Structural Equation Modelling (Validitas dan Reliabilitas)

Validitas Reliabilitas

Pada pembahasan ini akan dikaji mengenai analisis kualitas data pada Structural Equation Modelling (SEM) dengan alat analisis AMOS versi 20. Uji kualitas data penelitian terbagi menjadi 2 bagian, yaitu validitas dan reliabilitas data. Sebelumnya telah dijelaskan langkah-langkah dalam uji kualitas data pada analisis Regresi Berganda (Multiple Regression) menggunakan alat analisis SPSS versi 17. In this section, we will discuss about data quality analysis in Structural Equation Modelling (SEM) using AMOS 20. Data quality test divided into 2 parts, which are data validity and reliability. In the previous section, already explained the steps in data quality test in Multiple Regression using SPSS 17.

Uji kualitas data merupakan tahapan yang harus dilewati sebuah model penelitian sebelum sampai pada uji pengaruh maupun uji korelasi. Secara umum, validitas data menggambarkan kecocokan tiap indikator terhadap variabelnya. Sedangkan reliabilitas data menunjukkan kehandalan data penelitian. Berikut adalah analisis uji kualitas data dari output SEM. Testing the data quality is a stage that must be passed by the research model before going through the impact test or correlation test. Generally, data validity illustrate the suitably of each indicator against the variable. While the data reliability indicates the reliability of research data. Here is the analysis of SEM output for data quality test.

Validitas Reliabilitas 2

Ilustrasi Output AMOS

  • Untuk menguji validitas SEM diketahui melalui nilai “Estimate”. (Perlu diingat bahwa validitas dilakukan untuk menguji indikator variabel, jadi yang dicocokkan adalah nilai variabel terhadap indikatornya, Ex: Ki2 ← Kualitas_Informasi).  The validity of SEM is identified by the “Estimate” value. (Keep in mind that the validity conducted to test the indicator of variable, so the matched is conducted for the variable value against the indicator, i.e : Ki2 ← Kualitas Informasi). 
  • Ghozali (2013) menjelaskan bahwa indikator dari variabel disebut valid jika nilai “Estimate” > 0,05. Berdasarkan keterangan tersebut, dapat disimpulkan bahwa Indikator KL5 tidak valid karena nilainya 0,477 (< 0,05). Ghozali (2013) explains that an indicator of a variable is valid if the “Estimate” value > 0.05. Thus, it can be concluded that the KL5 is invalid because the value is 0.447 (< 0.05).
  • Selanjutnya untuk menguji reliabilitas data digunakan indikator berdasarkan rumus Variance Extracted (AVE) dan Construct Reliability (CR). Furthermore, to test the reliability of the data, we used the indicator based on Variance Extracted (AVE) and Construct Reliability (CR) formula.
  • Ghozali (2013) menjelaskan bahwa indikator dari variabel disebut reliabel jika nilai AVE ≥ 0,05 dan CR ≥ 0,07. Berdasarkan keterangan tersebut, dapat disimpulkan bahwa seluruh variabel reliabel. Ghozali (2013) explains that the indicator of a variable is reliable if the AVE ≥ 0.05 and CR ≥ 0.07. Thus, it can be concluded that all variables are reliable.

Berikut adalah summary analisis uji kualitas data (Validitas dan Reliabilitas). Bellow is the summary of data quality test analysis (Validity and Reliability).

Validitas2

Selamat Mencoba……………………………

Good Luck ……………………..

Advertisements
Tagged , , , , ,

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: