Berbagai Macam Syntax Analysis

http://www.psych.auckland.ac.nz/en/about/our-staff/academic-staff/chris-sibley/chris-sibley-supplementary-files.html

Panduan Analisis Faktor Multi Group dari EduNet

In this module, we study recent changes in anti-immigration attitudes in 17 European countries. Anti-immigration attitudes are operationalised by means of a scale consisting of three items. Thus, the purpose of this module is to compare an attitude scale over different time points and across countries. However, comparing abstract concepts - such as attitude scales - involves additional methodological issues. Before meaningful comparisons can be made over time and across countries, it is necessary to guarantee that the variable of interest is measured in a sufficiently comparable way. After all, it could be the case that respondents in different countries interpret the items in very divergent ways, due, for example, to culture-specific terms or translation errors. It is also possible that the interpretation of items changes over time. Obviously, if the meaning of items is not constant over time and across countries, then we end up comparing apples and oranges.

All pages - ESS EduNet

Dua Cara Proses Identifikasi dalam Analisis Faktor Konfirmatori

Dalam melakukan analisis faktor konfirmatori (CFA), ada dua cara yang dapat dilakukan agar model yang kita kembangkan dapat teridentifikasi. Dua cara tersebut adalah

1. Membuat Indikator Penanda. Melalui cara ini skor salah satu INDIKATOR EMPIRIK ditetapkan mewakili skor standar Z. Rerata skor butir 0 dan varians skornya adalah 1. Hal ini dapat dilakukan dengan menetapkan nilai muatan faktor (factor loading) butir tersebut sebesar 1.Indikator ini kemudian menjadi referensi bagi indikator lainnya.

2. Menetapkan Faktor sebagai Skor Standar. Melalui proses ini, identifikasi dilakukan dengan menetapkan rerata dan varians FAKTOR LATEN sesuai skor standar Z. Rerata skor faktor dikondisikan sebesar 0 dan varians faktor dikondisikan sebesar 1.

Berkenalan dengan Regresi Probit

Ketika variabel dependen (Y) berbentuk dikotomi atau biner dan diasumsikan mengikuti distribusi binomial kita dapat menggunakan analisis regresi logit atau probit. Salah satu keuntungan untuk menggunakan regresi probit adalah bahwa nilai-nilai yang diperoleh dari pencocokan model (fitting) langsung dapat diubah menjadi probabilitas dengan menggunakan nilai dari tabel normal standar. Dalam hal ini kita hanya perlu [...]

Continue Reading →

Aplikasi Teori Respons Butir Melalui MPLUS

Teori respons butir untuk model 2PL ditunjukkan dengan persamaan di bawah ini. D adalah faktor koreksi untuk mendekatkan dengan kurva normal yang nilainya 1.7. a menunjukkan daya diskriminasi aitem, b menunjukkan tingkat kesulitan aitem dan θ menunjukkan level abilitas individu.
File selengkapnya dapat di unduh di sini KLIK

Menerapkan Proses Bootstrapping dalam Proses Estimasi Reliabilitas

Situasi data di dalam populasi yang menjadi target penelitian kita, tidak kita ketahui dengan pasti. Kita hanya bisa mengestimasinya melalui situasi data sampel yang didapatkan dari populasi tersebut. Kadang pengambilan data yang kita dapatkan dipengaruhi oleh faktor kebetulan. Nah, untuk mengatasi pengaruh kebetulan ini, kita dapat memanfaatkan prosedur yang dinamakan dengan Bootstrapping. Proses ini merupakan bagian dari jenis resampling. Resampling sebenarnya bisa kita lakukan dengan mengambil data lagi, namun kadang keterbatasan waktu dan biaya menghalangi kita untuk melakukannya. Bootstrapping menjadi salah satu bentuk resampling tanpa turun lagi ke lapangan.

Hipotesis : Antara Ilmu Sosial dan Eksakta

Misalnya ada seorang bertanya kepada anda, “Nilai t-hitung yang saya dapatkan adalah 4,00. Apakah hipotesis penelitian saya diterima?” Yang berlatar belakang ilmu sosial mengasumsikan bahwa hipotesis yang dimaksud penanya adalah hipotesis alternatif (Ha/H1). Sebaliknya, yang berlatar belakang ilmu eksak (matematika/statistika) mengasumsikan hipotesis peneliti adalah Hipotesis nihil (H0). Manakah yang tepat? Anda pasti tahu jawabnya. Ahli statistik sangat memahami statistik beserta filosofinya, jadi asumsi merekalah yang tepat. Hipotesis yang diajukan peneliti adalah H0. Namun demikian asumsi dari pihak ilmu sosial juga tidak salah-salah amat. Penjelasan berikut ini semoga bisa menjembatani dilema ini. File PDF Bisa diunduh di sini

Pemodelan Persamaan Struktural pada Data yang Tidak Normal

Pengujian hipotesis dalam pemodelan persamaan struktural (SEM) dapat dibagi menjadi dua kelas besar: (a) uji ketepatan model (model fit) secara keseluruhan model dan (b) uji signifikansi nilai estimasi parameter individual. Kedua jenis uji ini mengasumsikan bahwa: (a) model persamaan struktural yang pakai sebagai landasan adalah benar; dan (b) bahwa data yang digunakan untuk menguji model mengikuti distribusi normal multivariat bersama (joint multivariate normal distribution/JMVN) pada populasi dimana sampel diambil. Jika data sampel kita tidak memenuhi asumsi JMVN, maka nilai statistik kai-kuadrat yang dipakai dalam menunjukkan ketepatan model fit (model fit) secara keseluruhan akan meningkat dan kesalahan standar (SE) yang dipakai untuk menguji signifikansi parameter akan menurun.
Baca selengkapnya

Tanya Jawab tentang Uji Normalitas

Uji statistik banyak menggunakan asumsi bahwa data yang dianalisis berasal dari populasi yang terdistribusi Gaussian atau disebut juga dengan distribusi normal .
File dalam bentuk PDF bisa diunduh di sini

Bisa selengkapnya di sini

Tiga Model Pengukuran - Paralel, Tau Ekivalen dan Konjenerik

Ada tiga jenis model pengukuran, yaitu model pengukuran konjenerik, ekuivalen tau dan paralel. Model pengukuran konjenerik mengasumsikan semua nilai muatan faktor (lambda) dan varians eror (e) pengukuran antar butir bervariasi. Model ekuivalen tau mengasumsikan hanya nilai muatan butir saja yang bervariasi. Sebaliknya, model pengukuran paralel, memiliki asumsi lebih ketat, semua nilai muatan butir (lambda) dan eror pengukuran (e) antar butir memiliki kesamaan, alias tidak bervariasi.