MODUL PERKULIAHAN

Mata Kuliah Analisis Data

Modul 8:
Structural Equation
Modelling (SEM)
Agar pendekatan statistik yang kita gunakan pada suatu penelitian tepat
maka harus dilakukan tahapan-tahapan pengujian sesuai dengan kaidah-
kaidah pengujian sehingga hasil yang diperoleh adalah hasil dengan
pendekatan yang paling sesuai. Dalam kajian ini dibahas pengujian data
dengan metode SEM.

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Ekonomi dan Bisnis Program Tria Apriliana
Studi Akuntansi S1
08
Abstract Kompetensi
Bab ini mengeksplorasi tentang Mahasiswa mampu memahami
pengujian model struktual dengan dengan baik dan tepat dalam
menggunakan metode SEM. menjelaskan konsep pengujian
dengan metode SEM.
 Structural Equation Modelling
(SEM)
Dalam proses penelitian kuantitatif yang sering dilakukan oleh para peneliti dalam
disiplin ilmu sosial, tahap tersulit setelah berhasil memformulasikan kerangka pemikiran
adalah tahap pengukuran atau operasionalisasi variabel penelitian. Tahap ini dalam proses
penelitian berfungsi sebagai mata rantai yang menghubungkan antara pola fikir deduktif ke
arah pola fikir induktif. Melalui operasionalisasi variabel, hipotesis penelitian
ditransformasikan menjadi data. Data dianalisis dan hipotesis diuji. Dengan demikian dalam
penelitian berbasis pendekatan kuantitatif tahapan pengukuran variabel merupakan hal yang
sangat menentukan berhasil atau tidaknya suatu penelitian menjelaskan suatu fenomena.
Kekeliruan dalam merumuskan operasional variabel, maka hasilnya adalah garbage in,
garbage out. Karena itu, persoalan kualitas pengukuran yaitu reliabilitas dan validitas alat
ukur yang digunakan muncul sebagai suatu hal yang amat krusial dalam penelitian berbasis
pendekatan kuantitatif.
Dilihat dari sifat variabel yang diteliti, ada perbedaan antara penelitian ilmu sosial dengan
ilmu eksakta. Dalam penelitian ilmu eksakta, variabel yang diteliti pada umumnya
bersifat unidimensional dan dapat diobservasi langsung. Sedangkan dalam penelitian ilmu
sosial, variabel yang diteliti pada umumnya bersifat multidimensional dan tidak dapat
diobservasi langsung. Karena sifat seperti itu, maka pengukuran terhadap variabel-variabel
yang diteliti seringkali tidak dapat dilakukan secara langsung, tetapi diukur melalui indikator-
indikator sebagai manifest dari konsep atau variabel yang hendak diukur. Sebagai misal :
konsep efektivitas organisasi, kepuasan kerja, kinerja pemasaran, kompetensi, prestasi kerja,
kepemimpinan, keunggulan bersaing, motivasi kerja adalah konsep yang tidak dapat diukur
secara langsung. Karena itu, konsep seperti itu disebut faktor, konstruk atau variabel laten
atau unobservable variables, sedangkan indikator-indikator dari konsep yang hendak di ukur

‘20 Biro Akademik dan Pembelajaran

http://www.widyatama.ac.id
disebut sebagai variabel manifest, variabel yang dapat diukur langsung atau observable
variables (Shumacker dan Lomax, 1996; Hair, Anderson, Tatham & Black, 1998).
Sebagaimana telah diketahui, dalam metode analisis statistik data multivariat seperti
multiple regresi atau analisis jalur, data yang dianalisis merupakan data dari indikator-
indikator atau data dari variabel manifestnya (observed variables) tanpa melibatkan variabel
latennya dan tanpa melibatkan unsur kekeliruan atau kesalahan pengukuran terhadap
variabel-variabel yang diamati. Hanya dengan melalui uji coba instrumen, kemungkinan
kesalahan pengukuran dicoba dieliminasi dengan cara melihat reliabilitas dan validitas
melalui penggunaan berbagai teknik uji reliabilitas dan validitas standar seperti product
moment pearson, split-halt spearman brown, koefisien K-R dari kurder-
richardson, hoyt maupun koefisien Cronbach’s Alpha. Setelah memenuhi syarat validitas dan
reliabilitas data kemudian dianalisis, hipotesis diuji dan masalah kemungkinan timbulnya
kekeliruan pengukuran dianggap selesai atau diasumsikan “error free”. Padahal, diyakini
oleh para pakar bahwa, “all constructs have some measurement error, even with the best
indicators variables”. (hair, anderson, tatham dan black, 1998 : 511). Dengan demikian jika
semua construk tidak dapat bebas dari kekeliruan pengukuran meskipun dengan indikator
terbaik, maka persoalannya sekarang adalah diperlukan suatu metode analisis
yang poweful menganalisis dan menguji kesesuaian model konstruk atau model pengukuran
yang diusulkan. Metode analisis yang mampu memfasilitasi kerja tersebut adalah analisis
faktor konfirmatori (confirmatory factor analysis – CFA). Menurut Kerlinger (1990 : 1000)
“karena kekuatan, keluwesan, dan kedekatanya dengan hakekat maksud dan tujuan ilmiah,
analisis faktor dapat disebut sebagai ratu metode analisis”.
Analisis faktor konfirmatori (CFA), sebagaimana dijelaskan Tabachnick dan Fidell
(1996:637) adalah “.. sophisticated techniques used in the advanced stages of the research
process to test a theory about latent process”. Menurut Bachrudin dan Tobing (2003 : 6),
“analisis faktor konfirmatori bertujuan untuk mengevaluasi pola-pola hubungan antara
beberapa konstruk. Setiap konstruk dibangun oleh indikator-indikator. Model analisis
konfirmatori biasanya tidak diasumsikan arah hubungan antar konstruk, tetapi hanya adanya
hubungan korelatif antar konstruk”. Dan menurut Ferdinand (2002 : 127-128), “analisis
faktor konfirmatori berangkat dari adanya teori dasar yang digunakan dalam sebuah
‘20 Biro Akademik dan Pembelajaran
http://www.widyatama.ac.id
penelitian. Kajian terhadap teori menghantarkan peneliti untuk mengenali kembali konsep-
konsep lama menjadi dasar membangun teori dasar dan mengembangkan konsep dan teori
yang lebih sempurna”.
Jadi, CFA adalah analisis faktor yang digunakan dengan tujuan untuk menguji atau
mengkonfirmasikan secara empiris model pengukuran (measurement model) sebuah atau
beberapa konstruk. Model pengukuran atau disebut juga model deskriptif (Ferdinand, 2002 :
14) adalah operasionalisasi variabel laten atau konstruk menjadi satu atau beberapa indikator
atau beberapa variabel manifes yang dirumuskan menurut kajian teori tertentu. Dengan
demikian, CFA tidak dimaksudkan untuk menghasilkan model, melainkan menguji model
pengukuran yang dikembangkan atas dasar kajian teori tertentu (Maruyama, 1998 : 139 –
140).
Pada beberapa model penelitian, variabel laten konstruk dapat terdiri atas berbagai
dimensi atau komponen sehingga disebut konstruk multidimensi. Setiap dimensi kemudian
diukur dengan beberapa indikator. Konstruk seperti ini biasanya disebut second-order
construct. Konstruk multidimensi dapat diukur secara reflektif atau formatif demikian juga
indikator dimensi.
Analisis second-order construct juga disebut sebagai higher-order model atau
hierarchical component model (HCM). Dalam hal ini, variabel laten atau kontruk diukur pada
tingkat abstraksi yang lebih tinggi. sebagai contoh, konstruk kepuasan (satisfaction) dapat
dimodelkan sebagai HCM menggunakan komponen yang lebih rendah yaitu kepuasan
terhadap harga (price), kualitas pelayanan (service quality), karyawan (personnel), dan
lingkungan fisik kerja (service-scape) sebagai dimensinya. Keempat dimensi tersebut disebut
sebagai first-order construct yang membentuk second-order componen yaitu satisfaction.
Berikut merupakan perbedaan antara first-order construct dan second-order construct
yang disajikan dalam bentuk diagram jalur.

‘20 Biro Akademik dan Pembelajaran

http://www.widyatama.ac.id
 Gambar 1. First-Order Components

Gambar 2. Second-Order Construct

Structural Equation Modeling (SEM) ada 2 yaitu yang berbasis component atau
variance yang biasa dikenal dengan istilah Partial Least Square (PLS). Alat ini dipilih
dengan alasan keterbatasan jumlah sampel. Hal tersebut sesuai dengan pendapat dari Ghozali
dan Hengky (2015:51) bahwa penggunaan sampel pada PLS tidak menuntut sampel yang
besar, minimal direkomendasikan 30 sampel.
Menurut Jogiyanto dan Abdillah (2015) PLS (Partial Least Square) adalah: Analisis
persamaan struktural (SEM) berbasis varian yang secara simultan dapat melakukan pengujian
model pengukuran sekaligus pengujian model struktural. Model pengukuran digunakan untuk
uji validitas dan reliabilitas, sedangkan model struktural digunakan untuk uji kausalitas
(pengujian hipotesis dengan model prediksi). PLS dapat digunakan untuk menentukan
seberapa besar pengaruh secara langsung atau tidak langsung suatu variabel terhadap variabel
lainnya. Besarnya pengaruh dari suatu variabel penyebab (endogen) terhadap variabel akibat
(eksogen) disebut sebagai koefisien jalur dan data yang diolah didapatkan dari sampel
penelitian. Evaluasi yang digunakan dengan menilai outer model dan inner model, yang mana
‘20 Biro Akademik dan Pembelajaran
http://www.widyatama.ac.id
inner dan outer model ini dapat digunakan juga untuk menilai validitas dan reliabilitas suatu
model. Dalam teknik PLS perbedaan sifat konstruk multidimensional dapat diselesaikan
secara simultan, yaitu dengan mengitung skor loading, AVE, komunalitas untuk validitas dan
chronbach’s alpha dan composite reliability untuk uji reliabilitas pada konstruk reflektif
jenjang apapun (Abdillah W. 2015).
Outer model dengan indikator refleksif dievaluasi melalui validitas convergent dan
discriminant dari pembentuk konstruk laten dan composite reliability serta cronchbach’s
alpha untuk blok indikatornya (Chin, 1998). Sedangkan inner model bertujuan untuk
memprediksi hubungan antar variabel laten. Inner model ini dievaluasi dengan melihat
besarnya presentase variance yang dijelaskan dengan melihat nilai R-square untuk konstruk
laten endogen. Untuk kriteria dari output PLS SEM yang diperlukan untuk melakukan
penafsiran adalah sebagai berikut:
Tabel 1. Uji Model

Uji Model Output Kriteria

a. Nilai loading factor 0,50 sampai
Outer Model a. Convergent Validity
0,6 dianggap cukup
(Uji indikator) b. Discrimant validity b. Nilai korelasi Cross loading
dengan variabel latennya harus
lebih besar dibadingkan
dengan korelasi terhadap
c. AVE variabel laten lain
d. Composite Reliability c. Nilai AVE harus diatas 0,50
d. Nilai Composite Reliability yang
baik apabila memiliki nilai ≥
0,70
Inner Model a. R2 untuk variabel a. Hasil R2 sebesar 0.67; 0.33, dan
latent endogen 0.19 mengindisikan bahwa
(Uji pengaruh/
model “baik”, “moderat, dan
Uji Hipotesis)
b. Discrimant validity “lemah”
b. Nilai estimasi untuk hubungan
jalur dalam model struktural
harus signifikan, yang dapat
diperoleh dengan prosedur
bootstrapping
Sumber : Chin (1998), Hair et.al (2011)

‘20 Biro Akademik dan Pembelajaran

http://www.widyatama.ac.id
 Untuk pengujian inner model dapat dilakukan dengan melihat nilai Q2 (predictive
relevance) digunakan rumus:

Q2=1-(1-R21) (1-R22) ... (1-R2p)

Selanjutnya untuk overall fit index dapat menggunakan kriteria Goodness of Fit yang
dikembangkan oleh Tenenhaus et. al (2004) dengan sebutan GoF Index. Indeks ini
dikembangkan untuk mengevaluasi model pengukuran dan model struktural disamping juga
menyediakan pengukuran sederhana untuk keseluruhan dari prediksi model. GoF didapatkan
dari akar kuadrat hasil perkalian antara rata-rata communitalitas (outer model) atau nilai rata-

rata dari AVE dan R2 (inner model). GoF small =0,1, medium = 0,25, dan Large = 0,38
(Tenenhaus, 2004 :173) dengan perhitungan sebagai berikut :

GoF = ƒAVE + R2

Dari pengujian R2, Q2, dan GoF maka kuat atau tidaknya suatu model dapat disimpulkan
sesuai dengan masing-masing kriteria pengukuran.
Tabel 2. Pengujian Inner Model
Uji Model Output Kriteria
R-square 2
Jika nilai R adalah 0.67, 0.33 dan 0.19 menujukkan
model lemah (Chin, 1998) atau 0.75, 0.50, dan 0.25
Inner Model
menunjukkan model kuat, moderate dan lemah (Hair et.
al 2011)
Q2 Jika Q2 > 0 menunjukkan model mempunyai
predictive relevance dan jika
GoF Index Jika nilai GoF adalah 0.10, 0.25 dan 0.36 menunjukkan
model kecil, menengah dan besar
Sumber: Chin (1998) dan Hair et. al (2011)

Sumber:
‘20 Biro Akademik dan Pembelajaran
http://www.widyatama.ac.id
Sholihin, Mahfud dan Ratmono, Dwi. (2013). Analisis SEM-PLS dengan WarpPLS 3.0:
untuk Hubungan Nonlinier dalam Penelitian Sosial dan Bisnis. Andi: Yogyakarta.
Wijanto, Setyo Hari. (2007). Structural Equation Modeling dengan Lisrel 8.8: Konsep dan
Tutorial. Graha Ilmu: Jakarta.

‘20 Biro Akademik dan Pembelajaran

http://www.widyatama.ac.id