 Author: Dr. Edi Riadi
Berisi bab 2 Materi Kuliah Statistik Industri
Statistik Deskriptif :
- Tipe Variabel, Tipe Data
- Ukuran Kecenderungan Pusat
- Ukuran Sebaran (Variabilitas)
- Penggambaran Data secara Grafis
Similar to CONTOH TESIS MODEL ANALISIS JALUR DENGAN LISREL (20)
buku ini pembaca akan memperoleh pemahaman yang mendalam tentang langkah-langkah menganalisis data Penelitian Model SEM menggunakan program LISREL secara praktis mulai dari Kajian Teoretik SEM, Ukuran Sampel (Sample Size), Spesifikasi Model Persamaan Struktural, Identifikasi Model Persamaan Struktural, Metode Estimasi, Persiapan Instalasi Software, Operasionalisasi LISREL
Contoh disertasi ini terdiri dari 6 variabel laten, dimulai dengan penentuan ukuran sampel, spesifikasi model, metode estimasi dan hipotesis penelitian, dan pembahasan komprehenship.
Untuk Lebih Jelasnya, Pembahasan Dan Interpretasi Output Lisrel Di Atas Dapat Dilihat Pada Buku Aplikasi Lisrel Untuk Penelitian Analisis Jalur Penerbit Andi Publisher Yogyakarta 2013 Author: Dr. Edi Riadi
Buku ini disusun agar para pembaca memperoleh konsep yang kuat dan mampu menerapkan teknik analisa data kuantitatif secara manual sekaligus mampu membuktikannya melalui software IBM SPSS
Telah terbit buku statistika paling lengkapEDI RIADI
Buku ini disusun agar para pembaca memperoleh konsep yang kuat dan mampu menerapkan teknik analisa data kuantitatif secara manual sekaligus mampu membuktikannya melalui software IBM SPSS
Contoh analisis uji beda nonparamaetrik wilcoxonEDI RIADI
Ranking bertanda Wilcoxon banyak digunakan untuk menguji perbedaan perlakuan yang diberikan kepada objek penelitian dengan mempertimbangkan arah dan magnitude relatif perbedaan dari dua sampel berpsangan.
Buku ini menjelaskan secara detil mulai dari teori sampai dengan aplikasi model analisis jalur yang sederhana sampai dengan model yang sangat komplek sekalipun. Buku ini menjelaskan teknik analisis data secara manual, maupun dengan teknik komputasi dengan bantuan software LISREL Student Version (CD terlampir dalam buku) lengkap dengan contoh-contoh Judul Tesis/Disertasi dan datanya. Selain itu, dijelaskan pula secara detail interpretasi output LISREL lengkap dengan rincian penjelasan perhitungannya.
Sistematika Buku ini disusun dengan pola pembahasan step by step simple, padat, berisi, dan tidak bertele-tele. Fokus pada pesan yang ingin disampaikan bahwa setelah anda membaca buku ini diharapkan mampu memahami konsep dan langsung mempraktikkan teknik analasis data pada Tesis/Disertasi anda
NUMERASI KOMPETENSI PENDIDIK TAHAP CAKAP DAN MAHIR.pdf
CONTOH TESIS MODEL ANALISIS JALUR DENGAN LISREL
1. Otonomi
Kerja
(X2)
Supervisi
(X3)
Efektifitas
Tim Kerja
(X5)
Komunikasi
(X1)
Konsolidasi
(X4)
Produktifitas
Kerja
(X6)
CONTOH TESIS/DISERTASI
PENGARUH KOMUNIKASI, OTONOMI KERJA, SUPERVISI, KONSOLIDASI TERHADAP
EFEKTIFITAS KERJA SERTA IMPLIKASINYA TERHADAP PRODUKTIFITAS KERJA
STUDI ANALISIS JALUR DENGAN LISREL
r15
r12 p51
r13 p52
r25
r15 r23 p65
r35 r56
p53
r24
r45 e5 e6
r24 p54
Gambar 7.1 Contoh ilustrasi kasus penelitian multivariat 1
Contoh hipotesis yang diajukan:
a. Terdapat pengaruh langsung positif komunikasi terhadap efektifitas tim kerja karyawan
b. Terdapat pengaruh langsung positif otonomi kerja terhadap efektifitas tim kerja karyawan
c. Terdapat pengaruh langsung positif supervisi terhadap efektifitas tim kerja karyawan
d. Terdapat pengaruh langsung positif konsolidasi terhadap efektifitas tim kerja karyawan
e. Terdapat pengaruh langsung positif efektifitas tim kerja terhadap produktifitas kerja karyawan
f. Terdapat pengaruh tidak langsung positif komunikasi terhadap produktifitas kerja karyawan
melalui efektifitas tim kerja.
g. Terdapat pengaruh tidak langsung positif otonomi kerja terhadap produktifitas kerja karyawan
melalui efektifitas tim kerja
2. h. Terdapat pengaruh tidak langsung positif supervisi terhadap produktifitas kerja karyawan
melalui efektifitas tim kerja
i. Terdapat pengaruh tidak langsung positif konsolidasi terhadap produktifitas kerja karyawan
melalui efektifitas tim kerja
1. Aplikasi Menu PRELIS Data
1.1 Input Data
Untuk menguji contoh hipotesis penelitian di atas, buka menu PRELIS Data pada editor
LISREL kemudian ikuti langkah sebagai berikut:
Klik File
Klik New
Klik PRELIS Data
Klik OK
Klik Data
Klik Define variabel
Klik Insert
Pada dialog box Add variables ketik X1-X6
Klik OK
Pada dialog box define variabel sudah terisi X1 X2 X3 X4 X5 X6 selanjutnya klik OK
Gambar 7.2 Editor PRELIS Data
Klik Data
Klik Insert cases
Ketikkan jumlah responden yang akan diteliti (misal 124) klik OK
6. 114 144 78 91 90 102 97
115 184 109 100 98 112 65
116 161 67 69 68 77 81
117 190 132 117 115 131 120
118 150 94 110 108 123 112
119 172 123 93 91 104 73
120 186 108 92 91 103 51
121 165 108 74 73 83 88
122 164 111 105 104 118 109
123 172 93 80 79 90 108
124 132 128 114 112 128 117
Setelah selesai menginput data, simpan terlebih dahulu raw data tersebut misalnya di drive D:
dengan nama file: PRODUKTIFITAS.PSF, caranya klik File, klik Save As, pada dialog box
File Save As, klik D: pada kotak Drives kemudian klik pada kotak File name lalu ketikkan
PRODUKTIFITAS.PSF akhiri dengan mengklik OK. Sebaliknya untuk membuka file yang
sudah tersimpan, Klik File, klik Open, pada kotak Drives: pilih D, pada kotak Save file as
type pilih all files (*.*), pada kotak File name tarik slider ke bawah klik
PRODUKTIFITAS.PSF akhiri dengan OK
Gambar 7.4 Menu Save As PRELIS Data
1.2 Analisis Deskripsi Data dan Normalitas
Setelah file PRODUKTIFITAS.PSF terbuka selanjutnya untuk mengetahui deskripsi atau
gambaran data seperti normalitas data baik secara univariat maupun multivariat, histogram
masing-masing variabel, matrik korelasional, rerata (mean), dan simpangan baku antar variabel,
dengan mudah dapat dianalisis melalui menu PRELIS Data LISREL. Namun sebelum dianalisis,
7. definisikan terlebih dahulu jenis data yang akan dipakai, ini penting karena LISREL akan
memperlakukan variabel kategorikal yang terdistribusi secara normal dapat dianggap sebagai
jenis data kontinyu. Untuk itu ikuti langkah-langkah sebagai berikut:
Klik Data, pada editor PRELIS
Klik Define Variables
Pada kotak Define variables sudah berisi variabel X1 sd X6
Dengan menekan Ctrl (jangan dilepas) lalu klik X1 sd X6 terlihat berwarna biru
Lepas Ctrl, lalu klik Variable Type
Tampak beberapa pilihan tipe variabel, lalu klik Continous, klik OK
Setelah tipe variabel ditentukan langkah berikutnya menganalisis estimasi deskripsi masing-
masing variabel menggunakan menu statistik pada PRELIS LISREL. Langkah-langkahnya
sebagai berikut:
Klik menu Statistics
Terlihat beberapa pilihan, untuk kali ini klik Output Option
Gambar 7.5 Menu Output Option PRELIS
Klik kotak pada LISREL system data
Klik kotak di bawah Moment Matrix pilh Correlations,
8. klik kotak Save the transformed data to file,
lalu ketikkan nama File misalnya DESKRIP,
klik kotak pada Perform tests of multivariate normality, yang lainnya abaikan,
akhiri dengan klik OK
Hasil output LISREL dapat dilihat sebagai berikut:
DATE: 09/12/2012
TIME: 21:27
P R E L I S 2.30 (STUDENT)
BY
Karl G. Jöreskog & Dag Sörbom
This program is published exclusively by
Scientific Software International, Inc.
7383 N. Lincoln Avenue, Suite 100
Chicago, IL 60646-1704, U.S.A.
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Copyright by Scientific Software International, Inc., 1981-99
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:HIBAHF.PR2:
!PRELIS SYNTAX: Can be edited
SY=D:PRODUKTIFITAS.PSF
OU MA=KM
Total Sample Size = 124
Univariate Summary Statistics for Continuous Variables
Variable Mean St. Dev. T-Value Skewness Kurtosis Minimum Freq. Maximum Freq.
-------- ---- -------- ------- -------- -------- ------- ----- ------- -----
X1 172.556 26.859 71.541 -0.022 -0.607 113.000 1 230.000 1
X2 111.548 25.004 49.679 0.074 -0.578 57.000 1 166.000 1
X3 101.556 22.244 50.841 -0.034 -0.671 54.000 1 148.000 1
X4 99.323 21.759 50.831 -0.029 -0.697 53.000 1 146.000 1
X5 108.790 24.622 49.201 0.056 -0.613 60.000 1 166.000 1
X6 101.685 27.135 41.729 -0.013 -0.592 42.000 1 159.000 1
Test of Univariate Normality for Continuous Variables
Skewness Kurtosis Skewness and Kurtosis
Variable Z-Score P-Value Z-Score P-Value Chi-Square P-Value
X1 -0.102 0.919 -1.688 0.091 2.860 0.239
X2 0.338 0.735 -1.558 0.119 2.542 0.281
X3 -0.155 0.877 -1.991 0.047 3.986 0.136
X4 -0.134 0.893 -2.120 0.034 4.514 0.105
X5 0.255 0.799 -1.714 0.087 3.002 0.223
X6 -0.059 0.953 -1.622 0.105 2.634 0.268
Relative Multivariate Kurtosis = 1.412
Test of Multivariate Normality for Continuous Variables
Skewness Kurtosis Skewness and Kurtosis
Value Z-Score P-Value Value Z-Score P-Value Chi-Square P-Value
------ ------- ------- ------- ------- ------- ---------- -------
12.411 10.551 0.000 20.534 6.340 0.000 151.523 0.000
Histograms for Continuous Variables
X1
Frequency Percentage Lower Class Limit
6 4.8 113.000 ••••••
10. 13 10.5 123.900 •••••••••••••
8 6.5 135.600 ••••••••
5 4.0 147.300 •••••
Correlation Matrix
X1 X2 X3 X4 X5 X6
-------- -------- -------- -------- -------- --------
X1 1.000
X2 0.501 1.000
X3 0.306 0.500 1.000
X4 0.239 0.505 0.617 1.000
Y 0.496 0.665 0.619 0.592 1.000
Z 0.422 0.551 0.449 0.406 0.651 1.000
Means
X1 X2 X3 X4 X5 X6
-------- -------- -------- -------- -------- --------
172.556 111.548 101.556 99.323 108.790 101.685
Standard Deviations
X1 X2 X3 X4 X5 X6
-------- -------- -------- -------- -------- --------
26.859 25.004 22.244 21.759 24.622 27.135
The Problem used 6504 Bytes (= 0.0% of available workspace)
1.3 Diskusi Statistik Deskripsi dan Normalitas Data
1). Hasil uji normalitas univariat variabel X1, X2, X3, X4, X5, dan X6, diperoleh Zskewness dan
Zkurtosis berada diantara -1,96 hingga +1,96 (Nilai ± 1,96 lihat bab 4 halaman 82). Sebagai
contoh kita ambil variabel X1 Zskewness = -0.102 dan Zkurtosis = -1.688. Dengan demikian nilai
Zskewness dan Zkurtosis untuk variabel X1 berada diantara -1,96 hingga +1,96 sehingga dapat
disimpulkan bahwa data variabel X1 cenderung berdistribusi normal. Demikian juga nilai
Pskewness maupun Pkurtosis dikatakan normal jika nilainya p > 0.05. Perhatikan kembali
Pskewness maupun Pkurtosis output di atas masing-masing sebesar 0.919 dan 0.091 masih lebih
besar dari 0,05 sehingga dapat disimpulkan bahwa data variabel X1 cenderung berdistribusi
normal.
2). Matrik koefisien korelasi antar variabel semuanya bernilai positif sehingga dapat dilanjutkan
sebagai data input untuk perhitungan koefisien pengaruh dan pengujian hipotesis pada
program SIMPLIS
3). Hasil estimasi ukuran pemusatan data masing-masing variabel seperti mean, simpangan
baku berikut histogramnya didisplaykan dengan cukup jelas.
2. Siapkan Menu SIMPLIS Project
Selanjutnya untuk menguji contoh hipotesis penelitian di atas, buka menu SIMPLIS pada
editor LISREL dengan langkah sebagai berikut:
11. Klik File
Klik New
Klik SIMPLIS Project
Klik OK
Pada dialog box Save As pilih drive D:
Ketikkan Nama File (misal PRODUKTIFITAS.SPJ)
Klik Save
Ketikkan program, mengikuti langkah-langkah seperti yang sudah dijelaskan pada bab 6
sebagai berikut:
STUDI PRODUKTIFITAS KERJA
OBSERVED VARIABLES: X1 X2 X3 X4 X5 X6
correlation matrix
1.000
0.501 1.000
0.306 0.500 1.000
0.239 0.505 0.617 1.000
0.496 0.665 0.619 0.592 1.000
0.422 0.551 0.449 0.406 0.651 1.000
relationships
X5 = X1 X2 X3 X4
X6 = X5
sample size 124
options RS EF SC SS Nd=5
path diagram
end of problem
Untuk menjalankan program SIMPLIS Klik File kemudian Klik Run. Maka LISREL
akan mencetak output lengkap sesuai dengan request yang kita inginkan, seperti di bawah
ini:
The following lines were read from file D:PRODUK.SPJ:
STUDI PRODUKTIFITAS KERJA
OBSERVED VARIABLES: X1 X2 X3 X4 X5 X6
correlation matrix
1.000
0.501 1.000
0.306 0.500 1.000
0.239 0.505 0.617 1.000
0.496 0.665 0.619 0.592 1.000
0.422 0.551 0.449 0.406 0.651 1.000
relationships
X5 = X1 X2 X3 X4
X6 = X5
sample size 124
options RS EF SC SS Nd=5
path diagram
end of problem
Sample Size = 124
STUDI PRODUKTIFITAS KERJA
Correlation Matrix to be Analyzed
12. X5 X6 X1 X2 X3 X4
-------- -------- -------- -------- -------- --------
X5 1.00000
X6 0.65100 1.00000
X1 0.49600 0.42200 1.00000
X2 0.66500 0.55100 0.50100 1.00000
X3 0.61900 0.44900 0.30600 0.50000 1.00000
X4 0.59200 0.40600 0.23900 0.50500 0.61700 1.00000
STUDI PRODUKTIFITAS KERJA
Number of Iterations = 4
LISREL Estimates (Maximum Likelihood)
X5 = 0.20227*X1 + 0.32237*X2 + 0.25985*X3 + 0.22053*X4, Errorvar.= 0.39390 , R² = 0.60610
(0.066793) (0.076511) (0.076442) (0.076502) (0.051065)
3.02832 4.21333 3.39936 2.88271 7.71362
X6 = 0.65100*X5, Errorvar.= 0.57620 , R² = 0.42380
(0.069585) (0.074699)
9.35552 7.71362
Correlation Matrix of Independent Variables
X1 X2 X3 X4
-------- -------- -------- --------
X1 1.00000
(0.12964)
7.71362
X2 0.50100 1.00000
(0.10253) (0.12964)
4.88633 7.71362
X3 0.30600 0.50000 1.00000
(0.09587) (0.10249) (0.12964)
3.19197 4.87852 7.71362
X4 0.23900 0.50500 0.61700 1.00000
(0.09425) (0.10270) (0.10771) (0.12964)
2.53577 4.91744 5.72810 7.71362
Goodness of Fit Statistics
Degrees of Freedom = 4
Minimum Fit Function Chi-Square = 7.07123 (P = 0.13217)
Normal Theory Weighted Least Squares Chi-Square = 6.87180 (P = 0.14282)
Estimated Non-centrality Parameter (NCP) = 2.87180
90 Percent Confidence Interval for NCP = (0.0 ; 14.31527)
Minimum Fit Function Value = 0.057490
Population Discrepancy Function Value (F0) = 0.024133
90 Percent Confidence Interval for F0 = (0.0 ; 0.12030)
Root Mean Square Error of Approximation (RMSEA) = 0.077674
90 Percent Confidence Interval for RMSEA = (0.0 ; 0.17342)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.25890
Expected Cross-Validation Index (ECVI) = 0.34346
90 Percent Confidence Interval for ECVI = (0.31933 ; 0.43962)
ECVI for Saturated Model = 0.35294
ECVI for Independence Model = 2.88392
Chi-Square for Independence Model with 15 Degrees of Freedom = 331.18674
Independence AIC = 343.18674
Model AIC = 40.87180
Saturated AIC = 42.00000
Independence CAIC = 366.10843
Model CAIC = 105.81659
Saturated CAIC = 122.22591
13. Root Mean Square Residual (RMR) = 0.035395
Standardized RMR = 0.035395
Goodness of Fit Index (GFI) = 0.98172
Adjusted Goodness of Fit Index (AGFI) = 0.90402
Parsimony Goodness of Fit Index (PGFI) = 0.18699
Normed Fit Index (NFI) = 0.97865
Non-Normed Fit Index (NNFI) = 0.96357
Parsimony Normed Fit Index (PNFI) = 0.26097
Comparative Fit Index (CFI) = 0.99029
Incremental Fit Index (IFI) = 0.99061
Relative Fit Index (RFI) = 0.91993
Critical N (CN) = 231.94245
STUDI PRODUKTIFITAS KERJA
Fitted Covariance Matrix
X5 X6 X1 X2 X3 X4
-------- -------- -------- -------- -------- --------
X5 1.00000
X6 0.65100 1.00000
X1 0.49600 0.32290 1.00000
X2 0.66500 0.43292 0.50100 1.00000
X3 0.61900 0.40297 0.30600 0.50000 1.00000
X4 0.59200 0.38539 0.23900 0.50500 0.61700 1.00000
Fitted Residuals
X5 X6 X1 X2 X3 X4
-------- -------- -------- -------- -------- --------
X5 - -
X6 0.00000 0.00000
X1 0.00000 0.09910 - -
X2 - - 0.11808 - - - -
X3 - - 0.04603 - - - - - -
X4 - - 0.02061 - - - - - - - -
Summary Statistics for Fitted Residuals
Smallest Fitted Residual = 0.00000
Median Fitted Residual = 0.00000
Largest Fitted Residual = 0.11808
Standardized Residuals
X5 X6 X1 X2 X3 X4
-------- -------- -------- -------- -------- --------
X5 - -
X6 - - - -
X1 - - 1.64020 - -
X2 - - 2.27223 - - - -
X3 - - 0.84227 - - - - - -
X4 - - 0.36747 - - - - - - - -
Summary Statistics for Standardized Residuals
Smallest Standardized Residual = 0.00000
Median Standardized Residual = 0.00000
Largest Standardized Residual = 2.27223
14. STUDI PRODUKTIFITAS KERJA
Qplot of Standardized Residuals
3.5..........................................................................
. ..
. .
. . .
N . . .
o . . .
r . . x .
m . . .
a . . .
l . . .
. . x .
Q . . .
u . . .
a . . x .
n . . .
t . . .
i . . .
l . . x .
e . . .
s . . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
-3.5..........................................................................
-3.5 3.5
Standardized Residuals
STUDI PRODUKTIFITAS KERJA
Standardized Solution
BETA
X5 X6
-------- --------
X5 - - - -
X6 0.65100 - -
GAMMA
X1 X2 X3 X4
-------- -------- -------- --------
X5 0.20227 0.32237 0.25985 0.22053
X6 - - - - - - - -
Correlation Matrix of Y and X
X5 X6 X1 X2 X3 X4
-------- -------- -------- -------- -------- --------
X5 1.00000
X6 0.65100 1.00000
X1 0.49600 0.32290 1.00000
X2 0.66500 0.43291 0.50100 1.00000
X3 0.61900 0.40297 0.30600 0.50000 1.00000
X4 0.59200 0.38539 0.23900 0.50500 0.61700 1.00000
PSI
15. Note: This matrix is diagonal.
X5 X6
-------- --------
0.39390 0.57620
Regression Matrix Y on X (Standardized)
X1 X2 X3 X4
-------- -------- -------- --------
X5 0.20227 0.32237 0.25985 0.22053
X6 0.13168 0.20986 0.16916 0.14357
STUDI PRODUKTIFITAS KERJA
Total and Indirect Effects
Total Effects of X on Y
X1 X2 X3 X4
-------- -------- -------- --------
X5 0.20227 0.32237 0.25985 0.22053
(0.06679) (0.07651) (0.07644) (0.07650)
3.02832 4.21333 3.39936 2.88271
X6 0.13168 0.20986 0.16916 0.14357
(0.04570) (0.05463) (0.05295) (0.05211)
2.88114 3.84171 3.19499 2.75490
Indirect Effects of X on Y
X1 X2 X3 X4
-------- -------- -------- --------
X5 - - - - - - - -
X6 0.13168 0.20986 0.16916 0.14357
(0.04570) (0.05463) (0.05295) (0.05211)
2.88114 3.84171 3.19499 2.75490
Total Effects of Y on Y
X5 X6
-------- --------
X5 - - - -
X6 0.65100 - -
(0.06958)
9.35552
Largest Eigenvalue of B*B' (Stability Index) is 0.424
STUDI PRODUKTIFITAS KERJA
Standardized Total and Indirect Effects
Standardized Total Effects of X on Y
X1 X2 X3 X4
-------- -------- -------- --------
X5 0.20227 0.32237 0.25985 0.22053
X6 0.13168 0.20986 0.16916 0.14357
Standardized Indirect Effects of X on Y
X1 X2 X3 X4
-------- -------- -------- --------
X5 - - - - - - - -
X6 0.13168 0.20986 0.16916 0.14357
Standardized Total Effects of Y on Y
16. X5 X6
-------- --------
X5 - - - -
X6 0.65100 - -
The Problem used 10096 Bytes (= 0.0% of Available Workspace)
Time used: 0.000 Seconds
Gambar 7.6 Diagram Jalur Empiris
Tabel 7.2 Rekapitulasi Perhitungan Koefisien Pengaruh Langsung (PL), Pengaruh Tidak
Langsung (PTL) Dan Pengaruh Total (PL)
Kausal
Koefisien
Korelasi
Koefisien
Pengaruh
t hitung
Tingkat Pengaruh
PL PTL Total
X1->X4 0.23900 - 2.53577 - - -
X1->X3 0.30600 - 3.19197 - - -
X1->X2 0.50100 - 4.88633 - - -
X2->X4 0.50500 - 4.91744 - - -
X2->X3 0.50000 - 4.87852 - - -
X3->X4 0.61700 - 5.72810 - - -
X4->X5 0.59200 - 2.88271 - - -
X5->X6 0.65100 0,65100 9.35552 0,65100 - 0.65100
X1->X5 - 0.20227 3.02832 0.20227 - 0.20227
X2->X5 - 0.32237 4.21333 0.32237 - 0.32237
X3->X5 - 0.25985 3.39936 0.25985 - 0.25985
X4->X5 - 0.22053 2.88271 0.22053 - 0.22053
17. X1->X6 - - - - 0.13168 0.13168
X2->X6 - - - - 0.20986 0.20986
X3->X6 - - - - 0.16916 0.16916
X4->X6 - - - - 0.14357 0.14357
UNTUK LEBIH JELASNYA, PEMBAHASAN DAN INTERPRETASI OUTPUT LISREL
DI ATAS DAPAT DILIHAT PADA BUKU APLIKASI LISREL UNTUK PENELITIAN
ANALISIS JALUR PENERBIT ANDI PUBLISHER YOGYAKARTA 2013
AUTHOR: DR. EDI RIADI
HUBUNGI TOKO BUKU GRAMEDIA, GUNUNG AGUNG TERDEKAT
ATAU ONLINE SHOP FAVORIT ANDA