Simulasi AMOS Agar Model Menjadi Fit dengan Modification Indices

Model yang diestimasi dengan Program AMOS biasanya memang agak rumit, di mana ada beberapa variabel bebas dan juga beberapa variabel terikat. Selain itu, persyaratan yang diperlukan juga relatif banyak dan kadang sering sekali sulit untuk dapat dipenuhi. Berikut kami berikan simulasi analisis data Structural Equation Modeling (SEM) menggunakan AMOS.

Model ini menggunakan 160 data (sampel), 16 indikator dengan skala 1 sampai dengan 5. Metode estimasi yang dipergunakan adalah Generalized Least Square (GLS) dengan path diagram sebagai berikut:

Gambar 1 Path Diagram Full Model

Terdapat 3 buah variabel Eksougen yaitu NS, NP dan KP sedangkan variabel Endougen ada dua yaitu SZ dan NZ (ini hanya contoh simulasi saja). Jumlah masing-masing indikator sudah tergambar di path diagram full model di atas. Setelah diestimasi, maka memberikan output path diagram sebagai berikut:

Gambar 2 Output Full Model SEM

Tampak bahwa nilai p adalah sebesar 0,028 yang masih di bawah 0,05 yang menunjukkan bahwa model belum fit. Parameter yang lain, misalnya RMSEA sebenarnya sudah fit, tetapi untuk model dengan sampel yang relatif kecil, maka p value menjadi suatu keharusan.

Untuk melakuan modifikasi, dilihat pada output Modification Indices yaitu sebagai berikut:

Gambar 3 Output Modification Indices

Dari gambar di atas tampak bahwa jika diberikan korelasi tambahan antara e09 dengan e10 akan terjadi penurunan Chi Square sebesar 4,201.  Sebenarnya korelasi antara e14 dengan e13 akan memberikan penurunan Chi square yang lebih besar yaitu sebesar 5,835. Akan tetapi korelasi yang dibuat harus mempunyai dasar teori yang kuat. Oleh karena itu dipilih antara e09 dengan e10 karena dalam satu konstruk, indikator yang ada harus saling berkorelasi karena merupakan indikator reflektif. 

Dengan memberikan korelasi tambahan antara e09 dengan e10 maka memberikan hasil output sebagai berikut:

Gambar 4 Output Full Model Modifikasi

Tampak bahwa nilai p value menjadi 0,061 > 0,05 yang berarti model telah dinyatakan fit. Parameter yang lain, RMSEA juga telah memenuhi nilai yang disarankan. Ini hanya simulasi saja. Jika Anda menginginkan contoh data tabulasi dalam Excel untuk simulasi SEM dengan AMOS, silahkan klik di sini.

Perbandingan Output Regresi SPSS dengan AMOS

Membaca judul artikelnya, mungkin ada yang mengernyitkan dahi, kok SPSS dibandingkan dengan AMOS, itu kan beda, Regresi dengan SEM (Structural Equation Modeling). Iya memang itu program yang berbeda, meskipun dalam bendera yang sama yaitu IBM. SPSS sebenarnya mempunyai menu yang jauh lebih banyak dibandingkan dengan AMOS, tetapi untuk statistik inferensial, AMOS memang dikatakan lebih unggul karena mengadopsi metode SEM, di mana SPSS belum dirancang untuk itu.

Artikel ini hanya membandingkan output regresi saja. Khusus regresi saja. Dalam simulasi ini, tidak kami lakukan uji asumsi yang ada, tidak ada uji normalitas dan lain-lain karena hanya untuk membandingkan saja. Mohon jangan dijadikan rujukan. Berikut adalah data yang akan dipergunakan:

Terdiri dari dua buah variabel bebas X1 dan X2 serta 1 buah variabel terikat yaitu Y. Sengaja kami buat 1 buah variabel terikat karena SPSS belum mengakomodir lebih dari 1 variabel terikat. Adapun output regresi T hitung antara X1 terhadap Y adalah sebagai berikut:

T hitung adalah sebesar 13,948 atau lebih mendalam, koefisien B sebesar 0,272 dengan Standard Error 0,020 dan Standardized Coefficient sebesar 0,704. Nah untuk AMOS, kita buat path diagram sebagai berikut:

X1 sebagai variabel bebas dan Y sebagai variabel terikat dan ada tambahan e sebagai error untuk Y karena memang harus dideklarasikan untuk dapat dilakukan running. Datanya sama seperti pada gambar di atas dengan jumlah sampel sebanyak 200. Hasilnya adalah sebagai berikut: (tidak dilakukan perhitungan asumsi karena hanya contoh saja)

Tampak bahwa koefisien B adalah sebesar 0,27 yang identik dengan nilai B pada output regresi. Berarti sama kan? Untuk lebih memperjelas, kita lihat output AMOS dengan Standardized yaitu sebagai berikut:

Nilai koefisien Standardized adalah sebesar 0,70 yang identik juga dengan nilai Standardized pada output SPSS. Sedikit berbeda karena memang ada perbedaan setting angka di belakang koma. Apakah dapat disimpulkan bahwa hasilnya sebenarnya sama saja baik dengan SPSSS atau pun dengan AMOS?

Kita coba lihat output AMOS yang berisi nilai t hitung dan parameter yang lain:

			Estimate	S.E.	C.R.	P	Label
Y	<---	X1	,272	,019	13,983	***

Tampak bahwa nilai C.R adalah sebesar 13,983 yang juga mendekati nilai T hitung pada SPSS yaitu sebesar 13,948.Sedikit berbeda karena memang pendekatan yang dipergunakan juga berbeda. Semakin banyak jumlah sampel maka semakin mendekati kesamaan nilai keduanya. Itulah mengapa AMOS mensyaratkan sampel yang relatif besar, di atas 100. 

Jadi dalam konteks regesi linear pada SPSS dengan Maximum Likelihood pada AMOS memberikan hasil yang identik. Memang AMOS akan lebih mampu mengestimasi model yang lebih rumit dengan lebih dari 1 variabel terikat. Selain itu, jika menggunakan indikator, maka SPSS hanya akan menghitung jumlah atau rata-rata dari nilai indikatornya. Tetapi AMOS dapat secara langsung melakukan estimasi dari indikator menuju konstruk lalu menuju variabel terikat.

Jadi dalam konteks yang lebih rumit, AMOS akan lebih powerfull dibandingkan dengan SPSS. Bagaimana dengan LISREL? Mungkin kita bahas lain kali.

Contoh Tabulasi Data untuk Analisis SEM dengan AMOS

Analisis Structural Equation Modeling berbasis Covariance memang memerlukan banyak sekali asumsi. Berbeda dengan yang berbasis Variance yang relatif memerlukan asumsi lebih sedikit. Adanya berbagai asumsi tersebut membuat analisis SEM dengang AMOS menjadi relatif lebih rumit dan agak sulit untuk memenuhi asumsi-asumsi yang ada. 

Kami membuat simulasi tabulasi data dalam Microsoft Excel yang memenuhi sebagian besar dari asumsi yang ada, misalnya asumsi normalitas, RMSEA, GFI, AGFI, P-value dan beberapa asumsi yang krusial sehingga model tersebut layak untuk dipergunakan sebagai sumber data analisis. Jumlah sampel kami rancang di atas 105 sehingga memenuhi asumsi minimal dalam SEM berbasis Covariance atau setidakanya juga di atas 5 x jumlah variabel atau indikator dalam penelitian tersebut. 

Anda dapat menggunakan simulasi tersebut untuk berlatih melakukan analisis dengan AMOS atau melakukan utak-atik data sehingga pemahaman Anda akan lebih terbuka. Data ini bervariasi ada yang menggunakan skala dari 1 sd 5 atau ada pula yang menggunakan skala 1 sd 7. Ini bukan data yang diperoleh dari kuesioner, tetapi hanya simulasi saja.

Adapun rincian dari simulasi adalah sebagai berikut:

Responden-Indikator-Skala

1. 160           16         1 sd 7

2. 104           16         1 sd 5

3. 135           27         1 sd 5

4. 155           37         1 sd 5

5. 171           39         1 sd 5

6. 258           29         1 sd 5

7. 150           30         1 sd 6

8. 125           25         1 sd 5

9. 106           20         1 sd 5

10. 135         16         1 sd 5

11. 105         16         1 sd 5

12. 108         18         1 sd 5

13. 145         29         1 sd 5

14. 127         18         1 sd 7

15. 125         25         1 sd 5

16. 340         28         1 sd 5

17. 105         21         1 sd 5

18. 110         22         1 sd 5

19. 168         32         1 sd 5

20.340          25         1 sd 5

21. 250         18         1 sd 5 Second order CFA

Jika Anda menginginkannya, Anda dapat menggunakan Akun Anda di berbagai Toko Online, misalnya di Tokopedia, Shopee atau Bukalapak.

Silahkan klik link di atas dan berkunjung lalu order menggunakan akun Anda sendiri. Di situ telah disertakan juga file AMOS Versi 18 untuk memudahkan Anda melakukan simulasi. Penting dicatat, bahwa ini adalah data simulasi, bukan data hasil kuesioner. Selain itu, Anda juga harus melakukan running atau analisis sendiri untuk mendapatkan model yang sesuai dengan penelitian Anda.

Simak juga video singkat di Channel kami di Statistik TV:

Jangan lupa Subscribe dan Koment video di atas.

Kami juga menyediakan contoh tabulasi data untuk SEM dengan LISREL dalam format SPSS. 

Terima kasih.