28 Agustus 2021

Pengantar Penelitian Eksperimen

Sejarah penelitian eksperimen diawali sekitar tahun 1935 oleh Sir Ronald Fisher yang mempublikasikan bukunya berjudul " The Design of Experiments". Sir Ronald Fisher adalah ahli statistik yang bekerja di Rothamsted Experimetal Station yang mengembangkan ide dasar dari Analysis of Variance (ANOVA) antara tahun 1919-1925. 

 

Pada tahun 1923 analysis of variance untuk dua treatment factor design merupakan cara yang mudah dan lazim dilakukan. Kemudian ditahun 1924 Fisher mempekenalkan Latin Square Design dalam kaitanya dengan Forest Nursery Experiment.

Dalam desain penelitian langkah pertama yang dilakukan yaitu bagaimana memahami pertanyan penelitian yang akan dijawab dan melakukan identifikasi variabel atau faktor apa yang akan dipahami (variabel dependen). Langkah kedua memilih variabel independen yang digunakan untuk mengembangkan hipotesis. Langkah ketiga menetralisir pengaruh hopotesis rival sebanyak mungkin dengan cara melakukan kontrol dari pengaruh variabel extraneus yaitu variabel yang mungkin dapat berpengaruh terhadap variabel dependen tetapi tidak terjadi perhatian utama dari penelitian tersebut.

Dalam penelitian eksperimen bertujuan untuk menguji pengaruh variabel independen terhadap dependen, misalnya pengaruh rasa mood terhadap kinerja intelektual. Kita tidak dapat menghilangkan pengaruh variabel lain selain rasa mood terhadap variabel kinerja intelektual. Variabel yang mungkin dapat berpengaruh terhadap kinerja intelektual seperti waktu tidur dan kecemasan (anxiety). Sehingga variabel-variabel tersebut akan mempersulit penilaian pengaruh rasa mood terhadap kinerja intelektual. Oleh sebab itu variabel-variabel tersebut dinamakan Variable Nuisance atau Variabel NV, karena variabel-variabel tersebut dapat menyebabkan terjadinya eror measurement (kesalahan pengukuran).

Ada 2 jenis atau model desain eksperimen yaitu true experimental (eksperimen murni) dan quasi-experimental. Desain quasi experimental dilakukan jika data berasal dari suatu kejadian yang timbul tanpa adanya perlakuan dari si peneliti. Sedangkan dalam desain true experimental dilakukan :

  1. Pada penelitian yang mampu secara eksplisit memanipulasi satu atau lebih variabel independen.
  2. Partisipasi atau subjek dikelompokan ke dalam kelompok kontrol atau eksperimen umumnya untuk randomisasi.

Jadi jika desain penelitian tidak memiliki atribut seperti di atas maka desain penelitian disebut quasi experimental. 

Misalnya kita ingin meneliti apakah pada usia remaja dan dewasa seorang berpenaruh terhadp pembelian di marketplace "Kulakanku". Dalam model ini usia remaja dan dewasa sebagai variabel independen sedangkn pembelian sebagai variabel dependen.  Untuk variabel independen yaitu usia remaja dan dewasa tidak dapat dimanipulasi level atau tingkat usia tersebut karena telah ada dalam realitas. Karena tidak ada intervensi pada level independen, maka interpretasi hubungan sebab akibat dari hasil penelitian quasi experimental lebih sulit dibandingkan dengan hasil penelitian dengan desain true experimental.

Jika dalam penelitian kita ada intervensi yaitu denagn program Gebyar 11-11 terhadap pemeblian di market place  KulakanKU. Untuk variabel independen yaitu program Gebyar 11-11merupakan intervensi dari sipeneliti pada variabel independen. Dengan intervensi tersebut, peneliti dapat mengetahui pengaruh Gebyar 11-11 terhadap pembelian di Market plac KulakanKU. Ada beberapa kelebihan desain penelitian true experimental yaitu :

  1. Terpenuhinya hubungan kausalitas (sebab akibat) karena adanya maipulasi langsung oleh si peneliti pada variabel independen.
  2. Dalam pengendalain/kontrol untuk menetralisir pengaruh non eksperimen terhadap variabel dependen sangat berbeda. Semakin tinggi tingkat pengendalian/kontrol sksn semakin mendekati true eksperimental.
  3. Memiliki validitas internal yang tinggi dan validitas eksternal yang rendah dibandingkan dengan desain quasi eksperimental.

Ada tiga (3) pengujian validitas dalam penelitian eskperimen yaitu validitas konstruk, validitas internal dan validitas eksternal :

  1. Validitas konstruk. Construct validity has to do with the logic of items which comprise measures of concepts (construct). A construct is a way of defining something, and to the extent that a researcher's (proposed construct is at odds with the exiting literature on related hypothesized relationships using other measures, it is construct validity is suspect" (Garson, 2013). Validitas konstruk pada dasarnya dilakukan untuk mengukur seberapa jauh variabel dalam penelitian dapat mencerminkan konstruk teoritisnya yang ingin diukur dimana hubungan sebab akibat yang diinvestugasi.
  2. Validitas Internal : "Internal validity has to do with defending againts sources of bias arising in research design, which would effect the cause-effect process being studied by introducing covert variables" (Garson, 2013). Validitas internal digunakan untuk mengukur seberapa jauh variasi di dalam variabel dependen yang dapat disebabkan oleh variasi pada variabel independennya. Dalam penelitian eksperimen tentu saja ada variabel lain yang dapat mempengaruhi variabel dependen yang tidak dimasukkan dalam model. Variabel-variabel ini dketahui akan dapat mengganggu partisipan dan sangat sulit menilainya. Variabel-variabel ini disebut Variabel Nuissance.
  3. Validitas Eksternal. "External validity has to do with possible bias in process of generalizing conclusions from a sample to population, to other subject populations, to other settings, and/or to other time period". (Garson, 2013). Validitas eksternal merupakan gambaran sejaug mana hasil penelitian dapat digeneralisasi dengan sampel lain pada waktu, dan kejadian yang lainnya. Desain penelitian ekperimen memiliki validitas internal yang tinggi tetapi validitas eksternal yang rendah. Sedangkan penelitian survei, memiliki validitas eksternal tinggi tetapi validitas internal yang rendah.

Ada delapan (8) ancaman terhadap validitas internal yaitu :

  1. History. Kejadian yang mungkin timbulmdiluar perkiraan saat pretest dan postest yang dapat menjelaskan hal lain dari pengaruh variabel independen terhadap dependen.
  2. Maturation. Proses yang terjadi pada diri responden atau sosial ekonomi yang dapat menghasilkan perubahan seperti pertumbuhan, pembelajaran, kelelahan dan lain sebagainya.
  3. Instability. Terjadi karena tidak reliabilitasnya alat ukur, fluktuasi dalam sampel atau orang.
  4. Testing. Adanya pengaruh test pertama dan kedua, adanya publikasi  indikator sosial ekonomi sebelum dan sesudah membacanya.
  5. Instrumentation. Adanya ukuran yang tidak ekuivalen dan dianggap ekuivalen. Hal ini bisa terjadi karena perubahan kalibrasi instrumen pengukuran atau perubahan diri pengamat yang menghasilkan perubahan hasil pengukuran.
  6. Regression Artifact. Pergeseran semu yang terjadi saat orang atau unit perlakuan terpilih karena berdasarkan skor ekstrim.
  7. Selection.Timbul bias dari perbedaan pemilihan kelompok pembanding sehingga menimbulkan perbedaan tingkat rata-rata.
  8. Experimental Morality. Bias perbedaan yang timbul karena tingkat perbedaan maturity atau perubahan otonom.

Baca juga :

1. Desain Penelitian Ekperimen

2. Analisis One Way Anova

3. Analisis Two Way Anova

4. Uji Kruskall Wallis

Referensi :

Gamst,G.et.al. (2008). Analysis of Variance Designs : A Conceptual and Computational Approach with SPSS and SAS. Cambridge: Cambridge University Press.

Garson,G.D. (2013). Research Design. Statistical Associates Blue Book Series. Statistical Publishing.

Ghozali,I. (2008). Desain penelitian Eksperimental : Teori Konsep dan Analisis dengan SPSS 16. Semarang : Badan Penerbit Undip.

Montgomery, D.C. (2017). Design and Analysis of Experiments 9th. Arizona: John Wiley and Sons.

20 Agustus 2021

Diagram Kontrol Atribut : U Chart

Diagram kontrol U mengukur banyaklnya ketidaksesuaian (titik spesifik) per unit laporan inspeksi dalam periode yang mungkin memiliki ukuran contoh (banyaknya item yang diperiksa).

 

Mirip dengan diagram kontrol C kecuali pada banyaknya ukuran sampel yang digunakan. Pada Diagram kontrol U, ukuran sampel pada setiap kali pengamatan adalah 1 buah, sedangkan pada diagram kontrol U, ukuran sampel dapat bervariasi pada setiap kali pengamatan. Sehingga dapat dikatakan bahwa diagram kontrol U dapat dipergunakan apabila ukuran contoh lebih dari satu unit atau mungkin bervariasi dari waktu ke waktu. Rumus U Chart sebagai berikut :

Rumus U Chart

Studi kasus : PT. Rolcomp merupakan perusahaan perakitan komputer di Kota Semarang. Perusahaan ingin memantau proses perakitan komputer dengan cara mengendalikan banyaknya komponen yang tidak memenuhi syarat per unit komputer. Untuk maksud tersebut Bagian Pengendalian Kualitas pelayanan PT. Rolcomp ingin membuat diagram kontrol U dengan mengumpulkan data banyaknya komponen yang tidak memenuhi syarat dalam proses perakitan. Data yang diperoleh sebagai berikut :

Data Input

Langkah Diagram KOntrol Atribut U Chart dengan SPSS

  1. Klik Analyze > Quality Control > Control Chart
  2. Pilih Attribute chart C, U Chart pada data organizational Klik Cases are subgroups, Klik Define
  3. Masukan variabel komponen rusak ke dalam kolom number noncomformities.
  4. Klik Sampelsize dan masukan variabel jumlah sampel ke kolom Variable
  5. Klik Chart, Klik U (number of comformities) kemudian Continue
  6. Klik tombol Control Rules, pilih above+3sigma, 6 in row tending up/down, 14 in row alternating.
  7. Klik Continue, kemudian OK

Hasil Diagram Kontrol Atribut  U Chart dengan SPSS

Diagram kontrol U Chart

Pada diagram kontrol U atau U chart terdapat tanda "Rule violation" point merah yang menandakan adanya masalah atau special case variation yaitu data ke 2 dan 5. Data ke 2 dan ke 5 ini karena memiliki nilai lebih besar dari 3 sigma atau lebih besar dari 3 standar deviasi rata-rata.

Baca juga :

1. Diagram Kontrol Atribut : P Chart

2. Diagram Kontrol Atribut : NP Chart

3. Diagram Kontrol Atribut : C Chart

Referensi :

Montgomery, D. C. (2013). Introduction Statistical Quality Control 7th. New York : John Wiley & Sons.

Oakland, J and Oakland, R. (2019). Statistical Process Control 7th. New York : Rouledge.

Yamin, S dan Kurniawan,H.(2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Software SPSS. Jakarta : Salemba Infotek

15 Agustus 2021

Referensi Syntax Simplis Pada Lisrel Bagian II

Dalam program LISREL, file simplis ditulis dalam bentuk syntax yang harus sesuai dengan aturan atau kaidah tertentu agar Lisrel dapat melakukan running data. 

 

 Ada beberapa kaidah-kaidah dalam penulisan syntax Simplis sebagai berikut :

1. Menskalakan variabel laten

Seperti telah kita ketahui bahwa variabel laten merupakan variabel tidak diukur secara langsung. Sehingga untuk menentukan unit pengukuran dari variabel laten dengan mngasumsikan bahwa variabel latenb tersebut standardized. Hal ini dapat dilakukan dengan menuliskan langsung hubungan antara indikator dengan variabel latenya.

Langkah lain dengan menentukan unit pengukuran variabel laten adalah dengan menentukan koefisien hubungan antara 1 indikator varibael laten menjadi 1. Indikator yang nilai koefisien terhadap variabel laten ditentukan  tersebut dinamakan  dengan variabel reference. Sebagai contoh indikator X1 sebagai reference dibawah ini :

    MK1 = 1*Motivasi

    MK2 = Motivasi

    MK3 = Motivasi

    MK4 = Motivasi

2. Starting Value 

Hasil estimasi suatu parameter dapat menghasilkan nilai koefisien regresi tetapi koefisien regresi tersebut tidak reliabel. Untuk itu, lisrel menyediakan fasilitas yang dinamakan starting value, yang mana fasilitas ini digunakan untuk memberikan nilai awal pada suatu koefisien regresi. NIlai ini bukan berarti menetapkan suatu parameter, tetapi Lisrel memberikan perintah untuk mengestimasi dengan nilai-nilai yang ditentukan tersebut. Sebagai contoh cara penulisan yang berbeda dalam pemberikan starting value dengan nilai parameter dibawah ini :

kinerja = 0.53*pelayan                   ---> nilai parameter

kinerja = (0.53)*pelayan                ---> starting value

Contoh pertama bahwa hubungan antara kinerja dengan pelayanan ditentukan nilai parameter regresi sebesar 0.53, akan menghasilkan nilai koefisien sebesar 0.53.

Sedangkan pada baris kedua, hubungan antara kinerja dengan pelayanan diberi starting value sebesar 0.53, hanya memerintahkan Lisrel mengestimasi parameter sebesar 0.53. 

3. Error Variance dan Covariance 

Ada 3 jenis eror dalam model SEM, antara lain :

  • Kesalahan pengukuran pada variabel observed X (indikator variabel eksogen)
  • Kesalahan pengukuran pada variabel observed Y (indikator variabel endogen)
  • Kesalahan struktural pada persamaan struktural. 

1). Menentukan error variance

Secara default nilai eror variance diestimasi  oleh Lisrel. Dalam keadaan tertentu model dapat terjadi Heywood case, hal ini terjadi karena ada nilai eror variance negatif tersebut harus ditentukan nilainya menjadi positif yang sangat kecil. Cara menentukan nilai eror variance sebagai berikut :

        Let the error variance of kinerja to 0.01 

Atau,

        Let the error variance of kinerja equal to 0.01

 2). Error Covariance

Secara default, seluruh eror diasumsikan tidak saling berkorelasi. Namun kita dapat mengestimasi dua eror untuk saling berkorelasi. Ada beberapa korelasi antar eror yang dapat dilakukan antara lain :

  • Korelasi eror antara dua indikator variabel laten eksogen (X)
  • Korelasi eror antara dua indikator variabel laten endogen (Y)
  • Korelasi eror antara 1 indikator  variabel laten eksogen (X) dengan satu indikator variabel laten endogen (Y). 

 4. Tidak mengkorelasikan variabel eksogen 

Dalam model SEM variabel laten eksogen secara default diasumsikan saling berkorelasi. Apabila menginginkan agar variabel laten eksogen tidak saling berkorelasi, maka dapat dituls dengan :

       Set the covariance of X1 - X4 to 0 

 Atau,

       Set the correlations of X1 - X4 to 0 

5. Menyamakan konstrain 

Dalam beberapa hal, kita menginginkan ada parameter yang memiliki estimasi yang sama maka dapat dilakukan pada path (hubungan antara variabel) atau pada beberapa eror varians.

1) Menyamakan path

Untuk dua atau lebih dari suatu koefisien parameter menjadi 1 parameter tunggal atau sama dapat dilakukan dengan penulisan syntax. Misalnya pengaruh variabel Kompetensi terhadap Disiplin memiliki koefisien yang sama dengan pengaruh dari variabel Fasilitas terhadap Disiplin. Penulisan syntax sebagai berikut :

       Set the Path from kompten to disiplin equal to the path from fasilts to disiplin

atau dapat ditulis dengan lebih pendek yaitu :

       Set path from kompten to disiplin = path from fasilts to disiplin

       Set path kompten -> disiplin = path fasilts -> disiplin

       Set kompten -> disiplin = fasilts -> disiplin

Atau dengan menggunakan kata Let, dapat ditulis dengan : 

       Let the Path from kompten to disiplin equal to the path from fasilts to disiplin

       Let path from kompten to disiplin = path from fasilts to disiplin

       Let path kompten -> disiplin = path fasilts -> disiplin

       Let kompten -> disiplin = fasilts -> disiplin

2) Menyamakan error varians

Untuk dua (2) eror varians yang sama dapat ditulis dengan :

       Set the Error variances: VarK - VarL equal

Atau, 

       Let the Error variances: VarK - VarL equal

Jadi ada eror varians yang saling berurutan (misal VarK, VarL, VarM, VarN) maka : 

       Equal Error Variances: VarK - VarN 

6. Option

Ada beberapa pilihan )option) yang tersedia untuk menghasilan output yang diinginkan. Masing-masing opsi tersebut dapat ditulis secara langsung dalam baris terpisah atau ditulis dengan kata kunci tertentu dalam baris Options. Beberapa opsi yang tersedia dalam syntax Lisrel antara lain :

       Print Residuals

       Wide Print

       Numer of decimals = k

       Methods of Estimations = Maximum Likelihod

       Adminissibility Check = off

       Iterations = k

Untuk opsi-opsi diatas dapat ditulis dalam satu baris dengan :

       Options: RS WP ND=3 ME = ML AD=off IT = 100

7. Lisrel Output

Pada hasil keluaran SIMPLIS model yang diestimasi berdasarkan bentuk persamaan, pada Lisrel model yang dihasilkan dalam bentuk matrik. Output Simplis diperoleh secara default sedangkan format Lisrel dapat diperoleh dengan menuliskan perintah pada file input.

       Lisrel Output

Apabila tidak ada hal-hal lain dimasukan dalam baris LISREL output maka informasi yang dihasilkan sam dengan output SIMPLIS. Tetapi dapat juga ditambahkan kata kunci yang lain untuk informasi tambahan pada baris Lisrel Output, misalkan :

       Lisrel Output: SS SC EF VA MR RS PC PT

Dimana :

SS : menghasilkan nilai standardized solutions

SC : menghasilkan nilai seluruhnya standardized solutions

EF : menghasilkan nilai pengaruh langsung dan tidak langsung

VA : menghasilkan nilai varians dan kovarians

MR : menghasilkan sama dengan RS dan VA

RS : menghasilkan nilai faktor regresi

PC : menghasilkan nilai korelasi antara estimasi parameter

PT : menghasilkan informasi-informasi teknis 

8. End Of Problem

Untuk menuliskan syntax bahwa seluruh persamaan telah dituliskan maka baris terakhir ditulis :

       End of Problem

Perintah tersebut adalah opsional, tetapi sangat dianjurkan pada analsisis multisampel. Pada model multisample dituliskan pada akhir kelompok, tidak pada masing-masing kelompok.

Baca juga :

  1. Referensi Syntax Simplis Pada Lisrel Bagian I

  2. Uji Kesesuaian Fit Model Structural Equation Modeling

  3. Uji Asumsi pada Model Structural Equation Modeling

Referensi :

Byrne, B.M.(1998). Structural Equation Modeling With Lisrel, Prelis and Simplis: Basic Concepts, Applications and Programing. New Jersey: Lawrence Erlabaum Associates,Inc

Diamantopoilos,A and Siguw,J.A.(2000). Introduction Lisrel: A Guide for the Unitiated. London: Sage Publications

Ghozali,I dan Fuad.(2014). Structural Equation Modeling : Teori, Konsep dan Aplikasi dengan Program Lisrel 9.10 Edisi 4. Semarang : Badan Penerbit Universitas Diponegoro

Joreskog, K.G And Sorbom,D.(1993). Lisrel 8 : Structural Equation Modeling the Simplis Command Language. Lincolwood: Scientific Software International

Muller, R.O.(1996). Basic Principles of Structural Equation Modeling : An Introduction of Lisrel and EQS. New York: Springer.

 

11 Agustus 2021

Diagram Kontrol Atribut : P Chart

P Chart merupakan prosedur yang digunakan untuk mengukur proporsi ketidaksesuaian dari item-item  dalam kelompok yang sedang diinspeksi. Bertujuan untuk mengendalikan proporsi produk cacat yang dihasilkan dalam suatu proses. 

 

Proporsi yang tidak memenuhi syarat merupakan rasio banyaknya item yang tidak memenuhi syarat dalam suatu kelompok terhadap total banyaknya item dalam kelompok tersebut. Jika item tidak memenuhi standar pada satu atau lebih karakteristik yang diperiksa maka item tersebut digolongkan tidak memenuhi syarat. Rumus Diagran Kontrol Atribut P Chart sebagai berikut :

Rumus P Chart

Contoh kasus : PT. So drink adalah salah satu perusahaan penghasil sirup yang berlokasi di Jakarta. Jenis Sirup yang dibuat oleh perusahaan adalah sirup dengan rasa buah-buahan khususnya buah Kiwi beserta variannya. Perusahaan ingin menggunakan diagram kontrol P atau P Chart untuk mengendalikan banyaknya cacat yang terjadai dibagian produksi. Quality Assurance Departement melakukan pengumpulan data banyaknya sirup yang cacat produksi selama 25 hari dengan hasil sebagai berikut :

Data Sampel
 
Langkah-langkah diagram kontrol atribut P Chart dengan SPSS 
  1. Klik Analyze > Quality Control > Control Chart
  2. Pilih Attribute chart P, np, Klik Cases are subgroup
  3. Masukan variabel sampel rusak ke dalam kolom number noncomforming.
  4. Klik Sampel Size, masukan variabel sampel ke kolom variable.
  5. Klik tombol Title, berinama "P Chart Sirup"
  6. Klik tombol Control Rules, select All control rules
  7. Klik Continue, kemudian OK
Hasil diagram kontrol atribut P Chart dengan SPSS
 
P Chart Produk Sirup

Pada hasil diagram kontrol P atau P chart diatas, nilai kontrol limitnya adalah UCL = 0.04, centre line = 0.02 dan LCL sebesar 0.00. Tanda "rule violation": terdapat poin merah yang menandakan adanya masalah atau special cause variation yaitu data ke 5. Data ke-5 ini karena mempunyai nilai lebih besar dari 3 sigma atau lebih besar dari 3 standar deviasi rata-rata.
 
Baca juga :

1. Diagram Kontrol Atribut : U Chart

Referensi :

Montgomery, D. C. (2013). Introduction Statistical Quality Control 7th. New York : John Wiley & Sons.

Oakland, J and Oakland, R. (2019). Statistical Process Control 7th. New York : Rouledge.

Yamin, S dan Kurniawan,H.(2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Software SPSS. Jakarta : Salemba Infotek

06 Agustus 2021

Diagram Kontrol Atribut : C Chart

Suatu item yang tidak memenuhi syarat atau yang cacat dalam proses pengendalian kualitas didefinisikan sebagai tidak memenuhi satu atau lebih spesifikasi untuk item tersebut. Jika terdapat titik spesifik yang tidak memenuhi spesifikasi standar untuk item maka item tersebut akan dikategorikan cacat atau tidak memenuhi syarat.

Pengolongan produk yang cacat berdasarkan kriteria diatas kadangg-kadang untuk jenis produk tertentu dianggap kurang representatif karena mungkin saja suatu produk masih dapat berfungsi dengan baik walaupun satu atau lebih titik spesifik yang tidak memenuhi spesifikasi. Contohnya : perakitan komputer, dimana komputer terdiri dari ratusan bahkan ribuan komponen yang dirakit menjadi satu unit komputer. Maka dari itu setiap bagian ada koemungkinan tidak memenuhi syarat spesifikasi. Jika terdapat banyak titik lemahnya maka tentu saja produk tersebut perlu dikategorikan sebagai produk cacat atau tidak memenuhi syarat.

Hal ini berarti bahwa perusahaan memberikan toleransi atas kelemahan pada satu atau beberapa titik spesifik yang tidak memenuhi syarat sepanjang tidak mempengaruhi fungsi dari produk tersebut. Oleh karenanya diagram kontrol yang sesuai adalah diagram kontrol C atau C chart yang didasarkan pada banyaknya titik spesifik yang tidak memenuhi syarat dalam suatu item.

Pada P chart atau NP chart didasarkan pada unit produk secara keseluruhan, dimana suatu produk dinyatakan cacat apabila mengandung paling sedikit satu titik spesifik yang tidak memenuhi syarat. Sedangkan pada C chart didasarkan pada titik spesifik yang tidak memenuhi syarat pada produk yang bersangkutan, sehingga suatu produk dapat saja dianggap memenuhi syarat meskipun satu atau beberapa titik spesifik yang cacat. Rumus diagram kontrol atribut C chart sebagai berikut :

Rumus C Chart
 
Contoh kasus : Perusahaan Blue Ocean adalh salah satu perusahaan jasa yang beroperasi dalam bidang transportasi taksi. Pada saat ini perusahaan sudah dapat mengoperasikan 50 armada taksi. Perusahaan ingin memantau proses pelayanan armada taksi melalui pengendalian banyaknya keluhan dari pengguna taksi yang diterima setiap harinya. Untuk itu Bagian Pengendalian kualitas Pelayanan Blue Ocean ingin membuat diagram kontrol C dengan mengumpulkan data banyaknya keluahan dari pengguna taksi selama 30 hari periode pengamatan. Dimana setiap hari pengamatan hanya satu sopir yang diamati. Berikut adalah data banyaknya keluhan pengguna taksi selama 30 hari.
Data Sampel

Langkah-langkah Kontrol atribut C Chart dengan SPSS

  1. Klik Analyze > Quality Control > Control Chart
  2. Pilih Attribute chart C, U Chart pada data organizational Klik Cases are subgroups, Klik Define
  3. Masukan variabel sampel rusak ke dalam kolom number noncomformities.
  4. Klik Sampel Size constant ketik 30.
  5. KlikChart Klik C (number of comformities) kemudian Continue
  6. Klik tombol Control Rules, pilih above+3sigma, 6 in row tending up/down, 14 in row alternating.
  7. Klik Continue, kemudian OK
Hasil diagram kontrol atribut NP Chart dengan SPSS
Control Chart Keluhan Pelanggan

Diagran kontrol C atau C chart diatas nilai kontrol limitnya adalah UCL sebesar 18.25, center line 9.17 dan LCL sebesar 0.08. Tanda "Rule Violation: No" menunjukan tidak ditemukannya Special Cause variation.

Baca juga :

1. Diagram Kontrol Atribut : P Chart

2. Diagram Kontrol Atribut : NP Chart

3. Diagram Kontrol Atribut : U Chart

Referensi :

Montgomery, D. C. (2013). Introduction Statistical Quality Control 7th. New York : John Wiley & Sons.

Oakland, J and Oakland, R. (2019). Statistical Process Control 7th. New York : Rouledge.

Yamin, S dan Kurniawan,H.(2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Software SPSS. Jakarta : Salemba Infotek

01 Agustus 2021

Referensi Syntax Simplis Pada Lisrel Bagian I

Dalam program Lisrel, Simplis ditulis dalam bentuk syntax yang harus sesuai dengan aturan/kaidah tertentu agar Lisrel dapat melakukan runing data. 

 

 Ada beberapa kaidah-kaidah dalam penulisan syntax simplis sebagai berikut :

1. Input Data

Format input dapat dilakukan dengan berbagai macam bentuk seperti data mentah (raw data), data matrik kovarian atau matrik korelasi. Seperti contoh dibawah ini. 

Input data matrik kovarian

Input data diatas artinya data diperoleh dari matrik kovarian dengan nama file inputdatamatrik.cov.

Berbeda dengan data mentah (raw data). Tanda petik digunakan agar Lisrel mampu membaca seluruh kalimat pada input file. Perhatikan bahwa matrik kovarian tidak memiliki nama variabel, maka sebelum ditentukan data matrik kovarian, nama variabel ditentukan terlebih dahulu. Seperti terlihat diatas : Observed variables X1 X2 X3 X4..Y4

Data mentah (rata data) sebagai input data sebagai berikut : 

Input raw data
2. Baris Judul

Pada syntax simplis, baris pertama dapat digunakan sebagai judul yang dimulai dengan tanda !

Kecuali pada baris pertama ada : 

  • Baris yang dimulai denga kata Observed variables atau Labels. Baris ini adalah perintah pertama dalam input file SIMPLIS.
  • Baris yang dua karakter pertamanya dimulai dengan DA, Da, dA, atau da, yang merupakan baris perintah dalam input file SIMPLIS.

3. Variabel Observed 

Baris selanjutnya adalah Observed variables yang merupakan variabel yang memiliki nilai pada input data. Baris yang menggunakan perintah diatas, dilakukan jika data input menggunakan matrik kovarian atau matrik korelasi atau data mentah yang disimpan dalam file txt. Sedangkan data mentah (raw data) yang disimpan dalam program LISREL data tidak perlu ditentukan nama variabelnya. Observed variables dituliskan dengan memberikan spasi antara variabel yang satu dengan variabel yang lainnya.

Observed variables

4. Data

Input data pada program Lisrel dapat dilakukan dengan format yaitu : 

  • Data mentah (raw data), 
  • Matrik Kovarian,
  • Matrik Korelasi, 
  • Matrik Kovarian dan Means, 
  • Matrik Korelasi dan Standard Deviasi, 
  • Matrik Korelasi, Standard Deviasi dan Means.

Selain format diatas, input data dapat dilakukan dengan format : Asymptotic covariance matrix.

1)  Data Mentah

Data mentah sebenarnya dapat dituliskan secara langsung pada file input, tetapi data mentah sebaiknya disimpan pada file ekternal seperti notepad tetapi lebih baik disimpan dalam file Lisrel Data. Untuk membaca data mentah dari suatu file dapat dituliskan : 

Input Raw Data

Penggunaan data mentah memiliki kelemahan apabila ada missing data (data hilang atau kosong) pada salah satu kasus. Untuk mengatasi masalah missing data ini dapat dilakukan menggunakan program Lissrel data yang menghasilkan matrik kovarian atau matrik korelasi.

2) Matrik kovarian atau Matrik korelasi

Matrik kovarian atau matrik korelasi merupakan matrik simetris yang mana hanya elemen-elemen yang terdapat pada diagonal yang diberikan. Jika ada n variabel obseved, maka matrik yang terbentuk berupa n x n yang terdiri dari n (n+1)/2. Sehingga jika ada 7 variabel observed maka elemen matrik ada 28 yang dihitung dari 7 (7+1)/2. Contoh matrik kovarian :

Contoh matrik kovarian

Matrik tersebut diatas dapat diinput ditulis dengan berbagai format antara lain :

Input Matrik kovarian 1

Atau,

Input Matrik kovarian 2
Atau,
Input Matrik Kovarian 3
Elemen-elemen matrik tersebut dibedakan berdasarkan spasi dan dapat berlaku untuk matrik kovarian atau matrik korelasi.

3) Mean dan Standar deviasi

Perintah untuk menbaca mean adalah

Means: 6.54 8.87 7.14 8.37

Atau,

Means:

6.54 8.87 7.14 8.376.54 8.87 7.14 8.37

Atau untuk standar deviasi ditulis dengan :

Standard deviations:

0.334 0.356 0.421 0.527

4) Asymptotic covariance matrix

Matrik ini diperlukan untuk mengestimasi berdasarkan metode Weighted Least Squares (WLS) dimana matrik ini diperoleh dari Lisrel Data. Untuk membaca matrik asymptotic covariance dapat ditulis dengan perintah :

Asymptotic Covariances from file D:\SEM\ModelKinerja\inputdatakovarian.acm

5) Asymptotic variance

Asymptotic variance digunkan apabila estimasi berdasarkan metode Diagonally Weighted Least Squares (DWLS). Matrik ini diperoleh dari Lisrel Data. Untuk membaca asymptotic variances dapat ditulis dengan perintah :

Asymptotic variances from file D:\SEM\ModelKinerja\inputdatavarians.avm

 

 5. Ukuran Sampel

Ada berbagai macam car penulisan yang dapat digunakan untuk menginput ukuran sampel yaitu :

Sampel Size
Input Sampel size adalah opsional, dalam hal ini apabila input data dilakukan dalam bentuk matrik kovarian atau matrik korelasi.

6. Variabel Laten atau Unobserved

Untuk menuliskan variabel laten dapat menggunakan perintah Latent Variables atau Unobserved Variables. Perlu diperhatikan bahwa jua nama variabel observed tidak boleh sama dengan variabel laten. penulisan variabel laten dapat dilakukan dengan perintah :

Latent Variables: Motivasi EfiDiri KepKerja

7. Relationship atau hubungan 

Untuk hubungan antara variabel dapat ditulis dengan Relationships, Relations atau Equations. Penulisan judul ini opsional dimana penulisan hubungan antar variabel dapat ditulis tanpa header diatas. Ada beberapa aturan untuk penulisan hubungan antar variabel yaitu :

variabel dependen = variabel independen

indikator = variabel laten

Pada baris pertama terlihat bahwa variabel dependen sebelah kiri dan variabel independen sebelah kanan. Penulisan dapat dilakukan secara simultan yaitu variabel independen dapat ditulis dalam satu baris dengan memberikan jarak spasi.

Pada baris kedua hubungan antara indikator dengan variabel laten, dimana penulisan indikator disebelah kiria dan bvariabel laten disebelah kanan. Penulisan indikator juga dapat dilakukan secara simultan dalam satu baris. Contoh penulisan seperti dibawah ini.

Relationships 1

Atau,

Relationships 2

Kedua penulisan diatas adalah sama dan kedua dilakukan dengan cara lebih pendek. Penulisan juga dapat dilakukan dengan tanda panah (path) sebagai berikut :

Relationship 3

Baca juga :

1. Referensi Syntax Simplis Bagian II

2. Konseptual dan Transformasi Model SEM

3. Input Data Pada Lisrel

Referensi

Byrne, B.M.(1998).Structural Equation Modeling With Lisrel, Prelis and Simplis: Basic Concepts, Applications and Programing. New Jersey: Lawrence Erlabaum Associates,Inc.
Diamantopoilos,A and Siguw,J.A.(2000).Introduction Lisrel: A Guide for the Uninitiated.London: Sage Publications.
Ghozali,I dan Fuad.(2014). Structural Equation Modeling : Teori, Konsep dan Aplikasi dengan Program Lisrel 9.10 Edisi 4. Semarang : Badan Penerbit Universitas Diponegoro.
Joreskog, K.G And Sorbom,D.(1993).Lisrel 8 : Structural Equation Modeling the Simplis Command Language. Lincolwood: scientific Sofware International.
Muller, R.O.(199).Basic Principles of structural Equation Modeling : An Introduction of Lisrel and EQS. New York: Springer.