MEMAHAMI DASAR-DASAR STRUCTURAL EQUATION MODELING (SEM)

MEMAHAMI DASAR-DASAR STRUCTURAL EQUATION MODELING (SEM)
EKO HERTANTO

STATISTIKA DASAR-DASAR SEM TUJUAN PENELITIAN KUANTITATIF
DALAM ANALISIS SEM TUJUAN PENELITIAN ESTIMASI TUJUAN PENELITIAN PREDIKSI PEMAHAMAN DASAR SEM VARIABEL DALAM SEM JENIS SEM ASUMSI-ASUMSI SEM UKURAN SAMPEL DALAM SEM MANFAAT SEM PENGGUNAAN SOFTWARE SEM DAFTAR PUSTAKA

Tujuan Penelitian Kuantitatif dalam Analisis SEM Kuantitatif Estimasi CB-SEM Prediksi PLS-SEM

Tujuan Penelitian Kuantitatif dalam Analisis SEM Jogiyanto (2011:38) Berdasarkan tujuannya penelitian kuantitatif dibagi menjadi dua, yaitu: Untuk Estimasi (CB-SEM) Untuk Prediksi (PLS-SEM)

Tujuan Penelitian Estimasi dalam Analisis SEM Haryono dan Wardoyo (2013:19) Penelitian estimasi bertujuan untuk menguji suatu model empiris dengan pengukur-pengukur yang valid dan reliabel. Untuk tujuan estimasi, CB-SEM teknik yang tepat untuk digunakan. Pengujian dan pengukuran dilakukan pada level indikator. Hipotesis yang diuji adalah hipotesis model. Kriteria pengukuran untuk menguji kelayakan model disebut goodness of fit test

Tujuan Penelitian Prediksi dalam Analisis SEM Penelitian prediksi bertujuan untuk menguji pengaruh antar konstruk untuk memprediksi hubungan kausalitas. Teknik PLS-SEM adalah teknik yang tepat untuk digunakan. Pengujian dan pengukuran dilakukan pada level konstruk Hipotesis yang dilakukan pada umumnya hipotesis parsial Kriteria pengujian parsial dengan uji signifikansi dengan menggunakan uji T

Pemahaman Dasar SEM Structural Equation Modeling

Pemahaman dasar SEM Raykov dan Marcoulides (2006:1) “Structural equation modeling (SEM) is a statistical methodology used by social, behavioral, and educational scientists as well as biologists, economists, marketing, and medical researchers ”.

Pemahaman dasar SEM Hoyle dalam Khine (2013:3) “Structural equation modeling is a statistical approach to testing hypotheses about the relationships among observed and laten variables”.

Pemahaman dasar SEM Schumacker dan Lomax (2010:2) “Structural Equation Modeling (SEM) uses various types of models to depict relationships among observed variables, with the same basic goal of providing a quantitative test of a theoritical model hypothesized by the researcher”. “The goal of SEM analysis is to determine the extent to which the theoritical model is supported by sample data”.

Pemahaman dasar SEM Schumacker dan Lomax (2010:2) “If the sample data do not support the theoritical model, then either the original model can be modified and tested, or other theoritical models need to be developed and tested”.

Pemahaman Dasar SEM “SEM models essentially combine path models and confirmatory factor models”.

Pemahaman Dasar SEM Kurniawan dan Yamin (2011:3) “Landasan awal analisis SEM adalah sebuah teori yang secara jelas terdefinisi oleh peneliti. Landasan teori tersebut kemudian menjadi sebuah konsep keterkaitan antar variabel”. Hubungan kausalitas antara variabel laten tidak ditentukan oleh analisis SEM, melainkan dibangun oleh landasan teori yang mendukungnya.

Analisis SEM dibangun atas dasar adanya teori Contoh: kausalitas teori Variabel gaya kepemimpinan dengan variabel kepuasan kerja dan variabel kinerja Menurut Robert House: “Path-goal theory leadership adalah teori kepemimpinan yang menghubungkan perilaku kepemimpinan dengan hasil berupa kepuasan kerja dan kinerja”.

Analisis SEM dibangun atas dasar adanya teori Contoh: kausalitas teori Variabel motivasi dengan variabel kepuasan kerja Menurut Hasibuan: “Motivasi adalah pemberian daya penggerak yang menciptakan kegairahan kerja seseorang agar mereka mau bekerja dengan segala daya upayanya untuk mencapai kepuasan”.

Variabel dalam SEM Structural Equation Modeling (SEM)

Variabel Laten (unobserved) Variabel Laten “Di dalam SEM, variabel laten digambarkan dengan bentuk bulat atau elips”.

Variabel Laten (unobserved) Ghozali (2008a:5) “Variabel yang tidak bisa diukur secara langsung dan memerlukan beberapa indikator sebagai proxy”.

Variabel Laten (unobserved) Raykov dan Marcoulides (2006:9-10) “Laten variables are typically hypothetically existing constructs of interest in a study. The main characteristic of laten variables is that they cannot be measured directly, because they are not directly observable”.

Variabel Laten (unobserved) Latan (2012:8) Variabel yang tidak dapat diukur atau diobservasi secara langsung tetapi melalui indikator atau manifest variabelnya. Unobserved dapat berupa variabel eksogen, endogen atau variabel moderating maupun variabel interverning.

Variabel Laten (unobserved) Variabel Laten (unobserved) Dalam SEM, variabel unobserved disebut dengan istilah laten, konstruk atau tidak teramati. SEM mempunyai dua jenis variabel laten, yaitu: Eksogen (variabel bebas) Endogen (variabel terikat, moderating dan interverning)

Notasi Variabel Laten (unobserved) Variabel laten eksogen Variabel laten eksogen adalah variabel bebas. Dalam SEM variabel laten eksogen dilambangkan dengan “ksi” () Variabel laten endogen Variabel laten endogen adalah variabel bergantung, atau variabel tidak bebas. Dalam SEM variabel laten endogen dilambangkan dengan “eta” (η)

Variabel Laten (unobserved) Variabel laten dalam bentuk grafis, yaitu: Variabel laten eksogen Dalam bentuk grafis variabel laten eksogen menjadi target garis dengan dua anak panah ( ) atau hubungan korelasi / kovarian. Variabel laten endogen Dalam bentuk grafis variabel laten endogen menjadi target dengan satu anak panah ( ) atau hubungan regresi.

Variabel Manifest (observed) Latan (2012:8) Variabel Manifest (observed) Observed variabel sering disebut juga dengan istilah variabel manifest variabel, indikator atau variabel teramati. Observed variabel (variabel manifest) merupakan variabel yang dapat diukur secara langsung.

Variabel Manifest (observed) Hair et al dalam Kurniawan dan Yamin (2009:6) “Manifest is observed value for a specific item in question, obtained either from respondent in response to question (as in questionnaire) or from observation by the researcher”.

Variabel Manifest (observed) Raykov dan Marcoulides (2006:9) “Observed variables are the variables that are actually measured or recorded on a sample of subjects, such as manifested performance on a particular test or the answers to items or questions in an inventory or questonnaire”.

Variabel Manifest (observed) Dalam penelitian SEM variabel manifest atau indikator digunakan untuk membentuk konstruk laten. Variabel manifest ini diwujudkan dalam bentuk pertanyaan dengan skala Likert.

Variabel Manifest (observed) Variabel manifest untuk membentuk konstruk laten eksogen diberi simbol X sedangkan variabel manifest untuk membentuk konstruk laten endogen diberi simbol Y. Notasi: Manifest Eksogen = X Manifest Endogen = Y

Variabel Manifest (observed) Manifest Eksogen X Manifest Endogen Y “Di dalam SEM, variabel manifest digambarkan dengan bentuk kotak”.

JENIS SEM Structural Equation Modeling (SEM)

Jenis SEM Terdapat dua jenis SEM, yaitu: SEM berbasis Kovarian (Covariance Based-SEM) disebut sebagai CB-SEM. SEM berbasis Varian (Varian Based-SEM) disebut sebagai VB-SEM.

Jenis SEM CB-SEM berdasarkan asumsi parametrik VB-SEM berdasarkan asumsi nonparametrik SEM CB-SEM PARAMETRIK VB-SEM NON PARAMETRIK

Jenis SEM Covariance Based SEM (CB-SEM) Sem berbasis kovarian sering disebut hard modeling yang didasari oleh asumsi data berdistribusi normal multivariat dan jumlah sampel yang besar. Indikator dalam bentuk reflektif, dan model berdasarkan pada teori.

Jenis SEM Variance Based SEM (VB-SEM/PLS) Sem berbasis varian sering disebut soft modeling yang tidak didasari oleh banyak asumsi seperti data tidak harus berdistribusi normal multivariat Indikator dengan skala kategori, ordinal, interval sampai ratio dapat digunakan pada model yang sama, dan jumlah sampel tidak harus besar.

Asumsi-ASUMSI SEM Structural Equation Modeling (SEM)

Asumsi-Asumsi SEM Ferdinand (2000) Data yang digunakan harus memenuhi asumsi-asumsi SEM, diantaranya: Ukuran sampel Ukuran sampel yang harus dipenuhi dalam pemodelan minimum berjumlah 100, atau menggunakan perbandingan observasi untuk setiap estimated parameter. Jumlah sampel = 5 – 10 banyaknya parameter. Jumlah sampel = 5 – 10 kali jumlah variabel manifest dari keseluruhan variabel laten.

Jumlah sampel = 5 – 10 kali jumlah variabel manifest dari keseluruhan variabel laten. Berdasarkan estimated parameter LK 1 = 5 variabel manifest DK 1 = 5 variabel manifest Total = 10 (10 x 10 = 100) Jumlah sampel = 100

Asumsi-Asumsi SEM Normalitas dan Linearitas Sebaran data harus dianalisis apakah memenuhi asumsi normalitas dan linearitas. Sebaran data harus memenuhi asumsi normalitas dan hubungan antar estimated parameter bersifat linear. Uji normalitas melalui gambar histogram data. Uji Linearitas melalui scatterplots dari data.

Asumsi-Asumsi SEM Outliers Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariate maupun multivariate yang muncul karena kombinasi karakteristik unik yang dimiliki dan terlihat sangat jauh berbeda dari observasi-observasi lainnya.

Asumsi-Asumsi SEM Multikolinearitas dan Singularitas Mendeteksi kemunculan multikolinearitas atau singularitas dari determinan matrik kovarian. Nilai determinan matrik kovarian yang sangat kecil memberikan indikasi adanya problem multikolinearitas atau singularitas. Sehingga hal yang perlu dilakukan adalah mengelurkan variabel yang menyebabkan hal tersebut.

Skala Pengukuran Ghozali (2008b:71) Skala pengukuran variabel (interval) Umumnya pengukuran indikator variabel laten menggunakan skala Likert (skala Likert dianggap berskala interval) dengan 5 kategori yaitu: Sangat Tidak Setuju (STS) Tidak Setuju (TS) Netral (N) Setuju (S) Sangat Setuju (SS)

Ukuran Sampel dalam SEM Structural Equation Modeling (SEM)

Ukuran Sampel dalam Analisis SEM Sekaran dalam Wijaya (2009:10) “Teknik Maximum Likelihood Estimation (ML) dapat digunakan untuk sampel berkisar sampel”.

Ukuran Sampel dalam Analisis SEM Haryono dan Wardoyo (2013:76) “Teknik Generalized Least Square Estimation (GLS) dapat digunakan untuk sampel berkisar ”.

Ukuran Sampel dalam Analisis SEM Haryono dan Wardoyo (2013:76) “Teknik Asymptotically Distribution Free Estimation menggunakan sampel sangat besar, berada diatas 2500 sampel”.

Manfaat SEM Structural Equation Modeling (SEM)

Manfaat SEM Latan dalam Haryono dan Wardoyo (2013:9) Membangun model penelitian dengan banyak variabel. Dapat meneliti variabel atau konstruk yang tidak dapat teramati atau tidak dapat diukur secara langsung (unobserved). Menguji kesalahan pengukuran (measurement error) untuk variabel atau konstruk yang teramati (observed). Mengkonfirmasi teori sesuai dengan data penelitian (confirmatory factor analysis). Dapat menjawab berbagai masalah riset dalam suatu set analisis secara lebih sistematis dan komprehensif.

Manfaat SEM Lebih ilustratif, kokoh dan handal dibandingkan model regresi ketika memodelkan interaksi, non-linieritas, pengukuran error, korelasi error terms, dan korelasi antar variabel laten independen berganda. Digunakan sebagai alternatif analisis jalur dan analisis data runtut waktu (time series) yang berbasis kovariat. Melakukan analisis faktor, jalur dan regresi. Mampu menjelaskan keterkaitan variabel secara kompleks dan efek langsung maupun tidak langsung dari satu atau beberapa variabel terhadap variabel lainnya. Memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dengan data.

Penggunaan Software SEM Haryono dan Wardoyo (2013:13) Jenis SEM Software yang Sesuai Covariance Based (CB-SEM) AMOS LISREL EQS M-plus Variance Based (VB-SEM) TETRAD PLS-PM GSCA PLS-Graph Smart-PLS Visual-PLS

DAFTAR PUSTAKA Ferdinand, Augusty. Structural Equation Modeling dalam Penelitian Manajemen. Semarang: Program Magister Manajemen Universitas Diponegoro, Ghozali, Imam. Structural Equation Modeling, Teori, Konsep dan Aplikasi dengan Program LISREL Semarang: Badan Penerbit Universitas Diponegoro, 2008a. Ghozali, Imam. Model Persamaan Struktural, Konsep dan Aplikasi dengan Program AMOS Semarang: Badan Penerbit Universitas Diponegoro, 2008b. Haryono, Siswoyo, dan Parwoto Wardoyo. Structural Equation Modeling Untuk Penelitian Manajemen Menggunakan AMOS Bekasi: PT. Intermedia Personalia Utama, Jogiyanto. Konsep dan Aplikasi SEM Berbasis Varian dalam Penelitian Bisnis. Yogyakarta: UPP STIM YKPN, 2011.

DAFTAR PUSTAKA Khine, Myint Swe. Application of Structural Equation Modeling in Educational Research and Practice. Rotterdam, the Netherlands: Sense Publishers, Kurniawan, Heri, dan Sofyan Yamin. Generasi Baru Mengolah Data Penelitian Dengan Partial Least Square Path Modeling, Aplikasi Dengan Software XLSTAT, SmartPLS Dan Visual PLS. Jakarta: Salemba Empat, Latan, Hengky. Structural Equation Modeling, Konsep dan Aplikasi menggunakan LISREL Bandung: Alfabeta, Raykov, Tenko, dan George A. Marcoulides. A First Course in Structural Equation Modeling. Second Edition. New Jersey: Lawrence Erlbaum Associates, Inc, Schumacker, Randall E., dan Richard G. Lomax. A Beginner’s Guide to Structural Equation Modeling. Third Edition. New York: Routledge Taylor and Francis Group, LLC, Wijaya, Tony. Analisis SEM Untuk Penelitian Menggunakan AMOS. Yogyakarta: Penerbit Universitas Atmajaya, 2009.

DANKE AUF WIEDERSEHEN

MEMAHAMI DASAR-DASAR STRUCTURAL EQUATION MODELING (SEM)

Presentasi serupa

Presentasi berjudul: "MEMAHAMI DASAR-DASAR STRUCTURAL EQUATION MODELING (SEM)"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan

Masuk

Otorisasi melalui jaringan sosial:

MEMAHAMI DASAR-DASAR STRUCTURAL EQUATION MODELING (SEM)

Presentasi serupa

Presentasi berjudul: "MEMAHAMI DASAR-DASAR STRUCTURAL EQUATION MODELING (SEM)"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan