Tools pada Software Lisrel

LISREL (Linear Structural Relations) adalah software SEM berbasis kovarians buatan Karl Jöreskog dan Dag Sörbom (Scientific Software International). Berbeda dengan AMOS, LISREL bisa bekerja dengan syntax (kode), SIMPLIS (bahasa sederhana), maupun Path Diagram. Selain SEM, LISREL punya modul PRELIS (olah data dan statistik awal) dan modul Multilevel. Nama menu bisa sedikit berbeda antarversi (8.8, 9.x, 10).

0. Komponen Utama

LISREL: estimasi model SEM, CFA, dan path analysis.

PRELIS: menyiapkan data, screening, korelasi, dan statistik dasar.

SIMPLIS: syntax sederhana yang mirip bahasa sehari-hari.

Path Diagram: menggambar model dan menampilkan hasil di diagram.

Multilevel (MLM): model bertingkat (HLM).

Survey GLIM: model linear umum untuk data survei.

Jenis file:

Ekstensi

Isi

.psf

PRELIS system file (data)

.lsf

data LISREL

.spl

syntax SIMPLIS

.ls8

syntax LISREL

.pr2

syntax PRELIS

.out

file hasil output

.pth

diagram jalur

.cov / .cor / .dat

matriks kovarians, korelasi, atau data mentah

1. Menu File

New: membuat file baru. Pilihannya Syntax Only (SIMPLIS/LISREL/PRELIS), Path Diagram, PRELIS Data, Text, dan Output.

Open: membuka file LISREL.

Import Data: mengimpor data dari SPSS (.sav), Excel, SAS, Stata, STATISTICA, Systat, atau teks. Hasilnya otomatis jadi file .psf.

Import External Data in Other Formats: pilihan format impor yang lebih lengkap.

Export Data: menyimpan data ke format lain.

Save / Save As: menyimpan file aktif.

Close: menutup jendela.

Print / Print Setup: mencetak dan mengatur halaman.

Recent Files: daftar file yang baru dibuka.

Exit: keluar dari program.

2. Menu Edit

Undo / Redo: membatalkan atau mengulang aksi.

Cut, Copy, Paste, Delete: menyunting teks atau sel data.

Select All: memilih semua isi.

Find / Find Next / Replace: mencari dan mengganti teks.

Go To: pindah ke baris atau sel tertentu.

Insert Variable / Insert Case: menyisipkan variabel atau baris.

Delete Variable / Delete Case: menghapus variabel atau baris.

Define Variables: mengatur nama, tipe, dan label variabel (lihat menu Data).

Copy / Paste Special: menyalin hasil ke Word atau Excel.

3. Menu View

Toolbar: menampilkan atau menyembunyikan toolbar.

Status Bar: menampilkan baris status.

Font: mengubah jenis dan ukuran huruf.

Zoom: pembesaran tampilan.

Show/Hide Variable Labels: tampilan label variabel.

4. Menu Data (Pengolahan Data di PRELIS)

Aktif ketika file data (.psf) terbuka.

Define Variables: mengatur nama, tipe variabel (continuous, ordinal, censored, categorical), label, dan nilai missing. Tipe ordinal penting untuk Likert, karena LISREL memakai korelasi polychoric.

Insert Variable / Insert Case: menambah kolom dan baris.

Sort Cases: mengurutkan data.

Select Variables/Cases: memilih variabel atau responden tertentu.

Weight Variables: memberi bobot pada kasus.

Merge Files: menggabungkan dua file data (menambah kasus atau variabel).

Transpose Data: menukar baris dan kolom.

Randomly Split File: membagi data secara acak (misal untuk validasi silang).

Aggregate: merangkum data per kelompok.

Output Options: mengatur isi output PRELIS (matriks, jumlah desimal, nama file).

5. Menu Transformation

Recode Variables: mengubah nilai (misal menggabungkan kategori).

Compute: membuat variabel baru dari rumus (misal skor total atau rasio).

Transform Variables: transformasi matematis (log, akar, kuadrat).

Normal Scores: mengubah variabel menjadi skor normal (normal scores) agar lebih mendekati normal.

Impute Missing Values: mengisi data hilang (matching atau EM).

6. Menu Statistics

a. Data Screening

Statistik deskriptif per variabel: mean, SD, skewness, kurtosis, serta uji normalitas univariat dan multivariat.

Berguna sebelum SEM untuk mendeteksi pelanggaran normalitas.

b. Multiple Imputation dan Full Information Maximum Likelihood (FIML)

Menangani data hilang secara lebih canggih daripada penghapusan listwise.

c. Equating

Equating antar skala atau tes (pengaturan skor setara).

d. Factor Analysis

Exploratory Factor Analysis (EFA): ekstraksi dan rotasi faktor, plus scree plot.

e. Regression

Regresi linear, Censored Regression, Probit Regression, Logit Regression, dan Two-Stage Least Squares (2SLS).

f. Bivariate/Multivariate

Korelasi (Pearson, polychoric, polyserial, tetrachoric), serta matriks kovarians dan korelasi asimtotik.

g. Output Options

Mengatur hasil statistik yang disimpan (matriks korelasi/kovarians, asymptotic covariance matrix).

Keluaran penting dari PRELIS: matriks korelasi polychoric dan asymptotic covariance matrix, yang dipakai untuk estimasi WLS/DWLS pada data ordinal.

7. Menu Graphs

Bar / Histogram: distribusi data.

Scatter Plot / Bivariate Plot: hubungan dua variabel.

Box-and-Whisker Plot: median, kuartil, dan outlier.

Pie Chart: grafik lingkaran untuk kategori.

Probability Plot (Q-Q): cek normalitas.

Matrix Plot: scatter plot antar banyak variabel.

Edit Graph: mengubah judul, sumbu, warna, dan ukuran.

8. Menu Multilevel

Untuk data bertingkat (misal nasabah dalam cabang bank, mahasiswa dalam kelas).

Linear Models: model linear bertingkat (random intercept, random slope).

Generalized Linear Models: respons biner, ordinal, atau count.

Nonlinear Models.

Variance Components: menghitung proporsi varians antar level (ICC).

Hierarchical/Level 2-3 Models: hingga tiga level.

Output Options: mengatur hasil.

9. Menu Survey GLIM (Opsional)

Model linear dan non-linear untuk data survei dengan desain sampling kompleks (bobot, strata, cluster).

10. Menu Window dan Help

Window

Cascade / Tile: menata jendela.

Daftar jendela yang terbuka.

Help

Contents: dokumentasi.

LISREL Syntax Guide: panduan perintah.

Examples: contoh model siap pakai (CFA, SEM, multigrup, growth curve).

About LISREL: informasi versi.

11. Toolbar dan Tombol Penting

Tombol - Fungsi

Ikon L (Run LISREL) - menjalankan syntax LISREL/SIMPLIS

Ikon P (Run PRELIS) - menjalankan syntax PRELIS

Ikon Path Diagram - membuka diagram dari hasil analisis

Ikon Open/Save/Print - operasi file standar

Ikon Define Variables - mengatur variabel data

Ikon Graph - membuat grafik

12. Path Diagram

Setelah menjalankan syntax dengan perintah PD (path diagram), diagram tampil otomatis.

Pilihan tampilan hasil di diagram

Estimates: nilai koefisien tak-terstandar.

Standardized Solution: koefisien terstandar.

t-values: nilai uji signifikansi (|t| ≥ 1,96 signifikan).

Modification Indices: saran perbaikan model.

Menu Setup di Path Diagram

Title and Comments, Group Names, Labels, Data, Number of Groups.

Model: mengatur jenis variabel dan batasan.

Estimation Options: pilihan metode estimasi.

Fitur tambahan

Menggambar kotak (variabel observed), elips (variabel laten), panah jalur, dan panah kovarians.

Mengubah warna, ukuran font, dan posisi objek.

Menyimpan diagram atau menyalinnya ke Word.

13. Syntax Editor (Bahasa Perintah)

a. SIMPLIS (lebih mudah)

Contoh CFA/path analysis:

Title Pengaruh FDR dan CAR terhadap ROA

Observed Variables: FDR CAR NPF ROA

Covariance Matrix from File data.cov

Sample Size: 120

Relationships:

ROA = FDR CAR NPF

Path Diagram

Options: ND=3 SC MI

End of Problem

b. LISREL (syntax matriks)

DA NI=4 NO=120 MA=CM

LA

FDR CAR NPF ROA

CM FI=data.cov

MO NY=1 NX=3 GA=FU,FI

FR GA(1,1) GA(1,2) GA(1,3)

PD

OU ME=ML SC MI ND=3

c. Perintah dan Matriks Penting

Perintah - Arti

DA - Data parameters (NI = jumlah variabel, NO = jumlah sampel, MA = jenis matriks)

LA - Label variabel

CM / KM / RA - Matriks kovarians / korelasi / data mentah

MO - Model (menentukan matriks dan bentuknya)

FR / FI - Free (diestimasi) / Fixed (ditetapkan)

VA - Memberi nilai tetap pada parameter

EQ - Menyamakan dua parameter

PD - Path diagram

OU -  Output (pilihan hasil)

Matriks LISREL 

Matriks - Fungsi

LX - Loading variabel eksogen (X ← ξ)

LY - Loading variabel endogen (Y ← η)

TD (Θδ) - Kovarians error indikator X

TE (Θε) - Kovarians error indikator Y

PH (Φ) - Kovarians antar variabel laten eksogen

PS (Ψ) - Kovarians error struktural variabel laten endogen

GA (Γ) - Pengaruh eksogen → endogen

BE (Β) - Pengaruh endogen → endogen

TX, TY, KA, AL - Intersep dan rata-rata

Bentuk matriks: ZE (nol), ID (identitas), DI (diagonal), SY (simetris), FU (penuh).

14. Pilihan Output (Perintah OU)

Opsi - Fungsi

ME= - Metode estimasi: ML, GLS, ULS, WLS, DWLS, TSLS

SC - Completely standardized solution

SS - Standardized solution

TV - t-values

MI - Modification indices

RS - Residuals dan standardized residuals

EF - Efek langsung, tidak langsung, dan total

FS - Factor scores

ND= - Jumlah desimal

AD=OFF - Mematikan pemeriksaan admissibility

IT= - Batas iterasi

PC - Matriks korelasi

15. Metode Estimasi

ML (Maximum Likelihood): paling umum, mensyaratkan data normal multivariat.

Robust ML: koreksi untuk data tidak normal (Satorra-Bentler).

GLS (Generalized Least Squares): alternatif ML.

ULS (Unweighted Least Squares): tidak butuh asumsi distribusi, tapi tidak punya uji χ².

WLS / ADF: untuk data tidak normal, butuh sampel sangat besar.

DWLS: untuk data ordinal, memakai korelasi polychoric.

2SLS (Two-Stage Least Squares): untuk model persamaan simultan.

16. Output yang Dibaca

Goodness-of-Fit Statistics

Chi-Square, df, p-value: p ≥ 0,05 diharapkan.

RMSEA: ≤ 0,08 (baik ≤ 0,05), beserta 90% CI dan P-Value for Test of Close Fit.

SRMR: ≤ 0,08.

GFI / AGFI: ≥ 0,90.

NFI, NNFI (TLI), CFI, IFI, RFI: ≥ 0,90 (baik ≥ 0,95).

AIC, CAIC, ECVI: membandingkan model (semakin kecil semakin baik).

Critical N (CN): ukuran sampel yang membuat model cukup fit (≥ 200).

Estimasi parameter

Estimates, Standard Error, t-value: |t| ≥ 1,96 signifikan.

Completely Standardized Solution: loading dan koefisien jalur terstandar.

R² (Squared Multiple Correlations): varians yang dijelaskan.

Modification Indices: saran penambahan jalur atau korelasi error.

Standardized Residuals: sebaiknya antara -2,58 dan +2,58.

Total and Indirect Effects: untuk analisis mediasi.

Validitas dan reliabilitas konstruk (dihitung manual dari loading)

- Loading terstandar ≥ 0,50 (ideal ≥ 0,70).

- CR (Composite Reliability) ≥ 0,70.

- AVE ≥ 0,50.

17. Jenis Analisis yang Bisa Dilakukan

- CFA (Confirmatory Factor Analysis).

- Path Analysis.

- Full SEM (model pengukuran + struktural).

- Second-order CFA.

- Analisis mediasi (efek tidak langsung).

- Multigroup Analysis (uji invariansi antar kelompok).

- Latent Growth Curve Model.

- MIMIC Model.

- Multilevel SEM/HLM.

- Analisis data ordinal (polychoric + DWLS/WLS).

18. Alur Kerja Umum

1. Siapkan data (Excel/SPSS) lalu File → Import Data menjadi .psf.

2. Data → Define Variables: atur tipe variabel (ordinal/continuous) dan label.

3. Statistics → Data Screening: cek normalitas dan outlier.

4. Simpan matriks korelasi/kovarians dari PRELIS.

5. Buka File → New → Syntax Only (SIMPLIS/LISREL), tulis model.

6. Klik Run LISREL.

7. Baca output: Goodness-of-Fit, t-values, standardized solution.

8. Perbaiki model dengan Modification Indices (bila perlu dan sesuai teori).

9. Buka Path Diagram dan salin hasil ke Word.

19. Panduan Memilih Tools

Tujuan - Tools

Impor data - File → Import Data

Atur tipe variabel - Data → Define Variables

Cek normalitas dan outlier - Statistics → Data Screening - Data hilang

Impute Missing Values / FIML / Multiple - Imputation

EFA - Statistics → Factor Analysis

Data Likert - Polychoric + DWLS/WLS

Menulis model sederhana - SIMPLIS

Model kompleks - Syntax LISREL

Lihat hasil di gambar - Path Diagram (PD)

Perbaiki model - Modification Indices (MI)

Efek mediasi - Opsi EF

Data bertingkat - Menu Multilevel

Catatan: LISREL versi Student gratis dengan batas jumlah variabel (sekitar 12 variabel), jadi cocok untuk belajar dan model kecil. Perbedaan lain dengan AMOS: LISREL lebih fleksibel untuk data ordinal dan model rumit, tapi kurva belajarnya lebih curam.