06 September 2009

STRUCTURAL EQUATION MODELING

SEM (Structural Equation Modeling) merupakan teknik analisis yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan. Hubungan yang rumit itu dapat dibangun antara satu atau beberapa variabel independen dengan satu atau beberapa variabel dependen. Masing-masing variabel dapat berbentuk faktor atau konstruk yang dibangun dari beberapa indikator. SEM merupakan pendekatan terintegrasi antara dua analisis yaitu analisis faktor dan analisis jalur (path analysis). Lee (2007:1) mengemukakan structural equation models are well recognized as the most important statistical method to serve the above purpose and can be applied to many fields. SEM menggunakan metode statistik untuk menyajikan data dalam pencapaian tujuan penelitian dan dapat menerapkan banyak model dalam menjawab rumusan masalah penelitian.

Analisis faktor secara apriori penelitian membangun suatu hipotesis berdasarkan teori dengan faktor strukturnya (Bollen, 1989). Parameter nilai error pada pengukuran variabel dan koefisien struktural (loading factor) yang menghubungkan secara linier variabel manifes dengan variabel latent merupakan faktor-faktor tiap variabel secara spesifik. Untuk mengetahui indikator dalam jabaran variabel tersebut merupakan alat pengukur faktor yang bersangkutan, maka perlu dikonfirmasi lebih lanjut, yaitu dengan memeriksa validitas dan reliabilitasnya.

Analisis jalur dikembangkan untuk mempelajari pengaruh (efek) secara langsung maupun tidak langsung dari variabel eksogen (independen) terhadap variabel endogen (dependen). Hubungan kausal didasarkan pada data, pengetahuan, perumusan hipotesis, dan analisis logis, sehingga dapat dikatakan analisis jalur dapat digunakan untuk menguji seperangkat hipotesis kausal serta untuk menafsirkan hubungan tersebut. Berdasarkan konsep tersebut maka rancangan penelitian yang menggambarkan diagram jalur dijadikan pedoman dalam menganalisis dan menginterpretasikan hubungan yang dihipotesiskan.

Mulaik (1972) menyatakan terdapat tiga hal yang diperhatikan dalam SEM yaitu 1) struktur yang spesifik antara variabel latent eksogen dan endogen sudah terstruktur, sudah dapat dihipotesiskan, 2) sudah ditetapkan bagaimana untuk mengukur variabel latent eksogen, dan 3) pengukuran model untuk variabel latent endogen sudah dideterminasikan. Berdasarkan konsep tersebut tahap penelitian dalam analisis data dengan SEM adalah 1) uji validitas dan reliabilitas (setara dengan analisis faktor), uji model hubungan antar variabel (path analysis), dan 3) konfirmasi model (SEM).

Adapun langkah-langkah analisis SEM dalam penelitian ini adalah:

  1. Pengembangan model berbasis teori

Pengembangan model teoritis dilakukan dengan telaah pustaka yang intens guna mendapatkan justifikasi atas model teoritis yang akan dikembangkan. Berdasarkan rancangan penelitian pengajuan model kausalitas dengan adanya hubungan sebab akibat antara empat variabel berdasarkan justifikasi teoritis.

  1. Mengkontruksi diagram jalur untuk menunjukkan hubungan kausalitas

Rancangan penelitian dibangun dan digambar dalam bentuk diagram jalur dengan tujuan mempermudah melihat hubungan-hubungan kausal antar variabel eksogen dan endogen yang akan diuji. Selanjutnya bahasa program akan mengkonversi gambar menjadi persamaan dan persamaan menjadi estimasi.

  1. Konversi diagram jalur ke dalam serangkaian persamaan struktural dan spesifikasi model pengukuran

Rancangan penelitian dikonversi secara spesifik ke dalam struktur persamaan yang menyatakan hubungan kausalitas antar berbagai konstruk dan spesifikasi model pengukuran (measurement model).

  1. Pemilihan matriks input dan teknik estimasi atas model yang dibangun

Input data yang digunakan dalam analisis SEM adalah menggunakan matriks kovarian (matriks korelasi). Setelah masuk program SEM data segera dikonversi dalam bentuk matriks kovarian (matriks korelasi).

  1. Menilai problem identifikasi

Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Problem identifikasi ini dapat dideteksi dari gejala-gejala yang muncul yaitu 1) standar error untuk satu atau beberapa koefisien sangat besar, 2) program tidak mampu menghasilkan matrik informasi yang seharusnya, 3) munculnya angka-angka aneh misalnya varians error yang negatif, dan 4) munculnya korelasi yang sangat tinggi antar koefisien estimasi.

  1. Evaluasi model

Kesesuaian model dapat dievaluasi dengan melihat berbagai kriteria goodness of fit. Secara garis besar uji goodness of fit model dapat digolongkan menjadi empat hal yaitu 1) ukuran sampel, 2) normalitas dan liniearitas, 3) multikoliniearitas, dan 4) validitas dan reliabilitas. Angka indeks yang digunakan untuk menguji kelayakan model dalam penelitian ini adalah significance probability dengan nilai cut off > 0,05 yang berarti bahwa model sesuai.

  1. Interpretasi dan modifikasi model

Langkah terakhir adalah menginterpretasikan model dan memodifikasikan model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Setelah model diestimasi harus mempunyai residual kovarian yang kecil. Batas jumlah residual adalah 5 %, jika residual > 5 % dari semua residual kovarian yang dihasilkan oleh model, maka perlu dipertimbangkan modifikasi model, misalnya dengan menambah jalur baru terhadap model yang diestimasi. Perubahan atau modifikasi model tersebut harus mempunyai dukungan dan justifikasi teori yang memadai.


Reference

Bollen, K. A. 1989. Structural Equation Models with Latent Variables. New York: John Wiley and Sons, Ltd.


Lee, S. Y. 2007. Structural Equation Modeling A Bayesian Approach. West Sussex: John Wiley and Sons, Ltd.


Mulaik, S. A. 1972. The Foundations of Factor Analysis. New York: McGraw Hilal Book Company.

Tidak ada komentar:

Poskan Komentar