sem diansrirezeki

Download Sem Diansrirezeki

Post on 29-Jul-2015

34 views

Category:

Documents

2 download

Embed Size (px)

TRANSCRIPT

SEMStructural Equation ModelOleh : DIAN SRIREZEKI, STP., MM

Aplikasi SEM pada Tesis

SEM (Structural Equation Modeling)Structural equation modeling merupakan suatu teknik statistik yang dipakaiuntuk menguji serangkaian hubungan antara beberapa variabel yang terbentuk dari variabel faktor atau variabel terobservasi. Metode analisis verifikatif statistik pada penelitian dilakukan dengan menggunakan metode Structural Equation Modeling (SEM) dengan bantuan software LISREL 8.70. Menurut Cooper & Schindler (2006: 626) SEM dapat dikerjakan melalui tahapan, sebagai berikut:

Spesifikasi Model (Model Spesification)

Estimasi (Estimation)

Uji Kecocokan (Testing Fit)

Respesifikasi (Re-specification)

Interpretasi dan Komunikasi (Interpretation and communication)

halaman 2 dari 21

A. Spesifikasi Model (Model Spesification) Spesifikasi model pengukuran meliputi aktivitas mendefinisikan variabel latent, variabel teramati dan hubungan antara variabel latent dengan variabel teramati. Pada penelitian ini, ekuitas merek/brand equity (BE) dan nilai pelanggan/customer value (CV) digunakan sebagai salah satu variabel yang dapat mempengaruhi niat membeli ulang/repurchase intentions (RI). Untuk lebih jelasnya, spesifikasi model pengukuran untuk masing-masing variabel adalah sebagai berikut: a. Persamaan ukur variabel eksogen (bebas) 1) Ekuitas Merek/Brand Equity (BE) terdiri dari MBE dan OBE BE1.1 = 1MBE+ BE 1.2 = 2MBE+ BE 1.3 = 3MBE+ BE 1.4 = 4MBE+ BE 1.5 = 5MBE+ BE 1.6 = 6MBE+ BE 1.7 = 7MBE+ BE 1.8 = 8MBE+ BE 1.9 = 9MBE+ 1

BE 1.11 = 11MBE+ 2

11

BE 1.12 = 12MBE+ BE 1.13 = 13MBE+ BE 1.14 = 14MBE+ BE 1.15 = 15MBE+ BE 1.16 = 16OBE+ BE 1.17 = 17OBE+ BE 1.18 = 18OBE+ BE 1.19 = 19OBE+ 10

12

3

13

4

14

5

15

6

16

7

17

8

18

9

19

BE 1.10 = 10MBE+

2) Nilai Pelanggan/Customer Value (CV) terdiri dari FV, SV, EV, PV CV2.1 = 20FV+ CV 2.2 = 21FV+ CV 2.3 = 22FV+ 20

CV 2.4 = 23FV+ CV 2.5 = 24FV+ CV 2.6 = 25SV+

23

21

24

22

25

halaman 3 dari 21

CV 2.7 = 26SV+ CV 2.8 = 27SV+ CV 2.9 = 28SV+ CV 2.10 = 29SV+ CV 2.11 = 30EV+ CV 2.12 = 31EV+ CV 2.13 = 32EV+

26

CV 2.14 = 33EV+ CV 2.15 = 34EV+ CV 2.16 = 35PV+ CV 2.17 = 36PV+ CV 2.18 = 37PV+ CV 2.19 = 38PV+ CV 2.20 = 39PV+

33

27

34

28

35

29

36

30

37

31

38

32

39

b. Persamaan ukur variabel endogen (terikat) 1) Niat Membeli Ulang/Repurchase Intentions (RI) RI1 = 40RI+ 1 RI 2 = 41RI+ 2 RI 3 = 42RI+ 3 RI 4 = 43RI+ 4 RI 5 = 44RI+ 5

Keterangan:

= Standar Loading = koefisien yang memperlihatkan pengaruh = Measurement Error variabel eksogen (variabel bebas)

= Measurement Error variabel endogen (variabel terikat)

halaman 4 dari 21

Model penelitian dimodifikasi dari kerangka pemikiran yang kemudian dituangkan dalam paradigma penelitian (Gambar 1), untuk model penelitian dapat ditinjau pada Gambar 2 di halaman berikutnya.

VARIABEL X EKUITAS MEREK (X1) MBE (Multidimensional Brand Equity) OBE (Overall Brand Equity)

VARIABEL Y

Repurchase Intentions (Y) NILAI PELANGGAN (X2) Customer perceived sacrifices Functional Value Emotional Value Social Value

Gambar 1. Paradigma Penelitian

halaman 5 dari 21

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 Dari 39 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 44 1

40 41 42 2 43

Gambar 2. Struktur Model Penelitian

halaman 6 dari 21

Gambar 2. dapat dinyatakan dalam rumusan matematis, sebagai berikut: RI Keterangan: BE1.1 - BE1.19 = Variabel ekuitas merek =

1 BE + 2 CV +

CV2.1 CV2.20 = Variabel nilai pelanggan RI1 RI5 = Variable niat membeli ulang = Besarnya pengaruh variable eksogen terhadap variable endogen = Besarnya vektor kekeliruan (error) dalam hubungan struktural antara variabel

B. Estimasi (Estimation) Dalam tahap ini akan dilakukan estimasi dengan menggunakan Maximum Likehood

Estimation. Menurut Ghozali dan Fuad (2005:39), untuk kuesioner yangmenggunakan skala ordinal, maka metode yang tepat digunakan adalah Maximum

Likehood Estimation.

halaman 7 dari 21

C. Uji Kecocokan (Testing Fit) Tabel 1. Ketentuan Kesesuaian Model No. 1. Ukuran Derajat KecocokanChi SquareMenguji populasi yang apakah kovarians sama Batas bawah = 1.0 Batas atas = 2.0 atau 3.0 rasio perbandingan antara nilai dan x2/df > 5 diestimasi

Keterangan

Tingkat kecocokan yang bisa diterima

dengan kovarians sampel (apakah model sesuai dengan data)

Normed Chi Square (x /df)2

chi-square dengan degrees of freedommengukur tingkat penyimpangan antara simple covariance matrix dan fitted (model). Suatu ukuran mengenai ketepatan model dalam menghasilkan RMSEA 0,08 (good fit) RMSEA< 0,05 (close-fit) Mengukur penyimpangan antara ECVI < ECVI 0.80 GFI 0,9 Kecil

2.

Non-Centraly Parameter (NCP) Goodness of Fit Indices (GFI) Root Mean Square Error of Approximation (RMSEA)

3.

observed matriks kovarian

4.

Rata-rata perbedaan degree of fredom yang diharapkan terjadi dalam populasi, dan bukan sampel

5.

Expected Cross Validation index (ECVI)

fitted (model) matriks kovarianpada sampel yang dianalisis dan kovarian matrik yang akan diperoleh pada sampel lain, tetapi memiliki ukuran sampel yang sama besar

Saturated dan ECFI for independence model

6.

CFI (Comparative Fit Index)

Uji

kelayakan

model

yang

CFI > 0,9

diusulkan dengan model dasar

Sumber: Imam Ghozali & Fuad (2005: 29-34); Sitinjak&Sugiarto (2006:68)

NOTE : Angka dari ukuran derajat kecocokan dapat dilihat pada output Lisrel

halaman 8 dari 21

D. Respesifikasi (Re- specification) Apabila model yang telah dirancang menghasilkan out put yang tidak memenuhi ketentuan kesesuain model, maka perlu dilakukan perubahan. Perubahan tersebut dapat dilakukan dengan menghapus koefisien jalur yang tidak berarti atau menambah jalur pada model yang didasarkan kepada hasil empiris (Bachrudin & Tobing, 2003: 69)

E. Interpretasi dan Komunikasi (Interpretation and communication) Setelah ditemukan model penelitian yang memenuhi ketentuan model penelitian yang sesuai, maka akan dilakukan penyajian melalui diagram path yang menunjukkan tingkat hubungan antar variabel penelitian.

halaman 9 dari 21

LANGKAH CEPAT OPERASIONAL SEM (Structural Equation Modeling)TAHAP INPUT DATA1. Simpan Data ordinal (semua indicator/item) dalam program SPSS dengan format .asci (Tesis.asci) 2. Buka Program Lisrel 3. Ketik File Import 4. Muncul box : number of variable isi dengan jumlah indicator (jumlah item pertanyaan) 5. Klik Data 6. Define Variabel : lalu isi semua keterangan yg ada dalam box

Ubah nama variabel ke dalam setiap sub variabel 9dikelompokan) Misal : MBE1, MBE2, dst

Variabel Type : ORDINAL Klik OK Save misal : Tesis Rename Close halaman tersebut

TAHAP OLAH DATA1. File New 2. Simplis Project 3. OK 4. Save as misal :Tesis simplis Lalu akan muncul lembar kosong, diisi dengan Rumus SEM *Lihat contoh Tesis Dian 5. RUN Keluar Gambar Model SEM

halaman 10 dari 21

*Contoh Tesis Dian :

PENGARUH EKUITAS MEREK DAN NILAI TERHADAP NIAT MEMBELI ULANG raw data from file D:\MM.psf Latent Variables: BE CV RI Relationships: MBE1 MBE2 MBE3 MBE4 MBE5 MBE6 MBE7 MBE8 MBE9 MBE10 MBE11 MBE12 MBE13 MBE14 MBE15 OBE1 OBE2 OBE3 OBE4 = BE FV1 FV2 FV3 FV4 FV5 SV1 SV3 SV4 SV5 EV1 EV2 EV3 EV4 EV5 PS1 PS2 = CV RI1 RI2 RI3 RI4 RI5 = RI

RI = BE CV

Method of Estimation : Maximum Likehood Iterations = 120 Number of decimals = 3 Wide Print Print Residuals Path Diagram End of Problem

Keterangan : untuk menyimpan data .psf harus diusahakan jangan banyak folder dalam folder (karena sulit dibaca lisrelnya, suka error)

sebaiknya data .psf langsung disave pada drive, contoh

D:\MM.psf

halaman 11 dari 21

Gambar 3.Output LISREL t-value

Garis warna merah menandakan tidak signifikan, jadi harus di respesifikasi

halaman 12 dari 21

Tabel 2. Hasil Pengujian Pengaruh Ekuitas Merek dan Nilai terhadap Niat Membeli Ulang pada pelanggan unkl347 di BandungUkuran Derajat Kecocokan Nilai (P = 0.0) 1671.801/899 = 1.859 Batas bawah = 1.0 Batas atas = 2.0 atau 3.0 dan x2/df > 5 Kecil 0.80 GFI 0,9 Tingkat kecocokan yang bisa diterima Evaluasi Model Belum fit Termasuk batas bawah

Chi Square

Normed Chi Square (x2/df)

Non-Centraly Parameter (NCP) Goodness of Fit Indices (GFI) Root Mean Square Error of Approximation (RMSEA) Expected Cross Validation index (ECVI)

725.673 0.617 0.0824

Belum fit Marginal fit Belum fit

CFI (Comparative Fit Index)

ECVI= 15.182 ECVI for Saturated Model = 16.639 ECVI for Independence Model = 57.646 0.867

ECFI for independence model

RMSEA 0,08 (good fit) RMSEA< 0,05 (close-fit) ECVI < ECVI Saturated dan

fit

CFI > 0,9

belum fit

Dari data tabel tersebut, dapat dilihat bahwa model penelitian belum memenuhi syarat-syarat kesesuaian model. Untuk nilai Chi-Square telah menunjukkan sempurna (P = 0,00), selain itu nilai ECVI juga telah fit dimana ECVI (15.182) < ECVI Saturated (16.639) dan ECF