Introduction to Structural Equation Modeling

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

mailto:[email protected]

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


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


Terminologi SEM• Variabel Laten/Konstruk

• Variabel Manifes/Indikator

• Variabel Eksogen

• Variabel Endogen

• Variabel Mediator

• Variabel Moderator


Terminologi SEM• Measurement Model

• Structural Model

• Measurement Error

• Structural Error


Karakteristik SEM• Estimation of Multiple Interrelated Dependece

Relationship

• Incorporating Latent Variables

• Defining Model to Explain Entire Set of Relationship


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


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


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



• 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



• 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


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.


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


Langkah-Langkah SEM• Membuat model SEM

• Menyiapkan desain penelitian dan pengumpulan

data

• Identifikasi model

• Menguji model


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


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


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”


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



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.




Model Fit

Umumnya uji ini mengenal 3 macam alternatif:

Absolute Fit Indices: Membandingkan matriks

covariance sample dengan matriks covariance

estimasi.




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




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




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





Uji Reliabilitas: Didapatkan dengan rumus

Construct Reliability = (∑ std. Loading)2

(∑ std. Loading)2 + (∑ єJ)

∑ єJ = (1- (std. Loading)2)





Menguji seberapa besar konstruk dapat

menjelaskan indikatornya

Semakin besar nilai R2 indikator terhadap konstruk

maka semakin baik indicator tersebut



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.


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).


Introduction to Structural Equation Modeling

Data & Analytics