Memahami Dasar Dasar Structural Equation

MEMAHAMI DASAR-DASAR
STRUCTURAL EQUATION MODELING (SEM)
EKO HERTANTO
DASAR-DASAR
SEM
STATISTIKA
TUJUAN PENELITIAN KUANTITATIF

DALAM ANALISIS SEM
TUJUAN PENELITIAN ESTIMASI

DALAM ANALISIS SEM
TUJUAN PENELITIAN PREDIKSI

DALAM ANALISIS SEM
PEMAHAMAN DASAR SEM
VARIABEL DALAM SEM
JENIS SEM
ASUMSI-ASUMSI SEM
UKURAN SAMPEL DALAM SEM
MANFAAT SEM
PENGGUNAAN SOFTWARE SEM
DAFTAR PUSTAKA
1
Tujuan Penelitian Kuantitatif dalam Analisis

SEM
Kuantitatif
Estimasi
Prediksi
CB-SEM
PLS-SEM
2
Tujuan Penelitian Kuantitatif dalam Analisis Jogiyanto (2011:38)

SEM
Berdasarkan tujuannya penelitian kuantitatif dibagi menjadi dua,

yaitu:
1. Untuk Estimasi (CB-SEM)

2. Untuk Prediksi (PLS-SEM)
3
Tujuan Penelitian Estimasi dalam Analisis Haryono dan Wardoyo (2013:19)

SEM
Penelitian estimasi bertujuan untuk menguji suatu model empiris dengan

pengukur-pengukur yang valid dan reliabel.
Untuk tujuan estimasi, CB-SEM teknik yang tepat untuk digunakan.
1. Pengujian dan pengukuran dilakukan pada level indikator.
2. Hipotesis yang diuji adalah hipotesis model.
3. Kriteria pengukuran untuk menguji kelayakan model disebut goodness of fit

test
4
Tujuan Penelitian Prediksi dalam Analisis

SEM
Penelitian prediksi bertujuan untuk menguji pengaruh antar konstruk

untuk memprediksi hubungan kausalitas. Teknik PLS-SEM adalah teknik
yang tepat untuk digunakan.
1. Pengujian dan pengukuran dilakukan pada level konstruk
2. Hipotesis yang dilakukan pada umumnya hipotesis parsial
3. Kriteria pengujian parsial dengan uji signifikansi dengan

menggunakan uji T
5
Pemahaman Dasar SEM
Structural Equation Modeling
Pemahaman dasar SEM Raykov dan Marcoulides

(2006:1)
Structural equation modeling (SEM) is a statistical methodology used

by social, behavioral, and educational scientists as well as biologists,
economists, marketing, and medical researchers .
6
Pemahaman dasar SEM Hoyle dalam Khine

(2013:3)
Structural equation modeling is a statistical approach

to testing hypotheses about the relationships among
observed and laten variables.
7
Pemahaman dasar SEM Schumacker dan Lomax (2010:2)
Structural Equation Modeling (SEM) uses various types of models

to depict relationships among observed variables, with the same
basic goal of providing a quantitative test of a theoritical model
hypothesized by the researcher.
The goal of SEM analysis is to determine the extent to which the

theoritical model is supported by sample data.
8
Pemahaman dasar SEM Schumacker dan Lomax (2010:2)
If the sample data do not support the theoritical

model, then either the original model can be modified
and tested, or other theoritical models need to be
developed and tested.
9
Pemahaman Dasar SEM
SEM models essentially combine path models

and confirmatory factor models.
10
Pemahaman Dasar SEM Kurniawan dan Yamin (2011:3)
Landasan awal analisis SEM adalah sebuah teori yang secara jelas
terdefinisi oleh peneliti. Landasan teori tersebut kemudian menjadi
sebuah konsep keterkaitan antar variabel.
Hubungan kausalitas antara variabel laten tidak ditentukan oleh

analisis SEM, melainkan dibangun oleh landasan teori yang
mendukungnya.
11
Analisis SEM dibangun atas dasar adanya

teori
Contoh: kausalitas teori
Variabel gaya kepemimpinan dengan variabel kepuasan kerja dan variabel kinerja
Menurut Robert House:
Path-goal theory leadership adalah teori kepemimpinan yang

menghubungkan perilaku kepemimpinan dengan hasil berupa
kepuasan kerja dan kinerja.
12
Analisis SEM dibangun atas dasar adanya

teori
Contoh: kausalitas teori
Variabel motivasi dengan variabel kepuasan kerja
Menurut Hasibuan:
Motivasi adalah pemberian daya penggerak yang

menciptakan kegairahan kerja seseorang agar mereka mau
bekerja dengan segala daya upayanya untuk mencapai
kepuasan.
13
Variabel dalam SEM
Structural Equation Modeling (SEM)
Variabel Laten (unobserved)
Variabel Laten
Di dalam SEM, variabel laten digambarkan

dengan bentuk bulat atau elips.
14
Variabel Laten (unobserved) Ghozali (2008a:5)
Variabel yang tidak bisa diukur secara langsung dan memerlukan

beberapa indikator sebagai proxy.
15
Variabel Laten (unobserved) Raykov dan Marcoulides (2006:9-

10)
Laten variables are typically hypothetically existing

constructs of interest in a study. The main characteristic of
laten variables is that they cannot be measured directly,
because they are not directly observable.
16
Variabel Laten (unobserved) Latan (2012:8)
Variabel yang tidak dapat diukur atau diobservasi secara

langsung tetapi melalui indikator atau manifest variabelnya.
Unobserved dapat berupa variabel eksogen, endogen atau

variabel moderating maupun variabel interverning.
17
1. Variabel Laten (unobserved)
Dalam SEM, variabel unobserved disebut dengan istilah laten,

konstruk atau tidak teramati.
SEM mempunyai dua jenis variabel laten, yaitu:
2. Eksogen (variabel bebas)

3. Endogen (variabel terikat, moderating dan interverning)
18
Notasi Variabel Laten (unobserved)
1. Variabel laten eksogen

Variabel laten eksogen adalah variabel bebas. Dalam SEM variabel laten
eksogen dilambangkan dengan ksi ()
2. Variabel laten endogen

Variabel laten endogen adalah variabel bergantung, atau variabel tidak
bebas. Dalam SEM variabel laten endogen dilambangkan dengan eta
()
19
Variabel laten dalam bentuk grafis, yaitu:
1. Variabel laten eksogen

Dalam bentuk grafis variabel laten eksogen menjadi target garis dengan
dua anak panah ( ) atau hubungan korelasi / kovarian.
2. Variabel laten endogen

Dalam bentuk grafis variabel laten endogen menjadi target dengan satu
anak panah ( ) atau hubungan regresi.
20
Variabel Manifest (observed) Latan (2012:8)
2. Variabel Manifest (observed)
Observed variabel sering disebut juga dengan istilah variabel

manifest variabel, indikator atau variabel teramati.
Observed variabel (variabel manifest) merupakan variabel yang

dapat diukur secara langsung.
21
Variabel Manifest (observed) Hair et al dalam Kurniawan dan Yamin (2009:6)
Manifest is observed value for a specific item in question,

obtained either from respondent in response to question (as in
questionnaire) or from observation by the researcher.
22
Variabel Manifest (observed) Raykov dan Marcoulides (2006:9)
Observed variables are the variables that are actually measured

or recorded on a sample of subjects, such as manifested
performance on a particular test or the answers to items or
questions in an inventory or questonnaire.
23
Variabel Manifest (observed)
Dalam penelitian SEM variabel manifest atau indikator digunakan

untuk membentuk konstruk laten. Variabel manifest ini diwujudkan
dalam bentuk pertanyaan dengan skala Likert.
24
Variabel manifest untuk membentuk konstruk laten eksogen

diberi simbol X sedangkan variabel manifest untuk membentuk
konstruk laten endogen diberi simbol Y.
Notasi:
Manifest Eksogen = X
Manifest Endogen = Y
25
Manifest Eksogen Manifest Endogen Y

X
Di dalam SEM, variabel manifest

digambarkan dengan bentuk kotak.
26
JENIS SEM
Jenis SEM
Terdapat dua jenis SEM, yaitu:
1. SEM berbasis Kovarian (Covariance Based-SEM) disebut sebagai CB-

SEM.
2. SEM berbasis Varian (Varian Based-SEM) disebut sebagai VB-SEM.
27
Jenis SEM
CB-SEM VB-SEM berdasarkan

berdasarkan asumsi asumsi nonparametrik
parametrik
28
Jenis SEM
Covariance Based SEM (CB-SEM)
Sem berbasis kovarian sering disebut hard modeling yang

didasari oleh asumsi data berdistribusi normal multivariat dan
jumlah sampel yang besar.
Indikator dalam bentuk reflektif, dan model berdasarkan pada teori.
29
Jenis SEM
Variance Based SEM (VB-SEM/PLS)
Sem berbasis varian sering disebut soft modeling yang tidak didasari
oleh banyak asumsi seperti data tidak harus berdistribusi normal
multivariat
Indikator dengan skala kategori, ordinal, interval sampai ratio dapat

digunakan pada model yang sama, dan jumlah sampel tidak harus
besar.
30
Asumsi-ASUMSI SEM
Asumsi-Asumsi Ferdinand (2000)

SEM
Data yang digunakan harus memenuhi asumsi-asumsi SEM, diantaranya:
1. Ukuran sampel
Ukuran sampel yang harus dipenuhi dalam pemodelan minimum berjumlah

100, atau menggunakan perbandingan observasi untuk setiap estimated
parameter.
Jumlah sampel = 5 10 banyaknya parameter.

Jumlah sampel = 5 10 kali jumlah variabel manifest dari keseluruhan
variabel laten.
31
Jumlah sampel = 5 10 kali jumlah variabel manifest dari keseluruhan variabel

laten.
Berdasarkan estimated parameter
LK 1 = 5 variabel manifest
DK 1 = 5 variabel manifest
Total = 10
(10 x 10 = 100)
Jumlah sampel = 100
32
Asumsi-Asumsi
SEM
2. Normalitas dan Linearitas
Sebaran data harus dianalisis apakah memenuhi asumsi normalitas dan

linearitas. Sebaran data harus memenuhi asumsi normalitas dan hubungan
antar estimated parameter bersifat linear.
Uji normalitas melalui gambar histogram data.

Uji Linearitas melalui scatterplots dari data.
33
Asumsi-Asumsi
SEM
3. Outliers
Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara
univariate maupun multivariate yang muncul karena kombinasi karakteristik unik
yang dimiliki dan terlihat sangat jauh berbeda dari observasi-observasi lainnya.
34
Asumsi-Asumsi
SEM
4. Multikolinearitas dan Singularitas
Mendeteksi kemunculan multikolinearitas atau singularitas dari determinan

matrik kovarian. Nilai determinan matrik kovarian yang sangat kecil memberikan
indikasi adanya problem multikolinearitas atau singularitas. Sehingga hal yang
perlu dilakukan adalah mengelurkan variabel yang menyebabkan hal tersebut.
35
Skala Pengukuran Ghozali

(2008b:71)
Skala pengukuran variabel (interval)
Umumnya pengukuran indikator variabel laten menggunakan skala

Likert (skala Likert dianggap berskala interval) dengan 5 kategori
yaitu:
Sangat Tidak Setuju (STS)

Tidak Setuju (TS)
Netral (N)
Setuju (S)
Sangat Setuju (SS)
36
Ukuran Sampel dalam SEM
Ukuran Sampel dalam Analisis SEM Sekaran dalam Wijaya

(2009:10)
Teknik Maximum Likelihood Estimation (ML) dapat digunakan

untuk sampel berkisar 100-200 sampel.
37
Ukuran Sampel dalam Analisis SEM Haryono dan Wardoyo (2013:76)
Teknik Generalized Least Square Estimation (GLS) dapat digunakan

untuk sampel berkisar 200-500.
38
Ukuran Sampel dalam Analisis SEM Haryono dan Wardoyo (2013:76)
Teknik Asymptotically Distribution Free Estimation menggunakan sampel

sangat besar, berada diatas 2500 sampel.
39
Manfaat SEM
Manfaat SEM Latan dalam Haryono dan Wardoyo

(2013:9)
1. Membangun model penelitian dengan banyak variabel.
2. Dapat meneliti variabel atau konstruk yang tidak dapat teramati atau
tidak dapat diukur secara langsung (unobserved).
3. Menguji kesalahan pengukuran (measurement error) untuk variabel atau

konstruk yang teramati (observed).
4. Mengkonfirmasi teori sesuai dengan data penelitian (confirmatory factor

analysis).
5. Dapat menjawab berbagai masalah riset dalam suatu set analisis secara
lebih sistematis dan komprehensif.
40
Manfaat SEM
6. Lebih ilustratif, kokoh dan handal dibandingkan model regresi ketika

memodelkan interaksi, non-linieritas, pengukuran error, korelasi error
terms, dan korelasi antar variabel laten independen berganda.
7. Digunakan sebagai alternatif analisis jalur dan analisis data runtut

waktu (time series) yang berbasis kovariat.
8. Melakukan analisis faktor, jalur dan regresi.
9. Mampu menjelaskan keterkaitan variabel secara kompleks dan efek

langsung maupun tidak langsung dari satu atau beberapa variabel
terhadap variabel lainnya.
10. Memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk

menghubungkan antara teori dengan data.
41
Penggunaan Software SEM Haryono dan Wardoyo (2013:13)
Jenis SEM Software yang Sesuai
AMOS
Covariance Based LISREL

(CB-SEM) EQS
M-plus
TETRAD
PLS-PM
GSCA
Variance Based
(VB-SEM) PLS-Graph
Smart-PLS
Visual-PLS
42
DAFTAR PUSTAKA
Ferdinand, Augusty. Structural Equation Modeling dalam Penelitian

Manajemen. Semarang: Program Magister Manajemen Universitas
Diponegoro, 2000.
Ghozali, Imam. Structural Equation Modeling, Teori, Konsep dan Aplikasi

dengan Program LISREL 8.80. Semarang: Badan Penerbit Universitas
Diponegoro, 2008a.
Ghozali, Imam. Model Persamaan Struktural, Konsep dan Aplikasi dengan

Program AMOS 16.0. Semarang: Badan Penerbit Universitas Diponegoro,
2008b.
Haryono, Siswoyo, dan Parwoto Wardoyo. Structural Equation Modeling Untuk

Penelitian Manajemen Menggunakan AMOS 18.00. Bekasi: PT. Intermedia
Personalia Utama, 2013.
Jogiyanto. Konsep dan Aplikasi SEM Berbasis Varian dalam Penelitian Bisnis.
Yogyakarta: UPP STIM YKPN, 2011.
43
DAFTAR PUSTAKA
Khine, Myint Swe. Application of Structural Equation Modeling in Educational

Research and Practice. Rotterdam, the Netherlands: Sense Publishers, 2013.
Kurniawan, Heri, dan Sofyan Yamin. Generasi Baru Mengolah Data Penelitian
Dengan Partial Least Square Path Modeling, Aplikasi Dengan Software XLSTAT,
SmartPLS Dan Visual PLS. Jakarta: Salemba Empat, 2009.
Latan, Hengky. Structural Equation Modeling, Konsep dan Aplikasi menggunakan

LISREL 8.80. Bandung: Alfabeta, 2012.
Raykov, Tenko, dan George A. Marcoulides. A First Course in Structural Equation

Modeling. Second Edition. New Jersey: Lawrence Erlbaum Associates, Inc,
2006.
Schumacker, Randall E., dan Richard G. Lomax. A Beginners Guide to Structural

Equation Modeling. Third Edition. New York: Routledge Taylor and Francis
Group, LLC, 2010.
Wijaya, Tony. Analisis SEM Untuk Penelitian Menggunakan AMOS. Yogyakarta:

Penerbit Universitas Atmajaya, 2009.
44
DANKE
AUF WIEDERSEHEN

Bahasa

Memahami Dasar Dasar Structural Equation

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Memahami Dasar Dasar Structural Equation

Judul Asli:

Diunggah oleh

Hak Cipta:

Format Tersedia

MEMAHAMI DASAR-DASAR

STRUCTURAL EQUATION MODELING (SEM)

TUJUAN PENELITIAN KUANTITATIF

TUJUAN PENELITIAN ESTIMASI

TUJUAN PENELITIAN PREDIKSI

PEMAHAMAN DASAR SEM

VARIABEL DALAM SEM

UKURAN SAMPEL DALAM SEM

PENGGUNAAN SOFTWARE SEM

Tujuan Penelitian Kuantitatif dalam Analisis

Tujuan Penelitian Kuantitatif dalam Analisis Jogiyanto (2011:38)

Berdasarkan tujuannya penelitian kuantitatif dibagi menjadi dua,

1. Untuk Estimasi (CB-SEM)

Tujuan Penelitian Estimasi dalam Analisis Haryono dan Wardoyo (2013:19)

Penelitian estimasi bertujuan untuk menguji suatu model empiris dengan

Untuk tujuan estimasi, CB-SEM teknik yang tepat untuk digunakan.

1. Pengujian dan pengukuran dilakukan pada level indikator.

2. Hipotesis yang diuji adalah hipotesis model.

3. Kriteria pengukuran untuk menguji kelayakan model disebut goodness of fit

Tujuan Penelitian Prediksi dalam Analisis

Penelitian prediksi bertujuan untuk menguji pengaruh antar konstruk

1. Pengujian dan pengukuran dilakukan pada level konstruk

2. Hipotesis yang dilakukan pada umumnya hipotesis parsial

3. Kriteria pengujian parsial dengan uji signifikansi dengan

Pemahaman dasar SEM Raykov dan Marcoulides

Structural equation modeling (SEM) is a statistical methodology used

Pemahaman dasar SEM Hoyle dalam Khine

Structural equation modeling is a statistical approach

Pemahaman dasar SEM Schumacker dan Lomax (2010:2)

Structural Equation Modeling (SEM) uses various types of models

The goal of SEM analysis is to determine the extent to which the

Pemahaman dasar SEM Schumacker dan Lomax (2010:2)

If the sample data do not support the theoritical

Pemahaman Dasar SEM

SEM models essentially combine path models

Pemahaman Dasar SEM Kurniawan dan Yamin (2011:3)

Hubungan kausalitas antara variabel laten tidak ditentukan oleh

Analisis SEM dibangun atas dasar adanya

Menurut Robert House:

Path-goal theory leadership adalah teori kepemimpinan yang

Analisis SEM dibangun atas dasar adanya

Motivasi adalah pemberian daya penggerak yang

Variabel Laten (unobserved)

Di dalam SEM, variabel laten digambarkan

Variabel Laten (unobserved) Ghozali (2008a:5)

Variabel yang tidak bisa diukur secara langsung dan memerlukan

Variabel Laten (unobserved) Raykov dan Marcoulides (2006:9-

Laten variables are typically hypothetically existing

Variabel Laten (unobserved) Latan (2012:8)

Variabel yang tidak dapat diukur atau diobservasi secara

Unobserved dapat berupa variabel eksogen, endogen atau

Variabel Laten (unobserved)

1. Variabel Laten (unobserved)

Dalam SEM, variabel unobserved disebut dengan istilah laten,

SEM mempunyai dua jenis variabel laten, yaitu:

2. Eksogen (variabel bebas)

Notasi Variabel Laten (unobserved)

1. Variabel laten eksogen

2. Variabel laten endogen

Variabel Laten (unobserved)

Variabel laten dalam bentuk grafis, yaitu: