Introduction to Structural Equation Modeling Bodhiya Wijaya Mulya, S.Sos., M.M.
Introduction toStructural Equation Modeling
Bodhiya Wijaya Mulya, S.Sos., M.M.
Brief ProfileExpertise Area:
Research methodology
Private Sector Development
Social entrepreneurship
Social statistics
Sociology of religion
Contact info:
For consultation or detailed training
Contact to: [email protected]
© Bodhiya Wijaya Mulya
Apa itu SEM?• Structural Equation Modeling (SEM) adalah teknik
statistik yang dipergunakan untuk menjelaskan
hubungan antar multiple variabel
• SEM bisa dikatakan sebagai gabungan dari analisis
regresi dan analisis faktor yang dilakukan
bersamaan
© Bodhiya Wijaya Mulya
Perkembangan SEM• SEM mulai dikembangkan pada dekade 1950an
oleh ahli statistik untuk menjelaskan fenomena
kompleks di dunia ekonomi dan genetika.
• Kurang berkembang selama dekade 1960-1970an
karena dianggap terlampau sulit
• Di tahun 1994, hanya terdapat 150 jurnal yang
menggunakan SEM
• Di tahun 2000, jumlah penelitian dengan tools SEM
meningkat hingga 300 jurnal
• Saat ini, SEM menjadi teknik statistik multivariat yang
paling dominan dipergunakan
© Bodhiya Wijaya Mulya
Terminologi SEM• Variabel Laten/Konstruk
• Variabel Manifes/Indikator
• Variabel Eksogen
• Variabel Endogen
• Variabel Mediator
• Variabel Moderator
© Bodhiya Wijaya Mulya
Terminologi SEM• Measurement Model
• Structural Model
• Measurement Error
• Structural Error
© Bodhiya Wijaya Mulya
Karakteristik SEM• Estimation of Multiple Interrelated Dependece
Relationship
• Incorporating Latent Variables
• Defining Model to Explain Entire Set of Relationship
© Bodhiya Wijaya Mulya
Karakteristik SEM• Estimation of Multiple Interrelated Dependece
Relationship
• SEM melihat hubungan antar variabel secara
terpisah namun terkait
• Variabel dependen pada suatu hubungan bisa
menjadi variabel independen pada hubungan
lainnya.
• SEM menekankan keterkaitan antar variabel di
dalam model
© Bodhiya Wijaya Mulya
Karakteristik SEM• Incorporating Latent Variables
• SEM cenderung menggunakan laten variabel atau
variabel yang tidak dapat diamati secara langsung
• Kecenderungan ini sebenarnya menguntungkan
karena:
1. Lebih mencerminkan teori
2. Lebih baik dalam memperkirakan error
3. Langsung menghitung reliabilitas dan validitas
© Bodhiya Wijaya Mulya
Karakteristik SEM• Defining Model to Explain Entire Set of Relationship
• Model dalam SEM menjelaskan hubungan dan
keterkaitan antar variabel satu dengan variabel
yang lain.
• Model harus didasarkan pada teori atau hasil
penelitian sebelumnya
© Bodhiya Wijaya Mulya
Karakteristik SEM• Defining Model to Explain Entire Set of Relationship
• Dalam SEM, terdapat dua macam hubungan yang
harus digambarkan dalam model
1. Measurement Relationship: Hubungan antara
variabel laten dengan variabel manifes.
2. Structural Relationship: Hubungan antara
variabel laten.
• Kedua hubungan itu lantas digabungkan untuk
membentuk model yang utuh
© Bodhiya Wijaya Mulya
Karakteristik SEM• Defining Model to Explain Entire Set of Relationship
• Model harus diuji kesesuaiannya dengan
kenyataan (Model Fit)
• Mirip dengan pengujian model regresi dengan
menggunakan R Squared.
• Dalam SEM, Model Fit umumnya menggunakan
Covariance Matrix dengan membandingkan
Observed Covariance Matrix dengan Estimated
Covariance Matrix
© Bodhiya Wijaya Mulya
Metode Estimasi SEM• Maximum Likelyhood
• Metode yang umum digunakan dalam SEM
• Sangat baik digunakan bila data berdistribusi
normal
• Berbasiskan pada covariance data
• Jumlah sample ideal 100-500 responden
• GLS, ULS, SLS, dan ADF
• Metode serupa dengan Maximun Likelyhood
namun digunakan untuk jumlah sample yang lebih
besar.
© Bodhiya Wijaya Mulya
Metode Estimasi SEM• Partial Least Square
• Metode alternatif untuk SEM
• Cocok dipergunakan untuk data yang tidak
berdistribusi normal
• Berbasiskan pada variance data
• Jumlah sample kecil 30-100 responden saja
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Membuat model SEM
• Menyiapkan desain penelitian dan pengumpulan
data
• Identifikasi model
• Menguji model
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Membuat model SEM
• Model SEM disusun berdasarkan teori yang ada.
• Model dapat disusun dengan menggunakan
persamaan matematika ataupun diagram.
• Bila menggunakan Lisrel maka diawali dengan
persamaan matematis
• Bila menggunakan Amos maka diawali dengan
menggambar diagram
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menyiapkan desain penelitian dan pengumpulan
data
• Dalam tahapan ini, data-data yang diperlukan
untuk menguji model SEM dikumpulkan melalui
survey atau eksperimen
• Uji asumsi terhadap data yang telah terkumpul
seperti uji normalitas
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Identifikasi model
• Dilakukan uji identifikasi untuk menilai apakah
model yang telah disusun boleh dilanjutkan
• Degree of Fredoom memegang peranan penting
dalam proses ini
• Apabil DF positif maka model dapat dikatakan
sudah teridentifikasi
• AMOS akan memberikan keterangan “Minimun was
achieved”
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
• Model yang telah dibuat dan diidentifikasi diuji
• Pengujian terbagi menjadi dua tahap yakni
menguji measurement model dan menguji
structural model
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Measurement Model
Menghitung seberapa tepat variabel manifes
dapat menjelaskan variabel laten
Metode estimasi berperan dalam proses ini yang
umumnya menggunakan metode estimasi berbasis
covarians yakni Maximum Likelyhood.
Uji ini membandingkan antara matrix covariance
data sample dengan matrix covariance estimated.
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Measurement Model
Model Fit
Umumnya uji ini mengenal 3 macam alternatif:
Absolute Fit Indices: Membandingkan matriks
covariance sample dengan matriks covariance
estimasi.
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Measurement Model
Model Fit
Umumnya uji ini mengenal 3 macam alternatif:
Incremental Fit Indices: Membandingkan model
dengan null model (model dengan asumsi semua
manifes tidak berkorelasi satu dengan yang lain
Parsimony Fit Indices: membandingkan model
kompleks dengan model yang
sederhana/parsimoni
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Measurement Model
Model Fit
Apabila model belum fit, maka model dapat
dimodifikasi berdasarkan saran di modification
indices
Modifikasi harus mempertimbangkan teori yang
ada. Jangan memodifikasi model tanpa teori
acuan
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Measurement Model
Analisis Hubungan Indikator dengan Konstruk
Uji Convergent Validity: Melihat seberapa jelas indikator dalam menjelaskan konstruk. Uji ini didapatkan dari melihat nilai factor loading dan variance extracted dari indikator ke konstruk.
Uji Discriminant Validity: Melihat seberapa konstruk itu berbeda dan tidak berhubungan dengan konstruk lain. Uji ini didapatkan dengan mengkuadratkan nilai korelasi antar variabel. Nilai R2 harus lebih kecil dari Variance Extracted
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Measurement Model
Analisis Hubungan Indikator dengan Konstruk
Uji Reliabilitas: Didapatkan dengan rumus
Construct Reliability = (∑ std. Loading)2
(∑ std. Loading)2 + (∑ єJ)
∑ єJ = (1- (std. Loading)2)
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Measurement Model
Analisis Hubungan Indikator dengan Konstruk
Menguji seberapa besar konstruk dapat
menjelaskan indikatornya
Semakin besar nilai R2 indikator terhadap konstruk
maka semakin baik indicator tersebut
© Bodhiya Wijaya Mulya
Langkah-Langkah SEM• Menguji model
Uji Structural Model
Analisis Hubungan antar Konstruk
Melihat hasil korelasi antar konstruk
Tabel Regresion Weight untuk melihat adakah
korelasi yang signifikan
Tabel Standardized Regresion Weights untuk
melihat seberapa erat hubungan tersebut.
© Bodhiya Wijaya Mulya
References• Hair, J.F., Black, W.C., Anderson, R.E., and Babin, B.J.
(2010). Multivariate Data Analysis 7th Ed. New
Jersey: Prentice Hall.
• Santoso, S. (2014). Konsep Dasar dan Aplikasi SEM
dengan Amos 22. Jakarta: Elex Media Komputindo
(Kompas Gramedia Group).
© Bodhiya Wijaya Mulya