PEMODELAN PERSAMAAN STRUKTURAL(Structural Equation Modelling SEM)1. PendahuluanSeiring berkembangnya ilmu pengetahuan dan penelitian maka pola hubungan antarvariabel juga mengalami kompleksitas. Keterkaitan hubungan antarvariabel bersifat ilmiah, ada yang bersifat pola hubungan antara variabel saja dan ada yang bersifat pola pengaruh langsung maupun tidak langsung. Dalam penelitian seringkali menghadapi variabel yang tidak bisa diukur secara langsung dan memerlukan beberapa indikator untuk pengukurannya. Variabel yang tidak bisa diukur secara langsung ini disebut konstrak laten / variabel laten/variabel unobserved, sedangkan indikator sebagai variabel terukur disebut variabel manifest / variabel observed.

Dalam format kuesioner, indikator atau variabel manifest merupakan item-item pertanyaan dari setiap variabel laten atau dari setiap variabel yang dihipotesiskan. Indikator- indikator tersebut harus dapat mencerminkan variabel laten yang didefinisikan, dapat dipertanggungjawabkan secara teori, mempunyai nilai logis yang dapat diterima, serta memiliki tingkat validitas dan reliabilitas yang baik. Suatu metode atau teknik statistik diperlukan untuk mengukur atau menganalisis pola hubungan dan pola pengaruh antarvariabel secara simultan, serta untuk mengetahui indikator-indikator yang mengukur variabel adalah sahih dan reliabel.

2. Metode Pemodelan Persamaan StrukturalDalam teknik statistik dikenal apa yang dinamakan Structural Equation Modelling atau yang lebih dikenal dengan singkatannya yaitu SEM. Metode SEM disebut juga metode Pemodelan Persamaan Struktural (PPS). Metode atau teknik PPS adalah suatu teknik statistik yang mampu menganalisis pola hubungan antara konstrak laten dan indikatornya, konstrak laten yang satu dengan lainnya, serta kesalahan pengukuran secara langsung. PPS dikelompokkan sebagai keluarga statistik multivariat dependen, artinya ada variabel dalam PPS yang berperan sebagai variabel dependen dan ada variabel yang berperan sebagai variabel independen. Istilah variabel dependen dalam PPS disebut variabel endogen dan istilah variabel independen dalam PPS disebut variabel eksogen. PPS memungkinkan peneliti untuk menguji hubungan antara variabel laten sekaligus dapat menguji teori. Selain itu,

secara simultan, PPS juga dapat menguji indikator-indikatornya sehingga dapat menilai kualitas pengukuran. Dengan kata lain, PPS dapat digunakan untuk menguji model pengukuran yaitu pengukuran variable laten melalui indikator-indikatornya, dan model struktural yaitu pola hubungan antarvariabel yang ditampilkan dalam model. Teknik PPS memiliki dua tujuan utama dalam analisnya, yaitu menentukan apakah model riset yang digunakan fit (sesuai) berdasarkan data yang dimiliki, tujuan kedua adalah menguji berbagai hipotesis (pola hubungan) yang telah dibangun sebelumnya.

Model dalam konteks penelitian adalah kerangka pemikiran atau konstruksi teoritis penelitian yang dirumuskan dalam bentuk diagram dan atau persamaan matematik tertentu, karena itu model sebagai kerangka pemikiran peneltian paling tidak menampilkan hal-hal seperti variabel yang diteliti, prediksi hubungan antarvariabel, dan dekomposisi hubungan antarvariabel.

Setelah mendefinisikan indikator-indikator yang mengukur variabel laten yang diimplementasikan melalui item-item pertanyaan kuesioner, maka perlu dilakukan pengujian terhadap indikator-indikator tersebut sebagai kelayakan alat ukur. Seberapa jauh indikator tersebut benar-benar mengukur sebuah variabel laten dikenal sebagai validitas. Validitas berarti sejauh mana ketepatan dan kecermatan alat ukur dalam melakukan fungsi ukurnya. Dalam prakteknya, hampir pasti didapati kesalahan pada kecermatan pengukuran yang dapat berupa hasil terlalu tinggi (over estimate) atau terlalu rendah (under estimate), kesalahan inilah yang disebut measurement error.

Hasil suatu pengukuran dapat dipercaya apabila dalam beberapa kali pengukuran terhadap subjek yang sama diperoleh hasil yang relatif sama, artinya mempunyai konsistensi pengukuran yang baik. Kepercayaan, keterandalan, atau konsistensi dalam konteks tersebut bisa diartikan sebagai reliabilitas. Secara empiris, tinggi rendahnya reliabilitas ditunjukkan oleh suatu angka yang disebut koefisien reliabilitas berkisar antara 0 sampai dengan 1, tentunya suatu alat ukur yang reliabel mempunyai tingkat reliabilitas yang tinggi (koefisien reliabilitas mendekati angka 1). Contoh model PPS lengkap dengan variabel laten dan indikatornya disertai pembagian model struktural dan model pengukuran dapat dilihat dalam gambar 2.7 di bawah ini.

Gambar 2.7. Contoh Model PPS

Keterangan gambar: PS &NP = variabel laten Pengaruh Sosial & Niat Penggunaan PS = variabel eksogen NP = variabel endogen PS1,PS2,PS3,PS4,PS5,NP1,NP2,NP3 = varibel manifest / indikator e = tingkat kesalahan pengukuranTeknik analisis PPS menggunakan variabel-variabel sebagai berikut :

Variabel eksogen merupakan source variable atau independent variable yang tidak diprediksi oleh variabel yang lain dalam model.

Variabel endogen merupakan outcome variable atau dependent variable dari paling sedikit satu hubungan kausalitas dalam model.

Variabel manifest / indikator merupakan variabel terukur yang digunakan untuk mengukur konsep (variabel endogen dan eksogen).

Hubungan antara variabel laten (eksogen dan endogen) dengan indikatornya tidak hanya bersifat reflektif (seperti contoh dalam gambar 2.7. di atas), tetapi dapat juga bersifat formatif. Bersifat reflektif jika arah kausalitas mengalir dari variabel laten ke indikator sehingga indikator diasumsikan mencerminkan variasi dalam variabel laten. Dengan kata lain, perubahan dalam variabel laten diharapkan berdampak pada perubahan dalam seluruh indikatornya. Sebaliknya bersifat formatif jika indikator dipandang sebagai variabel yang mempengaruhi variabel laten (arah kausalitas mengalir dari semua indikator ke variabel laten).

Dalam perkembangannya, pengolahan data termasuk uji validitas dan realibilitas data, serta analisis data dengan teknik PPS menjadi mudah dengan bantuan beberapa aplikasi statistik seperti AMOS, LISREL dan SmartPLS. Ada dua pendekatan dalam metode PPS, yaitu PPS dengan dasar covariance dan PPS dengan pendekatan variance atau disebut metode alternatif partial least square (PLS). Bila landasan teori hubungan antarvariabel tersebut kuat, penggunaan metode PPS berbasis covariance adalah tepat. Namun, bila landasan teori yang diajukan adalah tentang hubungan antarvariabel yang masih bersifat tentatif dan bergeser menjadi tujuan prediksi, maka penggunaan metode partial least square (PLS) lebih sesuai. Metode PLS juga dapat digunakan pada setiap jenis skala data (nominal, ordinal, interval, dan rasio) serta syarat asumsi yang lebih fleksibel. Salah satu aplikasi statistik yang mendukung metode PLS ini adalah SmartPLS. Kelebihan aplikasi SmartPLS adalah dapat mengestimasi persamaan struktural dengan jumlah sampel yang relatif kecil dan dapat diperoleh secara gratis di www.smartpls.de