Analisis Jalur Variabel Laten dengan Indikator Campuran: Analisis Komponen Utama Nonlinier dan Korelasi Rank Spearman

Hardianti, Rindu and Dr. Ir. Solimun, MS. and Nurjannah, S.Si., M.Phil., Ph.D. (2024) Analisis Jalur Variabel Laten dengan Indikator Campuran: Analisis Komponen Utama Nonlinier dan Korelasi Rank Spearman. Magister thesis, Universitas Brawijaya.

Abstract

Analisis komponen utama adalah analisis yang digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan. Analisis komponen utama tidak memungkinkan menganalisis data dengan hubungan antarvariabel nonlinier, atau memiliki indikator dari variabel laten berskala campuran (metrik dan nonmetrik). Oleh karena itu tujuan penelitian ini adalah mengembangkan analisis jalur variabel laten dengan model indikator campuran menggunakan analisis komponen utama nonlinier dan analisis komponen utama korelasi rank Spearman serta menganalisis performa analisis jalur variabel laten dengan menerapkan analisis komponen utama nonlinier dan analisis komponen utama korelasi rank Spearman. Penelitian ini menggunakan data sekunder dan data simulasi. Data sekunder didapatkan dari hasil penelitian mengenai kemampuan nasabah membayar KPR bank, rasa takut membayar terlambat, dan tepat waktu membayar KPR dengan banyak sampel data 100. Skala data yang digunakan yaitu skala data campuran. Studi simulasi pada penelitian ini dilakukan untuk melihat bagaimana performa analisis komponen utama nonlinier dan analisis komponen utama korelasi rank Spearman pada analisis jalur. Aspek skenario yang digunakan adalah ukuran sampel, error variance model struktural, model pengukuran dan tingkat korelasi antar indikator. Hasil penelitian menunjukkan Analisis komponen utama nonlinier dan korelasi rank Spearman secara garis besar dapat digunakan dengan baik. Selain itu, disimpulkan bahwa performa analisis jalur dengan mereduksi data indikator menggunakan analisis komponen utama korelasi rank Spearman memiliki koefisien determinasi yang lebih baik dari pada analisis komponen utama nonlinier yaitu sebesar 93,85% ketepatan waktu membayar dipengaruhi oleh kemapuan membayar KPR yang dimediasi oleh rasa takut membayar terlambat sisanya dipengaruhi oleh variabel lain diluar model.

English Abstract

Principal component analysis is an analysis used to reduce the dimensions of data without significantly reducing the characteristics of the data. Principal component analysis does not allow analyzing data with nonlinear relationships between variables, or having indicators from mixed-scale latent variables (metric and non-metric). Therefore, the aim of this research is to develop latent variable path analysis with mixed indicator models using nonlinear principal component analysis and Spearman rank correlation principal component analysis as well as analyzing the performance of latent variable path analysis by applying nonlinear principal component analysis and Spearman rank correlation principal component analysis. This research uses secondary data and simulation data. Secondary data was obtained from research results regarding customers' ability to pay bank mortgages, fear of paying late, and paying mortgages on time with a data sample of 100. The data scale used is a mixed data scale. The simulation study in this research was carried out to see how nonlinear principal component analysis and Spearman rank correlation principal component analysis perform in path analysis. The scenario aspects used are sample size, structural model error variance, measurement model and level of correlation between indicators. The results of the research show that nonlinear principal component analysis and Spearman rank correlation can generally be used well. In addition, it was concluded that the performance of path analysis by reducing indicator data using Spearman rank correlation principal component analysis had a better coefficient of determination than nonlinear principal component analysis. 93.85% of punctuality of payment is influenced by the ability to pay the mortgage which is mediated by the fear of paying late, the rest is influenced by other variables outside the model.

Item Type:	Thesis (Magister)
Identification Number:	0424090009
Uncontrolled Keywords:	Analisis Jalur Variabel Laten dengan Indikator Campuran: Analisis Komponen Utama Nonlinier dan Korelasi Rank Spearman
Divisions:	S2/S3 > Magister Statistika, Fakultas MIPA
Depositing User:	Unnamed user with username nova
Date Deposited:	25 Apr 2024 03:18
Last Modified:	25 Apr 2024 03:18
URI:	http://repository.ub.ac.id/id/eprint/218584

Text (DALAM MASA EMBARGO) Rindu Hardianti.pdf Restricted to Registered users only Download (5MB)

Actions (login required)

View Item