This is a modul about Structural Equation Model using SPSS AMOS. Modul tentang Structural Equation Model menggunakan SPSS AMOS untuk studi kasus pengaruh persepsi Harga dan Produk terhadap Kepuasan melalui intevening Pelayanan

2. Kasus
Suatu kajian dilakukan untuk melihat pengaruh
persepsi Harga dan Produk terhadap Kepuasan
melalui intevening Pelayanan
Pertanyaan :
Dengan berdasarkan file kasus10.1, lakukan
pengolahan data dengan SEM dan
interpetasikan hasil yang diperoleh :

3. LANGKAH-LANGKAH
 Pengembangan Model Teoritis
Tentukan hipotesis teori yang diajukan
H1 : Persepsi Harga berpengaruh positif terhadap
Pelayanan
H2 : Persepsi Produk berpengaruh positif terhadap
Pelayanan
H3 : Pelayanan berpengaruh positif terhadap
kepuasan
H4 : Persepsi harga berpengaruh positif terhadap
kepuasan melalui pelayanan
H5 : Persepsi produk berpengaruh positif terhadap
kepuasan melalui pelayanan

4.  Menyiapkan path diagram
Beberapa hal yang harus diperhatikan
 Gambar path diagram pada software AMOS
 Data disimpan pada software SPSS
 Nama variabel pada gambar di AMOS dan
data di SPSS harus sama (tidak boleh ada
satu karakter yang berbeda)
 Untuk setiap variabel yang menjadi tujuan
arah panah memiliki RESIDUAL (ERROR)
 Berdasarkan ketentuan tersebut diperoleh
Path Analisis sbb :

5. Harga
Produk
layanan Kepuasan
H1
e1
1
1
H2
e2
1
H3
e3
1
P3
e6
1
1
P2
e5
1
P1
e4
1
L1
e7
1
1
L2
e8
1
L3
e9
1
K1 e10
1
1
K2 e11
1
K3 e12
1
e14
1
e15
1

6. Pastikan data di SPSS sudah siap, dalam kasus ini adalah
FILE : Kasus10.1
Tahapan mengolah data AMOS
 Masukkan file data SPSS ke model AMOS dengan cara :
KLIK : File, Data File, File Name , Open (Pilih nama file
yang datanya akan diolah dalam hal ini file Kasus 10.1
pada FOLDER Praktikum 10. Kemudian OK (Gambar
AMOS sudah connect dengan data )
KLIK : Analysis Properties, lalu Pilih Output sehingga
akan muncul KOTAK dialog sbb :
Pilih output sesuai dengan tanda Check list pada kotak
dialog berikut

8.  Simpan file data pada FOLDER Nama masing-
masing dengan nama file : Latihan10
 Klik CALCULATE ESTIMATE dan proses
pengolahan data akan berlangsung. Jika
proses tidak ada masalah akan muncul nilai
CHI-SQUARE
 Hasil output dapat dilihat pada print-out
berikut ini

9. Estimates (Group number 1 - Default model)
Scalar Estimates (Group number 1 - Default model)
Maximum Likelihood Estimates
Regression Weights: (Group number 1 - Default model)
Estimate S.E. C.R. P
layanan <--- Harga .759 .129 5.903 ***
layanan <--- Produk .387 .112 3.464 ***
Kepuasan <--- layanan .869 .076 11.449 ***
H1 <--- Harga 1.000
H2 <--- Harga 1.039 .066 15.731 ***
H3 <--- Harga .959 .080 11.989 ***
P3 <--- Produk 1.000
P2 <--- Produk 1.053 .086 12.185 ***
P1 <--- Produk .906 .065 14.026 ***
L1 <--- layanan 1.000
L2 <--- layanan 1.006 .072 13.949 ***
L3 <--- layanan .923 .079 11.675 ***
K1 <--- Kepuasan 1.000
K2 <--- Kepuasan 1.250 .094 13.227 ***
K3 <--- Kepuasan 1.081 .092 11.692 ***

10. Standardized Regression Weights: (Group number 1 - Default model)
Estimate
layanan <--- Harga .636
layanan <--- Produk .357
Kepuasan <--- layanan .999
H1 <--- Harga .947
H2 <--- Harga .959
H3 <--- Harga .900
P3 <--- Produk .939
P2 <--- Produk .909
P1 <--- Produk .943
L1 <--- layanan .934
L2 <--- layanan .952
L3 <--- layanan .909
K1 <--- Kepuasan .905
K2 <--- Kepuasan .974
K3 <--- Kepuasan .940

11. Covariances: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
Harga <--> Produk 1.030 .217 4.744 ***
Correlations: (Group number 1 - Default model)
Estimate
Harga <--> Produk 1.033
Variances: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
Harga .905 .203 4.461 ***
Produk 1.097 .249 4.402 ***
e14 -.001 .012 -.084 .933
e15 .002 .012 .136 .892
e1 .105 .021 5.034 ***
e2 .084 .017 4.861 ***
e3 .194 .037 5.215 ***
e6 .147 .027 5.405 ***
e5 .256 .047 5.502 ***
e4 .112 .021 5.381 ***
e7 .188 .041 4.607 ***
e8 .135 .030 4.459 ***
e9 .231 .049 4.715 ***
e10 .217 .046 4.684 ***
e11 .083 .024 3.431 ***
e12 .151 .034 4.465 ***

12. Squared Multiple Correlations: (Group number 1 - Default model)
Estimate
layanan 1.001
Kepuasan .998
K3 .883
K2 .948
K1 .818
L3 .826
L2 .906
L1 .873
P1 .889
P2 .826
P3 .882
H3 .811
H2 .921
H1 .896

13. Matrices (Group number 1 - Default model)
Total Effects (Group number 1 - Default model)
Produk Harga layanan Kepuasan
layanan .387 .759 .000 .000
Kepuasan .337 .660 .869 .000
K3 .364 .713 .939 1.081
K2 .421 .824 1.086 1.250
K1 .337 .660 .869 1.000
L3 .358 .700 .923 .000
L2 .390 .764 1.006 .000
L1 .387 .759 1.000 .000
P1 .906 .000 .000 .000
P2 1.053 .000 .000 .000
P3 1.000 .000 .000 .000
H3 .000 .959 .000 .000
H2 .000 1.039 .000 .000
H1 .000 1.000 .000 .000

14. Standardized Total Effects (Group number 1 - Default model)
Produk Harga layanan Kepuasan
layanan .357 .636 .000 .000
Kepuasan .357 .635 .999 .000
K3 .335 .597 .939 .940
K2 .348 .618 .973 .974
K1 .323 .574 .904 .905
L3 .325 .578 .909 .000
L2 .340 .605 .952 .000
L1 .334 .594 .934 .000
P1 .943 .000 .000 .000
P2 .909 .000 .000 .000
P3 .939 .000 .000 .000
H3 .000 .900 .000 .000
H2 .000 .959 .000 .000
H1 .000 .947 .000 .000

19.  Goodness of fit model
Dalam model SEM, Goodness of fit model
dapat menggunakan banyak pendekatan.
Hipotesis untuk model goodness of fit
Ho : Data empiris identik dengan teori/model
Ha : Data empiris berbeda dengan
teori/model
Hasil penggunaan beberapa kriteria indikator
goodness of fit dapat dilihat pada tabel
berikut :

20. Goodness of fit
index
Hasil
Perhitungan
Criteria
(cut-off value)
Kesimpulan
X² (Chi-square) 196.522 Diharapkan kecil Tidak goodness of fit
Significance
probability
0.000 ≥ 0,05 Tdak goodness of fit
RMSEA 0.245 ≤ 0,10 Tidak goodness of fit
NFI 0.848 ≥ 0,90 Marginal fit
RFI 0.799 ≥ 0,90 Marginal fit
TLI 0.842 ≥ 0,90 Marginal fit
CFI 0.880 ≥ 0,90 Marginal fit
Dari hasil tabel diatas dapat disimpulkan bahwa dengan
berbagai pendekatan yang digunakan menghasilkan
kesimpulan model yang dihasilkan tidak goodness of fit
tetapi marginal fit .

21.  Hipotesis teori
Direct effect
Hasil perhitungan dapat dilihat pada tabel estimate sebagai
berikut :
H1 : Harga berpengaruh positif terhadap layanan
Hasil print-out menghasilkan koefisien sebesar 0.759 yang artinya
meningkatnya persepsi harga oleh konsumen akan meningkatkan
persepsi pelayanan yang diberikan dan sebaliknay. (Sesuai dengan
hipotesis teori yang diajukan). Nilai p-value sebesar 0.000 < 0.05
menunjukkan Ho ditolak dan Ha diterima sehingga terbukti
pengaruh positif perseps harga terhadap pelayanan signifikan
Estimate S.E. C.R. P
layanan <--- Harga .759 .129 5.903 ***
layanan <--- Produk .387 .112 3.464 ***
Kepuasan <--- layanan .869 .076 11.449 ***

22. H2 : Produk berpengaruh positif terhadap layanan
Hasil print-out menghasilkan koefisien sebesar 0.378 yang artinya
persepsi produk berpengaruh positif terhadap Pelayanan.
Meningkatnya persepsi produk akan meningkatkan pelayanan dan
sebaliknya. (Sesuai dengan hipotesis teori yang diajukan). Nilai p-
value sebesar 0.000 < 0.05 menunjukkan Ho ditolak dan Ha
diterima sehingga terbukti pengaruh positif dari produk terhadap
pelayanan signifikan.
H3 : Pelayanan berpengaruh positif terhadap kepuasan
Hasil print-out menghasilkan koefisien sebesar 0.869 yang artinya
pelayanan berpengaruh positif terhadap kepuasan. Meningkatnya
pelayanan akan meningkatkan kepuasan dan sebaliknya. (Sesuai
dengan hipotesis teori yang diajukan). Nilai p-value sebesar 0.000
< 0.05 menunjukkan Ho ditolak dan Ha diterima sehingga terbukti
pengaruh positif dari pelayanan terhadap kepuasan signifikan.

23. Indirect effect
Hasil perhitungan dapat dilihat pada tabel estimate sebagai
berikut
H4 : Persepsi harga berpengaruh positif terhadap kepuasan
melalui pelayanan
Hasil perhitungan menunjukkan terdapat pengaruh positif
dari harga terhadap kepuasan melalui pelayanan yaitu sebesar
0.337. Hasil ini sesuai dengan hipotesis yang diajukan
H5 : Persepsi produk berpengaruh positif terhadap kepuasan
melalui pelayanan
Hasil perhitungan menunjukkan terdapat pengaruh positif
dari produk terhadap kepuasan melalui pelayanan yaitu
sebesar 0.660. Hasil ini sesuai dengan hipotesis yang
diajukan
Produk Harga layanan Kepuasan
layanan .000 .000 .000 .000
Kepuasan .337 .660 .000 .000

24. Kontribusi Indikator pada variabel Laten
Variabel laten : Harga
Hasil perhitungan ditunjukkan dengan tael berikut (gunakan
Standardized estimate)
Dari print-out untuk variabel persepsi harga, yang
memberikan kontribusi terbesar terhadap pembentukan
variabel laten adalah :
- Indikator H2 dengan koefisien sebesar 0.959
- Indikator H1 dengan koefisien sebesar 0.947
- Indikator H3 dengan koefisien sebesar 0.900
Estimate
H1 <--- Harga .947
H2 <--- Harga .959
H3 <--- Harga .900

25. Kontribusi Indikator pada variabel Laten
Variabel laten : Produk
Hasil perhitungan ditunjukkan dengan tael berikut (gunakan
Standardized estimate)
Dari print-out untuk variabel persepsi produk , yang
memberikan kontribusi terbesar terhadap pembentukan
variabel laten adalah :
- Indikator P1 dengan koefisien sebesar 0.943
- Indikator P3 dengan koefisien sebesar 0.939
- Indikator P2 dengan koefisien sebesar 0.909
Estimate
P3 <--- Produk .939
P2 <--- Produk .909
P1 <--- Produk .943

26. Kontribusi Indikator pada variabel Laten
Variabel laten : Layanan
Hasil perhitungan ditunjukkan dengan tael berikut (gunakan
Standardized estimate)
Dari print-out untuk variabel persepsi layanan , yang
memberikan kontribusi terbesar terhadap pembentukan
variabel laten adalah :
- Indikator L2 dengan koefisien sebesar 0.952
- Indikator L1 dengan koefisien sebesar 0.934
- Indikator L3 dengan koefisien sebesar 0.909
Estimate
L1 <--- layanan .934
L2 <--- layanan .952
L3 <--- layanan .909

27. Kontribusi Indikator pada variabel Laten
Variabel laten : Kepuasan
Hasil perhitungan ditunjukkan dengan tael berikut (gunakan
Standardized estimate)
Dari print-out untuk variabel persepsi kepuasan , yang
memberikan kontribusi terbesar terhadap pembentukan
variabel laten adalah :
- Indikator K2 dengan koefisien sebesar 0.974
- Indikator K3 dengan koefisien sebesar 0.940
- Indikator K1 dengan koefisien sebesar 0.905
Estimate
K1 <--- Kepuasan .905
K2 <--- Kepuasan .974
K3 <--- Kepuasan .940