sem konsep dan prosedur
DESCRIPTION
SEM Konsep dan Prosedur. Dr. Setyo H. Wijanto ([email protected]). Bab 1 Pendahuluan. Problem Dasar. Problem Dasar Scientific Inference dalam Ilmu Sosial dan Perilaku ( Social and Behavioral Science ) Pengukuran ( Measurement ) Apa yang sebenarnya diukur oleh suatu pengukuran? - PowerPoint PPT PresentationTRANSCRIPT
SEMSEMKonsep dan Konsep dan ProsedurProsedur
Dr. Setyo H. Wijanto([email protected])
Bab 1Bab 1PendahuluanPendahuluan
April 2009SEM - Konsep dan Prosedur3
Problem DasarProblem Dasar
Problem Dasar Scientific Inference dalam Ilmu Sosial dan Perilaku (Social and Behavioral Science)
Pengukuran (Measurement)• Apa yang sebenarnya diukur oleh suatu
pengukuran?• Bagaimana cara dan seberapa baik sebuah
pengukuran mengukur apa yang diukur tersebut.• Bagaimana validitas dan reliabilitas
pengukurannya?
Hubungan Kausal di antara variabel-variabel dan penjelasan tentang hubungan tersebut
• Bagaimana menyimpulkan hubungan kausal antar variabel yang kompleks dan tidak teramati secara langsung, melainkan melalui indikator-indikator?
April 2009SEM - Konsep dan Prosedur4
Perkembangan SEMPerkembangan SEM
Usaha untuk Mengatasi Problem Dasar
Francis Galton Keponakan Charles Darwin ini
menghasilkan konsep korelasi dan regresi. Konsep “the common source” merupakan langkah awal dalam analisis faktor.
Karl Pearson (1857-1936) Murid dari Galton dan
merupakan ahli statistik terbesar sepanjang masa. Pearson tidak meneruskan ide “analisis faktor”, tetapi memperkenalkan konsep principal components yang penting dalam estimasi analisis faktor.
April 2009SEM - Konsep dan Prosedur5
Perkembangan SEMPerkembangan SEM
Poster dari Francis Galtons’ Anthropometric Laboratory di London, 1885-1891
April 2009SEM - Konsep dan Prosedur6
Perkembangan SEMPerkembangan SEM
April 2009SEM - Konsep dan Prosedur7
Perkembangan SEMPerkembangan SEM
Charles Spearman Spearman adalah murid dari
Wundt di Leipzig dan Galton di London. Ia mulai sebagai psikolog dan pada 1904 ia meletakkan dasar psikometri sebagai salah satu cabang dari ilmu kuantitatif. Konsep one factor model (dikenal sebagai g) yang diusulkan-nya membawa dia sebagai “ the father of factor analysis”.
April 2009SEM - Konsep dan Prosedur8
Perkembangan SEMPerkembangan SEM
Louis Leon Thurstone Thurstone memperluas
konsep one-factor model dari Spearman menjadi multiple factor model. Ia mengakomodasi Spearman’s g melalui konsep “second order” factor.
Louis Guttman (1916-1987) Guttman banyak memberi
kontribusi pada analisis faktor. Selain itu ia juga mengusulkan pendekatan alternatif dari analisis faktor.
April 2009SEM - Konsep dan Prosedur9
Perkembangan SEMPerkembangan SEM
Karl Joreskog Terobosan dilakukan oleh
Joreskog dalam mengatasi persoalan estimasi dan analisis faktor. Kontribusinya mencakup:
• Maximum likelihood sebagai metode praktis yang dapat digunakan.
• Confirmatory factor analysis. Digabungkan dengan hasil
dari Wiley dan Keesling menghasilkan model JKW
April 2009SEM - Konsep dan Prosedur10
Perkembangan SEMPerkembangan SEM
Model JKW (Joreskog, 1973; Keesling, 1972; Wiley, 1973), yang terdiri 2 bagian:
• Model Variabel Laten• Model ini serupa dengan persamaan
simultan pada ekonometri, hanya semua variabelnya adalah variabel laten.
• Model Pengukuran• Model ini menunjukkan indikator-indikator
sebagai efek dari variabel laten, seperti pada analisis-faktor yang banyak digunakan pada psikometri dan sosiometri.
Model Bentler & Week (1980) Model McArdle & McDonald (1984)
April 2009SEM - Konsep dan Prosedur11
Perkembangan SEMPerkembangan SEM
GaltonThe Common Source
SpearmanOne Factor Model
ThurstoneMultiple Factor Model
JoreskogMLE, CFA & LISREL
Simultaneous Equation Model(Econometric)
JKW Model
LISREL SEM
Factor Analysis (Psychometric)
Klein
April 2009SEM - Konsep dan Prosedur12
Perkembangan SEMPerkembangan SEM
Model JKW merupakan cikal bakal dari model LISREL (LInear Structural RELationship) dan dewasa ini juga dikenal sebagai Structural Equation Model (SEM)
Dukungan Perangkat Lunak Komputer Perangkat lunak komputer (computer software)
mendorong perkembangan dan popularitas SEM. Dua perangkat lunak SEM yang populer:
• LISREL• EQS• AMOS
April 2009SEM - Konsep dan Prosedur13
Perkembangan SEMPerkembangan SEM
Dukungan Perangkat Lunak Komputer Perangkat lunak SEM yang lain:
• LISCOMP• CALIS• EzPATH• COSAN
Arena Diskusi tentang SEM di Internet SEMNET
• http://www.gsu.edu/~mkteer/semfaq.html Websites para vendor SEM Software
• http://www.ssicentral.com/ (untuk LISREL)
April 2009SEM - Konsep dan Prosedur14
SEM vs MultivariatSEM vs Multivariat
SEM mampu memodelkan konsep variabel laten yang tidak teramati secara langsung. (Pada multivariat lainnya semua variabelnya adalah variabel teramati)
SEM mampu memodelkan hubungan kausal yang kompleks di antara variabel-variabel Persamaan Simultan (Pada multivariat yang lain lazimnya hanya satu persamaan)
Hubungan kausal yang kompleks tersebut terjadi di antara variabel laten dan bisa diestimasi sekaligus atau simultan. (Pada multivariat yang lain, estimasi dilakukan satu persamaan setiap kali)
Bab 2Bab 2Konsep SEMKonsep SEM
April 2009SEM - Konsep dan Prosedur16
Path DiagramPath Diagram
Path Diagram atau Diagram Lintasan merupakan sarana komunikasi yang efektif untuk menyampaikan ide konsep dasar model SEM (Hoyle, 1995)
Diagram Lintasan jika digambar secara benar dan mengikuti aturan yang telah ditetapkan, akan dapat diturunkan menjadi model matematik dari SEM
April 2009SEM - Konsep dan Prosedur17
Komponen dalam Model Umum SEMKomponen dalam Model Umum SEM
2 JENIS VARIABEL Variabel Laten (Latent Variable) Variabel Teramati (Observed atau Measured
Variable)
2 JENIS MODEL Model Struktural (Structural Model) Model Pengukuran (Measurement Model)
2 JENIS KESALAHAN Kesalahan Struktural (Structural Error) Kesalahan Pengukuran (Measurement
Error)
April 2009SEM - Konsep dan Prosedur18
VARIABEL DI DALAM SEMVARIABEL DI DALAM SEM
Variabel Laten Merupakan variabel kunci yang
menjadi perhatianMerupakan konsep abstrak.
(Contoh dalam psikologi adalah perilaku, sikap, perasaan, motivasi dllnya)
Hanya dapat diamati secara tidak langsung dan tidak sempurna melalui efeknya pada variabel-variabel teramati
April 2009SEM - Konsep dan Prosedur19
VARIABEL DI DALAM SEMVARIABEL DI DALAM SEM
Variabel Laten Ada 2 jenis variabel laten:
•Variabel laten eksogen Notasi variabel laten eksogen dengan huruf Yunani adalah (“ksi”)
•Variabel laten endogen • Notasi variabel laten endogen dengan
huruf Yunani adalah (“eta”).
April 2009SEM - Konsep dan Prosedur20
VARIABEL DI DALAM SEMVARIABEL DI DALAM SEM Variabel Laten
Simbol Path Diagram dari Variabel Laten adalah lingkaran atau elips.
atau
Simbol untuk menunjukkan hubungan kausal adalah anak panah.
)(
Latent Eksogen Latent Endogen
)(
April 2009SEM - Konsep dan Prosedur21
VARIABEL DI DALAM SEMVARIABEL DI DALAM SEM
Variabel TeramatiVariabel Teramati adalah variabel
yang dapat diamati atau dapat diukur secara empiris dan sering disebut sebagai indikator.
Variabel teramati merupakan efek atau ukuran dari variabel laten (Reflektif).
Pada metode survai dengan menggunakan kuesioner, setiap pertanyaan pada kuesioner biasanya mewakili sebuah variabel teramati.
April 2009SEM - Konsep dan Prosedur22
VARIABEL DI DALAM SEMVARIABEL DI DALAM SEM
Variabel Teramati Notasi matematik untuk variabel
teramati yang merupakan efek dari variabel laten eksogen (ksi) adalah X, sedangkan yang merupakan efek dari variabel laten endogen (eta) adalah Y.
Simbol Diagram Lintasan dari variabel teramati adalah kotak
x y
April 2009SEM - Konsep dan Prosedur23
MODEL DI DALAM SEMMODEL DI DALAM SEM
Model Struktural Menggambarkan hubungan-hubungan
yang ada di antara variabel laten. Hubungan-hubungan ini umumnya
linier, meskipun pada perluasan SEM hubungan non-linier dimungkinkan.
Sebuah hubungan di antara variabel laten serupa dengan sebuah persamaan regresi linier di antara variabel laten tersebut.
Beberapa persamaan regresi linier tersebut membentuk persamaan simultan di antara variabel-variabel laten (serupa persamaan simultan di ekonometri).
April 2009SEM - Konsep dan Prosedur24
MODEL DI DALAM SEMMODEL DI DALAM SEM
Model Struktural Parameter yang menunjukkan
regresi variabel laten endogen pada variabel laten eksogen diberi label huruf Yunani (‘gamma”).
Parameter yang menunjukkan regresi variabel laten endogen pada variabel laten endogen yang lain diberi label huruf Yunani (‘beta”).
April 2009SEM - Konsep dan Prosedur25
MODEL DI DALAM SEMMODEL DI DALAM SEM Model Struktural
Simbol dalam Diagram Lintasan
KSI1(ξ1)
ETA1(η1)
ETA2(η2)
ETA3(η3)
GAMMA11(γ11)
BETA31(β31)
BETA21(β21)
KSI2(ξ2)
GAMMA32(γ32)
GAMMA12(γ12)
April 2009SEM - Konsep dan Prosedur26
MODEL DI DALAM SEMMODEL DI DALAM SEM
Model Struktural RECIPROCAL CAUSATION (ETA1 ETA2)
UNANALYZED ASSOCIATION• Simbol asosiasi 2 variabel adalah panah
melengkung 2 arah. (KSI1 <-> KSI2)
KSI1
ETA1 ETA2
KSI2
BETA21
BETA12
April 2009SEM - Konsep dan Prosedur27
MODEL DI DALAM SEMMODEL DI DALAM SEM
Model Pengukuran Setiap variabel laten biasanya
mempunyai beberapa variabel teramati atau indikator.
Hubungan antara sebuah variabel laten dengan variabel-variabel teramati dimodelkan dalam bentuk analisis faktor (yang banyak digunakan di psikometri dan sosiometri)
Dalam model ini, setiap variabel laten dimodelkan sebagai sebuah faktor yang mendasari beberapa variabel teramati terkait
April 2009SEM - Konsep dan Prosedur28
MODEL DI DALAM SEMMODEL DI DALAM SEM
Model Pengukuran Muatan-muatan faktor atau loading
factors yang menghubungkan variabel laten dan variabel teramati diberi notasi (“lambda”), dimana pada sisi X adalah (lambda X) dan sisi Y adalah (lambda y).
Model pengukuran yang paling umum dalam aplikasi SEM adalah model pengukuran kon-generik (congeneric measurement model), dimana setiap variabel teramati hanya berhubungan dengan satu variabel laten.
xy
April 2009SEM - Konsep dan Prosedur29
MODEL DI DALAM SEMMODEL DI DALAM SEM
Model Pengukuran Simbol dalam Diagram Lintasan (Perhatikan
arah panah, yang menunjukkan bahwa variabel teramati merupakan efek atau refleksi dari variabel laten)
X1
X2
X3
KSI1
LAMBDA X11
LAMBDA X21
LAMBDA X31
)(11x
)(31x
April 2009SEM - Konsep dan Prosedur30
KESALAHAN (ERROR) DI DALAM KESALAHAN (ERROR) DI DALAM SEMSEM
Kesalahan Struktural Umumnya variabel laten bebas tidak
dapat secara sempurna memprediksi variabel terikat, sehingga dalam model struktural biasanya ditambahkan komponen kesalahan struktural.
Kesalahan struktural diberi label dengan huruf Yunani (“zeta”)
Di dalam Diagram Lintasan, kesalahan struktural tidak ada simbolnya (kadang-kadang ada yang menggunakan simbol lingkaran atau elips kecil)
Penambahan kesalahan struktural pada model membuat model struktural menjadi lengkap.
April 2009SEM - Konsep dan Prosedur31
KESALAHAN (ERROR) DI DALAM KESALAHAN (ERROR) DI DALAM SEMSEM
Kesalahan dan Model Struktural
ETA1 = GAMMA11 x KSI1 + GAMMA12 x KSI2 + ZETA1ETA2 = BETA21 x ETA1+ ZETA2ETA3 = BETA31 x ETA1+ GAMMA32 x KSI2 + ZETA3
KSI1(ξ1)
ETA1(η1)
ETA2(η2)
ETA3(η3)
GAMMA11(γ11)
BETA31(β31)
KSI2(ξ2) GAMMA32
(γ32)
GAMMA12(γ12)
ZETA1(ζ1) ZETA2
(ζ2)
ZETA3(ζ3)
BETA21(β21)
April 2009SEM - Konsep dan Prosedur32
KESALAHAN (ERROR) DI DALAM KESALAHAN (ERROR) DI DALAM SEMSEM
Kesalahan Pengukuran Dalam SEM, variabel-variabel teramati
tidak dapat secara sempurna merefleksikan/menggambarkan variabel laten terkait.Untuk memodelkan ketidak-sempurnaan ini, dilakukan penambahan komponen kesalahan pengukuran ke dalam model.
Notasi matematik untuk kesalahan pengukuran yang berkaitan dengan variabel teramati X adalah (“delta”), sedangkan yang berkaitan dengan variabel teramati Y adalah (“epsilon”).
April 2009SEM - Konsep dan Prosedur33
KESALAHAN (ERROR) DI DALAM KESALAHAN (ERROR) DI DALAM SEMSEM
Kesalahan Pengukuran
KSI1(ξ1)
X1
X2
X3
LAMBDAX11(λX11)
LAMBDAX31(λX31)
LAMBDAX21(λX21)
ETA1(η1)
Y1
1
DELTA1(δ1)
DELTA2(δ2)
DELTA3(δ3)
0
April 2009SEM - Konsep dan Prosedur34
MODEL PENGUKURANMODEL PENGUKURAN
KSI-1
KSI-2
x2
x3
x4
x5
x6
x1d1
d2
d3
Confirmatory Factor Analysis (CFA) Model
d4
d5
d6
April 2009SEM - Konsep dan Prosedur35
MODEL PENGUKURANMODEL PENGUKURAN
ETA-1
ETA-2
Y2
Y3
Y4
Y5
Y6
Y1
2nd Order CFA Model
KSI-1
z1
z2
April 2009SEM - Konsep dan Prosedur36
MODEL HYBRID (FULL SEM MODEL)MODEL HYBRID (FULL SEM MODEL)
April 2009SEM - Konsep dan Prosedur37
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
MODEL STRUKTURAL
1 1 1
= + +
0 - - - - - - - - -
. - 0 . - .
. = - - 0 . + - .
. - - - 0 . -
- - - - 0 -m m
1
.
+ .
. .
(m x 1) (m x m) (m x 1) (m x n) (n x 1) (m x 1)n m
April 2009SEM - Konsep dan Prosedur38
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
MODEL STRUKTURAL = Sebuah vektor dari variabel endogen
= Sebuah vektor dari variabel eksogen
dan = Matrik dari Koefisien Struktural
= Sebuah vektor dari kesalahan (errors) struktural
Matrik Kovarian dari variabe
1
2 1 2
3
2
2
2
2
l-variabel laten eksogen adalah (phi)
Matrik kovarian dari kesalahan struktural adalah (Psi)
= - -
- - - -
- - - - n
1
2 1 2
3
2
2
2
2
= - -
- - - -
- - - -
(n x n) (m x m)
m
April 2009SEM - Konsep dan Prosedur39
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
MODEL PENGUKURAN VARIABEL ENDOGEN
11
21
pm
y
y1 11
y
y
= +
-. .. = +
. ..- - -
- - -
(px1) (pxm) (mx
p pm
y
y
y
1) (px1)
April 2009SEM - Konsep dan Prosedur40
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
MODEL PENGUKURAN VARIABEL ENDOGEN
y
y = Sebuah vektor dari variabel teramati endogen
Sebuah matrik koefisien pengukuran/loading factors
= Sebuah vektor dari kesalahan pengukuran
Matrik kovarian dari kesalahan pengukuran adalah
1
2
3 2 3
2
2
2
2
(Theta Epsilon)
0 = = Matriks (p x p)
-
- - - p
April 2009SEM - Konsep dan Prosedur41
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
MODEL PENGUKURAN VARIABEL EKSOGEN
11
21
qn
x
x1 11
x
x
x = +
-. .. = +
. ..- - -
- - -
(qx1) (qxn)
q qn
x
x
(nx1) (qx1)
April 2009SEM - Konsep dan Prosedur42
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
MODEL PENGUKURAN VARIABEL EKSOGEN
x
x = Sebuah vektor dari variabel teramati eksogen
Sebuah matrik koefisien pengukuran/loading factors
= Sebuah vektor dari kesalahan (errors) pengukuran
Matrik kovarian dari kesalahan pengukuran
1
2 1 2
2
2
2
adalah (Theta Delta)
= = Matriks (q x q)
- 0 -
- - - q
April 2009SEM - Konsep dan Prosedur43
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
ASUMSI MODEL MATEMATIK SEM
1. tidak berkorelasi dengan
2. tidak berkorelasi dengan
3. tidak berkorelasi dengan
4. , , dan tidak saling berkorelasi
(Mutually Uncorrelated)
5. (I - B) adalah Non Singular
April 2009SEM - Konsep dan Prosedur44
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
8 MATRIK PARAMETER PADA MODEL SEM
x
= Structural Coefficients Matrix di antara
Variabel Laten Endogeen ( )
= Structural Coefficients Matrix antara Variable Laten
Eksogen ( ) dengan Variabel Laten Endogen ( )
= Facto
y
r Loadings Matrix dari Variabel Teramati X
terhadap Variabel laten
= Factor Loadings Matrix dari Variabel Teramati Y
terhadap Variabel laten
April 2009SEM - Konsep dan Prosedur45
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
8 MATRIK PARAMETER PADA MODEL SEM
= Covariance Matrix di antara variabel laten eksogen ( )
= Covariance Matrix di antara structural equation errors ( )
= Covariance Matrix di antara measurement errors
dari variabel laten
eksogen ( )
= Covariance Matrix di antara measurements errors
dari veriabel laten endogen ( )
April 2009SEM - Konsep dan Prosedur46
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
April 2009SEM - Konsep dan Prosedur47
MODEL MATEMATIK SEMMODEL MATEMATIK SEM
Bab 3Bab 3Prosedur SEMProsedur SEM
April 2009SEM - Konsep dan Prosedur49
PENDAHULUAN Penerapan SEM dan Statistik untuk Penelitian
Penerapan Statistik• Didasarkan atas pengamatan atau observasi
secara individual.• Residual merupakan perbedaan antara nilai yang
dicocokkan (fitted) dengan nilai yang diamati untuk setiap kasus yang ada dalam sampel.
• Fungsi yang diminimumkan adalah perbedaan antara nilai yang diamati dengan nilai yang diprediksi.
Penerapan SEM• Didasarkan atas kovarian dari nilai-nilai yang
ada di dalam sampel• Residual merupakan perbedaan antara kovarian
yang diprediksi/dicocokkan dengan kovarian yang diamati.
• Fungsi yang diminimumkan adalah perbedaan antara kovarian sampel dengan kovarian yang diprediksi oleh model
April 2009SEM - Konsep dan Prosedur50
PENDAHULUAN
PROSES PENCO-COKAN MODEL
April 2009SEM - Konsep dan Prosedur51
PENDAHULUAN PROSES PENCOCOKAN MODEL
Data = Model + Residual
Data: mewakili nilai pengukuran yang berkaitan dengan variabel-variabel teramati dan membentuk sampel penelitian
Model: mewakili model yang dihipotesiskan/ dispesifikasikan oleh peneliti
Residual: Perbedaan antara model yang dihipotesiskan dengan data yang diamati.
Tujuan Pencocokan Model:Minimisasi Residual atau Residual
0
April 2009SEM - Konsep dan Prosedur52
PENDAHULUAN Hipotesis Fundamental
Hipotesis Nol
= () Di mana:
• adalah matrik kovarian populasi dari variabel-variabel teramati
() adalah matrik kovarian dari model yang dispesifikasikan/dihipotesiskan
Jika pada statistik biasanya yang dipentingkan adalah signifikansi atau yang dicari adalah penolakan terhadap H0 (seperti pada regresi berganda), pada SEM yang diusahakan adalah agar H0 tidak ditolak atau Ho diterima.
April 2009SEM - Konsep dan Prosedur53
PROSEDUR SEM Prosedur SEM secara umum (Bollen and
Long, 1993)
1. Spesifikasi Model (Model Specification)
2. Identifikasi (Identification)3. Estimasi (Estimation)4. Uji Kecocokan (Testing Fit)5. Respesifikasi (Re-specification)
April 2009SEM - Konsep dan Prosedur54
SPESIFIKASI MODEL Contoh Spesifikasi Model Path Diagram (Diagram Lintasan)
Gambar 3.2. Path Diagram Stability Alienation (Wheaton et.al. 1977)
EDUC (X1)
SEI (X2)
ANOMIA67 (Y1)
Ses (ξ1)
Alien67(η1)
Alien71(η2)
POWERL67 (Y2 )
ANOMIA71 (Y3)
POWERL71 (Y4)
ME1 (δ1)
Z2 (ς2)
L3(λY11)
G2 (γ21)
G1 (γ11) L1
(λX11)
L2 (λX21)
ME2 (δ2)
L4(λY21)
L5(λY32)
L6(λY42)
Z1 (ς1)
B1 (β21)
ME4 (ε2)
ME5 (ε3)
ME6 (ε4)
ME3 (ε1)
April 2009SEM - Konsep dan Prosedur55
IDENTIFIKASI Langkah ini ditujukan untuk menjaga agar
model yang dispesifikasikan bukan merupakan model yang under-identified atau unidentified.
Identifikasi dalam persamaan simultan: Under-Identified Just Identified Over Identified
Contoh sederhana dari Under-Identified (Contoh 1)
X + Y = 6
1 persamaan (data) dengan 2 bilangan tidak diketahui (parameter yang diestimasi) Tidak ada solusi yang Unik
April 2009SEM - Konsep dan Prosedur56
IDENTIFIKASI Contoh sederhana dari Just-Identified (Contoh 2)
X + Y = 62X +Y = 10
2 persamaan dengan 2 bilangan tidak diketahui Hanya ada 1 solusi yaitu X = 4 dan Y = 2
Contoh sederhana dari Over-Identified (Contoh 3)
X + Y = 62X + Y= 103X + Y = 12
3 persamaan dengan 2 bilangan tida diketahui Solusi diperoleh melalui estimasi iteratif, dan yang cukup mendekati adalah x = 3.0 dan Y = 3.3
April 2009SEM - Konsep dan Prosedur57
IDENTIFIKASI Identifikasi di dalam SEM dan Degree of
Freedom (df) Under-Identified model adalah model
dimana jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui (variance dan covariance dari variabel-variabel teramati) df = Jumlah data - Jumlah parameter yang diestimasi; df (contoh 1) = 1 -2 = -1 df negatif
Just –Identified model adalah model dimana jumlah parameter yang diestimasi sama dengan data yang diketahui. df (contoh 2) = 2 -2 = 0 df =0
Over-Identified model adalah model dimana jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui. df (contoh 3)=3 -2 =1 df positif.
April 2009SEM - Konsep dan Prosedur58
IDENTIFIKASI Untuk memperoleh model SEM yang
Over-Identified (Mueller, 1996)1. Jumlah varian-kovarian non-redundan
variabel teramati (jumlah data) >= Jumlah parameter model yang diestimasi
2. Setiap variabel laten dalam model harus diberi sebuah unit pengukuran. Untuk itu dapat digunakan salah satu dari dua cara di bawah ini:– Menetapkan salah satu koefisien
struktural/faktor loading, Lambda dengan nilai 1.0 atau
– Variabel laten distandarisasikan ke unit variance, yaitu dengan menetapkan nilai 1 pada komponen diagonal dari matrik Phi (variances).
April 2009SEM - Konsep dan Prosedur59
ESTIMASI Langkah ini ditujukan untuk memperoleh
estimasi setiap parameter dispesifikasikan dalam model yang membentuk matrik sedemikian sehingga nilai parameter sedekat mungkin dengan nilai yang ada dalam matrik S (matrik kovarian dari variabel teramati/ Sampel).
Karena matrik kovarian populasi tidak diketahui maka ini diwakili oleh matrik kovarian sampel S.
Dengan demikian, berdasarkan hipotesis nol, maka diusahakan agar S - mendekati atau sama dengan nol. Hal ini dapat dilaksanakan dengan meminimilasikan suatu fungsi F(S, ) melalui iterasi.
( )
( )
( )
April 2009SEM - Konsep dan Prosedur60
ESTIMASI Estimasi terhadap model dapat dilakukan
menggunakan salah satu dari metode estimasi yang tersedia:
Instrumental Variable (IV) Two Stage Least Square (TSLS) Unweighted Least Squares (ULS) Generalized Least Squares (GLS) Maximum Likelihood (ML) Generally Weighted Least Squares (WLS) Diagonally Weighted Least Squares (DWLS)
Metode estimasi yang paling banyak digunakan adalah ML dan WLS (ADF= Arbitrary Distribution Function)
April 2009SEM - Konsep dan Prosedur61
ESTIMASI Untuk estimasi menggunakan ML, fungsi yang
diminimalisasikan adalah:
Sedangkan untuk estimasi WLS, fungsi tersebut:
Minimisasi fungsi tersebut dapat dilakukan melalui iterasi (dimulai dengan initial value) sampai diperoleh nilai yang kecil atau minimal. Beberapa algoritma untuk iterasi tersedia (Loehlin 1992):
Fletcher-Powell (variant-nya digunakan pada LISREL)
Gauss – Newton (digunakan di EQS) Newton – Rhapson Dan lain-lainnya
-1MLF = log + tr(S ) - log S - (p+q)
-1WLSF ( ) = (s- ) W (s- )
April 2009SEM - Konsep dan Prosedur62
ESTIMASI Offending Estimates (Hair et.al. 1998)
negative error variances (Heywood Cases) atau nonsignificant error variances untuk konstruk-konstruk yang ada,
standardized coefficients melebihi atau sangat dekat dengan 1, atau
standard errors yang berhubungan dengan koefisien-koefisien yang diestimasi mempunyai nilai sangat besar.
Untuk mengatasinya Negative error variances error variances
ditetapkan = nilai positif kecil, misalnya 0.005 atau 0.01.
Nilai koefisien dan errors standar yang besar mungkin karena misspecification dari model periksa modelnya (dan ubah kalau perlu)
April 2009SEM - Konsep dan Prosedur63
UJI KECOCOKAN Langkah ini ditujukan untuk mengevaluasi
derajat kecocokan atau Goodness Of Fit (GOF) antara data dan model.
Langkah uji kecocokan ini merupakan langkah yang banyak mengundang perdebatan dan kontroversi (Bollen dan Long, 1993).
Menurut Hair et.al. (1995) evaluasi terhadap GOF model dilakukan melalui beberapa tingkatan, yaitu:
Kecocokan keseluruhan model (overall model fit)
Analisis atau Kecocokan model pengukuran (measurement model fit)
Analisis atau Kecocokan model struktural (structural model fit)
April 2009SEM - Konsep dan Prosedur64
UJI KECOCOKAN Nested Models
Independence Model, Mi merupakan model yang paling dibatasi
Saturated Model, Ms merupakan model yang paling tidak dibatasi, just identified, atau df= c-p=0.
sM kM hMjM
iM
Most restricted model(least free parameter)Highest overall chi square(worst fit)
least restricted model(most free parameter)zero overall chi square(best fit)
Nested within
April 2009SEM - Konsep dan Prosedur65
UJI KECOCOKAN
Kecocokan Keseluruhan Model
Daftar ukuran GOF serta tingkat penerimaan kecocokan yang berhasil dikompilasi dari Hair et.al (1995), Chin dan Todd (1995), Doll, Xia dan Torkzadeh (1994), Joreskog dan Sorbom (1993) dan Byrne (1998) dapat dilihat pada Wijanto (2008)
April 2009SEM - Konsep dan Prosedur66
UJI KECOCOKAN
Goodness of Fit Index (GOFI) yang sering digunakan
GOFI Ukuran Kecocokan Yang Baik
p-value of Χ2 ≥ 0.05
RMSEA ≤0.08
NFI ≥ 0.90
NNFI ≥ 0.90
RFI ≥ 0.90
CFI ≥ 0.90
IFI ≥ 0.90
Standardized RMR ≤0.05
GFI
AGFI
≥ 0.90≥ 0.90
April 2009SEM - Konsep dan Prosedur67
UJI KECOCOKAN Kecocokan atau Analisis Model
Pengukuran Evaluasi ini dilakukan terhadap setiap
konstruk secara terpisah melalui:
Evaluasi terhadap validitas (validity) konstrukValiditas berhubungan dengan apakah suatu
variabel mengukur apa yang seharusnya diukur
Evaluasi terhadap reliabilitas (reliability) konstruk
Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi menunjukkan bahwa indikator-indikator (variabel-variabel teramati) mempunyai konsistensi tinggi dalam mengukur konstruk/variabel laten-nya.
April 2009SEM - Konsep dan Prosedur68
UJI KECOCOKAN Kecocokan atau Analisis Model
Pengukuran Evaluasi terhadap validitas
Menurut Rigdon dan Ferguson (1991), dan Doll, Xia, Torkzadeh (1994), suatu variabel dikatakan mempunyai validitas yang baik terhadap konstruk atau variabel latennya, jika:
• Nilai t muatan faktornya (factor loadings) lebih besar dari nilai kritis (≥1.96 atau untuk praktisnya ≥ 2)
• Muatan faktor standarnya (standardized factor loadings) lebih besar atau sama dengan 0.70
Igbaria, et.al. (1997) yang menggunakan guidelines dari Hair et.al. (1995) tentang relative importance and significant of the factor loading of each item:
• Loadings ≥ 0.50 adalah very significant
April 2009SEM - Konsep dan Prosedur69
UJI KECOCOKAN Kecocokan atau Analisis Model
Pengukuran Evaluasi terhadap reliabilitas
Untuk SEM pengukuran reliabilitas dapat dilakukan dengan menggunakan (Hair et.al. 1995):
• Composite/Construct Reliability Measure (Ukuran Reliabilitas Komposit/Konstruk)
• Variance Extracted Measure (Ukuran Ekstrak Varian)
Reliabilitas kostruk yang baik, jika • nilai construct reliability-nya ≥ 0.70
dan • nilai variance extracted-nya ≥ 0.50
April 2009SEM - Konsep dan Prosedur70
UJI KECOCOKAN Kecocokan atau Analisis Model Pengukuran Reliabilitas Komposit suatu Konstruk dihitung sbb:
Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator yang dijelaskan oleh konstruk laten. (Fornel and Laker 1981)
2
2j
( std.loading)Construct Reliability =
( std.loading) + e
2
2j
2
j
std.loadingVariance Extracted =
std.loading + e
std.loading =
Dimana: std. loading = standardized loading
e = measurement error
N
N = banyaknya variabel teramati dalam model
April 2009SEM - Konsep dan Prosedur71
UJI KECOCOKAN Kecocokan atau Analisis Model Struktural Uji kecocokan ini dilakukan terhadap koefisien –
koefisien persamaan struktural dengan menspesifikasikan tingkat signifikansi tertentu. Dalam hal tingkat signifikansi adalah 0.05, maka nilai t dari persamaan struktural harus ≥ 1.96 atau untuk praktisnya ≥2
Selain itu juga perlu dilakukan evaluasi terhadap solusi standar dimana semua koefisien mempunyai varian yang sama dan nilai maximumnya adalah 1.
Sebagai ukuran menyeluruh terhadap persamaan struktural, overall coefficient of determination (R2) dievaluasi seperti pada regresi berganda. (Lihat Catatan tentang R2 di Wijanto (2008))
April 2009SEM - Konsep dan Prosedur72
RESPESIFIKASI Langkah ini ditujukan untuk melakukan
spesifikasi ulang terhadap model untuk memperoleh GOF yang lebih baik.
Respesifikasi ini sangat tergantung kepada strategi pemodelan yang dipilih.
Ada 3 strategi pemodelan yang dapat dipilih dalam SEM: (Joreskog dan Sorbom 1993) atau (Hair et. Al. 1995) Strictly Confirmatory/SC atau
Confirmatory Modeling Strategy Alternative/Competing Models/AM atau
Competing Model Strategy Model Generating/MG atau Model
Development Strategy
April 2009SEM - Konsep dan Prosedur73
RESPESIFIKASI Strictly Confirmatory/SC
Suatu model tunggal dispesifikasikan Pengumpulan data empiris Pengujian dilakukan untuk menghasilkan
penerimaan atau penolakan terhadap model tersebut
Tidak ada respesifikasi• Alternative Model/AM
- Beberapa model alternatif dispesifikasikan- Pengumpulan data empiris- Analisis terhadap model-model tersebut dan
dipilih salah satu yang paling sesuaiRespesifikasi hanya diperlukan jika model-
model alternatif dikembangkan dari beberapa model yang ada
April 2009SEM - Konsep dan Prosedur74
RESPESIFIKASI Model Generating/MG
Suatu model awal dispesifikasikan Pengumpulan data empiris Analisis dan pengujian apakah data cocok
dengan model Jika tingkat kecocokan kurang baik, maka
model dimodifikasi dan diuji kembali dengan data yang sama.
Proses respesifikasi dapat dilakukan berulang-ulang sampai diperoleh tingkat kecocokan terbaik. Proses respesifikasi dilakukan berdasarkan theory driven atau data driven, meskipun respesifikasi berdasar theory driven lebih dianjurkan.
Dari SC, AM dan MG, yang paling banyak diterapkan adalah MG, dan paling sedikit adalah SC.
April 2009SEM - Konsep dan Prosedur75
ONE STEP VS TWO STEP APPROACH ONE STEP APPROACH
Pendekatan analisis dan pengujian model secara keseluruhan sekaligus (measurement dan structural model)
TWO STEP APPROACH Pendekatan analisis dan pengujian
model melalui 2 tahap: (James, Mulaik dan
Brett 1982; Anderson dan Gerbing 1988)• Analisis dan pengujian terhadap
measurement model• Analisis dan pengujian terhadap structural
model
April 2009SEM - Konsep dan Prosedur76
ONE STEP VS TWO STEP APPROACH
Masih ada pro dan kontra terhadap pendekatan di atas. Menurut Joreskog dan Sorbom (1993, hal 113) “ … The testing of structural model, i.e. the
testing of initially specified theory may be meaningless unless it is first established that measurement model holds. If the chosen indicators for a construct do not measure that construct, the specified theory must be modified before it can be tested. Therefore, the measurement model should be tested before the structural relationships are tested …”