Bootstrap Confidence Interval untuk Penyimpangan Asumsi Normalitas pada Structural Equation Modeling (SEM).


Kurniawati, Apit., 2010 (2010) Bootstrap Confidence Interval untuk Penyimpangan Asumsi Normalitas pada Structural Equation Modeling (SEM). Under Graduates thesis, Universitas negeri semarang.

[thumbnail of Bootstrap Confidence Interval untuk Penyimpangan Asumsi Normalitas pada Structural Equation Modeling (SEM).]
Preview
PDF (Bootstrap Confidence Interval untuk Penyimpangan Asumsi Normalitas pada Structural Equation Modeling (SEM).) - Published Version
Download (177kB) | Preview

Abstract

Structural Equation Modeling (SEM) merupakan generasi kedua teknik analisis multivariat yang memungkinkan peneliti untuk menguji hubungan antara variabel yang kompleks baik recursive maupun non-recursive untuk memperoleh gambaran menyeluruh mengenai keseluruhan model. Asumsi terpenting yang berkaitan dengan SEM dalam analisis struktur covariance dan mean adalah data harus berskala kontinyu dan berdistribusi normal secara multivariat. Namun, dalam penelitian sering dijumpai data yang tidak berdistribusi normal secara multivariat. Permasalahan yang dikaji dari penelitian ini adalah bagaimana peran Bootstrap confidence interval dalam mengatasi ketidaknormalan data secara multivariat pada SEM dengan ML untuk mendapatkan estimasi terbaik. Tujuan dari penelitian ini adalah untuk mengetahui peran Bootstrap confidence interval dalam mengatasi ketidaknormalan data secara multivariat pada SEM dengan ML untuk mendapatkan estimasi terbaik. Dalam penelitian ini mengambil simulasi pada suatu kasus dengan mengggunakan data dari buku Model Persamaan Struktural Konsep dan Aplikasi dengan Program AMOS 16.0. (Ghozali, 2008: 211), yaitu data meliputi variabel – variabel Komitmen Profesional, Komitmen Organisasi, Kepuasan Kerja, dan Kinerja Kerja. Dalam analisis ini menggunakan dua metode yaitu metode Maksimum Likelihood (ML) dan metode Bootstrap. Berdasarkan hasil penelitian dan pembahasan dapat disimpulkan bahwa untuk mengatasi adanya data tidak normal secara multivariat adalah menggunakan metode Bootstrap. Metode Bootstrap memiliki perkiraan interval (Bootstrap confidence interval) yang lebih baik dibandingkan dengan perkiraan kemungkinan ML. Bootstrap confidence interval mempunyai range yang lebih sempit dengan tingkat kesalahan yang lebih kecil dari ML. Jadi metode Bootstrap lebih teliti dari metode ML. Sehingga jika dalam penelitian dijumpai data tidak normal secara multivariat maka metode Bootstrap dapat digunakan sebagai metode alternatif dalam SEM untuk mengatasi penyimpangan normalitas secara multivariat.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Structural Equation Modeling (SEM), Normalitas, Bootstrap Confidence Interval
Subjects: Q Science > QA Mathematics
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1
Depositing User: Users 6685 not found.
Date Deposited: 07 May 2012 07:02
Last Modified: 07 May 2012 07:02
URI: http://lib.unnes.ac.id/id/eprint/11627

Actions (login required)

View Item View Item