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.
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
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.