Mohon ijin memberikan tanggapan diskusi 12 terkait dengan pengujian hipotesis

dari pemodelan persamaan struktural 

A. KONSEP STRUCTURAL EQUATION MODEL (SEM)

Sewal Wright mengembangkan konsep ini pada tahun 1934, pada awalnya teknik ini
dikenal dengan analisa jalur dan kemudian dipersempit dalam bentuk analisis Structural
Equation Model. SEM (Structural Equation Model) adalah suatu teknik statistika yang
mampu menganalisis pola hubungan antara konstruk laten dan indikatornya, konstruk laten
yang satu dengan lainnya, serta kesalahan pengukuran secara langsung. SEM memungkinkan
dilakukannya analisis di antara beberapa variabel dependen dan independen secara langsung.

Teknik analisis data menggunakan Structural Equation Modeling (SEM), dilakukan untuk
menjelaskan secara menyeluruh hubungan antar variabel yang ada dalam penelitian. SEM
digunakan bukan untuk merancang suatu teori, tetapi lebih ditujukan untuk memeriksa dan
membenarkan suatu model. Oleh karena itu, syarat utama menggunakan SEM adalah
membangun suatu model hipotesis yang terdiri dari model struktural dan model pengukuran
dalam bentuk diagram jalur yang didasarkan pada justifikasi teori. SEM merupakan
sekumpulan teknik-teknik statistika yang memungkinkan pengujian sebuah rangkaian
hubungan secara simultan. Hubungan itu dibangun antara satu atau beberapa variabel
independen.

SEM menjadi suatu teknik analisis yang lebih kuat karena mempertimbangkan pemodelan
interaksi, nonlinearitas, variabel-variabel bebas yang berkorelasi (correlated independent),
kesalahan pengukuran, gangguan kesalahan-kesalahan yang berkorelasi (correlated error
 terms), beberapa variabel bebas laten (multiple latent independent) dimana masing - masing
diukur dengan menggunakan banyak indikator, dan satu atau dua variabel tergantung laten
yang juga masing-masing diukur dengan beberapa indikator. Dengan demikian menurut
definisi ini SEM dapat digunakan sebagai alternatif lain yang lebih kuat dibandingkan dengan
menggunakan regresi berganda, analisis jalur, analisis faktor, analisis time series, dan analisis
kovarian.

B. Model-Model dalam Structural Equation Model

Terdapat dua jenis model dalam SEM, yakni model struktural dan model pengukuran.
Model struktural menggambarkan hubungan-hubungan yang terjadi antara variabel laten,
eksogen dan endogen. Hubungan yang terjadi antar variabel laten sama dengan apa yang
terjadi dalam regresi linear. Dalam suatu model sangat mungkin memuat beberapa persamaan
linear, dalam matematika kumpulan dari persamaan-persamaan regresi linear tersebut
membentuk

suatu persamaan simultan. Parameter yang menunjukkan regresi variabel laten endogen pada
variabel laten eksogen diberi simbol dengan  (gamma) sedangkan untuk regresi variabel
endogen pada variabel endogen di lambangkan dengan  (beta). Dalam teorinya, ada tiga
macam atau jenis model struktural dapat dilihat pada diagram berikut.

Notasi matematika untuk model struktural di atas adalah sebagai berikut:

  1  122
 211
  2 31
 Atau dapat juga ditulis dalam bentuk
ETA1 = GAMMA 11 × KSI 1 + GAMMA 12 × KSI 2
ETA2 = BETA 21 × ETA 1
ETA3 = GAMMA 32 × KSI 2 + BETA 31 × ETA 1

Model yang kedua adalah model pengukuran. Dalam model ini, setiap variabel laten
dimodelkan sebagai sebuah faktor yang mendasari variabel-variabel teramati yang terkait.
Factor loading yang menghubungkan variabel-variabel laten dengan variabel-variabel
teramati diberi label dengan symbol  (lambda).
Dalam SEM dipunyai dua matriks lambda yang berbeda, yaitu satu matriks pada sisi X
dan matriks lainnya adalah Y. Notasi  pada sisi X dilambangkan dengan X (lambda X) dan
pada sisi Y dilambangkan dengan Y (lambda Y). Model pengukuran yang paling lazim
dalam SEM adalah congeneric measurement model, yakni setiap ukuran yang teramati
hanya berhubungan dengan satu variabel laten, dan semua kovariansi di antara variabel-
variabel teramati adalah sebagai akibat dari hubungan antara variabel teramati dan variabel
laten. Untuk lebih jelasnya Anda dapat memperhatikan gambar berikut.

Persamaan matematika dari model pengukuran di atas adalah sebagai berikut.

X1  1
11

X 2  X 1

X3 
31

Atau dalam bentuk lain ditulis sebagai berikut

X1 = LAMBDA X11× KSI 1

X2 = LAMBDA X21× KSI 1
X3 = LAMBDA X31× KSI 1
C. PROSEDUR SEM
Penerapan SEM pada analisis data hasil penelitian memerlukan orientasi yang
berbeda dengan penerapan statitiska yang umumnya didasarkan pada pengamatan secara
individual, misalnya uji beda mean dua kelompok melalui uji-t atau uji-z, ANOVA untuk k
> 2, ataupun pada regresi. Proses analisis dalam SEM lebih menekankan pada penggunaan
kovarian dibandingkan dengan kasus-kasus individual. Jika dalam analisis statistika biasa,
fungsi yang diminimumkan adalah perbedaan antara nilai-nilai yang diamati dengan yang
diprediksi (seperti penerapan least square pada regresi), maka pada SEM yang
diminimumkan adalah perbedaan antara kovarian sampel dengan kovarian yang diprediksi
oleh model.
Dengan demikian yang dimaksud residual dalam SEM adalah perbedaan antara kovarian
yang diprediksi dengan kovarian yang diamati (banyak yang mengatakan bahwa SEM
dengan istilah Analysis of Covariance Structure).

Tahapan dalam Proses Analisis SEM

5 tahapan menurut Wijayanto (2008) dengan contoh-contoh yang diambil di dalamnya.
1. Pengembangan model teoritis atau spesifikasi model
Dalam langkah pengembangan model teoritis, hal yang harus dilakukan adalah
melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka guna mendapatkan
justifikasi atas model teoritis yang akan dikembangkan. SEM digunakan bukan untuk
menghasilkan sebuah model, tetapi digunakan untuk mengonfirmasi model teoritis
tersebut melalui data empirik.
2. Identifikasi
Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang
unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan
simultan tidak ada solusinya.
3. Estimasi
Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai
parameter dengan menggunakan salah satu metode estimasi yang tersedia. Pemilihan
metode estimasi yang digunakan ditentukan berdasarkan karakteristik dari variabel-
variabel yang dianalisis.
4. Uji kecocokan
Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa
kriteria ukuran kecocokan atau diistilahkan dengan goodnessof fit (GOF) dapat
digunakan untuk melaksanakan langkah ini.
 5. Respesifikasi
Tahap ini berkaitan dengan respesifikasi model berdasarkan atas hasil uji kecocokan
tahap sebelumnya.

D. ASUMSI DALAM SEM

Sebagaimana dalam uji statistika lainnya, sebelum kita melakukan analisis data
dengan SEM diperlukan asumsi-asumsi. Asumsi-asumsi tersebut menurut Kusnendi (2005)
di antaranya adalah:
1. Skala Pengukuran Data Minimal Interval
Sebaiknya skala pengukuran dari data yang dianalisis dalam SEM minimal interval.
Sekalipun demikian, tidak seperti pada analisis jalur, kesalahan model-model SEM yang
eksplisit muncul karena penggunaan data ordinal. Variabel-variabel eksogen berupa
variabel-variabel dikotomi atau dummy dan variabel dummy kategorial tidak boleh
digunakan dalam variabel-variabel endogen. Penggunaan data dengan skala nominal atau
ordinal akan mengecilkan koefisien matriks korelasi yang digunakan dalam SEM.
2. Distribusi Data harus Menyebar Normal
Sebaran data dari variabel-variabel yang diuji harus mengikuti sebaran normal. Uji
normalitas yang dilakukan pada SEM mempunyai dua tahapan. Pertama menguji
normalitas untuk setiap variabel, sedangkan tahap kedua adalah pengujian normalitas
semua variabel secara bersama-sama yang disebut dengan multivariate normality. Hal
ini disebabkan jika setiap variabel normal secara individu, tidak berarti jika diuji secara
bersama (multivariat) juga pasti berdistribusi normal.
3. Ukuran Sampel (n-size)
Pada umumnya dikatakan penggunaan SEM membutuhkan jumlah sampel yang besar.
Ada yang berpendapat bahwa ukuran sampel untuk pengujian model dengan
menggunakan SEM adalah antara 100-200 sampel atau tergantung pada jumlah
parameter yang digunakan dalam seluruh variabel laten, yaitu jumlah parameter
dikalikan 5 sampai
10. Satu survei terhadap penelitian yang menggunakan SEM didapatkan median ukuran
sampel sebanyak 198. Untuk itu jumlah sampel sebanyak 200 data pada umumnya dapat
diterima sebagai sampel yang representatif pada analisis SEM.
Sumber :
Wahyudin, Jarnawi Afgani Dahlan (2019). Statistika Pendidikan.
Tangerang Selatan: Universitas Terbuka.