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
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
Gambar 7.3 Input data PRELIS
Terlihat editor PRELIS Data LISREL yang sudah siap diinput, Klik sel yang akan diisi
data, sekali lagi data ini hanya untuk ilustrasi saja bukan hasil penelitian yang
sebenarnya, setelah itu input contoh data berikut:
Tabel 7.1 Contoh ilustrasi data penelitian
NO X1 X2 X3 X4 X5 X6
1 186 113 140 105 119 110
2 159 72 62 137 98 76
3 220 162 64 75 154 155
4 158 88 118 92 61 61
5 163 121 117 120 84 87
6 157 132 116 63 117 88
7 218 157 94 61 152 150
8 197 136 99 117 137 128
9 123 87 102 100 69 75
10 122 88 103 101 114 122
11 188 129 104 139 129 118
12 157 110 104 113 105 121
13 183 127 106 108 126 114
14 224 163 110 111 158 156
15 157 122 112 133 85 75
16 129 95 115 103 72 122
17 148 118 120 135 115 76
18 158 124 137 119 123 112
19 196 153 136 98 135 111
20 166 100 137 102 116 73
21 184 77 141 74 111 87
22 137 96 103 101 115 44
23 156 114 105 104 118 121
24 162 124 73 72 82 100
25 164 88 104 103 117 101
26 217 152 136 133 152 145
27 171 59 80 78 89 122
28 195 152 120 119 135 110
29 193 115 93 91 104 76
30 201 140 138 122 139 134
31 169 101 96 94 107 87
32 162 91 90 116 101 97
33 170 118 98 97 110 73
34 183 112 88 86 98 43
35 168 87 64 63 71 42
36 197 137 122 120 137 111
37 192 95 88 87 99 90
38 204 143 127 125 142 136
39 214 151 133 131 149 145
40 167 116 89 88 100 105
41 229 166 146 144 164 158
42 205 87 107 105 120 134
43 181 88 128 74 84 53
44 195 134 120 118 134 126
45 136 83 96 95 108 79
46 122 76 83 82 93 133
47 123 98 101 99 113 72
48 138 113 59 138 66 58
49 211 150 132 130 148 144
50 205 120 70 69 78 97
51 204 88 81 80 91 90
52 192 133 118 116 132 120
53 171 119 102 100 114 133
54 170 111 126 76 86 134
55 157 106 68 67 76 91
56 190 128 113 112 127 116
57 203 67 89 88 100 79
58 193 133 118 116 132 122
59 184 99 109 107 122 112
60 185 77 96 94 107 86
61 220 57 64 63 71 95
62 181 120 97 96 109 89
63 136 106 96 95 108 134
64 174 143 128 126 86 54
65 177 121 79 125 88 91
66 209 144 129 127 145 142
67 158 105 104 102 116 58
68 185 101 82 81 92 79
69 179 142 108 106 121 133
70 198 139 123 121 138 129
71 179 112 141 139 64 134
72 175 130 117 115 131 119
73 156 104 74 126 83 90
74 221 125 112 110 125 113
75 178 106 99 98 111 85
76 185 94 60 59 67 79
77 131 97 84 83 94 95
78 175 119 108 106 121 111
79 148 100 106 105 119 110
80 230 164 148 146 166 159
81 127 70 87 85 97 89
82 181 80 95 93 106 91
83 158 126 112 110 125 114
84 149 143 66 65 74 106
85 147 107 76 75 85 89
86 158 115 90 89 101 84
87 202 141 125 123 140 134
88 168 124 111 109 124 113
89 159 96 141 57 65 94
90 173 87 100 98 112 99
91 149 98 91 90 102 104
92 180 108 101 99 113 100
93 146 79 85 84 95 86
94 160 72 81 80 91 65
95 113 125 111 109 124 113
96 180 112 68 67 76 74
97 146 107 79 77 88 68
98 208 143 128 126 143 138
99 148 60 88 86 98 105
100 145 101 97 96 109 60
101 166 107 98 97 110 101
102 212 150 132 130 148 144
103 182 76 78 77 87 75
104 125 102 107 105 120 111
105 160 102 54 53 60 62
106 210 148 130 128 146 143
107 134 121 103 101 115 88
108 122 90 69 68 77 96
109 194 134 119 117 133 124
110 143 113 84 83 94 105
111 157 84 98 97 110 94
112 182 91 56 56 63 106
113 189 99 83 82 93 78
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,
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,
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 ••••••
8 6.5 124.700 ••••••••
11 8.9 136.400 •••••••••••
17 13.7 148.100 •••••••••••••••••
19 15.3 159.800 •••••••••••••••••••
19 15.3 171.500 •••••••••••••••••••
17 13.7 183.200 •••••••••••••••••
13 10.5 194.900 •••••••••••••
8 6.5 206.600 ••••••••
6 4.8 218.300 ••••••
X2
Frequency Percentage Lower Class Limit
5 4.0 57.000 •••••
8 6.5 67.900 ••••••••
13 10.5 78.800 •••••••••••••
17 13.7 89.700 •••••••••••••••••
20 16.1 100.600 ••••••••••••••••••••
20 16.1 111.500 ••••••••••••••••••••
16 12.9 122.400 ••••••••••••••••
13 10.5 133.300 •••••••••••••
7 5.6 144.200 •••••••
5 4.0 155.100 •••••
X3
Frequency Percentage Lower Class Limit
5 4.0 54.000 •••••
9 7.3 63.400 •••••••••
12 9.7 72.800 ••••••••••••
15 12.1 82.200 •••••••••••••••
20 16.1 91.600 ••••••••••••••••••••
20 16.1 101.000 ••••••••••••••••••••
16 12.9 110.400 ••••••••••••••••
12 9.7 119.800 ••••••••••••
9 7.3 129.200 •••••••••
6 4.8 138.600 ••••••
X4
Frequency Percentage Lower Class Limit
5 4.0 53.000 •••••
9 7.3 62.300 •••••••••
13 10.5 71.600 •••••••••••••
15 12.1 80.900 •••••••••••••••
20 16.1 90.200 ••••••••••••••••••••
20 16.1 99.500 ••••••••••••••••••••
16 12.9 108.800 ••••••••••••••••
13 10.5 118.100 •••••••••••••
7 5.6 127.400 •••••••
6 4.8 136.700 ••••••
X5
Frequency Percentage Lower Class Limit
8 6.5 60.000 ••••••••
9 7.3 70.600 •••••••••
16 12.9 81.200 ••••••••••••••••
17 13.7 91.800 •••••••••••••••••
20 16.1 102.400 ••••••••••••••••••••
20 16.1 113.000 ••••••••••••••••••••
14 11.3 123.600 ••••••••••••••
9 7.3 134.200 •••••••••
8 6.5 144.800 ••••••••
3 2.4 155.400 •••
X6
Frequency Percentage Lower Class Limit
5 4.0 42.000 •••••
8 6.5 53.700 ••••••••
12 9.7 65.400 ••••••••••••
16 12.9 77.100 ••••••••••••••••
20 16.1 88.800 ••••••••••••••••••••
20 16.1 100.500 ••••••••••••••••••••
17 13.7 112.200 •••••••••••••••••
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:
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
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
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
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
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
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
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