| dc.description.abstract | Hasil analisis menunjukkan bahwa pada data berdistribusi normal, metode
ML dan robust standard errors dengan Satorra-Bentler scaled test statistic berkerja
dengan baik. Meskipun lebih kecil daripada , selisih kedua SEs tidak
terlalu jauh. Pada saat ukuran sampel sama dengan 30 (N=30) selisih terbesar adalah
0,085. Selisih tersebut semakin kecil seiring dengan bertambahnya ukuran sampel.
Uji statistik kedua metode juga menghasilkan nilai yang hampir sama, ditunjukkan
oleh adanya nilai scaling corrections factor (SCF) yang mendekati 1 yang berarti
bahwa data berdistribusi normal dan tidak memerlukan koreksi. Hal ini menyebabkan
selisih uji statistik tidak terlalu jauh berbeda. Misalnya pada saat N=60,
dan . Analisis dengan N=30 dan N=60 menghasilkan p-value
yang tergolong rendah yaitu dibawah 5% dan bias yang tinggi ( 10%). Pada saat
N=105, , kedua metode menghasilkan p-value di atas 5% dan keduanya
bekerja baik dengan menghasilkan bias 0%.
Pada data yang tidak berdistribusi normal, metode robust standard errors
dengan Satorra-Bentler scaled test statistic lebih baik daripada ML. lebih
besar daripada dan selisih keduanya jauh berbeda. SCF yang diberikan pada
data nonnormal dengan N=105 mencapai 1,616. Nilai koreksi tersebut menyebabkan
selisih uji statistik kedua metode jauh berbeda ( ) baik pada saat N=30, 60,
maupun 105. Semakin besar ukuran sampel hasil analisis semakin baik, hal ini dapat
dilihat dari nilai bias. Pada saat N=105, analisis yang dikoreksi dengan
menghasilkan bias=0% sedangkan menghasilkan bias=32%. Sementara itu pada
N=30 dan 60, bias yang dihasilkan masih lebih besar atau sama dengan 10%. Metode
statistical testing robust standard errors dengan Satorra-Bentler scaled test statistic
menghasilkan nilai-nilai yang lebih baik sehingga peluang menerima model atau
hipotesis null lebih besar. Namun metode tersebut juga memerlukan ukuran sampel
yang tidak terlalu kecil. Penjelasan tersebut didukung dengan beberapa visualisasi
yaitu diagram jalur, struktur kovarian, dan struktur kovarian residual dari masingmasing
distribusi data. Berdasarkan diagram jalur dapat dilihat nilai estimasi
parameter yang dihasilkan mendekati nilai pada data yang ditetapkan. Sementara
gambar struktur kovarian residual menunjukkan kesesuaian antara struktur kovarian
keseluruhan data (implied) dan model data yang diamati (observed). | en_US |
