0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
8 tayangan6 halaman
Dokumen tersebut membahas tentang model persamaan struktural (SEM) untuk menganalisis hubungan antar variabel laten dan manifest. SEM digunakan untuk menguji kevalidan model teoritis dan meliputi langkah-langkah pengembangan model, konversi diagram alir ke persamaan, penilaian kecocokan model, dan interpretasi hasil.
Dokumen tersebut membahas tentang model persamaan struktural (SEM) untuk menganalisis hubungan antar variabel laten dan manifest. SEM digunakan untuk menguji kevalidan model teoritis dan meliputi langkah-langkah pengembangan model, konversi diagram alir ke persamaan, penilaian kecocokan model, dan interpretasi hasil.
Dokumen tersebut membahas tentang model persamaan struktural (SEM) untuk menganalisis hubungan antar variabel laten dan manifest. SEM digunakan untuk menguji kevalidan model teoritis dan meliputi langkah-langkah pengembangan model, konversi diagram alir ke persamaan, penilaian kecocokan model, dan interpretasi hasil.
Pada Teknik-teknik sebelumnya memungkinkan untuk mengkaji variabel tak bebas
berganda(multiple dependent variables), seperti multivariateanalysis of variance dan canonical analysis, namun yang demikian masih saja mewakili suatu hubungan tunggal antara dependent dan independent variables, merupakan satu persamaa nsaja. Namun kenyataan di lapangan, dapat terjadi lebihdari satu hubungan, sehingga masalah tersebut tidak bisa diselesaikan dengan teknik-teknik tersebut.Masalah tersebut dapat diselesaikan dengan SEMatau MPS(Model persamaan Struktural) Structural equation modeling (SEM) mempunyaikarakteristik yang bersifat sebagai teknik analisisuntuk lebih menegaskan (confirm) dari pada untukmenerangkan. Maksudnya, seorang peneliti lebihcenderung menggunakan SEM untuk menentukanapakah suatu model tertentu valid atau tidak daripada menggunakannya untuk menemukan suatumodel tertentu cocok atau tidak, meski analisis SEMsering pula mencakup elemen-elemen yangdigunakan untuk menerangkan. Variabel variabel Observed Variables: Variabel Yang DapatDiobservasi Secara Langsung / VarManifest / Indikator / ReferensiUnobserved Variables: Variabel Yang TidakDapat Diobservasi Secara Langsung /Fenomena Abstrak / Var Laten / Faktor /Konstruk Untuk menghitung model struktural yang besar yang mencakup banyak variabel dan untuk memecahkan suatu set persamaan yang saling terkait (the interrelatede quations) harus menggunakan program komputer seperti Lisrel atau Amos Langkah-Langkah 1. Pengembangan model teoritis 2. Pengembangan diagram alur 3. Konversi diagram alur ke dalam persamaanstruktural dan model pengukuran4. Memilih jenis matrik inputdan estimasimodel yang diusulkan5. Menilai identifikasi model struktural6. Menilai kriteria Goodness-of-Fit7. Intepretasi dan modifiikasi model Langkah pertama dalam SEM adalah melakukanidentifikasi secara teoretis terhadap permasalahanpenelitian.Topik penelitian ditelaah secara mendalam danhubungan antara variabel-variabel yang akandihipotesiskan harus didukung oleh justifikasi teoriyang kuat. 1. Pengembangan model teoritis Ada dua hal yang perlu dilakukan yaitu menyusunmodel struktural yaitu menghubungkan antarvariabel laten baik endogen maupun eksogen danmenyusun measurement model yaitumenghubungkan variabel laten endogen ataueksogen denganvariabel manivest 2. Pengembangan diagram alur Langkah ketiga adalah mengkonversikandiagram jalur ke dalam persamaan strukturalLangkah ini telah dilakukan secara otomatis olehprogram SEM yang tersedia (AMOS). 3. Konversi diagram alur ke dalam persamaanstruktural dan model pengukuran Ada 3 kemungkinan yang terjadi terhadap modelSEM:Model Just identified: jumlah poin datavarian dan kovarian sama dengan jumlah parameteryang harus diestimasi.Model Over identified: jumlah poin datavarian dan kovarian variabel- variabel yang teramatilebih besar dari jumlah parameter yang harusdiestimasi.5. Menilai identifikasi model Model Under identified atau un-identified: jumlah poin data varian dan kovarianlebih kecil dibandingkan dengan jumlah parameteryang harus diestimasi.5. Menilai identifikasi modelstruktural Nilai-nilai indeks kecocokan model yang seringdigunakan dalam SEM, diantaranya: 1. Nilai Chi Square: semakin kecil maka modelsemakin sesuai antara model teori dan datasampel. 2. Nilai indeks keselarasan (goodness of f i t index) (GFI):mengukur jumlah relatif varian dan kovarian yang besarnyaberkisar dari 01. Jika nilai besarnya mendekati 0 makamodel mempunyai kecocokan yang rendah sedang nilaimendekati 1 maka model mempunyai kecocokan yang baik3. Root mean square error of approximation,(RMSEA): berfungsi sebagai kriteria untuk pemodelanstruktur kovarian dengan mempertimbangkan kesalahan ygmendekati populasi. Kecocokan model yg cocok denganmatriks kovarian populasi. Model baik jika nilainya lebihkecil atau sama dengan 0,05 ; cukup baik sebesar atau lebihkecil dari 0,08