S.E.M.STRUCTURAL EQUATION
MODELLING
Oleh:Prof Dr Ir SoemarnoMS
S.E.M.STRUCTURAL EQUATION
MODELLING
Oleh:Prof Dr Ir SoemarnoMS
S.E.M. = Structural Equation ModellingLISREL = Linear Structural RelationsSEM = Simultaneous Equation Model
S.E.M. = Structural Equation ModellingLISREL = Linear Structural RelationsSEM = Simultaneous Equation Model
SEM: mrp pendekatan terintegrasi antara :ANALISIS FAKTOR (Factor Analysis)SISTEM PERSAMAAN SIMULTAN
(Model Struktural)SIDIK LINTAS (Path Analysis)
SEM: mrp pendekatan terintegrasi antara :ANALISIS FAKTOR (Factor Analysis)SISTEM PERSAMAAN SIMULTAN
(Model Struktural)SIDIK LINTAS (Path Analysis)
S.E.M.= pendekatan terintegrasi antara:
Analisis data empirik, dan Pengembangan konsep teoritik
S.E.M.= pendekatan terintegrasi antara:
Analisis data empirik, dan Pengembangan konsep teoritik
S.E.M. : tiga macam analisis sekaligus, yaitu:1. Uji validitas dan reliabilitas instrumen 2. Uji model hubungan antar variabel & jalurnya3. Mendapatkan model untuk prakiraan/ estimasi
/ekstrapolasi
S.E.M. : tiga macam analisis sekaligus, yaitu:1. Uji validitas dan reliabilitas instrumen 2. Uji model hubungan antar variabel & jalurnya3. Mendapatkan model untuk prakiraan/ estimasi
/ekstrapolasi
Factors Analysis ModellingFactors Analysis Modelling
X1
Xi dan Yi : Variabel atau FaktorKsi : variabel laten XEta : variabel laten Y
Segi-empat : Variabel manifest, indikator, observable variableBulatan oval : Variabel laten, dimensi, construct variable
Xi dan Yi : Variabel atau FaktorKsi : variabel laten XEta : variabel laten Y
Segi-empat : Variabel manifest, indikator, observable variableBulatan oval : Variabel laten, dimensi, construct variable
X2
X3
X4
X5
X8
X6
X7
Ksi1
Ksi3
Ksi2
Eta2
Eta1
Y1
Y2
Y3
Y4
Structural Equation ModellingStructural Equation Modelling
X1
Analisis faktorVariabel Eksogen
X2
X3
X4
X5
X8
X6
X7
Ksi1
Ksi3
Ksi2
Eta2
Eta1
Y1
Y2
Y3
Y4
Analisis faktorVariabel Endogen
Analisis RegresiAnalisis Jalur Path Analysis
NOTASI dalam S.E.M.NOTASI dalam S.E.M.
X1
: Ksi, variabel laten X : Eta, variabel laten Y : delta, galat pengukuran variabel laten X : epsilon, galat pengukuran variabel laten Y : koefisien pengaruh variabel endogen thd variabel endogen lainnya : koefisien pengaruh variabel eksogen thd variabel endogen : loading factor : Zeta, galat model : Psi, peragam antar galat model
: Ksi, variabel laten X : Eta, variabel laten Y : delta, galat pengukuran variabel laten X : epsilon, galat pengukuran variabel laten Y : koefisien pengaruh variabel endogen thd variabel endogen lainnya : koefisien pengaruh variabel eksogen thd variabel endogen : loading factor : Zeta, galat model : Psi, peragam antar galat model
X2
X3
X4
X5
X8
X6
X7
Ksi1
Ksi3
Ksi2
Eta2
Eta1
Y1
Y2
Y3
1
7
4
11
1
2
3
1
1 1
8
10
1
1
1
12
1
123
S.E.M. vs. SIDIK LINTAS (Path Analysis)S.E.M. vs. SIDIK LINTAS (Path Analysis)
Tujuan SEM adalah mendapatkan model struktural yang dapat digunakan untuk keperluan prediksi.Dalam hal ini, SEM setara dengan REGRESI.
Tujuan SEM adalah mendapatkan model struktural yang dapat digunakan untuk keperluan prediksi.Dalam hal ini, SEM setara dengan REGRESI.
SEM juga dapat untuk menguji pengaruh (langsung dan tidak langsung) variabel bebas terhadap variabel tidak-bebas, menentukan variabel dominan, dan jalur-jalur keterkaitan antar variabel.Dalam hal ini, SEM setara dengan SIDIK LINTAS
SEM juga dapat untuk menguji pengaruh (langsung dan tidak langsung) variabel bebas terhadap variabel tidak-bebas, menentukan variabel dominan, dan jalur-jalur keterkaitan antar variabel.Dalam hal ini, SEM setara dengan SIDIK LINTAS
Keunggulan SEM.1. SEM dapat menguji hubungan kausalita, validitas dan reliabilitas2. SEM dapat diterapkan untuk Model rekursif dan Resiprokal3. SEM input datanya dapat berupa data mentah4. SEM outputnya berupa faktor determinan, model struktural dan model pengukuran
Keunggulan SEM.1. SEM dapat menguji hubungan kausalita, validitas dan reliabilitas2. SEM dapat diterapkan untuk Model rekursif dan Resiprokal3. SEM input datanya dapat berupa data mentah4. SEM outputnya berupa faktor determinan, model struktural dan model pengukuran
Langkah-langkah S.E.M. Langkah-langkah S.E.M.
Pengembangan Model Konsep & Teori
Konstruksi Diagram Lintasan
Konversi Diagram Lintasan
menjadi Model Struktural
Memilih Matriks Input
Menilai Masalah Identifikasi
Evaluasi Goodness of fit
Interpretasi dan Modifikasi Model
Pengembangan Model Konsep & TeoriPengembangan Model Konsep & Teori
Model Hipotetik = Model Konseptual = Model Teoritis
Hubungan kausalita sebab-akibat antara variabel eksogen (variabel bebas, independent) dan variabel endogen (variabel tergantung, variabel dependent)Dengan demikian landasan teorinya harus kuat untuk dapat menjelaskan Model Hipotetik tersebutSalah satu aspek kritis dalam hal ini adalah “Spesifikasi variabel”, terutama variabel prediktif
Model Hipotetik = Model Konseptual = Model Teoritis
Hubungan kausalita sebab-akibat antara variabel eksogen (variabel bebas, independent) dan variabel endogen (variabel tergantung, variabel dependent)Dengan demikian landasan teorinya harus kuat untuk dapat menjelaskan Model Hipotetik tersebutSalah satu aspek kritis dalam hal ini adalah “Spesifikasi variabel”, terutama variabel prediktif
Untuk kepentingan praktis analisis data dan interpretasinya, maka seyogyanya banyaknya variabel tidak lebih dari 20.
Untuk kepentingan praktis analisis data dan interpretasinya, maka seyogyanya banyaknya variabel tidak lebih dari 20.
KONSTRUKSI DIAGRAM LINTASANPath diagramKONSTRUKSI DIAGRAM LINTASANPath diagram
Diagram ini sangat bermanfaat untuk menunjukkan alur-alur (lintasan) kausalita antar variabel yang secara teoritis layakHubungan kausalita : Simbol panah satu arahHubungan korelasional : Simbol panah bolak-balik
Diagram ini sangat bermanfaat untuk menunjukkan alur-alur (lintasan) kausalita antar variabel yang secara teoritis layakHubungan kausalita : Simbol panah satu arahHubungan korelasional : Simbol panah bolak-balik
X1i
X2i
X3i
Y1i
Y2i
X1:Unobservable
variabel
Variabel manifes, variabel terukur
X1.1
X1.2X1.3X1….
KONSTRUKSI DIAGRAM LINTASANPath diagram
KONSTRUKSI DIAGRAM LINTASANPath diagram
X1
X2
X3
Y1
Y2
X1.1
X1.2
X2.1
X2.2
X3.1
X3.2X3.3
Y2.1 Y2.2
Y1.1
KONVERSI menjadi MODEL STRUKTURAL KONVERSI menjadi MODEL STRUKTURAL
X1
X2
X3
Y1
Y2
X1.1
X1.2
X2.1
X2.2
X3.1
X3.2X3.3
Y2.1 Y2.2
Y1.1
1
11
1
4
103
1
1
1
1.2
1 = 2. 2 + 1. 1 + 1
2 = 1. 1 + 2. 2 + 3. 3 + 2
X1.1 = 1. 1 + 1X1.2 = 2. 1 + 2 …. Dst.
22
2
3
1
2
3
5
67
8
9
2
32
2
2
3
4
5
67
MEMILIH MATRIKS INPUTMEMILIH MATRIKS INPUT
Input data untuk SEM dapat berupa:1. Matriks korelasi, atau2. Matriks peragam, kovarians
Input data untuk SEM dapat berupa:1. Matriks korelasi, atau2. Matriks peragam, kovarians
Matriks Peragam, digunakan kalau:1. Tujuannya menguji model hipotetik yang secarateoritis sudah layak2. Serupa dengan analisis regresi3. Model yang diperoleh dapat digunakan untuk prediksi4. Model yg diperoleh dapat untuk menjelaskan fenomena yang dikaji5. ….
Matriks Peragam, digunakan kalau:1. Tujuannya menguji model hipotetik yang secarateoritis sudah layak2. Serupa dengan analisis regresi3. Model yang diperoleh dapat digunakan untuk prediksi4. Model yg diperoleh dapat untuk menjelaskan fenomena yang dikaji5. ….
Matriks korelasi, digunakan kalau: 1. Tujuannya ingin membuktikan hubungan kausalita antar variabel2. Lintasan mana saja yang pengaruhnya dominan3. Variabel eksogen mana saja yang pengaruhnya dominan terhadap variabel endogen4. ...
Matriks korelasi, digunakan kalau: 1. Tujuannya ingin membuktikan hubungan kausalita antar variabel2. Lintasan mana saja yang pengaruhnya dominan3. Variabel eksogen mana saja yang pengaruhnya dominan terhadap variabel endogen4. ...
PROBLEMATIK IDENTIFIKASIPROBLEMATIK IDENTIFIKASI
Problematik pendugaan parameter:1. Un-identified atau under identified2. Over identified
Problematik pendugaan parameter:1. Un-identified atau under identified2. Over identified
Cara mengatasinya:1. Landasan teori yang digunakan untuk menyusun Model Hipotetik harus benar-benar ‘bagus”2. Menambah atau mengurangi variabel laten, disesuaikan dengan landasan teorinya3. Iterasi dalam pendugaan model dengan menetapkan “kendala” pada model, misalnya salah satu atau beberapa parameter model dianggap “fixed”
Cara mengatasinya:1. Landasan teori yang digunakan untuk menyusun Model Hipotetik harus benar-benar ‘bagus”2. Menambah atau mengurangi variabel laten, disesuaikan dengan landasan teorinya3. Iterasi dalam pendugaan model dengan menetapkan “kendala” pada model, misalnya salah satu atau beberapa parameter model dianggap “fixed”
Gejala yg muncul akibat dari adanya “masalah identifikasi”:1. Adanya standard error yang terlalu besar2. Matriks informasi tidak dapat disajikan sbgm mestinya3. Nilai penduga parameter tidak dapat diperoleh4. Muncul angka (nilai) yang aneh5. Adanya koefisien korelasi yg tinggi (> 0.9) antar koefisien hasil pendugaan
Gejala yg muncul akibat dari adanya “masalah identifikasi”:1. Adanya standard error yang terlalu besar2. Matriks informasi tidak dapat disajikan sbgm mestinya3. Nilai penduga parameter tidak dapat diperoleh4. Muncul angka (nilai) yang aneh5. Adanya koefisien korelasi yg tinggi (> 0.9) antar koefisien hasil pendugaan
EVALUASI GOODNESS - OF - FITEVALUASI GOODNESS - OF - FIT
Asumsi-asumsi SEM:1. Asumsi yang berkaitan dengan model2. Asumsi yang berkaitan dengan pendugaan parameter & pengujian hipotesis
Asumsi-asumsi SEM:1. Asumsi yang berkaitan dengan model2. Asumsi yang berkaitan dengan pendugaan parameter & pengujian hipotesis
Asumsi Pendugaan parameter & Uji hipotesis:1. Random sampling2. Tidak boleh ada missing data3. Tidak ada data pencilan, outliers4. Untuk pendugaan parameter, jumlah sampel minimum 100
Asumsi Pendugaan parameter & Uji hipotesis:1. Random sampling2. Tidak boleh ada missing data3. Tidak ada data pencilan, outliers4. Untuk pendugaan parameter, jumlah sampel minimum 100
Asumsi yang berkaitan dengan model:1. Semua hubungan berbentuk linier (Lihat diagram pencarnya)2. Model bersifat adetif, sesuai dengan landasan teorinya
Asumsi yang berkaitan dengan model:1. Semua hubungan berbentuk linier (Lihat diagram pencarnya)2. Model bersifat adetif, sesuai dengan landasan teorinya
TAHAPAN UJI GOODNESS OF FITTAHAPAN UJI GOODNESS OF FIT
A. Uji Parameter, dengan t-test:1. Parameter Lamda: validitas instrument 2. Parameter Delta dan Epsilon: Reliabilitas instrumen3. Parameter Beta dan Gama, dan lainnya
A. Uji Parameter, dengan t-test:1. Parameter Lamda: validitas instrument 2. Parameter Delta dan Epsilon: Reliabilitas instrumen3. Parameter Beta dan Gama, dan lainnya
4. Uji Model PengukuranUji validitas ……… koefisien korelasiUji reliabilitas ……….. Nilai error
4. Uji Model PengukuranUji validitas ……… koefisien korelasiUji reliabilitas ……….. Nilai error
2. Uji Keseluruhan ModelModel ini merupakan integrasi antara model struktural dan model pengukuran
2. Uji Keseluruhan ModelModel ini merupakan integrasi antara model struktural dan model pengukuran
3. Uji Model StrukturalMenggunakan uji koefisien determinasi, seperti model regresi
3. Uji Model StrukturalMenggunakan uji koefisien determinasi, seperti model regresi
Kriteria uji goodness of fit : Model Overall
Goodness of fit Cut-off Keterangan
Chi-square Non-signifikan Dipakai untuk n = 100-200, Model yg baik bila nilai Chi-square tidak jauh
berbeda dg derajat bebasnya
RMR Kecil Dipakai untuk n besarRMSEA < 0.08 Dipakai untuk n besar
GFI > 0.90 Mirip dengan koef. determinasi R2
AGFI >0.90 Mirip dgn R2 adjusted
CFI >0.94 Tdk sensitif thd besar sampel
AIC Kecil Bila model lebihdari satu, pilihlah yg nilainya kecil
INTERPRETASI & MODIFIKASI MODELINTERPRETASI & MODIFIKASI MODEL
Bilamana Model telah dianggap baik, selanjutnya adalah interpretasi, apabila model belum baik perlu modifikasi
Modifikasi Model: Menambah atau mengurangi “Lintasan” yang dianggap layak secara teoritis.
Bilamana Model telah dianggap baik, selanjutnya adalah interpretasi, apabila model belum baik perlu modifikasi
Modifikasi Model: Menambah atau mengurangi “Lintasan” yang dianggap layak secara teoritis.
INTERPRETASI MODEL:1. Model Struktural: Interpretasi terhadap fenomena yg sedang dikaji, dan melakukan prediksi2. Analisis Lintasan:
1. Efek langsung2. Efek tidak langsung3. Total efek4. Faktor dominan5. Kausalitas antar variabel.
INTERPRETASI MODEL:1. Model Struktural: Interpretasi terhadap fenomena yg sedang dikaji, dan melakukan prediksi2. Analisis Lintasan:
1. Efek langsung2. Efek tidak langsung3. Total efek4. Faktor dominan5. Kausalitas antar variabel.
SAMPLE SIZE SAMPLE SIZE
Dalam SEM, Parameter yang diduga:.1. Parameter pada Model Pengukuran2. Parameter pengaruh variabel eksogen thd variabel endogen3. Parameter pengaruh antar variabel endogen4. Parameter korelasi antar variabel eksogen5. Parameter error.
Dalam SEM, Parameter yang diduga:.1. Parameter pada Model Pengukuran2. Parameter pengaruh variabel eksogen thd variabel endogen3. Parameter pengaruh antar variabel endogen4. Parameter korelasi antar variabel eksogen5. Parameter error.
Sampel untuk LISREL1. Sampel untuk program LISREL > 4002. Sample size 10 x banyaknya variabel3. Banyaknya sampel minimum 10 x banyaknya parameter yang ada dalam model
Sampel untuk LISREL1. Sampel untuk program LISREL > 4002. Sample size 10 x banyaknya variabel3. Banyaknya sampel minimum 10 x banyaknya parameter yang ada dalam model
Penentuan besarnya sampel:1. Kalau pendugaan dg metode Maximum likelihood,maka sampel 100-200, minimum absolut 502. Jumlah sampel = 5-10 kali banyaknya parameter3. Jumlah sampel = 5-10 kali jumlah variabel manifest dari keseluruhan variabel laten
Penentuan besarnya sampel:1. Kalau pendugaan dg metode Maximum likelihood,maka sampel 100-200, minimum absolut 502. Jumlah sampel = 5-10 kali banyaknya parameter3. Jumlah sampel = 5-10 kali jumlah variabel manifest dari keseluruhan variabel laten
SEM dalam STUDI MARKETINGSEM dalam STUDI MARKETING
MODEL HIPOTETIK1. Harga produk berpengaruh thd image pelanggan, Harga berpengaruh terhadap Promosi2. Fasilitas berpengaruh thd image pelanggan, juga berpengaruh thd Promosi 3. Produk berpengaruh thd image pelanggan, dan dapat digunakan sebagai sarana Promosi4. Promosi dapat membantu membentuk Image pelanggan
MODEL HIPOTETIK1. Harga produk berpengaruh thd image pelanggan, Harga berpengaruh terhadap Promosi2. Fasilitas berpengaruh thd image pelanggan, juga berpengaruh thd Promosi 3. Produk berpengaruh thd image pelanggan, dan dapat digunakan sebagai sarana Promosi4. Promosi dapat membantu membentuk Image pelanggan
IDENTIFIKASI VARIABEL
Variabel Laten (Konstruk) Variabel Manifest (Terukur)
Harga (X) X1 = Potongan, atau berbentuk hadiahX2 = Harga yg ditetapkan
Promosi (X) X3 = Promosi mampu memberikan informasi yg jelas shg dapat membantu pengambilan keputusan pembelian
Fasilitas (X) X4 = Fasilitas PArkirX5 = Fasilitas bermain anak-anak
Produk (X) X6 = Kualitas produkX7 = Kelengkapan produk yg ditawarkan
Image (Y) Y1 = Citra dan pandangan pelanggan
Jumlah Sampel = 140 orang
IDENTIFIKASI VARIABEL
Variabel Laten (Konstruk) Variabel Manifest (Terukur)
Harga (X) X1 = Potongan, atau berbentuk hadiahX2 = Harga yg ditetapkan
Promosi (X) X3 = Promosi mampu memberikan informasi yg jelas shg dapat membantu pengambilan keputusan pembelian
Fasilitas (X) X4 = Fasilitas PArkirX5 = Fasilitas bermain anak-anak
Produk (X) X6 = Kualitas produkX7 = Kelengkapan produk yg ditawarkan
Image (Y) Y1 = Citra dan pandangan pelanggan
Jumlah Sampel = 140 orang
Diagram Lintasan Diagram Lintasan
X1
No Sampel X1 X2 X3 X4 X5 X6 X7 Y1
123456789...
No Sampel X1 X2 X3 X4 X5 X6 X7 Y1
123456789...
X2
X4
X5
X6
X7
Harga
Produk
Fasilitas
Image
Promosi
X3
Y1
HASIL ANALISIS: Diagram Lintasan Model Pengukuran (standardized)HASIL ANALISIS: Diagram Lintasan Model Pengukuran (standardized)
X1
X2
X4
X5
X6
X7
Harga
Produk
Fasilitas
0.36
0.18
0.44
0.65
0.33
0.36
0.80
0.91
0.75
0.59
0.82
0.80
1.00
1.00
1.00
0.58
0.10
0.27
HASIL ANALISIS: Diagram Lintasan Model Pengukuran (t-values)HASIL ANALISIS: Diagram Lintasan Model Pengukuran (t-values)
X1
X2
X4
X5
X6
X7
Harga
Produk
Fasilitas
3.92
1.64unreliable
3.80
6.39
4.68
5.21
9.19
10.38
7.42
6.22
10.59
10.24
0.00
0.00
0.00
6.25
1.00
2.33
HASIL ANALISIS: Diagram Lintasan Model Keseluruhan (standardized)HASIL ANALISIS: Diagram Lintasan Model Keseluruhan (standardized)
X1
X2
X4
X5
X6
X7
Harga
Produk
Fasilitas
0.36
0.18
0.44
0.65
0.33
0.36
0.80
0.91
0.75
0.59
0.82
0.80
Promosi
Image
X3
Y1
0.06
-0.18
0.01
0.14
0.74
0.02
0.00
1.00
1.00
0.00
Chi-square = 28.78, df= 12, P-value = 0.00425, RMSEA = 0.100
HASIL ANALISISModel Strultural (estimate)HASIL ANALISISModel Strultural (estimate)
Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100
Harga
Fasilitas
Produk
Promosi
Image
3.77
0.65
0.01
0.22
-0.23
0.13
0.93
0.17
0.92
0.00
0.00
0.00
0.27
0.10
0.58
HASIL ANALISISPath Analysis (standardized)HASIL ANALISISPath Analysis (standardized)
Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100
Harga
Fasilitas
Produk
Promosi
Image
0.76
0.40
0.01
-0.18
0.10
0.06
0.74
0.14
0.41
1.00
1.00
1.00
0.27
0.10
0.58
HASIL ANALISISModel Struktural (t-value)HASIL ANALISISModel Struktural (t-value)
Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100Chi square = 28.78, df=12, P-value= 0.00425 RMSEA = 0.100
Harga
Fasilitas
Produk
Promosi
Image
7.27
0.40
0.18
-1.84
1.02
0.46
8.91
1.06
2.78
0.00
0.00
0.00
2.33
1.00
6.25 signifikan
S.E.M.: STRUCTURAL EQUATION MODELLINGMANAJEMEN SDM DOSEN PTS
S.E.M.: STRUCTURAL EQUATION MODELLINGMANAJEMEN SDM DOSEN PTS
Model Konsep : Keadaan yang mendahului dan konsekuensi kelelahan emosional tenaga penjual, Babakus et al. 1999
Mendua Peran
Komitmen organisasional
Kelelahan Emosional
Kepuasan Kerja
Keinginan untuk Keluar
Konflik Peran
Kinerja
S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTSS.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS
Kinerja Karyawa
n
Umpan balik karyawan
Ukuran Kinerja
Penilaian Kinerja
Standar Kinerja
Keputusan SDM
Catatan Karyawa
n
Elemen kunci sistem penilaian kinerja, Mangkuprawira, 2002
S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTSS.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS
Beban Kerja Identifik
asiKepuasan Kerja
Kelelahan
Emosional
Penghargaan
Lingkungan Keluarga
Konflik Peran
Penilaian
Kinerja
Kinerja
Komitmen Organisasio
nal
Keterlibatan
Loyalitas Kelelahan emosional
Depersonalisasi
Kemunduran kepribadian
Pengaruh Kelelahan Emosional thd Kepuasan Kerja dan Kinerja dalam pencapaian komitmen organisasi
S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTSS.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS
Beban Kerja (X11)
Penghargaan (X12)
Lingkungan Keluarga
(X13)
Konflik Peran (X14)
Kelelahan Emosional (X1)
Kepuasan Kerja
(X2)
Penilaian Kinerja
(X31)
Kinerja (X3)
Komitmen Organisasional
(Y)
Kerangka Pemikiran Konseptual Sudah pernah diteliti
Diteliti dalam disertassi ini
S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTSS.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS
Konstruk (Indikator) Dimensi Konstruk (Variabel) Sekala Pengukuran.1. Beban Kerja 1. Jumlah MK yang diampu per semesterLikert, 5 opsi 2. Penelitian – penelitian ilmiah
3. Sebagai Penasehat akademik4. Sebagai Dosen Pembimbing skripsi5. Seminar ilmiah
2. Penghargaan 1. Gaji, HR, tunjangan, InsentifLikert, 5 opsi
2. Kenaikan pangkat dan jabatan3. Kesempatan pendidikan lanjut4. Fasilitas yang diterima
3. Lingkungan 1. Jumlah anggota keluargaLikert, 5 opsi Keluarga 2. Status kepemilikan rumah
3. Kondisi tempat tinggal4. Keadaan masyarakat sekitar
4. Konflik Peran 1. Perubahan radikal perkuliahanLikert & skoring
2. Hubungan dosen-atasan-staf3. Hubungan dengan mahasiswa4. Persaingan jabatan struktural
5. Kelelahan 1. Perasaan cemas setiap mulai pekerjaanSkoring Emosional 2. Merasa kekeringan emosi
3. Merasa berguna kembali ketika senja hari4. Merasa lelah ketika bangun pagi5. Merasa frustasi oleh pekerjaan
6. Kepuasan Kerja 1. Pekerjaan sesuai dg keinginanLikert, 5 opsi
2. Gaji, HR, tunjangan3. Citra PTS tempat mengajar4. Promosi kenaikan pangkat, jabatan, mutasi
7. Kinerja 1, Kinerja pekerjaan dan nkepuasanLikert, 5 opsi
2. Kinerja selama ini8. Penilaian Kinerja 1. Penilaian kinerja yg proporsionalLikert, 5 opsi
2. Pengukuran prestasi kerja9. Komitmen organisasi 1. IdentifikasiSkoring
2. Keterlibatan3. Loyalitas
S.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTSS.E.M.: STRUCTURAL EQUATION MODELLING
MANAJEMEN SDM DOSEN PTS
Beban Kerja (X11)
Penghargaan (X12)
Lingkungan Keluarga
(X13)
Konflik Peran (X14)
Kelelahan Emosional (X1)
Kepuasan Kerja
(X2)
Penilaian Kinerja
(X31)
Kinerja (X3)
Komitmen Organisasional
(Y)
Diagram hasil akhir hubungan kausal :Pengaruh kelelahan emosional thd kepuasan kerja dan kinerja dalam
pencapaian komitmen organisasional dosen PTS
0.364 (S)
-0.248 (S)
0.265 (TS)
1 (S)0.555 (S)
-0.121 (TS)
0.394 (S) -0.338 (S)-0.093 (TS)
0.199 (S)
MK. METODE PENELITIAN
S.E.M.STRUCTURAL EQUATION
MODELLING
Oleh:Prof Dr Ir SoemarnoMS
MK. METODE PENELITIAN
S.E.M.STRUCTURAL EQUATION
MODELLING
Oleh:Prof Dr Ir SoemarnoMS