Yuuk... Mengenal SEM (Struktural Equation Modelling)


SEM merupakan teknik analisis multivariat yang merupakan gabungan analisis regresi, analisis jalur, analisis faktor dan model struktural. Kelebihan SEM dibandingkan dengan analisis data yang lain adalah dapat digunakan untuk mengetahui indikator pembentuk suatu variabel, menguji validitas dan reliabilitas suatu instrumen, mengkonfirmasi ketepatan model dan menguji pengaruh suatu variabel terhadap variabel lain.
SEM mempunyai karakteristik yang bersifat sebagai teknik analisis untuk lebih menegaskan (confirm) dari pada untuk menerangkan. Maksudnya, seorang peneliti lebih cenderung menggunakan SEM untuk menentukan apakah suatu model tertentu valid atau tidak dari pada menggunakannya untuk menemukan suatu model tertentu cocok atau tidak, meski analisis SEM sering pula mencakup elemen-elemen yang digunakan untuk menerangkan.
Model persamaan struktural saat ini telah banyak diaplikasikan di berbagai bidang ilmu sosial, ekonomi, psikologi, pertanian, pendidikan, kesehatan, dan lain-lain.Dalam hal evaluasi, teknik ini dapat digunakan untuk menilai dampak suatu kebijakan, apakah sudah memberikan dampak positif bagi pembangunan, yang sesuai dengan teori. Dalam analisanya, teknik ini didukung oleh software AMOS dan LISREL.
Ada tujuh langkah yang harus dilakukan dalam teknik analisa SEM :
  1. Langkah pertama dalam SEM adalah melakukan identifikasi secara teoretis terhadap permasalahan penelitian. Topik penelitian ditelaah secara mendalam dan hubungan antara variabel-variabel yang akan dihipotesiskan harus didukung oleh justifikasi teori yang kuat. Hal ini dikarenakan SEM adalah untuk mengkonfirmasikan apakah data observasi sesuai dengan teori atau tidak.
  2. Langkah kedua adalah menggambarkan kerangka penelitian dalam sebuah diagram alur (path diagram). Kesepakatan yang ada dalam penggambaran diagram alur telah dikembangkan oleh LISREL, sehingga tinggal menggunakannya saja.
  3. Langkah ketiga adalah mengkonversikan diagram alur ke dalam persamaan, baik persamaan struktural maupun persamaan model pengukuran. Sebenarnya langkah ini telah dilakukan secara otomatis oleh program SEM yang tersedia (AMOS atau LISREL). Berikut adalah contoh persamaan umum struktural.
  4. Langkah keempat adalah memilih jenis matrik input dan estimasi model yang diusulkan. Jenis matrik input yang dimasukkan adalah data input berupa matrik varian atau kovarian atau matrik korelasi. Data mentah observasi akan diubah secara otomatis oleh program menjadi matriks kovarian atau matriks korelasi. Dalam langkah ini, ada dua tahapan yaitu estimasi model pengukuran dan model struktur persamaan. Estimasi Model Pengukuran (Measurement Model)Juga sering disebut dengan Confirmatory Factor Analysis (CFA). Yaitu dengan menghitung diagram model penelitian dengan memberikan anak panah dua arah antara masing-masing konstruk. Langkah ini adalah untuk melihat apakah matriks kovarian sampel yang diteliti mempunyai perbedaan yang signifikan atau tidak dengan matriks populasi yang diestimasi. Model Struktur Persamaan (Structure Equation Model) juga sering disebut dengan Full model, yaitu melakukan running program dengan model penelitian. Langkah ini untuk melihat berbagai asumsi yang diperlukan, sekaligus melihat apakah perlu dilakukan modifikasi atau tidak dan pada akhirnya adalah menguji hipotesis penelitian.
  5. Langkah kelima adalah kemungkinan munculnya masalah identifikasiyang sering muncul sehingga model tidak layak.
  6. Langkah Keenam: Evaluasi Kriteria Goodness of Fit. Uji Kesesuaian dan Uji Statistik. Adabeberapa uji kesesuaian statistik, berikut adalah beberapa kriteria yang lazim dipergunakan. Uji Reliabilitas: Construct Reliability dan Variance extracted. Nilai yang diharapkan untuk construct reliability adalah di atas 0,7 dan variance extracted di atas 0,5.
  7. Langkah Ketujuh: Menginterpretasikan Hasil Pengujian dan Modifikasi Model. Peneliti dapat melakukan modifikasi model untuk memperbaiki model yang telah disusun, dengan sebuah catatan penting, yaitu bahwa setiap perubahan model harus didukung oleh justifikasi teori yang kuat. Tidak boleh ada modifikasi model tanpa adanya dukungan teori yang kuat.

Kelebihan dan Kelemahan SEM
Beberapa kelebihan teknik analisa ini antara lain:
  1. Pelibatan koreksi terhadap atenuasi.
  2. Keluwesan mengembangkan model.
  3. Pengujian secara komprehensif.
  4. SEM mampu mengatasi masalah ketidaknormalan distribusi (dengan beberapa syarat)

Sementara beberapa kelemahan yang dimiliki oleh SEM adalah sebagai berikut:
  1. SEM tidak digunakan untuk menghasilkan model namun untuk mengkonfirmasi suatu bentuk model.
  2. Hubungan kausalitas diantara variabel tidak ditentukan oleh SEM, namun dibangun oleh teori yang mendukungnya.
  3. SEM tidak digunakan untuk menyatakan suatu hubungan kausalitas, namun untuk menerima atau menolak hubungan sebab akibat secara teoritis melalui uji data empiris.
  4. Studi yang mendalam mengenai teori yang berkaitan menjadi model dasar untuk pengujian aplikasi SEM.

0 komentar

IKLAN

IKLAN