TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints23496
UR  - http://digilib.unila.ac.id/23496/
A1  -  VIENDIRA TRY ERIZA,  1217031071
Y1  - 2016/08/01/
N2  - ABSTRAK
Penyelesaian masalah yang melibatkan data peubah ganda, terutama melibatkan
faktor yang tidak dapat diukur secara langsung (peubah laten) digunakan
Structural Equation Modeling (SEM) atau Lisrel. SEM menggunakan
Confirmatory Analysis Factor (CFA) untuk melakukan pengujian terhadap suatu
model. Sebelum melakukan estimasi pada model, dilakukan pengujian asumsi
statistik dalam SEM yaitu uji multikolinearitas. Penelitian ini bertujuan untuk
menguji multikolinearitas untuk melihat hubungan yang terjadi antar variabel
observed pada ukuran sampel 100 dan menggunakan metode Maximum
Likelihood (ML) dalam mengestimasi model untuk mengevaluasi kecocokan atau
kesesuaian antara model dengan data. Metode ML memiliki sifat tak bias dan
konsisten. Untuk mengetahui ada atau tidaknya multikolinearitas diantara variabel
bebas yaitu dengan menggunakan nilai koefisien korelasi, Variance Inflation
Factors (VIF) dan Tolerance. Berdasarkan hasil penelitian ini dapat disimpulkan
bahwa untuk sampel yang digunakan tidak terdapat multikolinearitas dan model
yang digunakan dapat diterima.
Kata Kunci: Structural Equation Modeling (SEM), Maximum Likelihood
(ML), Multikolinearitas
ABSTRACT
Solving problems that involve multiple variables of data, particularly involving
factors that cannot be measured directly (latent variables) used Structural
Equation Modeling (SEM) or lisrel. In the SEM using Confirmatory Factor
Analysis (CFA) for the testing of a model. Before making estimates on the model,
testing statistical assumptions in that SEM multicollinearity test. This study aims
to examine multicollinearity to see the relationship between observed variables on
a sample size of 100 and using Maximum Likelihood (ML) method in estimating
the model to evaluate the suitability or appropriateness of the model with data.
ML method has no refraction and inconsistent nature. To determine whether or
not of multicollinearity among independent variables by using the correlation
coefficient, Variance Inflation Factors (VIF) and Tolerance. Based on study
concluded that for the sample used is not contained multicollinearity and models
are acceptable.
Keywords: Structural Equation Modeling (SEM), Maximum Likelihood (ML),
Multicollinearity.
PB  - FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
TI  - UJI MULTIKOLINEARITAS DAN KESESUAIAN MODEL DALAM
MODEL PERSAMAAN STRUKTURAL
AV  - restricted
ER  -