MAKALAH

STRUCTURAL EQUATION MEDELING DENGAN EVIEWS

(Untuk Memenuhi Tugas UTS Mata Kuliah Ekonometrika)

Dosen Pengampu:

Dr. Vivin Maharani Ekowati, M.Si

Disusun Oleh:

Izza Laveda Elian Buditama (21050421022)

JURUSAN MAGISTER EKONOMI SYARI’AH

PASCASARJANA
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
MALANG
2021
 KATA PENGANTAR

Alhamdulillahirobbil ‘alamin, segala puji dan syukur kami ucapkan kepada

Allah SWT. Berkat limpahan karunianya penulis dapat menyelesaikan sebuah
makalah yang berjudul Structural Equation Medeling Dengan Eviews dari mata
kuliah Ekonometrika Makalah ini di susun dengan tujuan agar dapat di gunakan
sebagai penunjang bagi para pembaca untuk menambah wawasan dan pengetahuan.
Sholawat serta salam, tak pernah terlupa kepada Baginda Nabi Muhammad SAW.
yang selalu diharapkan syafaatnya.

Makalah ini tidak akan berhasil dengan baik tanpa adanya bimbingan dan
sumbangan pemikiran dari berbagai pihak. Pada kesempatan ini penulis
menyampaikan terimakasih tak terhingga kepada:

1. Allah SWT. yang telah memberikan Rahmah, Taufiq, Maghfiroh, serta

Hidayah dan Rejeki Nya berupa keimanan dan kesehatan.
2. Baginda Nabi Muhammad SAW. yang selalu diharapkan syafaatnya.
3. Bapak Dr. Vivin Maharani Ekowati, M.Si selaku dosen pengampu mata
kuliah Ekonometrika.
4. Semua pihak yang telah banyak membantu kelancaran dalam penyusunan
makalah ini.

Penulis juga menyadari sepenuhnya bahwa makalah ini terdapat kekurangan

dan jauh dari kata sempurna. Semoga makalah ini dapat dipahami bagi siapapun yang
membacanya sekiranya makalah yang telah di susun ini dapat berguna bagi penulis
sendiri maupun orang yang membacanya.

Malang, November 2021

Penulis

ii
iii
 Daftar Isi

KATA PENGANTAR..............................................................................................................ii
A. PENDAHULUAN...........................................................................................................4
1. Latar Belakang.............................................................................................................4
2. Rumusan Masalah........................................................................................................4
3. Tujuan..........................................................................................................................5
B. PEMBAHASAN..............................................................................................................5
1. Definisi SEM...............................................................................................................5
2. Asumsi Dasar Dalam SEM........................................................................................6
3. Eviews.......................................................................................................................10
4. Langkah Pengoperasian Eviews............................................................................11

4
A. PENDAHULUAN
1. Latar Belakang
Statistik adalah kumpulan data yang bisa memberikan gambaran tentang
suatu keadaan yang ditekankan pada angka. Sedangkan statistika adalah Ilmu
yang mempelajari cara-cara pengumpulan, penyajian, analisis, interpretasi dan
pengambilan kesimpulan dari data yang didapat. Dalam pengertian yang lebih
luas, statistik artinya kumpulan data dalam bentuk angka maupun bukan angka
yang disusun dalam bentuk tabel (daftar) dan atau diagram yang
menggambarkan (berkaitan) dengan suatu masalah tertentu. Biasanya suatu
data diikuti atau dilengkapi dengan keteranganketerangan yang berkaitan
dengan suatu peristiwa atau keadaan tertentu.1
Dalam dunia Statistika ada yang namanya metode SEM atau Structural
Equation Medeling. Banyak orang yang menghindari melakukan penelitian
dengan menggunakan pendekatan Model Persamaan Struktural (SEM) dengan
alasan kompleksitas prosedur analisis SEM. Analisis dengan menggunakan
SEM memang sangat kompleks karena SEM merupakan analisis multivariat
dengan banyak variabel. Namun dengan menggunakan Eviews, analisis SEM
menjadi menarik dan menantang.
Oleh karena itu makalah ini ingin membahas bagaimana metode SEM
diolah menggunakan Sebuah Aplikas Eviews.
2. Rumusan Masalah
Merujuk pada pemaparan latar belakang, dapat ditarik Rumusan Masalah
dari makalah adalah sebagai berikut:
1) Apa definisi SEM dan Eviews ?
2) Bagaimana Asumsi Dasar dalam SEM ?
3) Bagaimana langkah-langkah dalam mengoperasikan program Eviews ?
1
Boediono, W. Koster.. Teori dan Aplikasi Statistika dan Probabilitas, (Bandung: Remaja Rosdakarya,
2002), h.23

5
6
 3. Tujuan
Adapun tujuan dalam makalah ini adalah sebagai berikut :
1) Memahami definisi SEM dan Eviews.
2) Mengetahui Asumsi Dasar dalam SEM.
3) Mengetahui langkah-langkah dalam mengoperasikan program Eviews.
B. PEMBAHASAN
1. Definisi SEM
Structural Equation Modeling adalah suatu teknik modeling statistik
yang bersifat sangat cross-sectional, linear dan umum. Termasuk dalam SEM
ini ialah analisis faktor (factor analysis), analisis jalur (path analysis) dan
regresi (regression). Definisi berikutnya menyebutkan SEM adalah teknik
analisis multivariat yang umum dan sangat bermanfaat yang meliputi versi-
versi khusus dalam jumlah metode analisis lainnya sebagai kasus-kasus
khusus. Definisi lain mengatakan bahwa SEM merupakan teknik statistik yang
digunakan untuk membangun dan menguji model statistik yang biasanya
dalam bentuk model-model sebab akibat. SEM sebenarnya merupakan teknik
hibrida yang meliputi aspek-aspek penegasan (confirmatory) dari analisis
faktor, analisis jalur dan regresi yang dapat dianggap sebagai kasus khusus
dalam SEM.
Berdasarkan sebutan-sebutan tersebut, SEM dapat dideskripsikan
sebagai suatu analisis yang menggabungkan pendekatan analisis faktor (factor
analysis), model struktural (structural model) dan analisis jalur (path analysis).
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. Structural Equation Modeling (SEM) adalah sekumpulan
teknik statistika yang memungkinkan pengujian sebuah rangkaian hubungan
yang relatif rumit yang tidak dapat diselesaikan oleh persamaan regresi linear.
SEM dapat juga dianggap sebagai gabungan dari analisis regresi dan analisis

7
 faktor. Disisi lain disebut juga Path Analysis atau Confirmatory factor
Analysis, karena keduanya merupakan jenis-jenis khusus dari SEM. Hubungan
tersebut dapat dibangun antara satu atau beberapa variabel dependen dengan
satu atau beberapa varibel independen.2
2. Asumsi Dasar Dalam SEM
Untuk menggunakan SEM, seorang penulis harus memerlukan
pengetahuan tentang asumsi-asumsi yang mendasari penggunaannya. Beberapa
asumsi tersebut, diantaranya ialah:3
1) Distribusi normal indikator – indikator multivariate
Masing-masing indikator mempunyai nilai yang berdistribusi
normalterhadap masing-masing indikator lainnya. Karena permulaan
yang kecil normalitasmultivariat dapat menuntun kearah perbedaan
yang besar dalam pengujian chi-square,dengan demikian akan
melemahkan kegunaannya. Secara umum, pelanggaran asumsi
inimenaikkan chi-square sekalipun demikian didalam kondisi tertentu
akanmenurunkannya. Selanjutnya penggunaan pengukuran ordinal atau
nominal akanmenyebabkan adanya pelanggaran normalitas multivariat.
Perlu diperhatikan bahwanormalitas multivariat diperlukan untuk
estimasi kemiripan maksimum /maximum likelihood estimation
(MLE), yang merupakan metode dominan dalam SEM yang
akandigunakan untuk membuat estimasi koefesien - koefesien (jalur)
struktur. Khususnya,MLE membutuhkan variabel-variabel endogenous
yang berdistribusi normal.
Secara umum, sebagaimana ditunjukkan dalam suatu studi-studi
simulasi menunjukkanbahwa dalam kondisi– kondisi data yang sangat
tidak normal, estimasi-estimasi parameter SEM, misalnya estimasi jalur
2
Lenni Khotimah, Analisis SEM (Structural Equation Modelling) Dengan SMARTPLS (Partial Least
Square), Fakultas Sains dan Teknologi UIN Walisongo Semarang, h.3
3
Sarwono. Pengetian Dasar Structural Equatuon Modeling (SEM), Jurnal Ilmiah Manajemen Bisnis,
Vol. 10, No. 3, September 2010, h.176-177.

8
 masih dianggap akurat tetapi koefesien-koefesien signifikansi yang
bersangkutan akan menjadi terlalu tinggi. Sehingga nilai-nilaichi-
square akan meningkat. Perlu diingat bahwa untuk uji keselarasan chi-
square dalammodel keseluruhan, nilai chi-square tidak harus signifikan
jika ada keselarasan modelyang baik, yaitu: semakin tinggi nilai chi-
square, semakin besar perbedaan model yangdiestimasi dan matrices
kovarian sesungguhnya, tetapi keselarasan model semakin jelek.Chi-
square yang meninggi dapat mengarahkan peneliti berpikir bahwa
model-model yangsudah dibuat memerlukan modifikasi dari apa yang
seharusnya. Kurangnya normalitasmultivariat biasanya menaikkan
statistik chi-square, misalnya, statistik keselarasan chi-square secara
keseluruhan untuk model yang bersangkutan akan bias kearah
kesalahanType I, yaitu menolak suatu model yang seharusnya diterima.
Pelanggaran terhadapnormalitas multivariat juga cenderung
menurunkan (deflate) kesalahan-kesalahan standarmulai dari menengah
sampai ke tingkat tinggi. Kesalahan-kesalahan yang lebih kecil
dariyang seharusnya terjadi mempunyai makna jalur-jalur regresi dan
kovarian-kovarianfaktor / kesalahan didapati akan menjadi signifikan
secara statistik dibandingkan denganseharusnya yang terjadi.
2) Distribusi normal multivariat variabel-variabel tergantung laten
Masing-masing variable tergantung laten dalam model harus
didistribusikan secara normal untuk masing-masingnilai dari masing-
masing variabel laten lainnya. Variabel-variabel laten dichotomi
akanmelanggar asumsi ini karena alasan-alasan tersebut.
3) Pengukuran Tidak Langsung pada variable-variabel laten
4) Multiple indicator
Beberapa indikator harus digunakan untuk mengukur masing-
masing variabel laten dalam model. Regresi dapat dikatakan
sebagaikasus khusus dalam SEM dimana hanya ada satu indikator per

9
 variabel laten. Kesalahan pemodelan dalam SEM membutuhkan
adanya lebih dari satu pengukuran untuk masing-masing variabel
laten.
5) Rekursivitas (Recursivity):
Suatu model disebut rekursif jika semua anak panah menuju
satu arah, tidak ada arah umpan balik (feedback looping), dan faktor
gangguan (disturbance terms) atau kesalahan sisaan (residual error )
untuk variabel-varibel endogenous yang tidak dikorelasikan. Dengan
kata lain, model-model recursive merupakan model-model dimana
semua anak panah mempunyai satu arah tanpa putaran umpan balik
dan peneliti dapat membuat asumsi kovarian– kovarian gangguan
kesalahan semua 0, yang berarti bahwa semua variabel yang tidak
diukur yang merupakan determinan dari variabel-variabel endogenous
tidak dikorelasikan satu dengan lainnyasehingga tidak membentuk
putaran umpan balik (feedback loops). Model-model dengan gangguan
kesalahan yang berkorelasi dapat diperlakukan sebagai model
recursive hanya jika tidak ada pengaruh-pengaruh langsung diantara
variabel-variabel endogenous.
6) Data Interval
Sebaiknya data interval digunakan dalam SEM. Sekalipun
demikian,tidak seperti pada analisis jalur tradisional, kesalahan model-
model SEM yang eksplisitmuncul karena penggunaan data ordinal.
Variabel-variabel exogenous berupa variabel-variabel dikotomi atau
dummy dan variabel dummy kategorikal tidak boleh digunakan dalam
variabel-variabel endogenous. Penggunaan data ordinal atau nominal
akan mengecilkan koefesien matriks korelasi yang digunakan dalam
SEM. Akibatnya model yang dibuat peneliti salah dan tidak memenuhi
persyaratan sebagaimana diharuskan dalam model fit. Hal ini dapat
dipahami dalam konteks regresi linier. Salah satu cara melihat

10
 kelayakan model regresi ialah dengan cara melihat nilai r2 dalam
regresi.Semakin mendekati 1 nilai r2 maka kesesuaian model semakin
tingi sebaliknya nilai r2 semakin rendah kecocokan model makin
rendah. Nilai r2 merupakan nilai koefesien korelasi Pearson yang
dikuadratkan. Oleh karena itu, jika koefesien korelasi kecil maka nilai
r2 juga akan kecil. Kesimpulannya dengan menggunakan data ordinal
atau nominalakan berakibat model yang dibuat oleh peneliti tidak
layak atau salah. Itulah sebabnya jika data ordinal yang digunakan
maka sebelum di analisis dengan SEM, data harusdiubah ke interval
dengan menggunakan method of successive interval (MSI).
7) Ketetapan yang tinggi
Apakah data berupa data interval atau ordinal, data-data
tersebut harus mempunyai jumlah nilai yang besar. Jika variable-
variabel mempunyai jumlah nilai yang sangat kecil, maka masalah-
masalah metodologi akan muncul pada saat peneliti membandingkan
varian dan kovarian, yang merupakan masalah sentral dalamSEM.
8) Residual-residual acak dan kecil
Rata-rata residual – residual atau kovarian hasilpengitungan
yang diestimasikan minus harus sebesar 0, sebagaimana dalam
regresi.Suatu model yang sesuai akan hanya mempunyai residual-
residual kecil. Residual-residual besar menunjukkan kesalahan
spesifikasi model, sebagai contoh, beberapa jalur mungkin diperlukan
untuk ditambahkan ke dalam model tersebut.
9) Kesalahan residual yang tidak berkorelasi
Kovarian nilai nilai variabel tergantung yang diprediksi dan
residual- residual harus sebesar 0.

11
 10) Multikolinearitas yang lengkap
Multikolinearitas diasumsikan tidak ada, tetapikorelasi antara
semua variabel bebas dapat dibuat model secara eksplisit dalam SEM.
Multikolinearitas yang lengkap akan menghasilkan matriks - matriks
kovarian tunggal yang mana peneliti tidak dapat melakukan
penghitungan tertentu, misalnya inversi matrix karena pembagian
dengan 0 akan terjadi.
11) Ukuran Sampel
Tidak boleh kecil karena SEM bergantung pada pengujian-
pengujianyang sensitif terhadap ukuran sampel dan magnitude
perbedaan-perbedaan matriceskovarian. Secara teori, untuk ukuran
sampelnya berkisar antara 200 - 400 untuk model-model yang
mempunyai indikator antara 10 - 15. Satu survei terhadap 72
penelitian yangmenggunakan SEM didapatkan median ukuran
sampel sebanyak 198. Sampel di bawah100 akan kurang baik hasilnya
jika menggunakan SEM.
3. Eviews
Eviews (Econometric Views) adalah software pengolahan data yang
digunakan untuk berbagai keperluan mulai dari Bisnis, Riset Internal serta
penelitian. Eviews menawarkan akses statistik yang kuat kepada peneliti
akademis, perusahaan, instansi pemerintah, dan siswa seperti peramalan
(forecasting), hubungan (Correlation), pengaruh dan sebagainya dengan antar
muka (user interface) yang lebih friendly dan mudah digunakan. Eviews dapat
digunakan untuk menyelesaikan masalah-masalah yang berbentuk time series,
cross section, maupun data panel.4

4
Processing Data Penelitian Kuantitatif Menggunakan Eviews, Bidang Kajian Kebijakan Dan Inovasi
Administrasi Negara, h.1

12
 Adapun kelebihan dari Eviews ini, diantaranya adalah sebagai berikut :
1) Keunggulan Eviews terletak pada kemampuannya untuk
mengolah data yang bersifat times series, meskipun tetap dapat
mengolah data cross section maupun data panel.
2) Eviews tidak memerlukan langkah yang panjang seperti pada
program sejenisnya untuk mengolah data.
3) Hasil anilisis Eviews selalu ditampilkan dalam satu layar,
sehingga mudah dan praktis untuk dianalisis.
4) Tampilan Eviews juga mudah ditransfer ke program lain
(misalnya pengolah kata MS Word).

Berdasarkan penjelasan diatas bahwa Eviews mempunyai berbagai

kelebihan tentunya juga memiliki kekurangan, diantaranya :

1) Cara penggunaanya yang tidak seperti pada program lainnya.

2) Kelemahannya mengolah data grafik
4. Langkah Pengoperasian Eviews
Ada Beberapa langkah pengoperasian Eviews dalam menggunakan
analisis SEM :
a. Langkah Pertama
Siapkan kumpulan data pada Microsoft excel.
b. Langkah Kedua
Buat Workfile dengan mengklik File / New / Workfile pada
toolbar dari jendela utama dari ulasan.
c.Langkah Ketiga
Buka data di excel dan salin data pada Workfile di Eviews. Lalu
Klik Next Seperti gambar di bawah ini :

13
Lalu akan muncul gambar seperti ini:

14
 Klik Finish dan Workfile seperti ini

d. Langkah Keempat
Navigasikan ke Objek/Objek baru di menu utama. Lalu Klik
Object dan arahkan ke System, Klik Ok dan akan muncul seperti ini :

15
e.Langkah Kelima
Menentukan semua persamaan di ruang kosong seperti gambar di
bawah ini :

f. Langkah Keenam
Klik Estimate di opsi Menu dan akan muncul seperti ini :

16
Klik OK lalu akan hasil estimasti muncul seperti

17
 Daftar Pustaka

Boediono, W. Koster. 2002. Teori dan Aplikasi Statistika dan Probabilitas, Bandung:
Remaja Rosdakarya.
Lenni Khotimah, Analisis SEM (Structural Equation Modelling) Dengan
SMARTPLS (Partial Least Square), Fakultas Sains dan Teknologi UIN
Walisongo Semarang.
Processing Data Penelitian Kuantitatif Menggunakan Eviews, Bidang Kajian
Kebijakan Dan Inovasi Administrasi Negara.
Sarwono. Pengetian Dasar Structural Equatuon Modeling (SEM), Jurnal Ilmiah
Manajemen Bisnis, Vol. 10, No. 3, September 2010.

18