SOFTWARE AMOS

 

Panduan Lengkap AMOS (Analysis of Moment Structures)

1. Apa itu AMOS?

AMOS adalah perangkat lunak untuk Structural Equation Modeling (SEM) berbasis diagram jalur (path diagram). Software ini awalnya dikembangkan oleh James Arbuckle, kemudian dipasarkan oleh SPSS Inc. dan kini di bawah IBM sebagai bagian dari keluarga IBM SPSS. Pengguna cukup menggambar model di layar, lalu AMOS mengestimasi dan menampilkan hasilnya langsung pada diagram.

Ciri utama:

• Berbasis grafis (drag and drop): model digambar dengan ikon, tanpa coding
• Terintegrasi dengan IBM SPSS Statistics, data umumnya dibaca dari file .sav
• Khusus untuk SEM berbasis kovarians (CB-SEM)
• Hanya tersedia untuk Windows
• Berbayar (lisensi terpisah dari SPSS), sehingga kampus atau lab sering menyediakan versi yang sudah terpasang
• Bisa juga digunakan lewat coding (AMOS Basic, VB.NET, C#) untuk kebutuhan lanjutan

2. Fungsi dan Kegunaan

AMOS dipakai untuk menguji hubungan antarvariabel yang kompleks dan menguji kecocokan model teori dengan data. Fungsi utamanya:

Analisis	Keterangan
CFA (Confirmatory Factor Analysis)	Menguji apakah indikator benar-benar mengukur konstruk (validitas konstruk)
Analisis jalur (Path Analysis)	Menguji pengaruh langsung dan tidak langsung antarvariabel teramati
Full SEM	Gabungan model pengukuran (CFA) dan model struktural
Mediasi	Menguji efek tidak langsung (dengan bootstrapping)
Multi-group analysis	Membandingkan model antar kelompok (misalnya laki-laki vs perempuan) dan uji invariansi
Latent growth curve	Menganalisis perubahan variabel dari waktu ke waktu
Bayesian estimation	Estimasi Bayesian untuk model tertentu
Missing data	Penanganan data hilang dengan FIML (Full Information Maximum Likelihood)
Modification indices	Saran perbaikan model agar lebih cocok dengan data

Bidang pemakai: psikologi, pendidikan, manajemen, pemasaran, perilaku konsumen, kesehatan, sosiologi.

3. Konsep Dasar SEM yang Perlu Dipahami

Istilah	Arti	Simbol di AMOS
Variabel laten	Konstruk yang tidak diukur langsung (misalnya kepuasan, motivasi)	Elips / lingkaran
Variabel teramati (indikator)	Data yang benar-benar diukur (item kuesioner)	Persegi panjang
Error (residual)	Kesalahan pengukuran atau prediksi	Lingkaran kecil
Panah satu arah	Hubungan kausal / pengaruh	→
Panah dua arah	Korelasi / kovarians	↔
Eksogen	Variabel bebas (tidak dipengaruhi variabel lain dalam model)
Endogen	Variabel terikat (dipengaruhi variabel lain)

4. Instalasi

1. AMOS tersedia sebagai add-on dari IBM SPSS Statistics (paket tersendiri)
2. Unduh dari IBM atau melalui penyedia lisensi kampus
3. Jalankan installer dan masukkan kode lisensi
4. Pastikan IBM SPSS Statistics juga terpasang bila ingin bekerja dari file .sav

Catatan: skema lisensi, harga, dan versi terbaru bisa berubah, jadi cek langsung di situs resmi IBM.

5. Mengenal Tampilan AMOS

AMOS terdiri dari dua program:

• AMOS Graphics: tempat menggambar model dan menjalankan analisis
• AMOS Program Editor: tempat menulis model dengan kode

Bagian layar AMOS Graphics:

• Toolbox (kiri): ikon menggambar dan mengedit diagram
• Area gambar (tengah): kanvas model
• Panel parameter (samping): menampilkan hasil (Unstandardized/Standardized)
• Menu atas: File, Edit, View, Diagram, Analyze, Tools, Plugins, Help

Ikon penting di toolbox:

Ikon	Fungsi
Persegi panjang	Menggambar variabel teramati
Elips	Menggambar variabel laten
Elips + indikator	Menggambar variabel laten beserta indikator dan error sekaligus
Panah satu arah	Hubungan kausal
Panah dua arah	Kovarians / korelasi
Ikon "List variables in data set"	Menampilkan daftar variabel dari file data
Ikon "Data Files"	Memilih file data
Ikon "Analysis Properties"	Mengatur output analisis
Ikon "Calculate Estimates"	Menjalankan analisis
Ikon "Object Properties"	Memberi nama variabel

6. Cara Menggunakan AMOS (Langkah demi Langkah)

A. Menyiapkan Data

1. Susun data di SPSS atau Excel: satu kolom per item, satu baris per responden
2. Pastikan tidak ada teks di kolom item, dan data missing sudah diperiksa
3. Simpan dalam format .sav (AMOS juga dapat membaca Excel, tetapi .sav lebih aman)
4. Ukuran sampel disarankan memadai. Aturan praktis yang sering dipakai: minimal 100–200 responden, atau sekitar 5–10 kali jumlah parameter/indikator.

B. Membuka Data di AMOS

1. Buka AMOS Graphics
2. Klik File → Data Files
3. Klik File Name, pilih file data, lalu OK
4. Jumlah kasus (N) akan tampil sebagai konfirmasi.

C. Menggambar Model

Contoh: CFA dengan satu konstruk berindikator 3 item

1. Pilih ikon "Draw a latent variable or add an indicator to a latent variable"
2. Klik di kanvas, lalu klik tiga kali pada elips untuk menambah tiga indikator. Error otomatis ditambahkan.
3. Pilih ikon "List variables in data set", lalu seret nama item dari daftar ke kotak indikator
4. Beri nama variabel laten dengan klik kanan → Object Properties → Text
5. Beri nama error (e1, e2, e3). Bisa otomatis lewat Plugins → Name Unobserved Variables.

Contoh: Model struktural (pengaruh antar konstruk)

1. Gambar setiap konstruk laten beserta indikatornya
2. Hubungkan konstruk dengan panah satu arah dari variabel bebas ke variabel terikat
3. Tambahkan error (residual) pada variabel endogen, bisa lewat ikon "Add a unique variable to an existing variable"
4. Hubungkan antar-variabel eksogen dengan panah dua arah bila diperlukan

Tip: Untuk menetapkan skala, AMOS otomatis memberi bobot 1 pada salah satu indikator tiap konstruk (marker variable). Pastikan juga setiap error dan residual bernilai 1 pada jalurnya.

D. Mengatur Output Analisis

1. Klik ikon Analysis Properties (atau View → Analysis Properties)
2. Buka tab Output, lalu centang:
   • Standardized estimates
   • Squared multiple correlations
   • Modification indices
   • Indirect, direct, and total effects (jika ada mediasi)
3. Tab Estimation: pilih Maximum likelihood (default)
4. Tab Bootstrap: aktifkan Perform bootstrap (misalnya 2000 sampel) bila menguji mediasi

E. Menjalankan Analisis

1. Simpan model terlebih dahulu (file .amw)
2. Klik Calculate Estimates (ikon kalkulator / tombol Analyze → Calculate Estimates)
3. Lihat hasil dengan ikon View the output path diagram dan View Text (Output)
4. Tampilan bisa dialihkan antara Unstandardized estimates dan Standardized estimates di panel Parameter Formats.

7. Membaca Hasil Analisis

A. Uji Kecocokan Model (Goodness of Fit)

Indeks	Kriteria umum
Chi-square (χ²)	Semakin kecil semakin baik, p > 0,05 (sensitif terhadap ukuran sampel)
CMIN/DF	≤ 2 (atau ≤ 3) baik
GFI	≥ 0,90
AGFI	≥ 0,90
CFI	≥ 0,90 (lebih baik ≥ 0,95)
TLI	≥ 0,90 (lebih baik ≥ 0,95)
RMSEA	≤ 0,08 (lebih baik ≤ 0,05)
SRMR	≤ 0,08

Catatan: Batas ini merupakan pedoman umum dan bisa berbeda antar-referensi. Sebaiknya laporkan beberapa indeks sekaligus, jangan hanya satu.

B. Evaluasi Model Pengukuran (CFA)

• Loading factor (standardized regression weight): ≥ 0,50 (lebih baik ≥ 0,70)
• Validitas konvergen: Average Variance Extracted (AVE) ≥ 0,50
• Reliabilitas konstruk: Composite Reliability (CR) ≥ 0,70
• Validitas diskriminan: akar AVE lebih besar daripada korelasi antar-konstruk (kriteria Fornell-Larcker)

AMOS tidak langsung menghitung AVE dan CR. Biasanya dihitung manual di Excel dari nilai loading, atau memakai plugin/tool tambahan.

C. Evaluasi Model Struktural

• Lihat tabel Regression Weights: nilai C.R. (critical ratio) dan P
• Pengaruh dinyatakan signifikan jika C.R. ≥ 1,96 atau p < 0,05
• Lihat Standardized Regression Weights untuk besarnya pengaruh
• Lihat Squared Multiple Correlations (R²) untuk daya jelaskan variabel endogen

D. Pengaruh Tidak Langsung (Mediasi)

• Aktifkan Indirect, direct & total effects dan Bootstrap
• Buka Estimates → Matrices → Indirect effects
• Jika interval kepercayaan bootstrap tidak mencakup nol, efek tidak langsung signifikan

8. Perbaikan Model (Model Modification)

Jika model belum fit:

1. Periksa loading factor yang rendah (< 0,50) dan pertimbangkan menghapus indikator tersebut
2. Lihat Modification Indices (MI): nilai MI tinggi pada pasangan error berarti ada korelasi error yang bisa ditambahkan (hubungkan e-e dengan panah dua arah)
3. Periksa Standardized Residual Covariances (nilai > |2,58| menunjukkan masalah)
4. Periksa outlier dan normalitas multivariat (Assessment of normality → Mardia's coefficient)
5. Lakukan modifikasi satu per satu dan tetap berlandaskan teori, bukan sekadar mengejar angka fit

9. Asumsi dan Syarat SEM

• Ukuran sampel memadai
• Normalitas data (univariat dan multivariat)
• Tidak ada outlier ekstrem (cek Mahalanobis distance)
• Tidak ada multikolinearitas berat
• Model teridentifikasi (degree of freedom ≥ 0, yang disebut over-identified bila df > 0)
• Linearitas hubungan antarvariabel
• Data berskala interval / rasio atau ordinal dengan banyak kategori (Likert 5–7 poin umumnya dianggap dapat diterima)

10. Menyimpan dan Mengekspor Hasil

• Simpan model: File → Save (.amw)
• Salin diagram ke Word: Edit → Copy (to Clipboard), lalu tempel
• Ekspor tabel output: di jendela Text Output, klik kanan → Copy, atau pilih File → Print
• Simpan diagram sebagai gambar: File → Save As → pilih format gambar

11. Perbandingan AMOS dengan Software SEM Lain

Aspek	AMOS	SmartPLS	LISREL	Mplus	lavaan (R)	JASP (SEM)
Pendekatan	CB-SEM	PLS-SEM (juga CB-SEM di versi terbaru)	CB-SEM	CB-SEM (sangat fleksibel)	CB-SEM	CB-SEM
Cara kerja	Grafis	Grafis	Sintaks / grafis	Sintaks	Coding	Klik / sintaks
Harga	Berbayar	Berbayar (ada versi gratis terbatas)	Berbayar	Berbayar	Gratis	Gratis
Sistem operasi	Windows	Windows, macOS	Windows	Windows, macOS, Linux	Semua	Semua
Kemudahan	Mudah	Mudah	Sedang	Sulit	Sedang	Mudah
Cocok untuk	Skripsi/tesis dengan teori kuat & sampel memadai	Sampel kecil, model prediktif	Riset lanjutan	Model kompleks, data kategorik, longitudinal	Riset dan reproducibility	Pemula, riset akademik

12. Kelebihan dan Kekurangan

Kelebihan

• Antarmuka grafis sangat intuitif, cocok untuk pemula SEM
• Terintegrasi dengan SPSS
• Menyediakan indeks kecocokan model yang lengkap
• Mendukung bootstrapping, multi-group, dan penanganan missing data
• Banyak referensi, tutorial, dan contoh pada skripsi/tesis/jurnal

Kekurangan

• Berbayar dan hanya untuk Windows
• Hanya CB-SEM (tidak mendukung PLS-SEM)
• Membutuhkan ukuran sampel relatif besar dan data cenderung normal
• Tidak menyediakan AVE dan CR secara langsung
• Kurang fleksibel untuk model sangat kompleks (dibanding Mplus atau lavaan)
• Diagram besar bisa merepotkan untuk diatur

13. Tips Praktis

1. Rancang model dari teori dulu (gambar di kertas), baru digambar di AMOS.
2. Pastikan nama variabel di data sama persis dengan yang dipakai di diagram.
3. Mulai dengan CFA tiap konstruk, lalu gabungkan ke model penuh.
4. Simpan model sering-sering, dan buat salinan sebelum melakukan modifikasi.
5. Laporkan beberapa indeks fit, bukan hanya satu.
6. Jangan menghapus banyak indikator hanya demi fit. Cukup sampai model wajar dan teori tetap terjaga.
7. Untuk data Likert, cek normalitas dan outlier sebelum estimasi.
8. Jika muncul pesan "Model is not identified" atau "Heywood case" (varians error negatif), periksa penetapan bobot 1, jumlah indikator per konstruk (idealnya ≥ 3), dan spesifikasi model.