Pengantar

Model Persamaan Struktural

(Structural Equation Modeling/SEM)
DIAN HANDAYANI
PROGRAM STUDI STATISTIKA UNJ
DIANH@UNJ.AC.ID, DIAN99163@YAHOO.COM
Motivasi Ilustrasi
➢ A researcher might hypothesize that a student’s home environment influences
her later achievement in school.

➢ A marketing researcher may hypothesize that consumer trust in a corporation

leads to increased product sales for that corporation.

➢ A health care professional might believe that a good diet and regular exercise
reduce the risk of a heart attack.
Motivasi Ilustrasi
➢ A sales manager might be interested to investigate a phenomenon that
behaviour and discipline of salesperson have a direct influence on sales
volume.

➢ A researcher may hypothesize that the overall fitness of the player

influences his/her performance in the sports.

➢ An oncologist might be interested to verify that a too much intact of protein

leads to breast cancer in female.
Motivasi Ilustrasi
➢ SEM banyak digunakan dalam penelitian-penelitian sosial, tingkah laku
(behaviour), pendidikan, biologi, ekonomi, pemasaran (marketing) dsb.

➢ SEM banyak digunakan di berbagai bidang karena SEM dipandang sebagai

suatu metode yang komprehensif untuk mengkuantifikasi maupun menguji
teori-teori yang sifatnya substantif.

➢ Karakteristik penting lainnya dari SEM adalah mempertimbangkan masalah

galat pengukuran (measurement error) dan ciri khas dari SEM mengandung
peubah laten.
Motivasi Ilustrasi
➢ Pengukuran tingkah laku dilakukan dengan menggunakan instrument : test,
scale, kuesioner, self-report inventories
➢ Contoh peubah laten/construct: anxiety, attitudes, goals, intelligence,
motivation, personality, reading and writing abilities, aggression, and
socioeconomic status.
➢ Karakteristik model SEM:
➢ Mengandung peubah-peubah laten
➢ Model SEM di-fit ke matriks korelasi sedangkan pendekatan klasik di-fit
ke data mentah (raw data).
What is SEM ?
❖ SEM adalah teknik kuantitatif peubah ganda untuk menganalisis hubungan
diantara sejumlah peubah secara simultan, baik itu peubah yang dapat
diamati secara langsung (observed variable) maupun yang tidak dapat
diamati secara langsung (latent variable).

❖ SEM menggambarkan hubungan diantara peubah yang teramati dengan

peubah laten dalam berbagai tipe model teoritis, dimana model-model
teoritis ini akan menjadi dasar dalam pengujian suatu hipotesis.

❖ Berbagai tipe model teoritis dihipotesiskan dan diuji dalam SEM.

What is SEM ?
❖ Model-model dalam SEM merepresentasikan bagaimana sekumpulan peubah
yang teramati mendefinisikan suatu konstruk (peubah laten) dan bagaimana
peubah-peubah laten tersebut berhubungan satu sama lain.

❖ Tujuan dari SEM adalah untuk menguji apakah model teoritis yang
dispesifikasikan cocok (fit) dengan data.

❖ Jika data sample mendukung (cocok/fit) dengan model teoritis yang

dispesifikasikan, maka pegujian hipotesis mengenai hubungan diantara
peubah-peubah laten dapat dilakukan.
What is SEM ?
➢ Jika data sample tidak mendukung/tidak cocok dengan model teoritis
yang dispesifikasikan maka perlu membentuk model alternatif,
kemudian model alternatif yang dipilih tsb perlu diperiksa Kembali
kecocokannya dengan data sample.

➢ Pengujian model-model teoritis dalam SEM dilakukan berdasarkan

prinsip-prinsip metode ilmiah pada pengujian hipotesis. Pengujian tsb
dilakukan untuk meningkatkan pemahaman terhadap hubungan-
hubungan yang kompleks diantara peubah-peubah laten.
What is SEM ?
➢ SEM dapat menguji berbagai tipe model teoritis, yaitu : regresi, path dan CFA
yang akan menjadi dasar untuk memahami berbagai tipe model SEM.
➢ Peubah-peubah yang terdapat pada model regresi adalah peubah-peubah
teramati (observed variables).
➢ Peubah-peubah yang terdapat pada model path bisa berupa peubah teramati
ataupun peubah laten.
➢ Model-model CFA menggunakan peubah-peubah yang teramati untuk
mendefinisikan peubah laten, sedangkan model-model CFA orde kedua
(second order CFA) menguji hubungan-hubungan dengan menggunakan
peubah laten tambahan.
What is SEM ?
➢ Dalam SEM terdapat dua tipe peubah yang digunakan : peubah yang
dapat diamati secara langsung dan peubah laten (peubah yang tidak
dapat diamati secara langsung)
➢ Peubah yang dapat diamati secara langsung adalah sekumpulan peubah
yang digunakan untuk mendefinisikan suatu peubah laten (konstruk).
❖ WISC-R adalah suatu instrument yang menghasilkan peubah-
peubah (skor-skor) teramati yang selanjutnya digunakan untuk
menarik kesimpulan mengenai konstruk intelegensia anak.
Peubah-peubah indikator tambahan dari tes-tes intelegensi akan
digunakan untuk mengindikasikan atau mengukur konstruk
intelegensi.
What is SEM ?
➢ Peubah laten tidak dapat diamati secara langsung namun dapat
diamati/diukur melalui sejumlah peubah indikator yang diukur
menggunakan suatu instrument/tes, survey dsb.
➢ Contoh: intelegensia merupakan peubah laten yang menggambarkan
suatu konstruk psikologi, kepercayaan pelanggan pada produk Amerika
merupakan suatu konstruk ekonomi, kondisi fisik orang dewasa
merupakan konstruk yang berkaitan dengan kesehatan.
❖ student’s home environment, achievement in school, consumer
trust, good diet and regular exercise, intelligence
What is SEM ?
➢ Tujuan dari SEM adalah untuk menguji atau mem-validasi suatu model
dimana model ini digunakan untuk menguji maupun untuk mengembangkan
suatu teori.
➢ SEM merupakan pendekatan konfirmatori (confirmatory approach) karena
dalam SEM perlu dispesifikasikan/dihipotesiskan terlebih dahulu suatu model
teoritis yang digunakan dalam merepresentasikan hubungan diantara
peubah-peubah, selanjutnya model tersebut diuji/diperiksa kecocokannya
dengan data sample (fitting model).
➢ Jika data sample tidak cocok dengan model teoritis yang dispesifikasikan,
maka model tersebut perlu dimodifikasi dan perlu diuji kembali.
What is SEM ?
➢ SEM dapat dipandang sebagai perluasan dari analisis faktor dan
analisis regresi berganda.

➢ SEM adalah suatu teknik kuantitatif untuk memeriksa sejumlah

hubungan ketergantungan secara simultan untuk menyelesaikan
beberapa persamaan.
 Observed Variable vs Latent Variable
➢ Observed variable (indicator/manifest) → can be
measured/observed directly
❖ Height, weight, temperature etc.

➢ Latent variable (construct/factor) → cannot be measured/observed

directly
❖ student’s home environment, achievement in school, consumer
trust, good diet and regular exercise, intelligence
Exploratory Approach vs Confirmatory Approach
Pendekatan statistika dapat dikelompokkan dalam dua kategori :
➢ Pendekatan eksploratory (exploratory approach).
Principal Component Analysis (PCA), Exploratory Factor Analysis
(EFA), Correspondence Analysis (CA), Clustering Analysis.

➢ Pendekatan konfirmasi (confirmatory approach)

Regression, confirmatory factor analysis, SEM.
Keunggulan SEM
Keunggulan SEM dibandingkan pendekatan konfirmatory lainnya (misal : regresi)
➢ SEM dapat menghasilkan dugaan dari parameter ragam galat, sedangkan regresi umumnya
mengabaikan galat yang kemungkinan ada pada semua peubah penjelas yang dimasukkan
dalam model.
➢ SEM merupakan metode statistika yang diterapkan untuk menganalisis peubah-peubah
baik itu peubah teramati maupun laten, sedangkan pendekatan lainnya (regresi) diterapkan
hanya pada peubah-peubah teramati.
➢ SEM mampu memodelkan hubungan diantara banyak peubah, sekaligus juga dapat
menduga pengaruh langsung dan pengaruh tidak langsung dari peubah-peubah dalam
suatu penelitian.
Manfaat SEM
SEM dapat digunakan untuk:
➢ Alat konfirmasi.
SEM dapat digunakan untuk merepresentasikan hipotesis dari suatu
fenomena. Model-model yang dispesifikasikan dalam SEM didasarkan pada
teori-teori yang diusulkan yang mendasari fenomena tsb. Berdasarkan data
empirik yang ada, teori-teori yang diusulkan tersebut selanjutnya diuji
dengan menggunakan SEM.
Manfaat SEM
SEM dapat digunakan untuk:
➢ Alat validasi suatu peubah laten.
Peneliti seringkali tertarik untuk mengevaluasi sejauh mana instrumen yang
dibuatnya dapat mengukur suatu peubah laten.

➢ Pengembangan teori (theory development) → melalui penerapan SEM yang

berulang-ulang dan seringkali diterapkannya pada gugus data yang sama. Hal ini
dimaksudkan untuk meng-eksplorasi hubungan diantara peubah-peubah dalam
penelitian. Dalam proses eksplorasi ini tidak mengasumsikan terlebih dahulu suatu
teori tertentu (berbeda halnya dengan fungsi SEM lainnya yaitu dapat juga berperan
sebagai alat konfirmasi)
Type of Models in SEM
Model-model teoritis dalam SEM yang umum digunakan :

1. Model analisis jalur (Path Analytic/PA)

2. Model-model analisis faktor konfirmatori (Confirmatory Factor Analysis/CFA)
3. Model regresi struktural (Structural Regression/SR)
4. Model perubahan laten (Latent Change/LC)
Type of Models in SEM
➢ PA → memodelkan hubungan diantara peubah-peubah yang teramati
(seluruh peubah dalam PA merupakan peubah teramati/observed).

➢ Meskipun PA hanya memperhatikan peubah-peubah teramati namun PA

merupakan bagian penting dalam terbentuknya SEM dan PA menggunakan
prinsip-prinsip yang sama seperti model-model SEM lainnya dalam hal
pendugaan model dan pengujian hipotesis.

➢ CFA → digunakan untuk mengetahui pola hubungan diantara peubah-peubah

laten. Setiap peubah laten yang terdapat pada model diukur oleh beberapa
indikator.
Type of Models in SEM
➢ Model CFA tidak mengasumsikan hubungan spesifik diantara peubah-peubah laten,
melainkan hanya mengasumsikan bahwa peubah-peubah laten tersebut berpotensi
untuk saling berkorelasi.

➢ Model regresi struktural (structural regression/SR) mirip dengan CFA. Dalam SR tidak
hanya memandang bahwa antar peubah laten tsb berkorelasi, namun dipostulatkan
juga suatu hubungan tertentu diantara peubah-peubah laten (seperti halnya dalam
regresi).

➢ SR sering digunakan untuk menguji ataupun untuk membantah teori yang

melibatkan hubungan diantara berbagai peubah laten.
Type of Models in SEM
➢ Latent change/LC model disebut juga latent growth curve models or latent curve
analysis models dapat digunakan untuk merepresentasikan perubahan dari waktu
ke waktu.

➢ LC ini focus pada trend pola pertumbuhan (peningkatan) dan atau penurunan pada
suatu data longitudinal.

➢ Model LC ini dapat digunakan untuk mengamati perubahan karakteristik dari waktu
ke waktu baik itu dalam individu itu sendiri maupun antar individu.

➢ Model LC dapat digunakan untuk mengevaluasi hubungan diantara pola-pola

perubahan dan karakteristik personal lainnya.
Type of Models in SEM
 Ilustrasi Path Analysis

Source : Raykov & Marcoulides (2006)

Ilustrasi CFA
Ilustrasi SR
Ilustrasi LC
SEM : Measurement and Structural
model
SEM meliputi dua model berikut :
❖ Model pengukuran (measurement model)
❖ Model struktural (structural model)

Model pengukuran → merupakan bagian dari SEM yang menspesifikasikan hubungan

antara peubah teramati dengan peubah laten (menghubungkan peubah respon
teramati terhadap peubah-peubah laten dan kadang-kadang juga terhadap kovariate
yang teramati). CFA sering digunakan untuk menguji model pengukuran.

Model struktural → menspesifikasikan hubungan diantara peubah-peubah laten, serta

regresi dari peubah laten pada peubah teramati.
SEM : Measurement and Structural
model
➢ Hubungan antara model pengukuran dan model struktural
didefinisikan lebih lanjut oleh pendekatan dua tahap (two step
approach) terhadap SEM .

➢ Pendekatan dua tahap ini menekankan bahwa analisis model

pengukuran dan model struktural merupakan dua model yang
berbeda secara konseptual. Artinya, gagasan pendugaan
kecocokan model struktural bersifat saling bebas dengan model
pengukuran.
SEM : Measurement and Structural
model
➢ Jöreskog and Sörbom (2003) menyatakan bahwa pengujian yang
dilakukan terlebih dahulu terhadap model struktural kemudian
dilanjutkan pada pengujian terhadap model pengukuran akan menjadi
tidak bermakna (meaningless) karena jika peubah-peubah indikator
yang digunakan tidak tepat dalam mengukur suatu peubah laten, maka
teori (model) yang dispesifikasikan perlu dimodifikasi sebelum
dilanjutkan kepada pengujian terhadap hubungan struktural.

➢ Berdasarkan alasan tsb, peneliti seringkali menguji model pengukuran

terlebih dahulu baru dilanjutkan ke pengujian model struktural.
Pendekatan Umum Untuk melakukan
Analisis SEM

Source: Jitesh J. Thakkar (2020)

Tahapan SEM
Tahapan dalam SEM:
❖ Spesifikasi model.
❖ Identifikasi.
❖ Pendugaan.
❖ Pengujian/Evaluasi.
❖ Modifikasi.

Source: Jitesh J. Thakkar (2020)

Analisis Faktor (Factor Analysis/FA)
➢ FA adalah suatu prosedur untuk menentukan faktor (peubah
laten) yang mendasari kinerja (performance) objek/individu pada
sekumpulan peubah yang teramati (observed variable).

➢ FA menjelaskan pola hubungan yang terdapat diantara 𝑝 peubah

indikator melalui 𝑚 peubah laten 𝑚 < 𝑝 →mereduksi 𝑝 peubah
indikator menjadi 𝑚 peubah laten.
Analisis Faktor (Factor Analysis/FA)
Analisis faktor adalah suatu prosedur untuk :
➢ menentukan apakah terdapat 𝑚 faktor (peubah laten) yang dapat
menjelaskan hubungan diantara 𝑝 peubah teramati (observed variable)
dengan 𝑚 < 𝑝
➢ menentukan berapa banyak faktor yang dapat direduksi
➢ menginterpretasikan makna dari faktor (secara subjektif)
➢ mengevaluasi individu pada faktor-faktor yang telah direduksi yaitu dengan
menentukan dugaan skor faktor bagi setiap individu dimana skor faktor ini
dapat digunakan untuk analisis lanjutan.
Factor Analysis (FA) vs Principal
Component Analysis (PCA)
➢ FA dan PCA kedua-duanya merupakan teknik peubah ganda untuk mereduksi
peubah. Namun karakteristik FA jika dibandingkan dengan PCA adalah bahwa
FA didasari pada suatu model statistika.
➢ Suatu model statistika umumnya terdiri atas:
❖ sejumlah persamaan yang mendefinisikan secara formal hubungan yang
diasumsikan diantara peubah-peubah.
❖ mengasumsikan sebaran pada peubah yang menjadi perhatian.
➢ Hasil dari FA adalah suatu faktor yang sifatnya laten/tidak teramati
(unobserved) sedangkan hasil dari PCA adalah suatu komponen utama
(principal components) yang bersifat teramati (observed).
Factor Analysis (FA) vs Principal
Component Analysis (PCA)
➢ FA is a model-based but PCA is not model-based.
➢ Pada PCA tidak mempertimbangkan error secara eksplisit, sedangkan pada
FA, error dimasukkan dalam model.
➢ Ada dua tipe model FA :
❖ Mengasumsikan kebebasan antar faktor dan ragam diasumsikan sama
dengan satu → model faktor orthogonal
❖ Antar faktor bisa terjadi korelasi → model faktor oblique
➢ Model FA juga merupakan model linier dan mirip dengan model regresi linier
(dalam FA, prediktornya merupakan peubah laten sedangkan dalam regresi
prediktor merupakan peubah yang dapat diamati).
Exploratory Factory Analysis (EFA)
Dalam EFA perhatian ditujukan kepada:
❖ berapa banyak faktor (peubah laten) yang dapat diekstrak dari
sekumpulan peubah indikator,
❖ berapa banyak peubah laten yang dapat digunakan untuk
menjelaskan hubungan diantara peubah-peubah indikator,
❖ peubah indikator mana yang bobotnya besar (dapat
dipertimbangkan) pada suatu faktor.
Factor Analysis (FA)
Bagaimanakan proses analisis faktor dilakukan terhadap sekumpulan
peubah indikator? Ada dua tahap dalam proses FA:
1. Tahap ekstraksi peubah laten
➢ Metode PCA
➢ Metode ML
SEM in R
Packages in R which can be used for SEM:
❖ lavaan
❖ plyr
❖ semTools
❖ psych
❖ Sem

If you have questions about lavaan, you may wish to consult the discussion group.
Go to https://groups.google.com/d/forum/lavaan/
email questions to: lavaan@googlegroups.com.
Tipe Korelasi dalam SEM

Source: Schumacker and Lomax (2016)

THANK YOU