# Package
library(readxl)
library(seminr)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(psych)
library(corrplot)
## corrplot 0.95 loaded
# Read Data
dataset <- read_excel("C:/Users/user/Downloads/KUISIONER TEPUK SAKINAH.xlsx")
# Indikator X dan Y
indikator_x <- paste0("X", 1:13)
indikator_y <- paste0("Y", 1:33)
data_xy <- dataset[, c(indikator_x, indikator_y)]
# Cek Missing Value
colSums(is.na(data_xy))
## X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 Y1 Y2 Y3 Y4 Y5 Y6 Y7
## 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## Y8 Y9 Y10 Y11 Y12 Y13 Y14 Y15 Y16 Y17 Y18 Y19 Y20 Y21 Y22 Y23 Y24 Y25 Y26 Y27
## 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## Y28 Y29 Y30 Y31 Y32 Y33
## 0 0 0 0 0 0
# Deskriptif untuk variabel X
desc_x <- describe(data_xy[, indikator_x])
desc_x
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 103 4.80 0.63 5 4.94 0.00 1 5 4 -4.44 22.63 0.06
## X2 2 103 4.44 0.95 5 4.64 0.00 1 5 4 -2.05 4.31 0.09
## X3 3 103 4.19 0.99 4 4.36 1.48 1 5 4 -1.47 2.11 0.10
## X4 4 103 4.72 0.68 5 4.86 0.00 1 5 4 -3.53 15.27 0.07
## X5 5 103 4.77 0.69 5 4.93 0.00 1 5 4 -3.95 17.09 0.07
## X6 6 103 4.77 0.66 5 4.92 0.00 1 5 4 -3.98 18.39 0.07
## X7 7 103 4.69 0.69 5 4.82 0.00 1 5 4 -3.31 13.81 0.07
## X8 8 103 4.71 0.67 5 4.83 0.00 1 5 4 -3.54 15.96 0.07
## X9 9 103 4.66 0.74 5 4.81 0.00 1 5 4 -3.05 11.03 0.07
## X10 10 103 4.70 0.70 5 4.84 0.00 1 5 4 -3.30 13.23 0.07
## X11 11 103 4.72 0.71 5 4.88 0.00 1 5 4 -3.36 13.14 0.07
## X12 12 103 4.70 0.70 5 4.84 0.00 1 5 4 -3.30 13.23 0.07
## X13 13 103 4.67 0.69 5 4.80 0.00 1 5 4 -3.17 12.98 0.07
# Deskriptif untuk variabel Y
desc_y <- describe(data_xy[, indikator_y])
desc_y
## vars n mean sd median trimmed mad min max range skew kurtosis se
## Y1 1 103 4.56 0.82 5 4.76 0.00 1 5 4 -2.17 4.61 0.08
## Y2 2 103 4.61 0.78 5 4.80 0.00 1 5 4 -2.37 5.83 0.08
## Y3 3 103 4.26 0.95 5 4.42 0.00 1 5 4 -1.35 1.51 0.09
## Y4 4 103 4.51 0.77 5 4.66 0.00 1 5 4 -1.93 4.49 0.08
## Y5 5 103 3.88 1.49 5 4.10 0.00 1 5 4 -1.03 -0.50 0.15
## Y6 6 103 4.06 1.48 5 4.31 0.00 1 5 4 -1.27 -0.06 0.15
## Y7 7 103 4.56 0.76 5 4.72 0.00 1 5 4 -2.11 5.10 0.08
## Y8 8 103 4.42 0.83 5 4.58 0.00 1 5 4 -1.59 2.58 0.08
## Y9 9 103 4.21 1.31 5 4.51 0.00 1 5 4 -1.53 0.96 0.13
## Y10 10 103 3.90 1.45 5 4.12 0.00 1 5 4 -1.01 -0.47 0.14
## Y11 11 103 4.42 0.97 5 4.64 0.00 1 5 4 -1.94 3.42 0.10
## Y12 12 103 4.52 0.81 5 4.71 0.00 1 5 4 -1.96 3.92 0.08
## Y13 13 103 4.15 1.23 5 4.40 0.00 1 5 4 -1.37 0.80 0.12
## Y14 14 103 4.62 0.69 5 4.75 0.00 1 5 4 -2.41 7.65 0.07
## Y15 15 103 4.39 1.21 5 4.70 0.00 1 5 4 -1.90 2.29 0.12
## Y16 16 103 4.49 0.80 5 4.65 0.00 1 5 4 -1.75 3.29 0.08
## Y17 17 103 3.09 1.53 3 3.11 1.48 1 5 4 -0.15 -1.49 0.15
## Y18 18 103 4.50 0.88 5 4.69 0.00 1 5 4 -1.97 3.78 0.09
## Y19 19 103 4.22 1.15 5 4.46 0.00 1 5 4 -1.46 1.11 0.11
## Y20 20 103 4.20 0.98 4 4.37 1.48 1 5 4 -1.51 2.30 0.10
## Y21 21 103 4.00 1.36 5 4.24 0.00 1 5 4 -1.12 -0.08 0.13
## Y22 22 103 3.29 1.38 3 3.36 1.48 1 5 4 -0.33 -1.08 0.14
## Y23 23 103 4.57 0.89 5 4.80 0.00 1 5 4 -2.51 6.27 0.09
## Y24 24 103 4.22 1.30 5 4.52 0.00 1 5 4 -1.61 1.29 0.13
## Y25 25 103 4.17 1.29 5 4.46 0.00 1 5 4 -1.48 0.91 0.13
## Y26 26 103 4.22 1.07 5 4.45 0.00 1 5 4 -1.55 1.75 0.11
## Y27 27 103 4.58 0.85 5 4.78 0.00 1 5 4 -2.47 6.21 0.08
## Y28 28 103 4.31 1.12 5 4.57 0.00 1 5 4 -1.83 2.59 0.11
## Y29 29 103 4.17 1.36 5 4.45 0.00 1 5 4 -1.48 0.74 0.13
## Y30 30 103 4.52 0.87 5 4.73 0.00 1 5 4 -2.18 4.74 0.09
## Y31 31 103 4.46 0.89 5 4.64 0.00 1 5 4 -1.83 3.23 0.09
## Y32 32 103 4.58 0.77 5 4.76 0.00 1 5 4 -2.16 5.02 0.08
## Y33 33 103 4.37 0.95 5 4.54 0.00 1 5 4 -1.53 1.87 0.09
# Matriks korelasi X
cor_x <- cor(data_xy[, indikator_x], use = "complete.obs")
corrplot(cor_x, method = "color", type = "upper",
title = "Korelasi Indikator X", mar = c(0,0,2,0))
# Matriks korelasi Y
cor_y <- cor(data_xy[, indikator_y], use = "complete.obs")
corrplot(cor_y, method = "color", type = "upper",
title = "Korelasi Indikator Y", mar = c(0,0,2,0))
# Measurement Model
measurement_model <- constructs(
composite("Pemahaman_Tepuk_Sakinah", multi_items("X", 1:13), weights = mode_A),
composite("Keharmonisan_Keluarga", multi_items("Y", 1:33), weights = mode_A)
)
# Structural Model
structural_model <- relationships(
paths(from = "Pemahaman_Tepuk_Sakinah", to = "Keharmonisan_Keluarga")
)
plot(structural_model)
# Estimasi model dengan bootstrapping
set.seed(123) # Untuk reproduksibilitas
pls_model <- estimate_pls(
data = data_xy,
measurement_model = measurement_model,
structural_model = structural_model,
inner_weights = path_weighting,
missing = mean_replacement,
missing_value = NA
)
## Generating the seminr model
## All 103 observations are valid.
model_summary <- summary(pls_model)
model_summary
##
## Results from package seminr (2.3.7)
##
## Path Coefficients:
## Keharmonisan_Keluarga
## R^2 0.709
## AdjR^2 0.706
## Pemahaman_Tepuk_Sakinah 0.842
##
## Reliability:
## alpha rhoC AVE rhoA
## Pemahaman_Tepuk_Sakinah 0.975 0.978 0.780 0.981
## Keharmonisan_Keluarga 0.940 0.940 0.399 0.976
##
## Alpha, rhoC, and rhoA should exceed 0.7 while AVE should exceed 0.5
plot(pls_model)
# 7.1. OUTER MODEL (MEASUREMENT MODEL)
# Outer loadings
model_summary$loadings
## Pemahaman_Tepuk_Sakinah Keharmonisan_Keluarga
## X1 0.829 0.000
## X2 0.639 0.000
## X3 0.657 0.000
## X4 0.933 0.000
## X5 0.930 0.000
## X6 0.921 0.000
## X7 0.925 0.000
## X8 0.941 0.000
## X9 0.928 0.000
## X10 0.925 0.000
## X11 0.937 0.000
## X12 0.925 0.000
## X13 0.912 0.000
## Y1 0.000 0.875
## Y2 0.000 0.880
## Y3 0.000 0.701
## Y4 0.000 0.904
## Y5 -0.000 0.077
## Y6 0.000 0.073
## Y7 0.000 0.894
## Y8 0.000 0.843
## Y9 0.000 0.184
## Y10 0.000 0.132
## Y11 0.000 0.787
## Y12 0.000 0.899
## Y13 0.000 0.218
## Y14 0.000 0.872
## Y15 0.000 0.190
## Y16 0.000 0.898
## Y17 -0.000 -0.077
## Y18 0.000 0.793
## Y19 0.000 0.254
## Y20 0.000 0.624
## Y21 0.000 0.149
## Y22 0.000 0.333
## Y23 0.000 0.743
## Y24 0.000 0.183
## Y25 0.000 0.154
## Y26 0.000 0.629
## Y27 0.000 0.874
## Y28 0.000 0.224
## Y29 0.000 0.109
## Y30 0.000 0.812
## Y31 0.000 0.784
## Y32 0.000 0.892
## Y33 0.000 0.743
# 7.2. RELIABILITY (Reliabilitas)
# Composite Reliability (ρc)
model_summary$reliability
## alpha rhoC AVE rhoA
## Pemahaman_Tepuk_Sakinah 0.975 0.978 0.780 0.981
## Keharmonisan_Keluarga 0.940 0.940 0.399 0.976
##
## Alpha, rhoC, and rhoA should exceed 0.7 while AVE should exceed 0.5
names(model_summary)
## [1] "meta" "iterations" "paths"
## [4] "total_effects" "total_indirect_effects" "loadings"
## [7] "weights" "validity" "reliability"
## [10] "composite_scores" "vif_antecedents" "fSquare"
## [13] "descriptives" "it_criteria" "missing_data"
# 7.3. VALIDITY (Validitas)
# Average Variance Extracted (AVE)
model_summary$validity
## $vif_items
## Pemahaman_Tepuk_Sakinah :
## X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11
## 3.427 4.092 4.094 10.407 14.400 8.010 10.803 9.624 7.285 10.359 9.708
## X12 X13
## 10.056 8.392
##
## Keharmonisan_Keluarga :
## Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11
## 7.666 8.998 4.217 8.965 4.224 3.516 8.640 5.984 4.965 2.343 4.971
## Y12 Y13 Y14 Y15 Y16 Y17 Y18 Y19 Y20 Y21 Y22
## 9.624 3.105 5.827 7.612 6.928 2.048 5.132 5.343 2.216 2.675 1.935
## Y23 Y24 Y25 Y26 Y27 Y28 Y29 Y30 Y31 Y32 Y33
## 6.599 3.794 2.618 2.713 7.538 5.086 2.909 5.673 5.332 11.905 5.292
##
##
## $htmt
## Pemahaman_Tepuk_Sakinah Keharmonisan_Keluarga
## Pemahaman_Tepuk_Sakinah . .
## Keharmonisan_Keluarga 0.773 .
##
## $fl_criteria
## Pemahaman_Tepuk_Sakinah Keharmonisan_Keluarga
## Pemahaman_Tepuk_Sakinah 0.883 .
## Keharmonisan_Keluarga 0.842 0.632
##
## FL Criteria table reports square root of AVE on the diagonal and construct correlations on the lower triangle.
##
## $cross_loadings
## Pemahaman_Tepuk_Sakinah Keharmonisan_Keluarga
## X1 0.829 0.678
## X2 0.639 0.507
## X3 0.657 0.520
## X4 0.933 0.797
## X5 0.930 0.763
## X6 0.921 0.731
## X7 0.925 0.787
## X8 0.941 0.794
## X9 0.928 0.821
## X10 0.925 0.772
## X11 0.937 0.827
## X12 0.925 0.779
## X13 0.912 0.793
## Y1 0.799 0.875
## Y2 0.785 0.880
## Y3 0.599 0.701
## Y4 0.803 0.904
## Y5 -0.014 0.077
## Y6 0.074 0.073
## Y7 0.775 0.894
## Y8 0.661 0.843
## Y9 0.124 0.184
## Y10 0.095 0.132
## Y11 0.603 0.787
## Y12 0.738 0.899
## Y13 0.143 0.218
## Y14 0.836 0.872
## Y15 0.180 0.190
## Y16 0.735 0.898
## Y17 -0.135 -0.077
## Y18 0.623 0.793
## Y19 0.169 0.254
## Y20 0.478 0.624
## Y21 0.112 0.149
## Y22 0.230 0.333
## Y23 0.664 0.743
## Y24 0.121 0.183
## Y25 0.097 0.154
## Y26 0.486 0.629
## Y27 0.755 0.874
## Y28 0.200 0.224
## Y29 0.090 0.109
## Y30 0.681 0.812
## Y31 0.608 0.784
## Y32 0.762 0.892
## Y33 0.536 0.743
# 7.4. INNER MODEL (STRUCTURAL MODEL)
model_summary$paths
## Keharmonisan_Keluarga
## R^2 0.709
## AdjR^2 0.706
## Pemahaman_Tepuk_Sakinah 0.842
# Effect Size (f²)
model_summary$fSquare
## Pemahaman_Tepuk_Sakinah Keharmonisan_Keluarga
## Pemahaman_Tepuk_Sakinah 0.000 2.436
## Keharmonisan_Keluarga 0.000 0.000
# Identifikasi Item dengan Loading < 0.6
loadings_y <- model_summary$loadings[grepl("^Y", rownames(model_summary$loadings)),
"Keharmonisan_Keluarga"]
item_rendah <- names(loadings_y[abs(loadings_y) < 0.6])
paste(item_rendah, collapse = ", ")
## [1] "Y5, Y6, Y9, Y10, Y13, Y15, Y17, Y19, Y21, Y22, Y24, Y25, Y28, Y29"
length(item_rendah)
## [1] 14
# Item Y yang dipertahankan (loading >= 0.6)
item_y_valid <- gsub("Y", "", names(loadings_y[abs(loadings_y) >= 0.6]))
item_y_valid <- as.numeric(item_y_valid)
paste0("Y", item_y_valid, collapse = ", ")
## [1] "Y1, Y2, Y3, Y4, Y7, Y8, Y11, Y12, Y14, Y16, Y18, Y20, Y23, Y26, Y27, Y30, Y31, Y32, Y33"
length(item_y_valid)
## [1] 19
# Measurement Model Revisi
measurement_model_revisi <- constructs(
composite("Pemahaman_Tepuk_Sakinah", multi_items("X", 1:13), weights = mode_A),
composite("Keharmonisan_Keluarga", multi_items("Y", item_y_valid), weights = mode_A)
)
# Estimasi Model Revisi
set.seed(123)
pls_model_revisi <- estimate_pls(
data = data_xy,
measurement_model = measurement_model_revisi,
structural_model = structural_model,
inner_weights = path_weighting,
missing = mean_replacement,
missing_value = NA
)
## Generating the seminr model
## All 103 observations are valid.
summary_revisi <- summary(pls_model_revisi)
summary_revisi
##
## Results from package seminr (2.3.7)
##
## Path Coefficients:
## Keharmonisan_Keluarga
## R^2 0.707
## AdjR^2 0.704
## Pemahaman_Tepuk_Sakinah 0.841
##
## Reliability:
## alpha rhoC AVE rhoA
## Pemahaman_Tepuk_Sakinah 0.975 0.978 0.780 0.981
## Keharmonisan_Keluarga 0.972 0.975 0.674 0.977
##
## Alpha, rhoC, and rhoA should exceed 0.7 while AVE should exceed 0.5
boot_seminr_model <- bootstrap_model(seminr_model = pls_model_revisi,
nboot = 1000,cores = 2,seed = 123)
## Bootstrapping model using seminr...
## SEMinR Model successfully bootstrapped
hasil_akhir <- summary(boot_seminr_model)
hasil_akhir
##
## Results from Bootstrap resamples: 1000
##
## Bootstrapped Structural Paths:
## Original Est. Bootstrap Mean Bootstrap SD T Stat. 2.5% CI
## 0.841 0.840 0.048 17.580 0.729
## 97.5% CI
## 0.915
##
## Bootstrapped Weights:
## Original Est. Bootstrap Mean Bootstrap SD
## X1 -> Pemahaman_Tepuk_Sakinah 0.081 0.079 0.010
## X2 -> Pemahaman_Tepuk_Sakinah 0.059 0.060 0.011
## X3 -> Pemahaman_Tepuk_Sakinah 0.061 0.062 0.010
## X4 -> Pemahaman_Tepuk_Sakinah 0.094 0.096 0.010
## X5 -> Pemahaman_Tepuk_Sakinah 0.090 0.091 0.007
## X6 -> Pemahaman_Tepuk_Sakinah 0.085 0.085 0.006
## X7 -> Pemahaman_Tepuk_Sakinah 0.092 0.094 0.008
## X8 -> Pemahaman_Tepuk_Sakinah 0.093 0.095 0.010
## X9 -> Pemahaman_Tepuk_Sakinah 0.096 0.098 0.011
## X10 -> Pemahaman_Tepuk_Sakinah 0.090 0.092 0.009
## X11 -> Pemahaman_Tepuk_Sakinah 0.098 0.101 0.012
## X12 -> Pemahaman_Tepuk_Sakinah 0.092 0.094 0.008
## X13 -> Pemahaman_Tepuk_Sakinah 0.093 0.096 0.010
## Y1 -> Keharmonisan_Keluarga 0.075 0.076 0.010
## Y2 -> Keharmonisan_Keluarga 0.073 0.075 0.009
## Y3 -> Keharmonisan_Keluarga 0.056 0.056 0.006
## Y4 -> Keharmonisan_Keluarga 0.075 0.076 0.008
## Y7 -> Keharmonisan_Keluarga 0.072 0.073 0.007
## Y8 -> Keharmonisan_Keluarga 0.062 0.061 0.005
## Y11 -> Keharmonisan_Keluarga 0.056 0.057 0.005
## Y12 -> Keharmonisan_Keluarga 0.069 0.069 0.006
## Y14 -> Keharmonisan_Keluarga 0.078 0.078 0.008
## Y16 -> Keharmonisan_Keluarga 0.069 0.069 0.005
## Y18 -> Keharmonisan_Keluarga 0.058 0.057 0.006
## Y20 -> Keharmonisan_Keluarga 0.045 0.044 0.008
## Y23 -> Keharmonisan_Keluarga 0.062 0.063 0.008
## Y26 -> Keharmonisan_Keluarga 0.045 0.045 0.008
## Y27 -> Keharmonisan_Keluarga 0.070 0.072 0.008
## Y30 -> Keharmonisan_Keluarga 0.064 0.064 0.005
## Y31 -> Keharmonisan_Keluarga 0.057 0.056 0.006
## Y32 -> Keharmonisan_Keluarga 0.071 0.071 0.006
## Y33 -> Keharmonisan_Keluarga 0.050 0.050 0.007
## T Stat. 2.5% CI 97.5% CI
## X1 -> Pemahaman_Tepuk_Sakinah 7.839 0.054 0.096
## X2 -> Pemahaman_Tepuk_Sakinah 5.148 0.034 0.079
## X3 -> Pemahaman_Tepuk_Sakinah 6.321 0.042 0.080
## X4 -> Pemahaman_Tepuk_Sakinah 9.079 0.084 0.125
## X5 -> Pemahaman_Tepuk_Sakinah 12.603 0.082 0.110
## X6 -> Pemahaman_Tepuk_Sakinah 14.400 0.074 0.098
## X7 -> Pemahaman_Tepuk_Sakinah 10.941 0.084 0.117
## X8 -> Pemahaman_Tepuk_Sakinah 9.440 0.084 0.122
## X9 -> Pemahaman_Tepuk_Sakinah 8.484 0.085 0.130
## X10 -> Pemahaman_Tepuk_Sakinah 9.977 0.082 0.118
## X11 -> Pemahaman_Tepuk_Sakinah 8.151 0.086 0.133
## X12 -> Pemahaman_Tepuk_Sakinah 10.947 0.083 0.117
## X13 -> Pemahaman_Tepuk_Sakinah 9.238 0.084 0.123
## Y1 -> Keharmonisan_Keluarga 7.820 0.064 0.100
## Y2 -> Keharmonisan_Keluarga 8.205 0.063 0.099
## Y3 -> Keharmonisan_Keluarga 9.731 0.046 0.069
## Y4 -> Keharmonisan_Keluarga 8.859 0.064 0.097
## Y7 -> Keharmonisan_Keluarga 11.079 0.063 0.088
## Y8 -> Keharmonisan_Keluarga 13.302 0.052 0.072
## Y11 -> Keharmonisan_Keluarga 10.641 0.047 0.067
## Y12 -> Keharmonisan_Keluarga 12.180 0.061 0.082
## Y14 -> Keharmonisan_Keluarga 9.509 0.067 0.099
## Y16 -> Keharmonisan_Keluarga 13.100 0.061 0.080
## Y18 -> Keharmonisan_Keluarga 9.620 0.044 0.069
## Y20 -> Keharmonisan_Keluarga 5.625 0.024 0.057
## Y23 -> Keharmonisan_Keluarga 7.711 0.049 0.081
## Y26 -> Keharmonisan_Keluarga 5.920 0.029 0.059
## Y27 -> Keharmonisan_Keluarga 8.789 0.061 0.093
## Y30 -> Keharmonisan_Keluarga 11.572 0.056 0.076
## Y31 -> Keharmonisan_Keluarga 8.829 0.042 0.068
## Y32 -> Keharmonisan_Keluarga 11.649 0.062 0.086
## Y33 -> Keharmonisan_Keluarga 7.312 0.037 0.064
##
## Bootstrapped Loadings:
## Original Est. Bootstrap Mean Bootstrap SD
## X1 -> Pemahaman_Tepuk_Sakinah 0.830 0.777 0.162
## X2 -> Pemahaman_Tepuk_Sakinah 0.639 0.625 0.140
## X3 -> Pemahaman_Tepuk_Sakinah 0.656 0.647 0.109
## X4 -> Pemahaman_Tepuk_Sakinah 0.933 0.919 0.050
## X5 -> Pemahaman_Tepuk_Sakinah 0.930 0.917 0.050
## X6 -> Pemahaman_Tepuk_Sakinah 0.921 0.898 0.071
## X7 -> Pemahaman_Tepuk_Sakinah 0.925 0.909 0.052
## X8 -> Pemahaman_Tepuk_Sakinah 0.941 0.930 0.039
## X9 -> Pemahaman_Tepuk_Sakinah 0.927 0.924 0.032
## X10 -> Pemahaman_Tepuk_Sakinah 0.925 0.913 0.048
## X11 -> Pemahaman_Tepuk_Sakinah 0.937 0.928 0.037
## X12 -> Pemahaman_Tepuk_Sakinah 0.925 0.911 0.050
## X13 -> Pemahaman_Tepuk_Sakinah 0.912 0.895 0.058
## Y1 -> Keharmonisan_Keluarga 0.879 0.876 0.038
## Y2 -> Keharmonisan_Keluarga 0.889 0.886 0.038
## Y3 -> Keharmonisan_Keluarga 0.712 0.706 0.074
## Y4 -> Keharmonisan_Keluarga 0.907 0.902 0.034
## Y7 -> Keharmonisan_Keluarga 0.898 0.891 0.041
## Y8 -> Keharmonisan_Keluarga 0.846 0.841 0.049
## Y11 -> Keharmonisan_Keluarga 0.796 0.793 0.070
## Y12 -> Keharmonisan_Keluarga 0.898 0.891 0.039
## Y14 -> Keharmonisan_Keluarga 0.869 0.864 0.048
## Y16 -> Keharmonisan_Keluarga 0.896 0.890 0.037
## Y18 -> Keharmonisan_Keluarga 0.793 0.784 0.082
## Y20 -> Keharmonisan_Keluarga 0.632 0.626 0.117
## Y23 -> Keharmonisan_Keluarga 0.750 0.749 0.107
## Y26 -> Keharmonisan_Keluarga 0.631 0.622 0.118
## Y27 -> Keharmonisan_Keluarga 0.876 0.875 0.039
## Y30 -> Keharmonisan_Keluarga 0.815 0.812 0.067
## Y31 -> Keharmonisan_Keluarga 0.785 0.782 0.075
## Y32 -> Keharmonisan_Keluarga 0.895 0.888 0.042
## Y33 -> Keharmonisan_Keluarga 0.746 0.740 0.072
## T Stat. 2.5% CI 97.5% CI
## X1 -> Pemahaman_Tepuk_Sakinah 5.134 0.312 0.933
## X2 -> Pemahaman_Tepuk_Sakinah 4.562 0.308 0.846
## X3 -> Pemahaman_Tepuk_Sakinah 6.019 0.398 0.826
## X4 -> Pemahaman_Tepuk_Sakinah 18.821 0.768 0.972
## X5 -> Pemahaman_Tepuk_Sakinah 18.645 0.781 0.971
## X6 -> Pemahaman_Tepuk_Sakinah 12.977 0.694 0.970
## X7 -> Pemahaman_Tepuk_Sakinah 17.777 0.761 0.968
## X8 -> Pemahaman_Tepuk_Sakinah 24.224 0.820 0.974
## X9 -> Pemahaman_Tepuk_Sakinah 28.952 0.853 0.971
## X10 -> Pemahaman_Tepuk_Sakinah 19.434 0.778 0.970
## X11 -> Pemahaman_Tepuk_Sakinah 25.315 0.827 0.971
## X12 -> Pemahaman_Tepuk_Sakinah 18.502 0.778 0.970
## X13 -> Pemahaman_Tepuk_Sakinah 15.618 0.729 0.961
## Y1 -> Keharmonisan_Keluarga 22.929 0.782 0.934
## Y2 -> Keharmonisan_Keluarga 23.322 0.795 0.944
## Y3 -> Keharmonisan_Keluarga 9.687 0.529 0.823
## Y4 -> Keharmonisan_Keluarga 26.692 0.823 0.951
## Y7 -> Keharmonisan_Keluarga 21.833 0.790 0.947
## Y8 -> Keharmonisan_Keluarga 17.385 0.724 0.917
## Y11 -> Keharmonisan_Keluarga 11.382 0.638 0.910
## Y12 -> Keharmonisan_Keluarga 23.208 0.799 0.944
## Y14 -> Keharmonisan_Keluarga 17.966 0.745 0.935
## Y16 -> Keharmonisan_Keluarga 24.372 0.799 0.945
## Y18 -> Keharmonisan_Keluarga 9.627 0.592 0.908
## Y20 -> Keharmonisan_Keluarga 5.417 0.370 0.832
## Y23 -> Keharmonisan_Keluarga 7.041 0.520 0.928
## Y26 -> Keharmonisan_Keluarga 5.350 0.373 0.831
## Y27 -> Keharmonisan_Keluarga 22.477 0.782 0.935
## Y30 -> Keharmonisan_Keluarga 12.143 0.665 0.925
## Y31 -> Keharmonisan_Keluarga 10.522 0.611 0.894
## Y32 -> Keharmonisan_Keluarga 21.280 0.784 0.944
## Y33 -> Keharmonisan_Keluarga 10.397 0.583 0.855
##
## Bootstrapped HTMT:
## Original Est. Bootstrap Mean Bootstrap SD 2.5% CI 97.5% CI
## 0.851 0.848 0.050 0.736 0.925
##
## Bootstrapped Total Paths:
## Original Est. Bootstrap Mean Bootstrap SD 2.5% CI 97.5% CI
## 0.841 0.840 0.048 0.729 0.915
# ANALISIS R² DAN UNEXPLAINED VARIANCE
r_squared <- summary_revisi$paths["R^2", "Keharmonisan_Keluarga"]
explained_var <- r_squared * 100
unexplained_var <- (1 - r_squared) * 100
round(explained_var, 1)
## [1] 70.7
round(unexplained_var, 1)
## [1] 29.3
# EKSTRAK SKOR KONSTRUK
construct_scores <- as.data.frame(pls_model_revisi$construct_scores)
construct_scores$Tepuk_Sakinah <- construct_scores[, "Pemahaman_Tepuk_Sakinah"]
construct_scores$Keharmonisan <- construct_scores[, "Keharmonisan_Keluarga"]
# Gabungkan dengan data demografi
data_lengkap <- cbind(dataset, construct_scores)
# 1. JENIS KELAMIN
test_jk <- aov(Keharmonisan ~ `Jenis Kelamin`, data = data_lengkap)
summary(test_jk)
## Df Sum Sq Mean Sq F value Pr(>F)
## `Jenis Kelamin` 1 0.62 0.622 0.62 0.433
## Residuals 101 101.38 1.004
# 2. USIA
test_usia <- aov(Keharmonisan ~ Usia, data = data_lengkap)
summary(test_usia)
## Df Sum Sq Mean Sq F value Pr(>F)
## Usia 3 5.72 1.9082 1.962 0.125
## Residuals 99 96.28 0.9725
# 3. TINGKAT PENDIDIKAN
test_pendidikan <- aov(Keharmonisan ~ `Tingkat pendidikan terakhir`, data = data_lengkap)
summary(test_pendidikan)
## Df Sum Sq Mean Sq F value Pr(>F)
## `Tingkat pendidikan terakhir` 5 5.68 1.135 1.143 0.343
## Residuals 97 96.32 0.993
# 4. DOMISILI
test_domisili <- aov(Keharmonisan ~ Domisili, data = data_lengkap)
summary(test_domisili)
## Df Sum Sq Mean Sq F value Pr(>F)
## Domisili 8 1.47 0.1835 0.172 0.994
## Residuals 94 100.53 1.0695
# 5. TEMPAT TINGGAL
test_tempat <- aov(Keharmonisan ~ `Tempat Tinggal`, data = data_lengkap)
summary(test_tempat)
## Df Sum Sq Mean Sq F value Pr(>F)
## `Tempat Tinggal` 2 0.71 0.3561 0.352 0.704
## Residuals 100 101.29 1.0129
# 6. USIA PERNIKAHAN
test_usia_nikah <- aov(Keharmonisan ~ `Usia Pernikahan`, data = data_lengkap)
summary(test_usia_nikah)
## Df Sum Sq Mean Sq F value Pr(>F)
## `Usia Pernikahan` 3 2.22 0.7406 0.735 0.534
## Residuals 99 99.78 1.0079
# 7. KELAS PRA-NIKAH
test_pranikah <- aov(Keharmonisan ~ `Kelas Pra-Nikah`, data = data_lengkap)
summary(test_pranikah)
## Df Sum Sq Mean Sq F value Pr(>F)
## `Kelas Pra-Nikah` 1 0.27 0.2718 0.27 0.605
## Residuals 101 101.73 1.0072
# 8. STATUS LDM
test_ldm <- aov(Keharmonisan ~ `LDM`, data = data_lengkap)
summary(test_ldm)
## Df Sum Sq Mean Sq F value Pr(>F)
## LDM 1 0.13 0.1269 0.126 0.724
## Residuals 101 101.87 1.0086
# 9. KEHADIRAN ANAK
test_ldm <- aov(Keharmonisan ~ `Punya Anak`, data = data_lengkap)
summary(test_ldm)
## Df Sum Sq Mean Sq F value Pr(>F)
## `Punya Anak` 1 1.04 1.0356 1.036 0.311
## Residuals 101 100.96 0.9996
# 10. SUMBER PENGHASILAN KELUARGA
test_ekonomi <- aov(Keharmonisan ~ `Sumber Penghasilan Keluarga`, data = data_lengkap)
summary(test_ekonomi)
## Df Sum Sq Mean Sq F value Pr(>F)
## `Sumber Penghasilan Keluarga` 2 1.58 0.7878 0.785 0.459
## Residuals 100 100.42 1.0042
plot(boot_seminr_model)