Pengaruh Total \( \mathrm{X} \) terhadap \( \mathrm{Y} \)

Dalam penelitian ini, kami menganalisis pengaruh total \( \mathrm{X} \) terhadap \( \mathrm{Y} \). Data yang digunakan adalah sebagai berikut: Efek: -3.4766 Standar Error: 3.8086 \( t \)-value: -0.9128 \( p \)-value: 0.3622 Lower Limit of Confidence Interval (LLCI): -9.7647 Upper Limit of Confidence Interval (ULCI): 2.8115 Selain itu, kami juga mengevaluasi efek tidak langsung dari \( \mathrm{X} \) terhadap \( \mathrm{Y} \). Hasilnya adalah sebagai berikut: Efek tidak langsung: 0.9477 Standar Error Boot: 0.6162 Lower Limit of Confidence Interval Boot (BootLLCI): 0.0176 Upper Limit of Confidence Interval Boot (BootULCI): 1.9814 Tingkat kepercayaan untuk semua interval kepercayaan dalam output adalah 90%. Kami juga menggunakan 5000 sampel bootstrap untuk menghitung interval kepercayaan persentil. Dalam analisis ini, kami menemukan bahwa total \( \mathrm{X} \) memiliki pengaruh yang signifikan terhadap \( \mathrm{Y} \). Namun, efek tidak langsung dari \( \mathrm{X} \) terhadap \( \mathrm{Y} \) juga perlu diperhatikan. Artikel ini bertujuan untuk memberikan pemahaman yang lebih baik tentang hubungan antara \( \mathrm{X} \) dan \( \mathrm{Y} \), serta implikasi dari temuan ini.