Anda di halaman 1dari 2

Structural Equation Modelling atau lebih dikenal dengan SEM merupakan suatu metode analisis

statistik multivariat. Melakukan olah data SEM berbeda dengan melakukan olah data regresi
atau analisis jalur. Olah data SEM lebih rumit, karena sem dibangun oleh model pengukuran dan
model struktural.
Untuk melakukan olah data sem dengan lebih mudah, tentu kita membutuhkan bantuan software
statistik. Saat ini sudah tersedia berbagai macam softareuntuk olah data SEM diantaranya
adalah Lisrel, AMOS dan Smart PLS. Diantara software-software statistik tersebut, mana yang
cocok untuk digunakan. Berikut ulasan singkatnya:
Kelebihan Lisrel
Lisrel dikembangkan oleh Karl Jreskog and Dag Srbom. Lisrel adalah software statistik yang
digunakan paling meluas dikalangan peneliti maupun praktisi. Kelebihan dari software lisrel
adalah kemampuannya mengidentifikasi hubungan antara variabel yang kompleks. Cara
mengoperasikannya yang terdiri dari bebagai pilihan, baik dengan syntax maupun dengan
program sederhana, menjadikannya lebih banyak digunakan berbagai kalangan. Syntax tentu
akan disukai bagi pengguna yang memang faham dengan bahasa pemograman. Sementara
Simplis atau simple lisrel merupakan alternatif bagi mereka yang awam dengan bahasa
pemograman.
Pilihan berbagai metode estimasi sudah tersedia di Lisrel, sehingga tidak terpaku kepada satu
metode estimasi Maximum Likelihood. Itu tergantung kondisi data, metode estimasi mana yang
akan kita gunakan.
Kekurangan Lisrel
Satu hal kekurangan dari software lisrel ini adalah ketidakmampuannya mengolah data sem
dengan jumlah sampel yang sedikit. Ketika kita memiliki sampel kurang dari 200, sementara
modelnya kompleks, maka terkadang hasil estimasi tidak sesuai dengan harapan kitan.
Kelebihan Amos
Sama halnya dengan SPSS, AMOS merupakan software statistika yang dikembangkan oleh
IBM. Sofware amos memang dikhususkan untuk membantu menguji hipotesis hubungan antar
variabel. Melalui software ini, kita dapat mengetahui tingkat kekuatan hubungan antara variabel
baik antara variabel laten maupun dengan variabel manifest. Seberapa signifikan hubungan
antara variabel, dan seberapa fit model hipotesis dibandingkan dengan data riil lapangan.
Kelebihan Amos adalah kita tidak memerlukan syntax atau bahasa pemograman yang rumit
untuk mengoperasikan software ini. Bagi pemula, atau yang awam dengan bahasa pemograman

tentu ini merupakan keuntungan tersendiri. Melalui amos, kita cukup menggambarkan variabel
laten dan variabel manifest, lalu menghubungkannya melalui panah-panah yang tersedia.
Kekurangan Amos
Kelebihan amos sekaligus menjadi kekurangan Amos. membuat gambar yang sangat banyak
ketika model sudah kompleks, tentu menjadi pekerjaan yang sangat membosankan. Padahal,
pekerjaan tersebut dapat dilakukan dengan lebih sederhana melalui bahasa pemograman. Kita
tinggal copy syntax dan mengganti beberapa variabel, kemudan running, maka selesailah
sekompleks apapun model yang hendak dibuat.
Kelebihan Smart PLS
Smart PLS atau Smart Partial Least Square adalah software statistik yang sama tujuannya
dengan Lisrel dan AMOS yaitu untuk menguji hubungan antara variabel, baik sesama variabel
latent maupun dengan variabel indikator, atau manifest.
Penggunaan Smart PLS sangat dianjutkan ketika kita mememiliki keterbatasan jumlah sampel
sementara model yang dibangung kompleks. hal ini tidak dapat dilakukan ketika kita
menggunakan kedua software di atas. mereka membutuhkan kecukupan sampel.
Kelebihan lainnya dai Smart PLS adalah kemampuannya mengolah data baik untuk model SEM
formatif ataupun reflektif. model SEM formatif memiliki ciri-ciri diantaranya adalah variabel latent
atau konstruk dibangun oleh variabel indikator dimana panah mengarah dari variabel konstruk ke
variabel indikator. Model SEM reflektif adalah model SEM dimana variabel konstruk merupakan
refleksi dari variabel indikator, sehingga panahnya mengarah dari variabel indikator ke variabel
latent. Secara statistik, konsekuensinya adalah tidak akan ada nilai error pada variabel indikator.
Kekurangan Smart PLS
Oleh karena software ini dkhususkan untuk melakukan olah data sem dengan sampel kecil,
maka tidak cocok digunakan untuk penelitian dengan sample besar