See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/289659706

Kapan memilih analisis SEM-AMOS

Presentation · January 2016

DOI: 10.13140/RG.2.1.2315.7847

CITATIONS READS

0 661

1 author:

Rai Utama I Gusti Bagus

Universitas Dhyana Pura Bali
235 PUBLICATIONS 38 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

THE DEVELOPMENT OF INDIGENOUS ECONOMIC LIFE MODELS AS A STRATEGY IN THE ACHIEVEMENT AND EXPANSION OF
NATIONAL ECONOMIC DEVELOPMENT View project
All content following this page was uploaded by Rai Utama I Gusti Bagus on 09 January 2016.

The user has requested enhancement of the downloaded file.

Dr. I Gusti Bagus Rai Utama, SE.,
M.MA., MA.
 Structural Equation Modeling (SEM) adalah alat
analisis statistik yang dipergunakan untuk
menyelesaikan model bertingkat secara
serempak yang tidak dapat diselesaikan oleh
persamaan regresi linear.
 SEM dianggap sebagai gabungan dari analisis
regresi dan analisis faktor. SEM dapat
dipergunakan untuk menyelesaikan model
persamaan dengan variabel terikat lebih dari satu
dan juga pengaruh timbal balik (recursive).
 Analisis SEM berbasis pada analisis covarians
sehingga memberikan matriks covarians yang
lebih akurat dari pada analisis regresi linear.

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 Model yang dianalisis bertingkat dan relatif rumit, sehingga akan sangat
sulit untuk diselesaikan dengan metode jalur analisis pada regresi linear.
 Mampu menguji hipotesis-hipotesis yang rumit dan bertingkat secara
serempak atau simultan.
 Kesalahan (error) pada masing-masing observasi tidak diabaikan tetapi
tetap dianalisis, sehingga SEM lebih akurat untuk menganalisis data
kuesioner yang melibatkan persepsi.
 Mampu menganalisis model hubungan timbal balik (recursive) secara
serempak, di mana model ini tidak dapat diselesaikan dengan analisis
regresi linear secara serempak.
 Terdapat fasilitas bootstrapping, di mana hal tersebut tidak dapat
dilakukan dengan analisis regresi linear.
 Untuk jumlah sampel yang relatif besar (di atas 2000) terdapat metode
Asymtot Distribution Free (ADF) yang tidak memerlukan asumsi
normalitas pada data.
 Peneliti dapat dengan mudah memodifikasi model dengan second order
untuk memperbaiki model yang telah disusun agar lebih layak secara
statistik.
Dr. I Gusti Bagus Rai Utama, SE.,
M.MA., MA.
 Langkah pertama: Pengembangan Model Teoritis.
 Langkah kedua: Pengembangan Diagram Alur
(Path Diagram).
 Langkah ketiga: Konversi Diagram Alur ke dalam
Persamaan Struktural dan Model Pengukuran.
 Langkah keempat: Memilih Jenis Matrik Input dan
Estimasi Model yang diusulkan.
 Langkah kelima: kemungkinan munculnya
masalah identifikasi
 Langkah keenam: evaluasi kriteria Goodness of
Fit
 Langkah ketujuh: menginterpretasikan hasil
pengujian dan modifikasi model.

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
Goodness of Fit Index Cut off Value
X2-Chi Square Diharapkan Kecil
Significance Probability ≥ 0,05
RMSEA ≤ 0,05
GFI ≥ 0,90
AGFI ≥ 0,90
CMIN/DF ≤ 3,00
TLI ≥ 0,95
CFI ≥ 0,95

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 χ 2 Chisquare diharapkan kecil, dan
probabilitas diharapkan > 0,05 yang berarti
tidak ada perbedaan signifikan antara matris
kovarians prediksi dengan data observasi,
namun perhitungan ini dipakai pada jumlah
sampel < 200.
 Significance Probability diterima berdasarkan
probabilitas dengan cut-off value sebesar p ≥
0,05.

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 RMSEA (Root Mean Square Error of Approximation) <
0,08 adalah ukuran model yang mencoba
memperbaiki kecenderungan chisquare yang
cenderng menolak model pada jumlah sampel yang
besar (alternatif dari chisquare). RMSEA merupakan
ukuran rata-rata perbedaan per degree of freedom
yang diharapkan dalam populasi. Nilai RMSEA < 0,08
adalah good fit, sedangkan Nilai RMSEA < 0,05
adalah close fit.
 GFI (Goodness of Fit Index) diharapkan > 0,9 adalah
menghitung proporsi tertimbang dari varians dalam
matrik kovarians sampel yang dijelaskan oleh matriks
kovarians populasi yang terestimasikan. Nilainya
berkisar 0 hingga 1 (mendekati 0 = poor fit dan
mendekati 1= perfect fit)

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 AGFI (Adjusted Goodness of Fit Index) diharapkan > 0,9.
GFI adalah analog dari R2 dalam regresi berganda. Ukuran
AGFI merupakan modifikasi dari GFI dengan
mengakomodasi degree of freedom model dengan model
lain yang dibandingkan. AGFI > 0,9 adalah good fit,
sedangkan 0,8 ≤ AGFI < 0,9 adalah marginal fit.
 CMIN/DF (the minimum sample discrepancy
function/degree of freedom) diharapkan ≤ 3,00 dan tidak
bernilai negatif. Ukuran ini adalah nilai yang diperoleh dari
nilai Chi Square dibagi dengan degree of freedom.
 TLI (Tucker Lewis Index) diharapkan > 0,95. Nilai
Alternative incremental fit index yang membandingkan
sebuah model yang diuji terhadap sebuah baseline model.
 CFI (Comparative Fit Index), rentang nilai sebesar 0 -1,
dimana semakin mendekati 1, mengindikasikan tingkat fit
yang paling tinggi.

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
Dr. I Gusti Bagus Rai Utama, SE.,
M.MA., MA.
Dr. I Gusti Bagus Rai Utama, SE.,
M.MA., MA.
Variabel Motivasi Internal (X1) terdiri dari:
X1.1= Istirahat dan rileksasi, X1.2= Tempat-tempat baru, X1.3= Pengetahuan dan pengalaman,
X1.4= Keluar dari rutinitas, X1.5= Bertemu orang dan bersosialisasi, X1.6= Kesehatan dan
kebugaran, X1.7= Melatih fisik, X1.8= Keluarga dan teman-teman,

Variabel Motivasi External (X2) terdiri dari:

X2.1= Sejarah Bali, X2.2= Budaya Bali, X2.3= Alam Bali, X2.4= Harga-harga di Bali, X2.5= Even
and festival, X2.6= Liburan atau waktu luang, X2.7= Transportasi, X2.8= Jarak dari negara asal,
X2.9= Makanan dan minuman, X2.10= Fasilitas dan pelayanan, X2.11= Fasilitas kesehatan,
X2.12= Pelayanan dan prosedur imigrasi, X2.13= Keamanan, X2.14= Pelayanan biro perjalanan,
X2.15= Pemandu wisata,

Variabel Citra Destinasi (Y1) terdiri dari:

Y1.1= Aktivitas wisata, Y1.2= Keindahan alam, Y1.3= Budaya Bali, Y1.4= Penduduk Bali, Y1.5=
Infrastruktur Pariwisata, Y1.6= Stabilitas politik dan ekonomi, Y1.7= Suasana Bali,

Variabel Kepuasan Wisatawan (Y2) terdiri dari:

Y2.1= Atraksi, Y2.2= Aksesibilitas, Y2.3= Fasilitas wisata, Y2.4= Pelayanan,

Variabel Loyalitas Wisatawan (Y3) terdiri dari:

Y3.1= Kunjungan ulang, Y3.2= Merekomendasi.

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
Goodness of Fit Cut off Value Result Keterangan
Index
X2-Chi Square Diharapkan 2314,884 Kurang baik
Kecil
RMSEA ≤ 0,05 0,086 Kurang sesuai
GFI ≥ 0,90 0,722 Kurang baik
AGFI ≥ 0,90 0,684 Kurang baik
CMIN/DF ≤ 3,00 3,957 Kurang baik
TLI ≥ 0,95 0,708 Kurang baik
CFI ≥ 0,95 0,729 Kurang baik

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 Setelah dilakukan pengujian, ternyata ada
beberapa indikator yang dinyatakan kurang layak
mewakili variabel latennya. Indikator-indikator
yang kurang layak tersebut, tidak disertakan
pada pengujian model berikutnya.
 Metode estimasi yang dipilih pada penelitian ini
adalah Maximum Likelihood Estimates (MLE).
 Setelah dilakukan pengujian model dengan hanya
menyertakan indikator-indikator yang memiliki
nilai Standardized Regression Weights lebih
besar dari 0,5 maka terbentuklah model yang
dinyatakan fit. Hasil uji unidimensionalitas
dengan CFA (confirmatory factor analysis)

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 Variabel Estimate
Kode Indikator
SRW
Motivasi Meningkatkan kesehatan dan
X1.6 0,776
Internal kebugaran
X1.7 Latihan fisik 0,753
X1.8 Mengunjungi kerabat dan teman 0,507
Motivasi X2.4 Harga-harga di Bali 0,517
Eksternal X2.6 Keuntungan liburan di Bali 0,505
X2.7 Transportasi ke Bali 0,656
X2.8 Jarak dari negara asal 0,680
X2.9 Kuliner Bali 0,544
Fasilitas dan pelayanan hotel di
X2.10 0,666
Bali
X2.11 Fasilitas kesehatan di Bali 0,714
X2.12 Pelayanan imigrasi 0,663
X2.13 Keamanan pulau Bali 0,673
X2.14 Pelayanan Biro perjalanan 0,684
X2.15 Pelayanan pramuwisata 0,711
Citra Destinasi Y1.3 Budaya Bali yang unik 0,550
Y1.4 Masyarakat yang ramah 0,702
Infrastruktur pariwisata yang
Y1.5 0,736
lengkap
Y1.7 Suasana yang nyaman 0,648
Kepuasan Y2.1 Daya tarik dan obyek wisata 0,780
Y2.2 Perjalanan dari dan ke Bali 0,799
Y2.3 Ketersediaan fasilitas pariwisata 0,810
Y2.4 Pelayanan selama berlibur 0,808
Loyalitas Y3.1 Niat berkunjung ulang 0,756
Y3.2 Kerelaan merekomendasi 0,877

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
Modifikasi Saling berkorelasi Estimate P
Indices
X2 <--> X1 Motivasi <- Motivasi 0,070 ***
eksternal -> internal
e23 <--> e22 Pelayanan <- Pelayanan Biro 0,170 ***
pramuwisata -> perjalanan
e20 <--> e21 Pelayanan <- Keamanan 0,129 ***
imigrasi -> pulau Bali
e21 <--> e22 Keamanan <- Pelayanan Biro 0,096 ***
pulau Bali -> perjalanan
e20 <--> e22 Pelayanan <- Pelayanan Biro 0,100 ***
imigrasi -> perjalanan
e27 <--> e37 Masyarakat <- Loyalitas 0,071 ***
yang ramah -> Wisatawan
e30 <--> e37 Suasana <- Loyalitas 0,050 ***
yang -> Wisatawan
nyaman
e14 <--> e12 Keuntungan <- Harga-harga di 0,068 ***
liburan di -> Bali
Bali
e14 <--> e39 Keuntungan <- Citra Destinasi 0,062 ***
liburan di ->
Bali
e8 <--> X2 Mengunjungi <- Motivasi 0,070 ***
kerabat dan -> eksternal
teman
e15 <--> e36 Transportasi <- Merekomendasi -0,047 ***
ke Bali -> Teman
e28 <--> e31 Infrastruktur <- Daya tarik dan 0,046 ***
pariwisata -> obyek wisata
yang lengkap
e18 <--> e21 Fasilitas dan <- Keamanan -0,073 ***
pelayanan -> pulau Bali
hotel di Bali
e19 <--> e23 Fasilitas <- Pelayanan 0,054 ***
kesehatan di -> pramuwisata
Bali
e15 <--> e21 Transportasi <- Keamanan -0,065 ***
ke Bali -> pulau Bali

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
Dr. I Gusti Bagus Rai Utama, SE.,
M.MA., MA.
Goodness of Cut off Uji Uji Hasil Kesimpulan
Fit Index Value Pertama Kedua
X2-Chi - 2314,884 429,050 Baik Baik
Square
RMSEA ≤ 0,05 0,086 0,053 Lebih Baik Cukup baik
GFI ≥ 0,90 0,722 0,910 Lebih Baik Baik
AGFI ≥ 0,90 0,684 0,883 Lebih Baik Cukup baik
CMIN/DF ≤ 3,00 3,957 2,114 Lebih Baik Baik
TLI ≥ 0,95 0,708 0,932 Lebih Baik Cukup baik
CFI ≥ 0,95 0,729 0,943 Lebih Baik Cukup baik

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 Variabel ERW SRW S.E. C.R. P Keterangan
Citra  Motivasi -0,047 -0,031 0,092 -0,509 0,611
Tidak
Destinasi Internal
signifikan
(Y1) (X1)
Citra  Motivasi 0,690 0,659 0,078 8,808 *** Signifikan
Destinasi Eksternal
(Y1) (X2)
Kepuasan  Motivasi 0,060 0,041 0,077 0,780 0,435 Tidak
Wisatawan Internal signifikan
(Y2) (X1)
Kepuasan  Motivasi -0,119 -0,119 0,073 -1,641 0,101 Tidak
Wisatawan Eksternal signifikan
(Y2) (X2)
Kepuasan  Citra 0,833 0,871 0,083 10,019 *** Signifikan
Wisatawan Destinasi
(Y2) (Y1)
Loyalitas  Kepuasan 0,562 0,560 0,066 8,468 *** Signifikan
Wisatawan Wisatawan
(Y3) (Y2)
Loyalitas  Motivasi 0,194 0,193 0,065 2,998 0,003 Signifikan
Wisatawan Eksternal
(Y3) (X2)
Loyalitas  Motivasi -0,094 -0,064 0,083 -1,139 0,255 Tidak
Wisatawan Internal signifikan
(Y3) (X1)

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
 Pengaruh Variabel X1 X2 Y1 Y2 (Kepuasan)
M_Inter M_Eksternal (Citra)
nal
Total Effects Y1 (Citra) -0,031 0,659 0,000 0,000
Y2 (Kepuasan) 0,014 0,455 0,871 0,000
Y3 (Loyalitas) -0,056 0,447 0,488 0,560
Direct Effects Y1 (Citra) -0,031 0,659 0,000 0,000
Y2 (Kepuasan) 0,041 -0,119 0,871 0,000
Y3 (Loyalitas) -0,064 0,193 Nihil 0,560
Indirect Effects Y1 (Citra) 0,000 0,000 0,000 0,000
Y2 (Kepuasan) -0,027 0,573 0,000 0,000
Y3 (Loyalitas) 0,008 0,255 0,488 0,000

Dr. I Gusti Bagus Rai Utama, SE.,

M.MA., MA.
View publication stats