ALVIN BURHANI BLOGSITE  

My Shares, Knowledge, & Experiences

R adalah program open source untuk analisis data  yang tidak memerlukan lisensi alias gratis. Sampai saat ini, pengguna statistika di Indonesia masih belum banyak menggunakan R dalam keperluan analisis data. Sebagian besar pengguna statistika di Indonesia masih menggunakan paket‐paket statistik komersil, seperti SPSS, MINITAB, SmartPLS, S‐plus, SAS, atau Eviews. Nama R diambil dari nama pembuatnya, yaitu Ross Ihaka dan Robert Gentleman dari Universitas Auckland tahun 1992.

Kelebihan dari R diantaranya adalah efektif dalam pengelolaan data dan fasilitas penyimpanan dimana ukuran file yang disimpan jauh lebih kecil dibanding software lainnya. Lengkap dalam operator perhitungan array, yang terdiri dari koleksi tools statistik yang terintegrasi untuk analisis data, diantaranya, mulai statistik deskriptif, fungsi probabilitas, berbagai macam uji statistik, hingga time series. R memiliki tampilan grafik yang menarik dan fleksibel ataupun costumized. R aapat dikembangkan sesuai keperluan dan kebutuhan dan sifatnya yang terbuka, setiap orang dapat menambahkan fitur-fitur tambahan dalam bentuk paket ke dalam software R. R bersifat multiplatform, yakni dapat diinstall dan digunakan baik pada system operasi windows, UNIX/LINUX maupun pada Macintosh bahkan bisa diakses melalui web browser.

LISREL adalah satu satunya program terlengkap dan tercanggih hingga saat ini. Lebih cepat dan lebih lengkap jika dikhususkan untuk analisa SEM (structural equation model). LISREL adalah program analisis SEM yang paling informatif dalam penyajian hasil hasil statistik, sehingga modifikasi model dan penyebab tidak fit atau buruknya suatu model dapat dengan mudah diketahui. Untuk mengetahuinya berikut kita lakukan test hasil perbandingan SEM analisis antara LISREL dan R.

Berikut adalah Script menggunakan LISREL:

OBSERVED VARIABLES KS1 KS2 KS3 KS4 KS5 KS6
OBSERVED VARIABLES KT1 KT2 KT3 KT4 KT5
OBSERVED VARIABLES KO1 KO2 KO3
OBSERVED VARIABLES KK1 KK2 KK3 KK4 KK5
OBSERVED VARIABLES KN1 KN2 KN3 KN4 KN5 KN6 KN7 KN8

RAW DATA FROM FILE data20.psf
SAMPLE SIZE = 194
LATENT VARIABLES KS KT KO KK KN
RELATIONSHIP

KS1 = 1*KS
KS2 = KS
KS3 = KS
KS4 = KS
KS5 = KS
KS6 = KS

KT1 = 1*KT
KT2 = KT
KT3 = KT
KT4 = KT
KT5 = KT

KO1 = 1*KO
KO2 = KO
KO3 = KO

KK1 = 1*KK
KK2 = KK
KK3 = KK
KK4 = KK
KK5 = KK

KN1 = 1*KN
KN2 = KN
KN3 = KN
KN4 = KN
KN5 = KN
KN6 = KN
KN7 = KN
KN8 = KN

KK = KS KT KO
KN = KS KT KO
KN = KK

Let the errors of KK2 and KK1 correlate
Let the errors of KK4 and KK1 correlate
Let the errors of KK5 and KK4 correlate
Let the errors of KN2 and KK4 correlate
Let the errors of KN4 and KN1 correlate
Let the errors of KN4 and KN2 correlate
Let the errors of KN6 and KN2 correlate
Let the errors of KN6 and KN5 correlate
Let the errors of KN7 and KK5 correlate
Let the errors of KN8 and KN5 correlate
Let the errors of KS5 and KS4 correlate
Let the errors of KS6 and KS1 correlate
Let the errors of KS6 and KS5 correlate
Let the errors of KT1 and KN4 correlate
Let the errors of KT1 and KS4 correlate
Let the errors of KT1 and KS6 correlate
Let the errors of KT2 and KN4 correlate
Let the errors of KO1 and KS6 correlate
Let the errors of KO1 and KT1 correlate

OPTIONS SS SC
PATH DIAGRAM

Hasil Outputnya seperti gambar dibawah ini:

Output LISREL

Sedangkankan dengan R outputnya adalah seperti dibawah ini:

Output dengan R

Hasil Fit Standardized seperti diatas dengan perbandingan GoF seperti dibawah ini:

NO PARAMETER LISREL R KETERANGAN
1 Chi-Square (Minimum Fit Function) 333.99 335.72 Diharapkan Kecil
2 P-value 0.059 0.051 Sinifikan > 0.05
3 Degree of Freedom (df) 295 295
4 GFI (Goodness of Fit Index) 0.89 0.89 ≥ 0.90
5 AGFI (Adjusted Goodness of Fit Index) 0.86 0.859 ≥ 0.90
6 NFI (Normed Fit Index) 0.97 0.902 ≥ 0.95
7 CFI (Comparative Fit Index) 1.00 0.987 ≥ 0.90
8 RMSEA (Root Mean Square Error of Approximation 0.022 0.027 ≤ 0.05
9 PGFI (Parsimony Goodness of Fit Index) 0.69 0.694
10 SRMR (Standardized Root Mean Square Residual) 0.059 0.058
11 RFI (Relative Fit Index) 0.97 0.884 ≥ 0.90
12 ECVI (Expected Cross-Validation Index) 2.54 2.586

Kesimpulannya:

Hasilnya sama sama akurat dan tidak berbeda jauh antara analisis SEM menggunakan LISREL maupun R. Sama sama bisa menggunakan code (R dan PERLIS). Menggunakan R agak lebih mudah dalam pemanggilan file dan tidak perlu olah data lagi seperti di LISREL yang harus diubah dulu datanya menjadi PSF.

Sukses tidaknya analisis Structural Equation Modeling (SEM) harus didasari pada kuatnya teori yag mendukung. Teori yang tidak mendukung model SEM yang kita hipotesiskan hanya akan memberikan hasil yang tidak berguna. LISREL akan bekerja jauh lebih baik apabila LISREL digunakan untuk konteks confirmatory. Sedangkan untuk tujuan exploratory dengan banyak variabel dan dengan teori yang lemah, LISREL bukan alat statistik yang tepat dan berguna.

Leave a Reply

Your email address will not be published. Required fields are marked *