Menurut pendapat saya (opini subjektif), secara umum data peneitian jika dikaitkan dengan statistika penelitian memiliki 2 jenis, yaitu Parametrik dan Non Parametrik. Parametrik adalah data dengan ukuran/kharakteristik yang jelas, misalnya : Tinggi badan, berat badan, nominal uang, dll.. sedangkan Non Parametrik, tidak memiliki ukuran/kharakteristik yg jelas, misalnya : Persepsi, Pendapat, Opini, dll. Berkaitan dengan pertanyaan bapak diatas, penggunaan skala ordinal hanya diperuntukan untuk Non Parametrik yang umum digunakan untuk memperoleh informasi dari responden berkaitan dengan Pendapat, Persepsi, Opini, dll. Sebagai ilustrasi sederhana, Jika menggunakan model regresi sederhana, yaitu : Y = a + bX + e.... Misalnya, Model hasil output estimasi, Y = 3 + 10X, hasil uji hipotesis variabel X terhadap Y adalah SIGNIFIKAN... Jika penjelasan dengan menggunakan pendekatan statistika parametrik dan data yang digunakan adalah data interval (KUANTITATIF), maka bahasan intepretasi datanya akan menjadi : "Variabel X berpengaruh positif terhadap variabel Y, sebesar 10 point", dengan skala interval, intepretasi data bisa menjelaskan besaran pengaruh interaksi koefisien... Tetapi berbeda jika dengan model output yang sama, yaitu : Y = 3 + 10X, tetapi menggunakan pendekatan statstika Non Parametrik dan data yg digunakan menggunakan skala ordinal, maka interpretasi datanya adalah : "Variabel X berpengaruh positif terhadap variabel Y", tanpa bisa menyebutkan ukuran besaran pengaruhnya, hal ini dikarenakan data sumber merupakan data ordinal yang bersumber dari pendapat, opini dan persepsi (KUALITATIF), maka tidak bisa diketahui besaran pengaruhnya, karena persepsi, pendapat atau opini seseorang adalah hal yg tidak bisa diukur besarannya ... mujigunarto.wordpress.com/2008/12/25/perlukah-data-ordinal-di-transformasi-ke-interval-dengan-msi/ atau www.researchgate.net/publication/315895857_TRANFORMASI_DATA_ORDINAL_KE_INTERVAL_DENGAN_METHOD_OF_SUCCESSIVE_INTERVAL_MSI Ini dasar sumber bacaan literasi... semoga bermanfaat...
Assalamu'alaikum warahmatullahi wabarakatuh, terimakasih atas video yang bapak buat, sangat membantu sekali 🙏 Mau bertanya pak, apabila sudah melakukan eliminasi tetapi setelah tu tidak bisa d run, apa penyebab nya ya pak?
Selamat malam pak hendra, sy sedang kebingungan dengan amos ini. Yang menjadi masalah di saya. Validitas oke diatas 0.7 tapi normalitas ikut naik diatas 2.58. Godness of fit juga naik pak. Ketika gof sesuai, validitas dibawah 0.7 pak. Mana yang harus sy perbaiki pak?
Kl anda menggunakan Skala Ordinal metode Likert, sdh pasti data tidak normal, itu hal yg sangat, sangat, sangat wajar sekali... justru kl anda menggunakan skala tersebut, data bisa langsung normal tanpa ada treatment khusus, atau terindikasi datanya fiktif...
Anda bisa tonton beberapa video saya tentang bahasan data tidak normal..... th-cam.com/video/z1Z1dk6_XIA/w-d-xo.html th-cam.com/video/Qzm1G_HnGHI/w-d-xo.html dan uji validitas data... th-cam.com/video/YjEUxYS-1xg/w-d-xo.html Literasi ini saya sampaikan untuk aplikasi SmartPLS, tp ini jg berlaku untuk ketentuan SEM pada AMOS..
pak, izin bertanya, kalau dengan menghilangkan indikatornya, berarti otomatis berubah untuk pertanyaan atau pernyataan yang kita ajukan untuk kuesioner?? apakah cara satu"nya adalah menghilangkannya pak?
kemudian, alasan jelas apa yang bisa saya pertimbangkan dengan dosen saya, kalau saya memodifikasi model yang saya ajukan dengan menghilangkan konstruk errornya pak? terima kasih
Saya sudah analisis cfa pervariabelnya, kemudian saya hapus indikator yg nilai loading factornya di bwh 0.5, kemudian saya gabungin lagi semua variabel trus saya analisis lagi dan semua loading factornya sudah mencukupi tapi kriteria goodnes of fitnya belum memenuhi. Pertanyaan saya apa boleh dilakukan seperti cara di video ini? Soalnyakan saya sudah pernah menghapus sebelumnya?
Video tutorial yang saya sampaikan diatas merupakan salah satu upaya guna memperbaiki goodnes of fit model ketika menggunakan metode CB-SEM, karena metode diatas secara literasi empiris juga dilakukan oleh beberapa ahli.. sebagai pertimbangan, anda juga bisa menonton vido saya yang lain yang juga berkaitan dengan materi diatas, ini linknya : th-cam.com/video/B-RD68r9Mi0/w-d-xo.html Semoga Bermanfaat....
permisi pak mau tanya, setelah eliminasi konstruk kan modelnya jadi kurang rapih ya jadi ada jarak2 gitu, nah itu boleh dirapihin atau dibiarin kaya gitu aja pak? terima kasih sebelumnya 🙏🏼
ijin komentar jika permasalahannya ada di cmin df, sebenarnya permasalahannya adalah di normalitas data, dan jika menghapus banyak indikator pertanyaanya apakah konstruk tersebut akan robust, maka dari itu sekiranya tanpa membuang indikator yang banyak memungkinkan tidak menggunakan bootstraping
Terima kasih banyak informasinya, pak... saya cb tanggapi komentar bapak dengan segala keterbatasan ilmu pengetahuan saya... 1. Tujuan saya mengeliminasi konstruk adalah untuk memodifikasi model sehingga diperoleh Model yang Fit dan hal ini merupakan salah satu asumsi wajib pada SEM, dan bukan untuk membuat hasil estimasi data yg tidak terdistribusi normal menjadi normal, karena jika data tidak terdistribusi normal, memang BENAR.. cukup dengan boostraping, masalah normalitas dapat diasumsikan selesai.. 2. Apabila Estimasi Data SEM menggunakan Aplikasi AMOS, ada Item khusus yg menjabarkan prihal normalitas data, yaitu pengujian assesment of normality dari program AMOS, dimana nilai Multivariate nya harus kurang dari atau sama dengan 3, bahkan beberapa literasi mewajibkan kurang dari 2,56. Jika diatas angka tersebut, maka hasil estimasi data SEM dengan AMOS dapat diasumsikan tidak terdistribusi dengan normal. 3. Apabila ingin mengetahui Outlier Estimasi Data SEM dengan AMOS, dapat dilihat dari mahalanobis d-squared, lihat nilai P1, jika nilai dibawah 1% atau 0,01, maka terdapat Outlier dan hendaknya baris yg terjadi outlier dibuang. 4. Terdapat literasi yg berkaitan dengan estimasi data dengan metode SEM menyatakan bahwa, Jika nilai Modification Indices yg tinggi, mengindikasikan terdapat keterkaitan yg tinggi antar konstruk (Multikolinearitas), maka solusinya dihapus salah satu konstruk atau disambungkan dengan garis kovarian.. 5. Jika menggunakan regresi robust, maka itu bukan SEM lagi, metodenya sudah berubah... Regresi Rogust melibatkan KOMPOSIT/MANIFEST/OBSERVED VARIABEL dalam proses estimasi, dan bukan STRUCTURE/LATENT/UNOBSERVED VARIABEL. 6. SEM secara umum terbagi menjadi 2 jenis, yaitu : CB-SEM dan VB-SEM (PLS-SEM). CB-SEM adalah estimasi data dengan segala asumsi SEM yg harus dipenuhi dalam proses estimasi data dengan menggunakan SEM, dan proses estimasi datanya hanya melibatkan item struktural variabel (Konstruk)... Sedangkan VB-SEM berbasis OLS yg di Structural kan, bisa mengabaikan beberapa asumsi SEM.. Proses estimasi data bisa menggabungkan STRUCTURE/LATENT/UNOBSERVED VARIABEL dengan KOMPOSIT/MANIFEST/OBSERVED VARIABEL pada proses estimasi datanya... Sekian penjelasan saya, mohon maaf hanya ini yg mampu saya sampaikan dengan ketrbatasan pengetahuan saya.... Semoga Bermanfaat...
@@hendrywijaya2840 terimakasih atas penjelasannya pak, menurut bapak artikel yang menunjukkan bahwa chi-square berhubungan dengan normalitas seperti ini en.wikipedia.org/wiki/Chi-square_distribution apakah secara statistik betul?
@@kemalbudimulyono Dalam teknik statistika dan anasis data statistika, akan banyak sekali ditemukan 1 metode uji digunakan untuk beberapa teknik analisis data.. Jika membahas Chi-Square, maka akan banyak sekali bahasan yg bisa dibicarakan.. termasuk uji distribusi normal, tetapi disisi lain, Uji Chi-Square juga bisa digunakan sebagai Uji beda non parametris. Mengingat, Uji Chi-Square bisa digunakan untuk beberapa uji, sehingga peneliti dituntut untuk dapat memilih dan menentukan peruntukan uji tersebut akan digunakan untuk metode apa yg paling tepat.. sebagai contoh yg lain... Uji Pearson Corelation juga bisa digunakan untuk beberapa uji.. Misalnya, Uji Validitas, Uji Korelasi, Uji Koefisien Determinasi.. Bagaimana peneliti menggunakan ALAT tersebut sesuai dengan peruntukan dan metode estimasi yg tepat.. Ok... Saya kembali ke materi SEM... Pada Metode SEM, nilai CMIN/DF memang dapat digunakan untuk mengetahui Goodness Of Fit model (Uji Kelayakan Model) atau secara sederhana saya dapat katakan, bahwa model yg Fit, maka model tersebut diasumsikan mampu mendeskripsikan data dengan fenomena mendekati realitasnya.. Ada beberapa sumber literasi yg menjelaskan prihal CMIN/DF digunakan untuk melihat model FIT pada SEM.. 1.core.ac.uk/download/pdf/43007241.pdf. 2.hrmars.com/papers_submitted/472/Application_of_Structural_Equation_Modeling_(SEM)_in_restructuring_state_intervention_strategies_toward_paddy_production_development.pdf 3.www.matec-conferences.org/articles/matecconf/pdf/2017/52/matecconf_eacef2017_05005.pdf 4.wernermurhadi.files.wordpress.com/2011/07/pemodelan-sem.pdf 5.www.sicotests.com/psyarticle.asp?id=277 6.www.ncbi.nlm.nih.gov/pmc/articles/PMC4109107/ dan masih banyak lagi bahasan yg lain mengenai Model Fit dengan Indikator CMIN/DF. Pada intinya, Peruntukan Chi-Square yg ditempatkan sebagai apa, itulah hal yg paling penting... Saya tidak menyalahkan literasi diatas, karena saya secara pribadi tidak memiliki kompetensi yg cukup untuk dapat menyalahkan literasi dan teori baku. Yg bisa saya lakukan adalah mengkomparasi atau mencari literasi empiris dan teoritis tentang peruntukan yg tepat berkaitan dengan metode tersebut sesuai dengan metode yg akan digunakan. Semoga Bermanfaat...
@@hendrywijaya2840 terimakasih pak infonya ternyata di materi yang bapak sampaikan no 5 sesuai dengan dugaan saya bahwa "When the assumption of multivariate normality is violated, the chi-square fit index is inaccurate. The Satorra-Bentler scaled chi-square, which is available in EQS, is often preferred, because this index penalizes the chi-square for kurtosis.", gitu pak, dengan alasan itu apakah ketika kita menggunakan bootstrap kita tidak perlu lagi menggunakan asumsi Probability CMINnya?, karena setiap teori statistik itu kog mungkin saling berhubungan ya pak. karena CMIN juga tidak hanya untuk goodness of fit pada sem saja pak seperti contoh disini www.jmp.com/en_us/statistics-knowledge-portal/chi-square-test/chi-square-goodness-of-fit-test.html#:~:text=What%20is%20the%20Chi%2Dsquare,representative%20of%20the%20full%20population. yang ujung - ujungnya juga berbicara distribusi juga,
@@kemalbudimulyono Baik, pak... Kl mau bicara prihal data terdistribusi normal... Saya sebelum ada membahas sedikit prihal SEM... SEM terbagi menjadi 2, CB-SEM dan VB-SEM (PLS-SEM)... Jika CB-SEM, proses estimasinya harus memenuhi asumsi dasar terlebih dahulu sebelum membahas item2 estimasi.. Asumsi dasar SEM tersebt adalah, Data Harus Terdistribusi Normal, Data Harus Terbebas Dari Outlier, Harus Bebas Multikolinearitas.. Semua Asumsi Dasar tersebut harus terpenuhi dulu, baru bisa membahas item2 selanjutnya yaitu : Model Fit, Hipotesis Test, Dll.. Jika tidak terpenuhi, maka asumsi SEM bisa diabaikan, maka metode yg digunakan adalah menggunakan VB-SEM (PLS-SEM) yg tidak mewajibkan asumsi dasar SEM diatas terpenuhi.. Jadi.. Kl Bapak bilang, SEM saya ujung2nya Bahasannya Data Wajib Terdistribusi Normal... MEMANG BETUL, Pak.. Karen itu adalah asumsi awal dari CB-SEM yg memang WAJIB TERPENUHI.. Kl asumsi dasarnya SUDAH TERPENUHI, maka baru bisa bicara estimasi data selanjutnya.. Bahasan saya diatas, diasumsikan data sudah terdistribusi normal.. video diatas tidak dibahas prihal data terdistribusi normal, karena harus ada bahasan khusus prihal bahasan materi tersebut...
apabila anda mengikuti langkah2 pada video tutorial yg anda tonton, itu bisa menurunkan nilai Chi Square anda... cb ditonton, diperhatikan dan diikuti hingga selesai... semoga bermanfaat...
Permisi Pak Tanya; di model penelitian saya ketika saya uji varuabel eksogen nya korelasi antaravariabel eksogen tersebut mendapatkan nilai min (-), apa penyebabnya ya ? mohon arahan....
@@hendrywijaya2840 baik pak, untuk nilai Goodnes of Fit nya baik semua, P, Cmin/df, AGFI, GFI, TLI CFI RMSEA baik cuman nilai korelasi antara 4 variabel endogen hanya 1 yang mendapatkan nilai posetif yang lainya mendapatkan nilai min/negatif pak, jadi saya bingung disitu....
Pemberatnya terhapus... Dalam paket jalur konstruk, hrs ada 1 jalur yg diberikan angka 1 pada salah satu jalurnya... Jika pemberat (angka 1 disalah satu jalur) terhapus, Mala Amos TDK mau jln... Cb ditonton ulang dg seksama video tutorial nya.. semoga bermanfaat...
Divideo tutorial ini ada bahasan tentang itu.. dimeniike 17.15... mknya, mohon jgn di skip kl menyimak video tutorial nya.. nanti malah bingung sendiri... Semoga bermanfaat...
Bukan.. Kalau mau lihat outlier data, bisa gunakan uji normalitas data... atau jika di AMOS, anda bisa lihat di Assessment of normality, Anda bisa cek di Observations farthest from the centroid (Mahalanobis distance), Jika nilai P1 dibawah 0.001, maka data tersebut terindikasi data yang Outlier.
pak mau tanya, saya kan olah data dengan Stata 17, setelah melakukan uji sem, maka modelnya tidak fit. apakah model tidak fit boleh dilakukan uji hipotesis? atau harus fit dulu modelnya baru bisa uji hipotesis?
@@caesarnurhadiono9281 Mohon maaf... Secara teknis, saya tidak punya kompetensi menggunakan STATA.. Spesialisasi saya menggunakan AMOS... Maka, mohon maaf sekali, saya tidak bisa menjawab pertanyaan diluar kompetensi saya, karena akan membawa dampak tidak baik terhadap ilmu pengetahuan yang disampaikan... terima kasih...
@@hendrywijaya2840 terima kasih pak, saya mau tanya lagi, kenapa modelnya harus fit pak? artinya meskipun model tidak fit dan sudah dilakukan modifikasi model tetap tidak dapat juga nilai fit maka hipotesis tidak bisa di uji?
@@caesarnurhadiono9281 Goodness Fit Model terhadap data harus dievaluasi setelah estimasi, yang bertujuan untuk menentukan apakah ada hubungan antara variabel terukur dan variabel laten dalam model yang diestimasi yang ditunjukkan oleh berbagai Indeks Fit Model seperti indeks Goodness Fit Model (Jöreskog & Sörbom, 1996), chi-kuadrat 2 (Bollen, 1989), Comparative Fit Index (CFI) (Bentler & Chou, 1987), Steiger's Root Mean Square Error of Approximation (RMSEA). Sehingga dari pernyataan beberapa pendapat ahli diatas, dapat disimpulkan bahwa Goodness Fit Model harus dilakukan untuk mengukur seberapa sesuai variabel laten yang digunakan untuk mengukur variabel penelitian... Semoga Bermanfaat.
pak saya mau bertanya jika nilai MI nya ternyata yang tinggi ada di variabel X nya bagaimana ya pak? ga mungkin kalau saya hapus kan pak soalnya pasti kalau dihapus jadi ga ada variabel x nya saya. tolong solusinya pak ?
Nilai error pada MI, akan keluar keluar secara berpasangan... Jika nilai MI dinilai tidak mungkin membuang variabel X, maka anda bisa membuang pasangannya..
Tetapi, jika anda memiliki konstruk atas variabel dengan jumlah yang sedikit, anda bisa menggunakan kombinasi 2 metode untuk memperbaiki model fit nya... atau anda bisa tonton video saya yang lain,..... th-cam.com/video/B-RD68r9Mi0/w-d-xo.html
Pak ini kan data saya yg tinggu z1 berpasangan dengan z2 dan yg paling banyak yaitu z2 keduanya ini merupakan nulai eror dari variabel endogen pak jadi kalay dihapus ttp rdk bisa pas di calculate estimate pak. bagaiamana ya pak solusinya 🥺🙏🙏
@@farnidwi6578 bisa gunakan alternatif MI yg lain.. nilai MI yg tinggi hanya digunakN sebagai patokan dlm mengeliminasi konstruk.. semakin tinggi GAP SCORE MI yg 1 dg yg lain, maka akan memperbnyak penurunan nilai CMIN/DF nya, tetapi nilai MI yg tinggi bukanlah PILIHAN MUTLAK yg harus dipilih untuk dieliminasi. Jika tidak memungkinkan untuk dieliminasi, bisa gunakan nilai MI tertinggi kedua..
Anda silahkan baca komentar dibawah atas pertanyaan Nova Audina... Disana saya menjelaskan literasi pendukung mengenai memodifikasi model fit... Semoga bermanfaat..
Apakah panah merah menyala atau tidak..?? jika panah merah tidak menyala, berarti ada masalah pada data atau pemodelan pada AMOSD... Kl panah merah tidak menyala, maka tidak bisa menampilkan angka pada model... Semoga Bermanfaat...
Permisi pak, izin bertanya untuk teori modifikasi model menjadi fit menghapus indikator ini pake teori apa ya pak? Apakah ada sumbernya pak? Karena saya membutuhkan teori pendukungnya pak.. Terimakasih😊
Saya menggunakan beberapa literatur sumber berkaitan dengan eliminasi konstruk untuk memperoleh model fit : 1. www.usabart.nl/eval/cs-CFA.pdf baca halaman 2, baris paling atas... 2. journals.sfu.ca/jmde/index.php/jmde_1/article/view/432 buka halaman 26, baca paragraf paling atas sebelah kiri... 3. www.aessweb.com/pdf-files/ijass-2014-4(5)-642-653.pdf Ini beberapa literasi yg saya gunakan sebagai dasar eliminasi konstruk pada model SEM dengan menggunakan aplikasi AMOS dengan Metode eliminasi konstruk... Semoga Bermanfaat.
@@hendrywijaya2840 Maaf pak izin bertanya lagi jika memakai kombinasi 2 metode (mengeliminasi dan mengkorelasi) seperti pada video ini th-cam.com/video/B-RD68r9Mi0/w-d-xo.html apakah ada teori pendukungnya pak?
Maaf pak saya ingin bertanya,untuk menjadikan model menjadi fit dengan membuang indikator itu sumbernya dari mana ya pakkk? Soalnya saya butuh referensi pendukungnya pak
@@julianaalfinaiim652 Untuk menghapus konstruk, acuannya hanya 2, yaitu : 1). Jika loading factor dibawah 0,5. 2). Saran yang diperoleh dari tabel Modification Indices...
Maksudnya seperti apa ya..?? nilai p awal 0.000 untuk SEM pada AMOS adalah hal yang biasa terjadi, artinya model belum fit.. maka, harus dilakukan tindakan modifikasi supaya model dapat mencapai level fit..
@@hendrywijaya2840 output path diagram sudah muncul, tapi ketika saya tambahin title Chi-square=\cmin Prob=\p GFI=\GFI AGFI=\AGFI TLI=\TLI RMSEA=\RMSEA Tidak ada angka nya pak waktu saya analisis lagi . Pada view the output path diagram tidak muncul itu knp ya pak ? Terimaksih
@@hendrywijaya2840 gambar panah merah yg gede itu kah pak yg sebelahnya biru ? Kalau itu sudah muncul . Tapi titlenya tidak keluar angka . Wktu sy cek di text analisisnya ada datanya
Berarti terdapat kesalahan.. Banyak hal penyebab kesalahan tersebut, misalnya datanya error, entri data ke AMOS yg salah, atau kesalahan dalam membentuk gambar model di AMOS nya... Tp yg jelas.. saya tidak bisa memastikan kesalahan apa yg terjadi pada model anda, hanya melalui lisan saja.. Saya harus melihat data anda, model AMOS anda, Output model AMOS anda.. anda bisa kontak saya via email.. Terima Kasih...
Mohon maaf atas keterbatasan saya tersebut, pak... Video ini saya buat, tanpa proses persiapan ataupun uji coba sebelumnya.. Jadi, video ini dibuat secara spontan saja tanpa ada persiapan dan uji coba sebelumnya.. Sehingga apapun hasil output estimasi tidak bisa diprediksi, karena dilakukan secara spontan dan tanpa persiapan sebelumnya..
Thank you Pak Hendry Wijaya, materinya sangat bermanfaat buat saya...
Terima kasih kembali, pak
terimakasih banyak pak atas penjelasannya, sangat membantu saya dalam pengerjaan skripsi. semangat terus pakkk
Sama-sama... Semoga Bermanfaat...
terima kasih, sehat selalu Pak
Terimakasih banyak Pak penjelasannya, sangat membantu saya.
Sama-sama... Semoga Bermanfaat...
Terima kasih pak atas ilmunya🙏
Semoga bermanfaat
terima kasih... sangat membantu...
Mantap pak, kalau ada literatur yang mendasari penggunaan ordinal tanpa harus dirubah ke interval pada SEM AMOS tolong dishare pak
Menurut pendapat saya (opini subjektif), secara umum data peneitian jika dikaitkan dengan statistika penelitian memiliki 2 jenis, yaitu Parametrik dan Non Parametrik. Parametrik adalah data dengan ukuran/kharakteristik yang jelas, misalnya : Tinggi badan, berat badan, nominal uang, dll.. sedangkan Non Parametrik, tidak memiliki ukuran/kharakteristik yg jelas, misalnya : Persepsi, Pendapat, Opini, dll. Berkaitan dengan pertanyaan bapak diatas, penggunaan skala ordinal hanya diperuntukan untuk Non Parametrik yang umum digunakan untuk memperoleh informasi dari responden berkaitan dengan Pendapat, Persepsi, Opini, dll. Sebagai ilustrasi sederhana, Jika menggunakan model regresi sederhana, yaitu : Y = a + bX + e.... Misalnya, Model hasil output estimasi, Y = 3 + 10X, hasil uji hipotesis variabel X terhadap Y adalah SIGNIFIKAN... Jika penjelasan dengan menggunakan pendekatan statistika parametrik dan data yang digunakan adalah data interval (KUANTITATIF), maka bahasan intepretasi datanya akan menjadi : "Variabel X berpengaruh positif terhadap variabel Y, sebesar 10 point", dengan skala interval, intepretasi data bisa menjelaskan besaran pengaruh interaksi koefisien... Tetapi berbeda jika dengan model output yang sama, yaitu : Y = 3 + 10X, tetapi menggunakan pendekatan statstika Non Parametrik dan data yg digunakan menggunakan skala ordinal, maka interpretasi datanya adalah : "Variabel X berpengaruh positif terhadap variabel Y", tanpa bisa menyebutkan ukuran besaran pengaruhnya, hal ini dikarenakan data sumber merupakan data ordinal yang bersumber dari pendapat, opini dan persepsi (KUALITATIF), maka tidak bisa diketahui besaran pengaruhnya, karena persepsi, pendapat atau opini seseorang adalah hal yg tidak bisa diukur besarannya ...
mujigunarto.wordpress.com/2008/12/25/perlukah-data-ordinal-di-transformasi-ke-interval-dengan-msi/
atau
www.researchgate.net/publication/315895857_TRANFORMASI_DATA_ORDINAL_KE_INTERVAL_DENGAN_METHOD_OF_SUCCESSIVE_INTERVAL_MSI
Ini dasar sumber bacaan literasi... semoga bermanfaat...
Assalamu'alaikum warahmatullahi wabarakatuh, terimakasih atas video yang bapak buat, sangat membantu sekali 🙏
Mau bertanya pak, apabila sudah melakukan eliminasi tetapi setelah tu tidak bisa d run, apa penyebab nya ya pak?
Jika di perkenankan, saya akan mengirimkan model dan output nya ke email bapak 🙏
Banyak hal yg menyebabkan hal itu.. Mungkin bisa jd Anda menghapus constrain atau pemberat jalur menuju konstruk.
Selamat malam pak hendra, sy sedang kebingungan dengan amos ini.
Yang menjadi masalah di saya.
Validitas oke diatas 0.7 tapi normalitas ikut naik diatas 2.58.
Godness of fit juga naik pak.
Ketika gof sesuai, validitas dibawah 0.7 pak.
Mana yang harus sy perbaiki pak?
Ada beberapa literasi yang mengatakan pada level 0.5 atau lebih, sdh bs dianggap valid... anda bisa gunakan pendapat ahli ini...
Kl anda menggunakan Skala Ordinal metode Likert, sdh pasti data tidak normal, itu hal yg sangat, sangat, sangat wajar sekali... justru kl anda menggunakan skala tersebut, data bisa langsung normal tanpa ada treatment khusus, atau terindikasi datanya fiktif...
Anda bisa tonton beberapa video saya tentang bahasan data tidak normal..... th-cam.com/video/z1Z1dk6_XIA/w-d-xo.html
th-cam.com/video/Qzm1G_HnGHI/w-d-xo.html
dan uji validitas data...
th-cam.com/video/YjEUxYS-1xg/w-d-xo.html
Literasi ini saya sampaikan untuk aplikasi SmartPLS, tp ini jg berlaku untuk ketentuan SEM pada AMOS..
Terima kasih mas ilmunya... tapi metode ini apa bisa dilakukan juga waktu test CFA?
Bisa, pak Zulfikri... Terima kasih sudah menonton video ini
pak, izin bertanya, kalau dengan menghilangkan indikatornya, berarti otomatis berubah untuk pertanyaan atau pernyataan yang kita ajukan untuk kuesioner?? apakah cara satu"nya adalah menghilangkannya pak?
kemudian, alasan jelas apa yang bisa saya pertimbangkan dengan dosen saya, kalau saya memodifikasi model yang saya ajukan dengan menghilangkan konstruk errornya pak? terima kasih
nyimak
Saya sudah analisis cfa pervariabelnya, kemudian saya hapus indikator yg nilai loading factornya di bwh 0.5, kemudian saya gabungin lagi semua variabel trus saya analisis lagi dan semua loading factornya sudah mencukupi tapi kriteria goodnes of fitnya belum memenuhi. Pertanyaan saya apa boleh dilakukan seperti cara di video ini? Soalnyakan saya sudah pernah menghapus sebelumnya?
Video tutorial yang saya sampaikan diatas merupakan salah satu upaya guna memperbaiki goodnes of fit model ketika menggunakan metode CB-SEM, karena metode diatas secara literasi empiris juga dilakukan oleh beberapa ahli.. sebagai pertimbangan, anda juga bisa menonton vido saya yang lain yang juga berkaitan dengan materi diatas, ini linknya : th-cam.com/video/B-RD68r9Mi0/w-d-xo.html Semoga Bermanfaat....
Salam dari Banyumas pak, sy bisa minta file PDF yg bapak gunakan di awal video sbg acuan?
Ini link download filenya, pak... wernermurhadi.files.wordpress.com/2011/07/pemodelan-sem.pdf Semoga Bermanfaat.....
permisi pak mau tanya, setelah eliminasi konstruk kan modelnya jadi kurang rapih ya jadi ada jarak2 gitu, nah itu boleh dirapihin atau dibiarin kaya gitu aja pak? terima kasih sebelumnya 🙏🏼
Boleh dirapikan, semoga bermanfaat..
@@hendrywijaya2840 baik terima kasih banyak pak 🙏🏼
ijin komentar jika permasalahannya ada di cmin df, sebenarnya permasalahannya adalah di normalitas data, dan jika menghapus banyak indikator pertanyaanya apakah konstruk tersebut akan robust, maka dari itu sekiranya tanpa membuang indikator yang banyak memungkinkan tidak menggunakan bootstraping
Terima kasih banyak informasinya, pak... saya cb tanggapi komentar bapak dengan segala keterbatasan ilmu pengetahuan saya...
1. Tujuan saya mengeliminasi konstruk adalah untuk memodifikasi model sehingga diperoleh Model yang Fit dan hal ini merupakan salah satu asumsi wajib pada SEM, dan bukan untuk membuat hasil estimasi data yg tidak terdistribusi normal menjadi normal, karena jika data tidak terdistribusi normal, memang BENAR.. cukup dengan boostraping, masalah normalitas dapat diasumsikan selesai..
2. Apabila Estimasi Data SEM menggunakan Aplikasi AMOS, ada Item khusus yg menjabarkan prihal normalitas data, yaitu pengujian assesment
of normality dari program AMOS, dimana nilai Multivariate nya harus kurang dari atau sama dengan 3, bahkan beberapa literasi mewajibkan kurang dari 2,56. Jika diatas angka tersebut, maka hasil estimasi data SEM dengan AMOS dapat diasumsikan tidak terdistribusi dengan normal.
3. Apabila ingin mengetahui Outlier Estimasi Data SEM dengan AMOS, dapat dilihat dari mahalanobis d-squared, lihat nilai P1, jika nilai dibawah 1% atau 0,01, maka terdapat Outlier dan hendaknya baris yg terjadi outlier dibuang.
4. Terdapat literasi yg berkaitan dengan estimasi data dengan metode SEM menyatakan bahwa, Jika nilai Modification Indices yg tinggi, mengindikasikan terdapat keterkaitan yg tinggi antar konstruk (Multikolinearitas), maka solusinya dihapus salah satu konstruk atau disambungkan dengan garis kovarian..
5. Jika menggunakan regresi robust, maka itu bukan SEM lagi, metodenya sudah berubah... Regresi Rogust melibatkan KOMPOSIT/MANIFEST/OBSERVED VARIABEL dalam proses estimasi, dan bukan STRUCTURE/LATENT/UNOBSERVED VARIABEL.
6. SEM secara umum terbagi menjadi 2 jenis, yaitu : CB-SEM dan VB-SEM (PLS-SEM). CB-SEM adalah estimasi data dengan segala asumsi SEM yg harus dipenuhi dalam proses estimasi data dengan menggunakan SEM, dan proses estimasi datanya hanya melibatkan item struktural variabel (Konstruk)... Sedangkan VB-SEM berbasis OLS yg di Structural kan, bisa mengabaikan beberapa asumsi SEM.. Proses estimasi data bisa menggabungkan STRUCTURE/LATENT/UNOBSERVED VARIABEL dengan KOMPOSIT/MANIFEST/OBSERVED VARIABEL pada proses estimasi datanya...
Sekian penjelasan saya, mohon maaf hanya ini yg mampu saya sampaikan dengan ketrbatasan pengetahuan saya.... Semoga Bermanfaat...
@@hendrywijaya2840 terimakasih atas penjelasannya pak, menurut bapak artikel yang menunjukkan bahwa chi-square berhubungan dengan normalitas seperti ini
en.wikipedia.org/wiki/Chi-square_distribution apakah secara statistik betul?
@@kemalbudimulyono Dalam teknik statistika dan anasis data statistika, akan banyak sekali ditemukan 1 metode uji digunakan untuk beberapa teknik analisis data.. Jika membahas Chi-Square, maka akan banyak sekali bahasan yg bisa dibicarakan.. termasuk uji distribusi normal, tetapi disisi lain, Uji Chi-Square juga bisa digunakan sebagai Uji beda non parametris. Mengingat, Uji Chi-Square bisa digunakan untuk beberapa uji, sehingga peneliti dituntut untuk dapat memilih dan menentukan peruntukan uji tersebut akan digunakan untuk metode apa yg paling tepat.. sebagai contoh yg lain... Uji Pearson Corelation juga bisa digunakan untuk beberapa uji.. Misalnya, Uji Validitas, Uji Korelasi, Uji Koefisien Determinasi.. Bagaimana peneliti menggunakan ALAT tersebut sesuai dengan peruntukan dan metode estimasi yg tepat..
Ok... Saya kembali ke materi SEM... Pada Metode SEM, nilai CMIN/DF memang dapat digunakan untuk mengetahui Goodness Of Fit model (Uji Kelayakan Model) atau secara sederhana saya dapat katakan, bahwa model yg Fit, maka model tersebut diasumsikan mampu mendeskripsikan data dengan fenomena mendekati realitasnya.. Ada beberapa sumber literasi yg menjelaskan prihal CMIN/DF digunakan untuk melihat model FIT pada SEM..
1.core.ac.uk/download/pdf/43007241.pdf.
2.hrmars.com/papers_submitted/472/Application_of_Structural_Equation_Modeling_(SEM)_in_restructuring_state_intervention_strategies_toward_paddy_production_development.pdf
3.www.matec-conferences.org/articles/matecconf/pdf/2017/52/matecconf_eacef2017_05005.pdf
4.wernermurhadi.files.wordpress.com/2011/07/pemodelan-sem.pdf
5.www.sicotests.com/psyarticle.asp?id=277
6.www.ncbi.nlm.nih.gov/pmc/articles/PMC4109107/
dan masih banyak lagi bahasan yg lain mengenai Model Fit dengan Indikator CMIN/DF.
Pada intinya, Peruntukan Chi-Square yg ditempatkan sebagai apa, itulah hal yg paling penting... Saya tidak menyalahkan literasi diatas, karena saya secara pribadi tidak memiliki kompetensi yg cukup untuk dapat menyalahkan literasi dan teori baku. Yg bisa saya lakukan adalah mengkomparasi atau mencari literasi empiris dan teoritis tentang peruntukan yg tepat berkaitan dengan metode tersebut sesuai dengan metode yg akan digunakan. Semoga Bermanfaat...
@@hendrywijaya2840 terimakasih pak infonya ternyata di materi yang bapak sampaikan no 5 sesuai dengan dugaan saya bahwa "When the assumption of multivariate normality is violated, the chi-square fit index is inaccurate. The Satorra-Bentler scaled chi-square, which is available in EQS, is often preferred, because this index penalizes the chi-square for kurtosis.", gitu pak, dengan alasan itu apakah ketika kita menggunakan bootstrap kita tidak perlu lagi menggunakan asumsi Probability CMINnya?, karena setiap teori statistik itu kog mungkin saling berhubungan ya pak. karena CMIN juga tidak hanya untuk goodness of fit pada sem saja pak seperti contoh disini www.jmp.com/en_us/statistics-knowledge-portal/chi-square-test/chi-square-goodness-of-fit-test.html#:~:text=What%20is%20the%20Chi%2Dsquare,representative%20of%20the%20full%20population. yang ujung - ujungnya juga berbicara distribusi juga,
@@kemalbudimulyono Baik, pak... Kl mau bicara prihal data terdistribusi normal... Saya sebelum ada membahas sedikit prihal SEM... SEM terbagi menjadi 2, CB-SEM dan VB-SEM (PLS-SEM)... Jika CB-SEM, proses estimasinya harus memenuhi asumsi dasar terlebih dahulu sebelum membahas item2 estimasi.. Asumsi dasar SEM tersebt adalah, Data Harus Terdistribusi Normal, Data Harus Terbebas Dari Outlier, Harus Bebas Multikolinearitas.. Semua Asumsi Dasar tersebut harus terpenuhi dulu, baru bisa membahas item2 selanjutnya yaitu : Model Fit, Hipotesis Test, Dll.. Jika tidak terpenuhi, maka asumsi SEM bisa diabaikan, maka metode yg digunakan adalah menggunakan VB-SEM (PLS-SEM) yg tidak mewajibkan asumsi dasar SEM diatas terpenuhi.. Jadi.. Kl Bapak bilang, SEM saya ujung2nya Bahasannya Data Wajib Terdistribusi Normal... MEMANG BETUL, Pak.. Karen itu adalah asumsi awal dari CB-SEM yg memang WAJIB TERPENUHI.. Kl asumsi dasarnya SUDAH TERPENUHI, maka baru bisa bicara estimasi data selanjutnya.. Bahasan saya diatas, diasumsikan data sudah terdistribusi normal.. video diatas tidak dibahas prihal data terdistribusi normal, karena harus ada bahasan khusus prihal bahasan materi tersebut...
pak saya izin bertanya, kalau semisal nilai chi square nya besar itu gimana ya? apakah ada solusi? :")
apabila anda mengikuti langkah2 pada video tutorial yg anda tonton, itu bisa menurunkan nilai Chi Square anda... cb ditonton, diperhatikan dan diikuti hingga selesai... semoga bermanfaat...
Permisi Pak Tanya; di model penelitian saya ketika saya uji varuabel eksogen nya korelasi antaravariabel eksogen tersebut mendapatkan nilai min (-), apa penyebabnya ya ?
mohon arahan....
Kl nilai yg lain gimana, mas..?? Ada yg error gak...
Saya juga tidak bisa mengira2, apa penyebabnya.. Saya harus lihat langsung Output Estimasi Datanya...
@@hendrywijaya2840 baik pak, untuk nilai Goodnes of Fit nya baik semua, P, Cmin/df, AGFI, GFI, TLI CFI RMSEA baik cuman nilai korelasi antara 4 variabel endogen hanya 1 yang mendapatkan nilai posetif yang lainya mendapatkan nilai min/negatif pak, jadi saya bingung disitu....
@@hendrywijaya2840 Untuk hasil outputnya apa bisa saya kontak bapak via WA/email ?
@@alansequiera3359 Saya ada tulis email di jawaban Farni Dwi...
permisi bapak, jika setelah di hapus indikator namun tidak bisa di calculate itu bagaimana ya, apakah data saya yang bermasalah bapak?
Pemberatnya terhapus... Dalam paket jalur konstruk, hrs ada 1 jalur yg diberikan angka 1 pada salah satu jalurnya... Jika pemberat (angka 1 disalah satu jalur) terhapus, Mala Amos TDK mau jln... Cb ditonton ulang dg seksama video tutorial nya.. semoga bermanfaat...
Divideo tutorial ini ada bahasan tentang itu.. dimeniike 17.15... mknya, mohon jgn di skip kl menyimak video tutorial nya.. nanti malah bingung sendiri... Semoga bermanfaat...
@@hendrywijaya2840 baik terimakasih jawabannya bapak, sudah bisa di calculate sekarang
Pak .mau tanya ..ko tampilan amos saya gak seperti pada umumnya ya. Jadi hitam kecil gitu .. bagaimana mengembalikan ke tampilan awal ya pak
bentuknya seperti apa ya..?? kl tidak ada foto atau gambarnya, saya tidak bisa menduga-duga masalahnya apa...
Ndak bisa kirim gambar ya pak disini
@@eemratnaningsih1676 bisa kirim ke email saya, boy.plg2021@gmail.com
itu yg dibuang namanya outlier ya pak?
Bukan.. Kalau mau lihat outlier data, bisa gunakan uji normalitas data... atau jika di AMOS, anda bisa lihat di Assessment of normality, Anda bisa cek di Observations farthest from the centroid (Mahalanobis distance), Jika nilai P1 dibawah 0.001, maka data tersebut terindikasi data yang Outlier.
Semoga bermanfaat...
@@hendrywijaya2840 apakah ada videonya pak?
@@racheliahani4945 Maaf, saya memang belum sempat membuat videonya, karna terkendala waktu dan kesibukan di kampus..
Kak saya malah diilangin jdi kosong CMINDF nya
pak mau tanya, saya kan olah data dengan Stata 17, setelah melakukan uji sem, maka modelnya tidak fit.
apakah model tidak fit boleh dilakukan uji hipotesis?
atau harus fit dulu modelnya baru bisa uji hipotesis?
Jika metode yg digunakan adalah SEM, maka modelnya hrs Fit terlebih dahulu, br bisa dibahas uji hipotesisnya. Semoga bermanfaat...
@@hendrywijaya2840 terima kasih ilmunya pak.
tanya lagi pak, apakah di program stata bisa hapus2 juga seperti program amos yg bapak contohkan?
@@caesarnurhadiono9281 Mohon maaf... Secara teknis, saya tidak punya kompetensi menggunakan STATA.. Spesialisasi saya menggunakan AMOS... Maka, mohon maaf sekali, saya tidak bisa menjawab pertanyaan diluar kompetensi saya, karena akan membawa dampak tidak baik terhadap ilmu pengetahuan yang disampaikan... terima kasih...
@@hendrywijaya2840 terima kasih pak, saya mau tanya lagi, kenapa modelnya harus fit pak?
artinya meskipun model tidak fit dan sudah dilakukan modifikasi model tetap tidak dapat juga nilai fit maka hipotesis tidak bisa di uji?
@@caesarnurhadiono9281 Goodness Fit Model terhadap data harus dievaluasi setelah estimasi, yang bertujuan untuk menentukan apakah ada hubungan antara variabel terukur dan variabel laten dalam model yang diestimasi yang ditunjukkan oleh berbagai Indeks Fit Model seperti indeks Goodness Fit Model (Jöreskog & Sörbom, 1996), chi-kuadrat 2 (Bollen, 1989), Comparative Fit Index (CFI) (Bentler & Chou, 1987), Steiger's Root Mean Square Error of Approximation (RMSEA). Sehingga dari pernyataan beberapa pendapat ahli diatas, dapat disimpulkan bahwa Goodness Fit Model harus dilakukan untuk mengukur seberapa sesuai variabel laten yang digunakan untuk mengukur variabel penelitian... Semoga Bermanfaat.
pak saya mau bertanya jika nilai MI nya ternyata yang tinggi ada di variabel X nya bagaimana ya pak? ga mungkin kalau saya hapus kan pak soalnya pasti kalau dihapus jadi ga ada variabel x nya saya. tolong solusinya pak ?
Nilai error pada MI, akan keluar keluar secara berpasangan... Jika nilai MI dinilai tidak mungkin membuang variabel X, maka anda bisa membuang pasangannya..
Tetapi, jika anda memiliki konstruk atas variabel dengan jumlah yang sedikit, anda bisa menggunakan kombinasi 2 metode untuk memperbaiki model fit nya... atau anda bisa tonton video saya yang lain,..... th-cam.com/video/B-RD68r9Mi0/w-d-xo.html
@@hendrywijaya2840 baik pak terimakasih banyak 🙏
Pak ini kan data saya yg tinggu z1 berpasangan dengan z2 dan yg paling banyak yaitu z2 keduanya ini merupakan nulai eror dari variabel endogen pak jadi kalay dihapus ttp rdk bisa pas di calculate estimate pak. bagaiamana ya pak solusinya 🥺🙏🙏
@@farnidwi6578 bisa gunakan alternatif MI yg lain.. nilai MI yg tinggi hanya digunakN sebagai patokan dlm mengeliminasi konstruk.. semakin tinggi GAP SCORE MI yg 1 dg yg lain, maka akan memperbnyak penurunan nilai CMIN/DF nya, tetapi nilai MI yg tinggi bukanlah PILIHAN MUTLAK yg harus dipilih untuk dieliminasi. Jika tidak memungkinkan untuk dieliminasi, bisa gunakan nilai MI tertinggi kedua..
Bang, itu buku acuannya judulnya apa?
Anda silahkan baca komentar dibawah atas pertanyaan Nova Audina... Disana saya menjelaskan literasi pendukung mengenai memodifikasi model fit... Semoga bermanfaat..
Pak hendry
Mau tanya
Kalau angka angka di model tidak mau dimunculkan bagaimana ya pak?
Apakah panah merah menyala atau tidak..?? jika panah merah tidak menyala, berarti ada masalah pada data atau pemodelan pada AMOSD... Kl panah merah tidak menyala, maka tidak bisa menampilkan angka pada model... Semoga Bermanfaat...
Permisi pak, izin bertanya untuk teori modifikasi model menjadi fit menghapus indikator ini pake teori apa ya pak? Apakah ada sumbernya pak? Karena saya membutuhkan teori pendukungnya pak.. Terimakasih😊
Saya menggunakan beberapa literatur sumber berkaitan dengan eliminasi konstruk untuk memperoleh model fit :
1. www.usabart.nl/eval/cs-CFA.pdf baca halaman 2, baris paling atas...
2. journals.sfu.ca/jmde/index.php/jmde_1/article/view/432 buka halaman 26, baca paragraf paling atas sebelah kiri...
3. www.aessweb.com/pdf-files/ijass-2014-4(5)-642-653.pdf
Ini beberapa literasi yg saya gunakan sebagai dasar eliminasi konstruk pada model SEM dengan menggunakan aplikasi AMOS dengan Metode eliminasi konstruk... Semoga Bermanfaat.
@@hendrywijaya2840 Maaf pak izin bertanya lagi jika memakai kombinasi 2 metode (mengeliminasi dan mengkorelasi) seperti pada video ini th-cam.com/video/B-RD68r9Mi0/w-d-xo.html apakah ada teori pendukungnya pak?
@@novaaudina5977 Ya gunakan saja masing2 teori... Teori yg membahas tentang menghubungkan garis covarian... dan teori yg membahas tentang eliminasi...
Kemudian dinarasikan, kedua metode tersebut digabungkan guna mendapatkan model yang fit...
@@hendrywijaya2840 apakah ada jurnal pendukungnya pak jika memakai kombinasi metode?
Maaf pak saya ingin bertanya,untuk menjadikan model menjadi fit dengan membuang indikator itu sumbernya dari mana ya pakkk? Soalnya saya butuh referensi pendukungnya pak
Apakah ada ahli yang penyatakan hal tersebut, kalau boleh tau sumbernya apa ya pak?
@@julianaalfinaiim652 Untuk menghapus konstruk, acuannya hanya 2, yaitu : 1). Jika loading factor dibawah 0,5. 2). Saran yang diperoleh dari tabel Modification Indices...
Untuk sumbernya pak bagaimana? Apakah ada di bukunya atau jurnalnya siapa gitu paa
Soalnya saya butuh sumber pendukungnya, agar nnti semisal ditanya penguji bisa menjawab pakk, biar tambah yajin gitu pak
@@julianaalfinaiim652 Anda bisa baca2 Materi ini, stat.utexas.edu/images/SSC/Site/AMOS_Tutorial.pdf
Pak saya sudah berhasil buat p > 0,05 dan cmin/df
Saya harus liat output secara keseluruhan, baru bisa kasih komentar,... Kl hanya lisan saja, agak sulit menganalisanya..
@@hendrywijaya2840 minta tolong lihatkan apa bisa pak? nanti saya kirim gambar ke email bapak ?
@@farnidwi6578 saya coba dulu ya..
@@farnidwi6578 Berapa responden anda
@@hendrywijaya2840 183 pak
Pak kalau model default CMIN p.000 itu bagaimana ya pak ?
Maksudnya seperti apa ya..?? nilai p awal 0.000 untuk SEM pada AMOS adalah hal yang biasa terjadi, artinya model belum fit.. maka, harus dilakukan tindakan modifikasi supaya model dapat mencapai level fit..
@@hendrywijaya2840 output path diagram sudah muncul, tapi ketika saya tambahin title
Chi-square=\cmin
Prob=\p
GFI=\GFI
AGFI=\AGFI
TLI=\TLI
RMSEA=\RMSEA
Tidak ada angka nya pak waktu saya analisis lagi . Pada view the output path diagram tidak muncul itu knp ya pak ? Terimaksih
@@yunitadefianti7068 Coba lihat teks output nya... Apakah Model Fit nya keluar.. Kl tidak keluar, semua angka diatas, bisa jadi tidak keluar...
Maaf...., setelah calculate, panah merahnya menyala atau tidak...??
@@hendrywijaya2840 gambar panah merah yg gede itu kah pak yg sebelahnya biru ? Kalau itu sudah muncul . Tapi titlenya tidak keluar angka . Wktu sy cek di text analisisnya ada datanya
pa kalo udh di buang indikatornya trs cminnya udh dibawah 2, tp nilai p masih 0.00 kenapa ya?
Lanjutkan proses penyambungan dengan garis covarians nya atau eliminasi konstruk nya.. smpe nilai P diatas 0,05
@@hendrywijaya2840 konstruk saya sedikit pak, kalo saya pake metode menghubungkan error gmn pak?
@@hendrywijaya2840 responden saya 327 pak
@@salmasafitrii cb tonton video saya yg ini... th-cam.com/video/B-RD68r9Mi0/w-d-xo.html
pa saya boleh nanya ga ke email? kalo saya hapua konstruk atau penyambungan konstruk nilai dfnya ikut turun jg ya pak?
Pak setelah dieliminasi tp ko ga bisa dirun kenapa ya pak?🙏
apakah saya bisa lihat gambar modelnya..?? anda bisa kirim via email, boy.plg2001@gmail.com
Saya tidak bisa menduga-duga masalahnya apa.. apabila saya tidak melihat model penelitian anda..
Pak itu habis dong indikatornya?😭
Anda bisa cek dan tonton video tutorial saya yg lain menggunakan 2 metode...
Pak itu ko panah merahnya bisa di klik ya? Saya gak bisa
Berarti terdapat kesalahan.. Banyak hal penyebab kesalahan tersebut, misalnya datanya error, entri data ke AMOS yg salah, atau kesalahan dalam membentuk gambar model di AMOS nya... Tp yg jelas.. saya tidak bisa memastikan kesalahan apa yg terjadi pada model anda, hanya melalui lisan saja.. Saya harus melihat data anda, model AMOS anda, Output model AMOS anda.. anda bisa kontak saya via email.. Terima Kasih...
@@hendrywijaya2840 boleh minta email-nya? 🙏
@@lisaangelica3773 wijayahendry2001@gmail.com
@@hendrywijaya2840 pak sudah saya email ya
Ngomongnya lama
Mohon maaf atas keterbatasan saya tersebut, pak... Video ini saya buat, tanpa proses persiapan ataupun uji coba sebelumnya.. Jadi, video ini dibuat secara spontan saja tanpa ada persiapan dan uji coba sebelumnya.. Sehingga apapun hasil output estimasi tidak bisa diprediksi, karena dilakukan secara spontan dan tanpa persiapan sebelumnya..