PEMODELAN PERSAMAAN STRUKTURAL (SEM)

Structural Equation Modellingatau yang lebih dikenal dengan singkatannya yaitu SEM. Metode SEM disebut juga metode Pemodelan Persamaan Struktural (PPS). Metode atau teknik PPS adalah suatu teknik statistic yang mampu menganalisis pola hubungan antara konstrak laten dan indikatornya, konstrak laten yang satu dengan lainnya, serta kesalahan pengukuran secara langsung. PPS dikelompokkan sebagai keluarga statistikmultivariat dependen, artinya ada variabel dalam PPS yang berperan sebagai variabel dependen dan ada variabel yang berperan sebagai variabel independen. Istilah variabel dependen dalam PPS disebut variabel endogen dan istilah variabel independen dalam PPS disebut variabel eksogen. PPS memungkinkan peneliti untuk menguji hubungan antara variabel laten sekaligus dapat menguji teori. Selain itu, secara simultan, PPS juga dapat menguji indikator-indikatornya sehingga dapat menilai kualitas pengukuran. Dengan kata lain, PPS dapat digunakan untuk menguji model pengukuran yaitu pengukuran variable laten melalui indikator-indikatornya, dan model struktural yaitu pola hubungan antarvariabel yang ditampilkan dalam model. Teknik PPS memiliki dua tujuan utama dalam analisnya, yaitu menentukan apakah model riset yang digunakan “fit” (sesuai) berdasarkan data yang dimiliki, tujuan kedua adalah menguji berbagai hipotesis (pola hubungan) yang telah dibangun sebelumnya.

Adapun symbol-simbol yang digunakan dalam SEM:

ξ (ksi) = untuk variable laten X (eksogen)

η (eta) = untuk variable laten Y (endogen)

λ (lambda) =untuk muatan faktor (faktor loading)

β (beta) = koefisien pengaruh variable endogen terhadap variable endogen.

γ (gamma) = koefisien pengaruh variable eksogen terhadap variable endogen.

φ (phi) = koefisien hubungan antar variable laten X eksogen.

ζ (zeta) = peluang galat model

ε (epsilon) = kesalahan pengukuran pada variable manifest untuk variable laten Y

δ (delta) = kesalahan pengukuran pada variable manifest untuk variable laten X

λx (lambda besar) = matriks untuk muatan faktor variable laten X

λy (lambda besar) = matriks untuk muatan faktor variable laten Y

2.2     Persamaan dan Perbedaan antara SEM dan Analisis Jalur

            Analisis SEM pada dasarnya untuk memperoleh suatu model structural. Model yang diperoreh dapat digunakan untuk prediksi atau pembuktian model. Disamping itu, SEM juga dapat digunakan untuk melihat besar kecilnya pengaruh, baik langsung, tak langsung maupun pengaruh total variable bebas (variable eksogen) terhadap variable terikat (endogen).

            Antara SEM dan analisis jalur terdapat persamaan dan perbedaan. Beberapa persamaan dan perbedaan tersebut dapat dilihat pada deskripsi berikut.

1.                  Persamaan SEM dan Analisis Jalur

·         Keduanya berkaitan dengan analisis konstruksi model.

·         Koefisien parameter model didasarkan atas analisis data sampel.

·         Pengujian kecocokan model dilakukan dengan cara membandingkan matriks varian-kovarian hasil dugaan dengan matriks data empiric (observasi)

2.                  Perbedaan SEM dan Analisis Jalur

·         Pada SEM dapat dilakukan dua analisis sekaligus yaitu: analisis pengujian hubungan kausal antar variable laten (model structural) dan analisis pengujian validitas dan reliabilitas yang didasarkan atas variable manifest (model pengukuran).

·         SEM dapat diterapkan untuk model rekursif ataupun resiprokal, sedangkan analisis jalur hanya dapat diterapkan pada model kausal satu arah dan rekursif.

·         SEM tidak terganggu dengan adanya korelasi antar kesalahan (error), sedangkan pada analisis jalur, antara error harus bebas (tidak saling tergantung).

·         Hasil SEM mencangkup faktor diterminan, model structural, dan model penggukuran. Analisis jalur hanya mencakup faktor diterminan.

2.3        model pengukuran

            Salah satu kegiatan dalam SEM adalah analisis pengujian validitas konstruk dan reliabilitas indicator. Kegiatan ini dapat dilakukan pada analisis model pengukuran. Pendekatan yang digunakan dalam analisis model pengukuran ini adalah analisis model faktor konfirmatori.

Untuk melihat besar kecilnya koefisien validitas dapat dilihat besar kecilnya harga muatan faktor (). Semakin besar harga  maka dikatakan indicator semakin valid. Ukuran untuk mengetahui berapa besarnya nilai  dikatakan valid dapat menggunakan pengujian nilai t (t-value). Untuk keperluan pengujian nilai t ini, dapat menggunakan software LISREL yang memang menyediakan fasilitas untuk pengujian tersebut. Namun demikian, penentuan valid atau tidaknya indicator dapat juga menggunakan besarnya koefisien kolerasi antara skor indicator/ konstruk dengan skor totalnya. Skor ini menggambarkan besarnya muatan faktor. Menurut Carmines dan Zeller (1979:55) konstruk yang baik adalah bila memiliki muatan faktor minimal 0,30. Dengan demikian, bila nilai λ ≥ 0,30 maka dikatakan indicator valid.

            Untuk melihat besarnya koefisien realibilitas indicator dapat melihat nilai (1- δ) untuk variable eksogen dan nilai (1-ε) untuk variable endogen. Semakin besar nilai (1-δ) atau (1-ε) maka semakin reliabelindikator tersebut. Analisis pengujian reabilitas ini dapat juga dilakukan dengan pengujian nilai t (t-value) sepeti halnya pengujian validitas. Nilai t untuk masing-masing parameter (λ dan 1- δ atau  1-ε) merupakan hasil transformasi dari para meter tersebut.hubungan antar variable dikatakan signifikan apabila tampilan dalam output program LISREL menunjukan garis warna hitam dan tidak signifikan apabila hubungan antar variable menunjukan warna merah.