Structural Equation Modeling(SEM)

by:Tanti Handriana

Konsep Dasar SEM

• SEM: merupakan suatu tehnik statistik yang memungkinkan peneliti untuk melakukan serangkaian pengujian sekumpulan persamaan regresi secara simultan.

– Pengujian serangkaian hubungan yang “rumit” secara bersamaan.

– Hubungan yang “rumit” dapat dibangun antara satu atau beberapa variabel dependen atau variabel independen.

• SEM tidak digunakan untuk menghasilkan sebuah model, tetapi untuk mengkonfirmasi model teoritis tersebut melalui data empirik.

• SEM merupakan confirmatory tehcnique, yakni digunakan untuk menguji sebuah “teori”, yg untuk pembuktiannya dibutuhkan sebuah pengujian empirik. Pengujian empirik itulah yg dilakukan melalui SEM. SEM tdk digunakan untuk membentuk sebuah teori kausalitas, tetapi digunakan untuk menguji kausalitas yg sudah ada teorinya.

Komponen Dalam SEM• DUA JENIS VARIABEL

– Variabel Teramati (Observed / Measured / Indicator / Manifest Variable)

– Variabel Laten (Latent / Construct Variable)

• DUA JENIS MODEL– Descriptive Model (Measurement Model)– Predictive Model (Structural Model)

• DUA JENIS ERROR– Structural Error– Measurement Error

Prosedur SEM

Prosedur SEM secar umum, sbb:1. Spesifikasi Model (Model Specification)2. Identifikasi (Identification)3. Estimasi (Estimation)4. Uji Kecocokan (Testing Fit)5. Respesifikasi (Re-specification)

1. Spesifikasi Model

• Langkah pertama ini berkaitan dg pembuatan spesifikasi model sesuai dg permasalahan yg diteliti.

• Spesifikasi model scr garis besar meliputi:– Spesifikasi model pengukuran

• Definisikan variabel-variabel laten• Definisikan variabel-variabel teramati• Definisikan hubungan atr variabel laten dg variabel2 teramati

– Spesifikasi model struktural• Definisikan hubungan kausal di antara variabel2.

– Gambarkan Path Diagram model hybrid yg merupakan kombinasi model pengukuran dan struktural.

2. Identifikasi• Langkah ini ditujukan untuk menjaga agar model yg

dispesifikasikan bukan merupakan model yg under identified atau unidentified.

• Identifikasi dlm persamaan simultan:– Under Identified, adl model dimana jumlah parameter yg

diestimasi lebih besar dari jumlah data yg diketahui (variance dan covariance dari variabel-variabel teramati)

– Just Identified, adl model dimana jumlah parameter yg diestimasi = data yg diketahui.

– Over Identified, adl model dimana jumlah parameter yg diestimasi lebih kecil dari jumlah data yg diketahui.

3. Estimasi

• Estimasi terhadap model dapat dilakukan dg menggunakan salah satu dari metode estimasi yg tersedia, al:– Maximum Likelihood (ML)– Generally Weighted Least Square (WLS) atau Arbitrary

Distribution Function (ADF)– Unweighted Least Square (ULS)– Generalized Least Squares (GLS)

4. Uji Kecocokan

• Langkah ini ditujukan untuk mengevaluasi derajat kecocokan atau Goodness Of Fit (GOF) antara data dan model.

• Evaluasi terhadap GOF model dilakukan melalui bbrp tingkatan, al:– Kecocokan keseluruhan model (Overall model fit)– Kecocokan model pengukuran (measurement model fit)– Kecocokan model struktural (structural model fit)

Uji Kecocokan

• Kecocokan keseluruah model– Dapat dilihat dari:

• Statistic Chi-square (X2)• Goodness-of-Fit Index (GFI)• Root Mean Error of Approximation (RMSEA)• Root Mean Square Residual (RMSR)• dll.

Uji Kecocokan

• Kecocokan Model PengukuranEvaluasi ini dilakukan thd setiap konstruk secara terpisah melalui:– Evaluasi thd validitas (validity) konstruk.

Validitas berhubungan dg apakah suatu variabel mengukur apa yg seharusnya diukur.

– Evaluasi thd reliabilitas (reliability) konstruk.Reliabilitas adl konsistensi suatu pengukuran.Reliabilitas tinggi menunjukkan bahwa indikator-indikator (variabel teramati) mempunyai konsistensi tinggi dlm mengukur konstruk/variabel latennya.

Uji Kecocokan• Kecocokan Model Pengukuran» Suatu variabel dikatakan mempunyai validitas yg baik thd

konstruk atau variabel latennya, jika:• Nilai t muatan faktornya (faktor loadings) > nilai kritis (>1,96)• Muatan faktor standarnya (standardized factor loadings) lebih

besar atau sama dengan 0,7.» Reliabilitas dianggap baik, jika:

• Composite/Construct Reliability (Reliabilitas Komposit/konstruk) > 0,7 dan

• Variance Extracted (Ekstrak Varian) > 0,50

Uji Kecocokan• Kecocokan Model Pengukuran

Construct Reliability (CR) dihitung dg rumus:

Variance Exrtracted (VE) dihitung dg rumus sbb:

Dimana: std. loading = standardized loading e1 = measurement error

CR =( Standard Loading ) 2

( Standard Loading ) 2 + e1

VE =( Standard Loading 2)

( Standard Loading 2 ) + e1

Uji Kecocokan

• Kecocokan Model StrukturalUji kecocokan ini dilakukan thd koefisien-koefisien persamaan struktural dg menspesifikasikan tingkat signifikansi tertentu. Dalam hal tingkat signifikansi adl 0,05, maka nilai t dari persamaan struktural harus > 1,96.

5. Respesifikasi• Langkah ini ditujukan untuk melakukan spesifikasi ulang

terhadap model untuk memperoleh GOF yg baik.• Respesifikasi ini sangat tergantung pd strategi

pemodelan yg dipilih.• Terdapat 3 strategi pemodelan yg dpt dipilih dalam SEM:

– Strictly Confirmatory (SC) atau Confirmatory Modeling Strategy

– Alternative Model (AM) atau Competing Model Strategy.– Model Generating (MG) atau Model Development.

Contoh

komunikasi

rmi

percaya

komitmen

niat

Praktik AMOS

AMOS BASIC• Dalam AMOS BASIC perintah pengerjaan

menggunakan persamaan, bukan gambar-gambar seperti dalam AMOS GRAPHICS

• Perintah-perintah dalam AMOS BASIC:

Sub Main: perintah untuk memulai program AMOS BASIC

Dim sem As New AmosEngine: perintah yang mengumumkan/memberitahukan SEM sebagai obyek dari AmosEngine, kata sem lebih merupakan nama dalam program.

sem.TextOutput : adalah perintah untuk menulis hasil analisis dalam text file untuk ditunjukkan oleh program View Text AMOS

sem.Standardized: perintah untuk menghitung standardized regression weight dan korelasi antar variabel-variabel prediktor

sem.FactorScoreWeights: perintah untuk menghitung factor score weights (untuk composite pada observed variables)

sem.NormalityCheck: perintah untuk menguji normalitas data

sem.Mods 4: perintah untuk menampilkan indeks modifikasi (Modification Index (MI)) hanya minimal nilai 4

sem.AllImpliedMoments: perintah untuk menampilkan output korelasi dan kovariasi antar konstruk dan juga indikator.

sem.BeginGroup “D:\Tutotial SEM\Tutorial.sav”: perintah untuk membaca data dalam SPSS. Bila menggunakan Excel, maka sav diganti xls.

'Measurement Model: perintah untuk menghitung/ menguji model pengukuran (apakah observed variables dapat mengukur latent variable-nya).

‘ (tanda aphostroph) menunjukkan bahwa perintah ini tidak dieksekusi

sem.Structure“r1 = (1) rmi + (1) er1"sem.Structure”r2 = rmi + (1) er2"sem.Structure”r3 = rmi + (1) er3"

sem.Structure“k1 = (1) komunikasi + (1) ek1"sem.Structure“k2 = komunikasi + (1) ek2"sem.Structure“k3 = komunikasi + (1) ek3"

sem.Structure"ko1 = (1) komitmen + (1) eko1"sem.Structure"ko2 = komitmen + (1) eko2"sem.Structure"ko3 = komitmen + (1) eko3"sem.Structure"ko4 = komitmen + (1) eko4"

sem.Structure"p1 = (1) percaya + (1) ep1"sem.Structure"p2 = percaya + (1) ep2"sem.Structure"p3 = percaya + (1) ep3"sem.Structure"p4 = percaya + (1) ep4"

sem.Structure"n1= (1) niat + (1) en1"sem.Structure“n2= niat + (1) en2"sem.Structure“n3= niat + (1) en3”

'Structural model: perintah untuk menghitung/ menguji model struktural

sem.Structure"komitmen = rmi + komunikasi + percaya + (1) ekomitmen"

sem.Structure"percaya = komunikasi + (1) epercaya"

sem.Structure”niat = komitmen + percaya + (1) eniat"

End Sub: perintah untuk mengakhiri program AMOS BASIC.

Terima Kasih