JURNAL MATRIX VOL. 1, NO. 2, JULI 2011
Kadek Jemmy Waciko, Jurusan Administrasi Niaga, Politeknik Negeri Bali Bukit Jimbaran,
PO Box 1064 Tuban Badung-Bali Phone (0361) 701981, Fax. (0361) 701128
Abstrak
Tujuan penelitian ini mengaplikasikan visualGSCA 1.0 dalam SEM-ML dan GSCA untuk model
persamaan struktural yang bersifat refleksif secara proporsional. Secara keseluruhan GSCA dan SEM-ML menghasilkan evaluasi model yang sama, baik dalam evaluasi model pengukuran maupun evaluasi model struktural sehingga keberadaan visualGSCA 1.0 tidak hanya dapat digunakan dalam GSCA namun sebagai alternatif SEM-ML. Dampak penelitian ini terutama dalam evaluasi model struktural adalah tidak adanya alat uji statistik tunggal untuk mengukur atau menguji kecocokan data dengan model atau menguji hipotesis mengenai model secara keseluruhan (overall goodness of fit models).
Secara filosofis perbedaan antara Covariance Based SEM dengan dengan Component Based SEM
adalah apakah peneliti akan menggunakan model SEM untuk menguji teori atau pengembangan teori untuk tujuan prediksi.Pendekatan Covariance Based SEM maupun Component Based SEM tergantung dari tujuan peneliti dan pandangan espitemic dari data ke teori, properti data yang ada, tingkat pengetahuan teoritis dan pengembangan pengukuran. implikasi teoritis hasil temuan ini juga memberikan gambaran secara aplikatif sekaligus menjembatani dan menghubungkan celah antara deskripsi verbal,definisi matematis dan interpretasi output VisualGSCA dalam ranah statistik.
Kata Kunci: Model Persamaan Struktural (SEM), Covariance Based SEM dengan metode Maximum
Likelihood (SEM-ML) dan Generalized Structured Component Analysis (GSCA)
DOWNLOAD PDF format
Kadek Jemmy Waciko, Jurusan Administrasi Niaga, Politeknik Negeri Bali Bukit Jimbaran,
PO Box 1064 Tuban Badung-Bali Phone (0361) 701981, Fax. (0361) 701128
Abstrak
Tujuan penelitian ini mengaplikasikan visualGSCA 1.0 dalam SEM-ML dan GSCA untuk model
persamaan struktural yang bersifat refleksif secara proporsional. Secara keseluruhan GSCA dan SEM-ML menghasilkan evaluasi model yang sama, baik dalam evaluasi model pengukuran maupun evaluasi model struktural sehingga keberadaan visualGSCA 1.0 tidak hanya dapat digunakan dalam GSCA namun sebagai alternatif SEM-ML. Dampak penelitian ini terutama dalam evaluasi model struktural adalah tidak adanya alat uji statistik tunggal untuk mengukur atau menguji kecocokan data dengan model atau menguji hipotesis mengenai model secara keseluruhan (overall goodness of fit models).
Secara filosofis perbedaan antara Covariance Based SEM dengan dengan Component Based SEM
adalah apakah peneliti akan menggunakan model SEM untuk menguji teori atau pengembangan teori untuk tujuan prediksi.Pendekatan Covariance Based SEM maupun Component Based SEM tergantung dari tujuan peneliti dan pandangan espitemic dari data ke teori, properti data yang ada, tingkat pengetahuan teoritis dan pengembangan pengukuran. implikasi teoritis hasil temuan ini juga memberikan gambaran secara aplikatif sekaligus menjembatani dan menghubungkan celah antara deskripsi verbal,definisi matematis dan interpretasi output VisualGSCA dalam ranah statistik.
Kata Kunci: Model Persamaan Struktural (SEM), Covariance Based SEM dengan metode Maximum
Likelihood (SEM-ML) dan Generalized Structured Component Analysis (GSCA)
DOWNLOAD PDF format
No comments:
Post a Comment