Dalam menguji suatu hipotesis kita dapat mengunakan berbagai metode analisis, jika kita
mengunakan hipotesis dan kerangka analisis yang cukup sulit dan kompleks, kita dapat mengunakan salah
satu teknik analisis, yaitu teknik analisis SEM atau Structural Equation Modeling yang dioperasikan melalui
program AMOS. Dalam buku Structural Equation Modelling (Ghozali dan Fuad, 2005), terdapat pernyataan
dari Bagozzi dan Fornell (1982) bahwa structural equation modelling atau model persamaan struktural yaitu
generasi kedua teknik analisis multivariate yang memungkinkan peneliti untuk menguji hubungan antara
variabel yang kompleks baik recursive maupun nonrecursive untuk memperoleh gambaran menyeluruh
1. Model struktural : hubungan antara variabel laten (variabel yang tidak dapat diukur secara langsung
dan memerlukan beberapa indikator untuk mengukurnya) independen dan dependen.
2. Model measurement : hubungan antara indikator dengan variabel laten. Digabungkannya pengujian
model struktural dan pengukuran tersebut memungkinkan peneliti untuk menguji measurement error
sebagai bagian yang tidak terpisahkan dari SEM serta melakukan analisis faktor bersamaan dengan
pengujian hipotesis.
1. Ukuran sampel
Ukuran sampel minimum yang disarankan dalam penggunaan SEM adalah sebanyak 100 atau
menggunakan perbandingan 5 10 kali jumlah observasi untuk setiap estimated parameter atau
2. Normalitas dan linearitas Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas
dipenuhi. Normalitas dapat diuji melalui gambar histogram data. Uji linearitas dapat dilakukan
melalui scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya
untuk menduga ada tidaknya linearitas.
1. 3. Outliers
Outliers, yang merupakan observasi dengan nilai-nilai ekstrim baik secara univariat maupun
multivariat yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat
1 of 4 5/17/2016 11:00 AM
Metode Analisis SEM (Structural Equation Modelling) http://jalanmenujusarjana.blogspot.hk/2013/09/metode-analisis-sem-str...
Nilai determinan matriks kovarians yang sangat kecil memberikan indikasi adanya problem
multikolineritas atau singularitas. Treatment yang dilakukan adalah dengan mengeluarkan variabel
Langkah-langkah SEM
dalam menjalan teknik analisis ini, kita perlu mengikuti langkah yang telah ditentukan. Langkah-langkah
Prinsip di dalam SEM adalah ingin menganalisis hubungan kausal antar variabel eksogen dan
endogen, serta sekaligus memeriksa validitas dan reliabilitas instrumen penelitian. Hubungan kausal
adalah apabila terjadi perubahan nilai di dalam suatu variabel akan menghasilkan perubahan dalam
variabel lain. Dalam langkah awal ini adalah pengembangan model, yang merupakan suatu model
yang mempunyai justifikasi teori dan atau konsep. Selain itu model tersebut di verifikasi
Diagram Path sangat bermanfaat untuk menunjukkan alur hubungan kausal variabel eksogen dan
endogen. Dimana hubungan-hubungan kausal yang telah ada justifikasi teori dan konsepnya,
divisualisasikan ke dalam gambar sehingga lebih mudah melihatnya dan lebih menarik. Jika
hubungan kausal tersebut ada yang secara konseptual belum fit maka dapat di buat beberapa model
yang kemudian diuji menggunakan SEM untuk mendapatkan model yang lebih tepat.
Dalam SEM input data berupa matriks kovarians bilamana tujuan dari analisis adalah pengujian
suatu model yang telah mendapatkan justifikasi teori, sehingga tidak dilakukan interpretasi terhadap
besar kecilnya pengaruh kausalitas pada jalur-jalur yang ada di dalam model.
5. Menilai Masalah Identifikasi
Permasalahan yang sering muncul di dalam model struktural adalah proses pendugaan parameter.
Jika terjadi Unidentified atau under identified maka proses pendugaan parameter tidak
mendapatkan suatu solusi. Sebaliknya bilamana terjadi over identified, maka model yang diperoleh
6. Evaluasi Goodness-of-Fit
2 of 4 5/17/2016 11:00 AM
Metode Analisis SEM (Structural Equation Modelling) http://jalanmenujusarjana.blogspot.hk/2013/09/metode-analisis-sem-str...
Kita harus mengetahui asumsi dalam SEM, yaitu asumsi yang berkaitan dengan model dan asumsi
yang berkaitan dengan pendugaan parameter dan pengujian hipotesis. Secara garis besar uji ini ada 3
(tiga) ukuran yang bersifat absolut (absolute fit measure), komperatif (incremental fit measure) dan
c2 Chi-Square statistic, semakin kecil nilai c2 semakin baik model itu, dan diterima berdasarkan
RMSEA (The Root Mean Square Error of Approximation), merupakan suatu indeks yang
digunakan untuk mengkonpensasi chi-square dalam sampel yang besar.
GFI (Goodness of fit Index), merupakan ukuran non statistical yang mempunyai rentang nilai
antara 0 sampai dengan 1. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit.
AGFI (Adjusted Goodness of Fit Index), merupakan kriteria yang memperhitungkan proporsi
CMIN/DF (The Minimum Sample Discrepancy Function Devided with degrre of Freedom),
TLI (Tucker Lewis Indeex), merupakan incremental index yang membandingkan sebuah model
yang diuji terhadap sebuah baseline model .
CFI (Comparative Fit Index), rentang nilai sebesar 0 -1, dimana semakin mendekati 1,
Pada tahap selanjutnya model diinterpretasikan dan dimodifikasi. Bagi model yang tidak memenuhi
syarat pengujian yang dilakukan. Setelah model diestimasi, residual kovariansnya haruslah kecil atau
mendekati nol dan distribusi frekuensi dari kovarians residual harus bersifat simetrik. Batas
keamanan untuk jumlah residual yang dihasilkan oleh model adalah 1%. Nilai residual values yang
lebih besar atau sama dengan 2,58 diinterpretasikan sebagai signifikan secara statis pada tingkat 1%
dan residual yang signifikan ini menunjukkan adanya prediction error yang substansial untuk
sepasang indikator.
Selamat mencoba dan semoga sukses dalam meraih cita-cita menjadi sarjana....
3 of 4 5/17/2016 11:00 AM
Metode Analisis SEM (Structural Equation Modelling) http://jalanmenujusarjana.blogspot.hk/2013/09/metode-analisis-sem-str...
0 Tambahkan komentar
4 of 4 5/17/2016 11:00 AM