Structural equation modeling (SEM)

Structural equation modeling (SEM) was used to test the model shown in Figure 1,
using statistical software package AMOS, version 7.0 (Byrne, 2001). The model fit
statistics are provided in Table II. RMSEA for the structural model is 0.040, indicating
very good fit (Byrne, 2001). The x2/df is 1.427, which is between one and two. IFI, TLI
and CFI were all well above 0.9. Therefore, we concluded that the overall fit of the
structural model was very good.
After establishing the good model fit, we used the path coefficients to test the
research hypotheses. We first considered the control variable, plant size. As shown in
Table III, the path from plant size to mass customization capability was not significant
at p , 0.05, so we have concluded that within our sample, plant size did not have a
significant impact on mass customization capability. Hypotheses H1 and H2 are
supported by the data. The standardized path coefficients from customer focused
product design and supplier lead-time reduction to mass customization capability were
0.22 and 0.34, which were statistically significant at p , 0.01 and p , 0.05,
respectively. These results indicate that both enhanced customer focus and supplier
lead-time reduction facilitated mass customization capability.
Hypotheses H3 and H4, which proposed that supply chain planning would
positively impact supplier lead-time reduction and customer focus, respectively, were
also supported. The standardized path coefficients, 0.53 and 0.76 and, were both
statistically significant at p , 0.001, indicating that supply chain planning efforts,
such as the use of joint performance measures and collaborative forecasting, help align
incentives along the supply chain and thus facilitate supplier lead-time reduction and
customer focus.
In order to investigate whether the mediation effects were full or partial,
we examined an alternate model, in which a direct link was added from supply chain
planning to mass customization capability. The fit statistics of this alternate model are also reported in Table II. The model fit statistics for this alternate structural model
were very similar to those of the hypothesized model. In comparing the two models,
however, the x2 difference (201.161 – 200.774 ¼ 0.387) was not statistically significant
at p , 0.05 with only one degree-of-freedom difference, indicating that the additional
link from supply chain planning to mass customization capability does not add any
additional explanatory power to the model. Moreover, the path coefficient from supply
chain planning to mass customization capability was not significant in the alternate
model. Consequently, we concluded that the original structural model provided a more
parsimonious and appropriate fit to the data than the alternate model, indicating that
supplier lead-time reduction and customer focus fully mediated the relationship
between supply chain planning and mass customization capability.

Hasil (Bahasa Indonesia) 1:

(SEM) model persamaan struktural, digunakan untuk menguji model yang ditunjukkan dalam gambar 1,menggunakan software Statistik paket AMOS, versi 7.0 (Byrne, 2001). Model yang cocokStatistik disediakan di meja II. RMSEA untuk model struktural adalah 0.040, menunjukkansangat bagus cocok (Byrne, 2001). X2/df adalah 1.427, yang terletak di antara satu dan dua. IFI, TLIdan CFI semua baik di atas 0,9. Oleh karena itu, kami menyimpulkan bahwa keseluruhan sesuaistruktural model adalah sangat baik.Setelah membangun model baik cocok, kami menggunakan jalan koefisien untuk mengujipenelitian hipotesis. Kami pertama kali dianggap sebagai variabel kontrol, ukuran tanaman. Seperti yang ditunjukkan dalamTabel III, jalan dari ukuran tanaman ke kemampuan kustomisasi massal adalah tidak signifikandi p, 0,05, jadi kami telah menyimpulkan bahwa dalam sampel kami, ukuran tanaman tidak memilikidampak signifikan pada kemampuan kustomisasi massal. Hipotesa H1, H2 dandidukung oleh data. Koefisien jalan standar dari pelanggan terfokusProduk desain dan pemasok pengurangan waktu untuk kemampuan kustomisasi massal yang0.22 dan 0.34, yang signifikan secara statistik p, 0,01 dan p, 0,05,masing-masing. Hasil ini menunjukkan bahwa keduanya ditingkatkan fokus pelanggan dan pemasokpengurangan waktu memfasilitasi kemampuan kustomisasi massal.Hipotesis H3 dan H4, yang mengusulkan bahwa pasokan jaringan perencanaan akanpositif dampak pemasok waktu pengurangan dan fokus pelanggan, masing-masing, yangjuga didukung. Koefisien standar jalan, 0,53 dan 0,76 dan, sama-samasecara statistik signifikan di p, 0.001, menunjukkan bahwa pasokan rantai perencanaan usaha,seperti ukuran kinerja bersama dan peramalan kolaboratif, membantu meluruskaninsentif sepanjang pasokan rantai dan dengan demikian memfasilitasi pengurangan waktu pemasok danfokus pada pelanggan.Untuk menyelidiki Apakah efek mediasi yang penuh atau parsial,kita akan meneliti model alternatif, di mana link langsung ditambahkan dari rantai pasokanberencana untuk kemampuan kustomisasi massal. Statistik cocok model alternatif ini juga dilaporkan dalam tabel II. Model cocok statistik untuk model struktural ini alternatifyang sangat mirip dengan hypothesized model. Membandingkan dua model,Namun, x2 perbedaan (201.161-200.774 ¼ 0.387) adalah tidak signifikan secara statistikdi p, 0,05 dengan hanya satu derajat-dari-kebebasan perbedaan, menunjukkan bahwa tambahanlink dari rantai pasokan yang berencana untuk kemampuan kustomisasi massal tidak menambahkan apapuntambahan penjelasan kekuasaan untuk model. Selain itu, Koefisien jalan dari pasokanJaringan perencanaan untuk kemampuan kustomisasi massal yang tidak signifikan dalam alternatifmodel. Akibatnya, kami menyimpulkan bahwa model struktural asli disediakan lebihterlalu kikir dan tepat sesuai data daripada model alternatif, menunjukkan bahwapemasok waktu pengurangan dan pelanggan fokus sepenuhnya dimediasi hubunganantara pasokan jaringan perencanaan dan kemampuan kustomisasi massal.

Hasil (Bahasa Indonesia) 2:

Struktur model persamaan (SEM) digunakan untuk menguji model yang ditunjukkan pada Gambar 1,
menggunakan paket perangkat lunak statistik AMOS, versi 7.0 (Byrne, 2001). Model fit
statistik yang disediakan pada Tabel II. RMSEA untuk model struktural adalah 0.040, menunjukkan
sangat baik cocok (Byrne, 2001). The x2 / df adalah 1,427, yang antara satu dan dua. IFI, TLI
dan CFI semua baik di atas 0,9. Oleh karena itu, kami menyimpulkan bahwa fit keseluruhan dari
model struktural yang sangat baik.
Setelah membangun model cocok, kami menggunakan koefisien jalur untuk menguji
hipotesis penelitian. Kami pertama kali dianggap sebagai variabel kontrol, ukuran tanaman. Seperti yang ditunjukkan pada
Tabel III, jalan dari ukuran tanaman dengan kemampuan kustomisasi massal tidak signifikan
pada p, 0,05, jadi kami telah menyimpulkan bahwa dalam sampel kami, ukuran tanaman tidak memiliki
dampak yang signifikan terhadap kemampuan kustomisasi massal. Hipotesis H1 dan H2 yang
didukung oleh data. Koefisien jalur standar dari pelanggan fokus
desain produk dan pemasok lead-time pengurangan dengan kemampuan kustomisasi massal yang
0,22 dan 0,34, yang secara statistik signifikan pada p, 0,01 dan p, 0,05,
masing-masing. Hasil ini menunjukkan bahwa kedua ditingkatkan fokus pelanggan dan pemasok
lead-time pengurangan difasilitasi kemampuan kustomisasi massal.
Hipotesis H3 dan H4, yang mengusulkan bahwa perencanaan rantai pasokan akan
berdampak positif pemasok pengurangan lead-time dan fokus pelanggan, masing-masing,
juga didukung. Koefisien jalur standar, 0,53 dan 0,76 dan, keduanya
signifikan secara statistik pada p, 0,001, menunjukkan bahwa upaya perencanaan rantai pasokan,
seperti penggunaan ukuran kinerja bersama dan peramalan kolaboratif, membantu menyelaraskan
insentif sepanjang rantai pasokan dan dengan demikian memfasilitasi memimpin pemasok pengurangan-waktu dan
fokus pelanggan.
dalam rangka untuk menyelidiki apakah efek mediasi penuh atau parsial,
kami menguji model alternatif, di mana link langsung ditambahkan dari rantai suplai
perencanaan dengan kemampuan kustomisasi massal. Statistik fit model alternatif ini juga dilaporkan dalam Tabel II. Model statistik fit untuk model struktural alternatif ini
sangat mirip dengan model hipotesis. Dalam membandingkan dua model,
namun, perbedaan x2 (201,161-200,774 ¼ 0,387) tidak signifikan secara statistik
pada p, 0,05 dengan hanya satu derajat-of-kebebasan perbedaan, menunjukkan bahwa tambahan
link dari perencanaan rantai pasokan dengan kemampuan kustomisasi massal tidak tidak menambahkan
kekuatan penjelas tambahan untuk model. Selain itu, koefisien jalur dari pasokan
perencanaan rantai dengan kemampuan kustomisasi massal tidak signifikan dalam alternatif
model yang. Akibatnya, kami menyimpulkan bahwa model struktural asli tersedia lebih
fit pelit dan sesuai dengan data dari model alternatif, menunjukkan bahwa
pemasok lead-time pengurangan dan fokus pelanggan sepenuhnya dimediasi hubungan
antara perencanaan rantai pasokan dan kemampuan kustomisasi massal.