Download - SEM by Novita
STUCTURAL EQUATION MODELING
OLEH: Novita Ayuningtyas
SEMSubash Sharma (1996): SEM digunakan untuk menganalisis hubungan
antarvariabel konstruk (laten)
Wijaya (2009): SEM bukan untuk merancang teori, tapi memeriksa dan membenarkan model berdasarkan teori yg ada. Karena itu, syarat
utama menggunakan SEM adalah membangun suatu model hipotesis yang terdiri dari model struktural dan model pengukuran dalam bentuk diagram jalur berdasarkan justifikasi teori.
Solimun (2002): SEM memungkinkan peneliti melakukan 3 pekerjaan1. Memeriksa validitas dan reliabilitas instrumen2. Pengujian model hubungan antarvariabel laten3. Mendapatkan model yg setara dgn analisis regresi
Bollen (1989): SEM memungkinkan peneliti menganalisis variabel kompleks baik recursive maupun non recursive
Sekilas, SEM mirip dgn analisis Jalur?
BEDA!!!
Analisis jalur hanya untuk menguji hubungan kausalitas
2 variabel atau lebih
SEM mampu menguji hubungan lebih rumit dan
menggambarkan keseluruhan model
Komponen dalam SEMVariabel Laten disebut juga variabel konstruk variabel ini tdk dapat diukur secara langsung, tp didekati dengan
var.teramati (observed variabel) Ada 2 jenis yaitu var.laten eksogen ξ (ksi) dan var.laten η (eta)
endogen
Variabel Teramati (Observed Variable) disebut juga variabel terukur adalah variabel yang dapat diamati/diukur secara empiris disebut juga indikator
Komponen dalam SEM (cont..)
Model Struktural menggambarkan hubungan antar variabel laten hubungan antarvariabel ini serupa dengan persamaan regresi linier parameter yg menunjukkan regresi variabel laten eksogen
disebut γ (gamma) , sedangkan regresi variabel laten endogen disebut β (beta)
matriks kovarians variabel ini disebut Φ (phi)Model Pengukuran dalam SEM, tiap val.laten didekati melalui beberapa indikator hubungan antara var.laten dgn var.teramati disebut Confirmatory
Factor Analysis (CFA)
faktor loading menghubungkan var.laten dan var.teramati
Komponen dalam SEM (cont..)
Error Struktural
Error struktural muncul karena var.bebas tidak dapat memprediksi var.terikat dengan sempurna
Error struktural diberi lambang ζ (zeta) untuk memperoleh estimasi parameter yg konsisten, Error
struktural diasumsikan tdk berkorelasi dgn var.eksogen dari model
Error Pengukuran
Error pengukuran timbul akibat ketidaksempurnaan var.teramati dalam menggambarkan var.laten
Error pengukuran yg berkaitan dgn var.teramati X disebut δ (delta), sedangkan var.teramati Y disebut ε (epsilon)
matriks kovarian δ disebut (theta delta), sedangkan matriks kovarian ε disebut (theta epsilon)
Input Data
Matriks Kovarians
Matriks korelasi
Digunakan jika tujuan adalah pengujian model yg telah mendapatkan justifikasi teori sehingga tdk dilakukan interpretasi terhadap besar kecilnya pengaruh kausalitas pada jalur-jalur yg ada dalam model.
SEM mirip analisis regresi, dimana model yg diperoleh dapat digunakan untuk menjelaskan fenomena yg dikaji atau dapat digunakan untuk prediksi.
Digunakan jika tujuan penelitian ingin mendapatkan penjelasan mengenai pola hubungan kausal antarvariabel laten.
SEM digunakan untuk mengatahui besar kecilnya pengaruh baik langsung, tidak langsung, maupun pengaruh total va.bebas terhadap var.terikat.
SEM digunakan untuk menentukan variabel yg berpengaruh dominan, sehingga ada yg menyebutnya sebagai analisis faktor determinan.
Langkah-langkah dalam SEM1. Pengembangan Model Berbasis Konsep dan Teori
mengembangkan hipotesis berdasarkan teori-teori sebagai dasar menghubungkan var.laten satu dgn lainnya
2. Pengembangan Diagram Jalur
penyusunan diagram jalur bermanfaat dalam visualisasi hipotesis yg telah diajukan dalam konseptualisasi model
penggambaran diagram jalur mempermudah melihat hubungan kausal antarvariabel eksogen dan endogen yg akan diuji serta variabel pengukurannya
Gambar 1. Path Diagram Pengaruh Stres Kerja dan Iklim Organisasi Terhadap Turnover Intention dengan Kepuasan Kerja sebagai Variabel Intervening, Edi Suhanto (2009)
Tabel 1. Variabel dan Indikatornya Pengaruh Stres Kerja dan Iklim Organisasi Terhadap Turnover Intention dengan Kepuasan Kerja sebagai Variabel Intervening, Edi Suhanto (2009)
Langkah-langkah dalam SEM (Cont...)
3. Konversi Diagram Jalur ke dalam Persamaan
terdiri dari persamaan struktural dan persamaan spresifikasi model pengukuran
KK = γ1 SK + γ2 IO+ ζ1
TOI = β1 KK + ζ2
4. Identifikasi Model
Identifikasi model bertujuan untuk menghasilkan nilai yg unik untuk seluruh parameter dari data yg diolah
Problem identifikasi yg muncul dlm SEM dideteksi dgn gejala, seperti:1. matriks inStandar error untuk 1 atau beberapa koefisien sangat besar2. Program tidak mampu menghasilkan formasi yg seharusnya disajikan3. Munculnya angka aneh, misalnya varians error y negatif4. Munculnya korelasi yg sangat tinggi, misalnya 0.90 antarkoefisien estimasi
Langkah-langkah dalam SEM (Cont...)
5. Memilih Matriks Input dan Estimasi Parameter Model
input data yg digunakan berupa matriks kovarians dan matriks korelasi Estimasi parameter bertujuan untuk memperoleh nilai parameter dalam
model yg diperkirakan berdasarkan data sampel, sehingga matriks kovarian yg ditunkan dari model Σ (θ) mendekati matriks kovarian populasi variabel-variabel teramati Σ
Hipotesis fundamental dalam SEM:Ho: Σ = Σ (θ)H1: Σ ≠ Σ (θ)
Karena data populasi tdk diketahui, maka Σ diganti dengan S
6. Penilaian Model Fit
kesesuaian model dievaluasi melalui berbagai kriteria goodness of fit1. Pengujian parameter2. Uji kecocokan model keseluruhan3. Analisis model pengukuran4. Analisis model stuktural
1. Pengujian parameter
pengujian hipotesis tiap parameter dilakukan dengan t-test (α = 5%) Pengujian ini dilakukan terhadap: 1. parameter lambda, yaitu parameter yg berkaitan dgn pengukuran
var.laten berdasarkan variabel terukur 2. parameter delta dan epsilon, yaitu parameter yg berkaitan dgn error
pada pengukuran var.laten 3. parameter beta, yaitu parameter pengaruh var.endogen terhadap
var.endogen lainnya 4. parameter gamma, yaitu parameter pengaruh var.eksogen terhadap
var.endogen
2. Uji kecocokan model keseluruhan
overall model (hybrid model) adalah keseluruhan model di dalam SEM Uji kecocokan ini digunakan untuk mengevaluasi derajat kecocokan
antara data dengan model Uji kecocokan model pada SEM menjadi 3, yaitu uji kecocokan absolut,
uji kecocokan inkremental, dan uji kecocokan parsimoni Menurut Hair et.al. (2006), suatu model persamaan struktural dikatakan
baik apabila memenuhi minimal lima indeks dari overall goodness of fit index
3. Analisis model pengukuran pemeriksaan dilakukan melalui evaluasi terhadap validitas dan
reliabilitas Validitas berhubungan dgn apakah variabel mengukur apa yg seharusnya
diukur Dalam CFA, standard factor loading variabel teramati terhadap variabel
laten merupakan estimasi validitas variabel tersebut, jika t muatan faktornya > 0,05 dan muatan faktor standarnya ≥ 0,05 dikatakan mempunyai validitas yg baik terhadap latennya
Reliabilitas adalah konsistensi suatu pengukuran Evaluasi reliabilitas dlm SEM dilakukan dgn menggunakan ukuran
reabilitas komposit, yang dihitung sebagai berikut:
Construck reliability diatas 0,50 menunjukkan bahwa indikator reliabel (Hair dalam Bachrudin , 2007) 4. Analisis model struktural
keakuratan model struktural dilakukan melalui koefisien determinasi total, yaitu:
Nilai R2 berkisar antara 0 – 1, dan model dikatakan baik jika nilai R2 mendekati 1
7. Interpretasi dan Modifikasi Model
interpretasi dilakukan jika model yg didapat sudah cukup baik Program LISREL menyediakan indeks modifikasi untuk memperbaiki
model yg sudah terbentuk Terdapat dua saran yg diusulkan dalam indeks modifikasi
1. penambahan lintasan antara var.laten var.teramati2. penambahan kovariasi diantara dua kesalahan
Tahap akhir dlm SEM adalah melakukan terhadap hasil analisis. Untuk itu SEMmenyediakan 2 informasi:
1. jika pendugaan parameter di SEM menggunakan input matriks kovarians, maka hasil dari SEM adalah model struktural.
2. jika pendugaan parameter di SEM menggunakan input matriks korelasi, maka hasil dari SEM adalah analisis path. Interpretasi dilakukan melihat direct effect, indirect effect, dan total effect.
Sampel dalam SEM
Ding et.al (dalam Ghozali, 2006) menyatakan bahwa ukuran sampel 100-150 merupakan sampel minimum ketika menggunakan model struktur kovarian
Boomsma (1987) menganjurkan bahwa estimasi persamaan struktural melalui metode Maximum Likelihood akan efektif apabila jumlah sampel minimal 200
Hair et.al. (1995) menganjurkan sampel minimum adalah 5 kali jumlah variabel teramati
Analysis Moment of Structural (Amos)
Amos merupakan kependekan dari Analisis of Moment Structures yang digunakan sebagai pendekatan umum analisis data dalam Model Persamaan Struktural (Structural Equation Model) atau yang dikenal dengan SEM
Dengan menggunakan Amos maka perhitungan rumit dalam SEM akan jauh lebih mudah dilakukan
Amos Versi 16 yang merupakan versi terbaru saat ini yang merupakan kelanjutan dari Amos versi 7. Lompatan versi ini dikarenakan Amos diambil alih oleh Microsoft untuk disesuaikan dengan versi SPSS saat ini
• Dapat membuat estimasi rata-rata untuk variabel-variabel exogenous dan intercepts dalam persamaan regresi.
• Amos dapat juga membuat bootstrapped standard errors dan confidence intervals yang ada dalam semua estimasi parameter, rata-rata sampel, varian, kovarian dan korelasi.
• Dapat membuat laporan beberapa angka statistik yang cocok untuk dilakukan perbandingan untuk model-model tersebut.
• Amos juga menyediakan pengujian normalitas univariat untuk masing-masing variabel yang diobservasi dan juga pengujian normalitas multivariat serta dapat mendetksi ouliers.
• Amos dapat memahami diagram jalur sebagai spesifikasi model dan memperlihatkan estimasi-estimasi parameter secara grafis dalam model diagram jalur. Diagram-diagram jalur digunakan sebagai spesifikasi model dan gambar-gambar diagram jalur tersebut dapat diimpor ke program Word.
Keunggulan Amos
LISREL adalah sebuah software yang dikembangkan khusus untuk menangani permasalah Structural Equation Modeling.
LISREL dikembangkan oleh Prof. Karl Joreskog dan Prof. Dag Sorbom dan merupakan prorgam yang user friendly
LISREL merupakan program paling informatif dalam menyajikan hasil-hasil statistik sehingga modifikasi model dan penyebab tidak fitnya model dapat diketahui.
Linear Structural Relationship (Lisrel)
Keunggulan Lisrel
Semua keunggulan dalam Amos dimiliki oleh LISREL
LISREL (LinearStuctural Relationship), adalah satu-satunya program SEM yang banyak digunakan dan dipublikasikan pada berbagai jurnal ilmiah pada berbagai disiplin ilmu
LISREL adalah satu-satunya program SEM yang tercanggih dan yang dapat mengestimasikan berbagai masalah SEM yang bahkan tidak mungkin dapat dilakukan oleh program lain
Di samping itu, LISREL merupakan program yang paling informatif dalam menyajikan hasil-hasil statistik. Sehingga modifikasi model dan penyebab tidak fit dan buruknya suatu model dapat dengan mudah diketahui
Amos vs Lisrel
• Menurut Jurnal Information System Research, penggunaan SEM dengan LISREL adalah sekitar 15% dari seluruh riset berbasis hubungan struktural, dibandingkan total penggunaan EQS dan AMOS, yang hanya sekitar 3%.
• Di samping itu, pada Jurnal Management Information System Quaterly, penggunaan LISREL adalah 13% sedangkan yang masuk kategori lain-lain (AMOS dan EQS) hanya sekitar 3%.
• Dari hal tersebut, maka disimpulkan bahwa LISREL adalah satu-satunya program SEM yang tercanggih dan yang dapat mengestimasi berbagai masalah SEM yang bahkan nyaris tidak mungkin dapat dilakukan oleh program lain, seperti AMOS, EQS, dan lain sebagainya. Di samping itu, LISREL merupakan program yang paling informatif dalam menyajikan hasil-hasil statistik.
SEKIANTERIMAKASIH