Oleh :
Farras Tsany (125100300111024)
Luki Hidayati (125100300111028)
Mutiara Devita Sari (125100301111020)
Yuniandini Ichsania G. (125100300111060)
M.Prima Dieky (125100300111041)
Azis Saputra (125100301111013)
A. SEJARAH SEM
SEM (Structural Equation Modelling) adalah alat analisis statistic yang
semakin popular dewasa ini. Jika dilihat dari penyusunan model serta cara
kerjanya, sebenarnya SEM adalah gabungan dari analisis faktor dan analisis
regresi. Pada tahun 1950-an SEM sudah mulai dikemukakan oleh para ahli
statistic yang mencari metode untuk membuat model yang dapat menjelaskan
hubungan di antara variabel-variabel. Dalam kenyataan, khususnya ilmu-ilmu
sosial, banyak variabel yang bersifat laten, seperti motivasi seseorang,
komitmen, kesetian pelanggan dan lainnya. Variabel-variabel tersebut baru bisa
diukur dengan sejumlah indikator(variabel manifest), dan hubungan diantara
keduanya, serta antar variabel laten memunculkan model yang membutuhkan
alat analisis lanjutan untuk menyelesaikannya. Kemajuan teknologi informasi di
era 1970-an memungkinkan alat analisis SEM dikembangkan. Joreskog dan
Sorbom kemudian mengembangkan metode estimasi maximum likehoold, dan
mulai munculnya software khusus SEM, sepertia LISREL, AMOS, EQS dan
sebagainya. Alat analisis SEM saat ini sudah menjadi prosedur multivariate yang
dominan (Santoso, 2009).
B. KEUNGGULAN SEM
Keunggulan lain SEM-Amos dibandingkan dengan regresi berganda ialah :
(Bahri, 2014):
1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel
2. Penggunaan confirmatory factor analysis dapat mengurangi kesalahan
pengukuran
3. Daya tarik interface permodelan grafis memudahkan pengguna
membacahasil analisis
4. Kemungkinan adanya pengujian model secara keseluruhan
5. Kemampuan untuk menguji model menggunakan variabel tergantung
6. Kemampuan untuk membuat model terhadap variabel perantara
7. Kemampuan untuk membuat model gangguan kesalahan
8. Kemampuan menguji koefisien diluar antara beberapa kelompok subyek
3. Assign indicators
4. Draw path coefficients
Evaluasi Asusmsi GSCA (Output)
Uji Linieritas (SPSS)
Dari tabel ANOVA, dapat diketahui hubungan linier antar variable
melalui nilai signifikansi untuk linieritas. Syarat jika terdapat hubungan
linier antar variable jika nilai sig. <0,05. Dari tabel tersebut ditunjukkan jika
nilai sig. variable X1, X2, X3 memiliki nilai sig. <0,05 sehingga antara
keistimewaan, kinerja produk, dan kesesuaian kualitas produk terdapat
hubungan linier terhadap tingkat kepuasan konsumen.
Model Konstruk Variabel (Model Reflektif)
Path Coefficients
Estimate SE CR
X1->Y 0.465 0.176 2.65*
X2->Y 0.333 0.235 1.42
X3->Y 0.223 0.388 0.57
Pada tabel Path Coefficients dapat dilihat nilai CR, nilai tersebut
digunakan untuk mengetahui pengaruh signifikan antar variable. Syarat adanya
hunbungan signifikan antar variable adalah jika nilai CR>1,96. Dari tabel dapat
ditunjukkan jika nilai CR yang memenuhi syarat adalah nilai CR X1->Y, sehingga
variable keistimewaan berpengaruh secara signifikan terhadap tingkat kepuasan
konsumen sedangkan kinerja produk dan kesesuaian kualitas produk tidak
memiliki pengaruh signifkan terhadap tingkat kepuasan konsumen. Dari nilai
estimate diperoleh persamaan Y= 0,465X1 + 0,333X2 + 0,223X3.
Measurement Model
Model Fit
FIT 0.541
AFIT 0.505
GFI 0.988
SRMR 0.166
NPAR 35
Nilai FIT digunakan untuk mengetahui atau mengukur besarnya total
varian semua variable yang dapat dijelaskan oleh model. Dari tabel didapatkan
jika sebesar 54,1% variable dapat dijelaskan oleh model dalam penelitian. Nilai
AFIT memiliki fungsi yang sama dengan FIT namun lebih memeperhatikan
kompleksitas, sehingga sebesar 50,5% variable dapat dijelaskan oleh model.
Model Fit Nilai Syarat Keterangan
GFI 0,988 Mendekati 1 Model baik
SRMR 0,166 Mendekati 0 Model baik
NPAR 35 - Terdapat 35 variabel yang
diestimasi
Daftar Pustaka
Bahri, S. dan Zamzam, F. 2014. Model Penelitian Kuantitatif Berbasis SEM-
Amos. Deepublish. Yogyakata.
Santoso, S. 2009. PL Menguasai Statistik dgn SPSS 17 + CD. Elex Media
Komputindo. Jakarta.