Mengenal Structural Equation Model (SEM )

Berbagai teknik pengolahan data multivariat menggunakan berbagai metode olah data statistik seperti analisis regresi dan korelasi, analisis faktor, ANOVA, analisis Multidimensional dan lain sebagainya sesuai kebutuhan dan tujuan penelitian. Teknik analisis data yang digunakan oleh peneliti sosial salah satunya adalah teknik Structural Equation Model (SEM). Selanjutnya disebut SEM, merupakan teknik analisis multivariat yang bersifat sangat cross sectional, linear dan umum. SEM merupakan gabungan dari analisis regresi linear, analisis jalur dan analisis faktor (Sarwono, 2010). SEM dapat digunakan sebagai alternatif lain yang lebih kuat dibandingkan dengan menggunakan regresi berganda, analisis jalur, analisis faktor, analisis time series dan analisis kovarian.

Aplikasi utama SEM meliputi :

1. Causal modeling
2. Analisis faktor penegasan (CFA)
3. Analisis faktor urutan kedua (Second order factor analysis)
4. Model-model regresi (regression models)
5. Model-model struktur kovarian (Covariance structure models)
6. Model struktur korelasi (Correlation structure models)

Asumsi dasar penggunaan SEM menurut Sarwono (2010) :

1. Indikator-indikator multivariat berdistribusi normal
2. Variabel laten berdistribusi normal
3. Linieritas variabel laten dengan variabel laten serta variabel laten dengan indikatornya
4. Beberapa indikator harus digunakan untuk mengukur masingmasing variabel laten dalam model
5. Model rekursif yaitu semua anak panah menuju satu arah dan tidak ada arah umpan balik
6. Data yang digunakan skala interval
7. Data memiliki jumlah nilai yang besar (ketepatan yang tinggi)
8. Residual acak dan kecil
9. Tidak ada korelasi error term (uncorrelated error terms)
10. Tidak ada korelasi residual (uncorrelated residual error)
11. Tidak ada multikolinearitas
12. Ukuran sampel besar

Ukuran sampel :

secara teori berkisar antara 200-400 dengan indikator antara 10-15. Jika menginginkan hasil semakin tepat makan sebaiknya sampel 400 dengan 10-15 indikator dengan taraf signifikansi 5%. Jika taraf signifikansi 1% maka gunakan 3200 (Sarwono, 2010).

Variabel dalam SEM

1. Variabel yang dapat diobservasi (Observed Variables) = indikator = variabel manifest = referensi
2. Variabel yang tidak dapat diobservasi (Unobserved Variables) = konstruk = faktor = variabel laten = fenomena abstrak
• Variabel laten eksogen = independen = bebas
• Variabel laten endogen = dependen = terikat

Pendekatan SEM

Berdasarkan asumsi peneliti, maka pendekatan dalam SEM ada dua yaitu 

1. Pendekatan SEM dengan matrik Kovarian disebut Covariance Based SEM (CB-SEM). Jika peneliti memiliki landasan teori yang kuat, pengujian teori atau pengembangan teori terhadap model tersebut. Software yang digunakan biasanya Lisrel, AMOS dan EQS.
2. Pendekatan SEM dengan matrik Varian disebut Variance Based SEM (VB-SEM). Jika tujuan peneliti adalah untuk prediksi. Software yang digunakan biasanya SmartPLS, Visual PLS, XLSTAT PLS-PM, dan PLS Graph.

Perbedaan CB-SEM dan VB-SEM

Berikut adalah perbandingan antara CB-SEM dengan VB-SEM :

Tabel 1. Perbedaan CB-SEM dan VB-SEM

Dalam pengukurannya ada istilah outer model/ model pengukuran dan inner model/ model struktural. Dimana model pengukuran adalah model antara variabel laten dengan variabel konstruk sedangkan model struktural adalah model antara variabel laten dengan variabel laten. 

Gambar1. Outer Model vs Inner Model

Semoga Bermanfaat.

Selanjutnya adalah mengenai PLS-SEM

Salam

Melly 

^_^