BUKU STRUKTURAL EQUATION MODELLING
Senin, 01 Mei 2017
Sabtu, 11 Maret 2017
Latar Belakang Metode SEM (Structural Equation Modelling)
Latar Belakang Metode SEM (Structural Equation Modelling)
Secara naluriah manusia memiliki curiousity yang tinggi, yaitu sifat
dasar ingin tahu dan berkembang mencapai kehidupan yang lebih baik. Hal ini
juga terjadi dalam metodologi penelitian. Para ahli ilmu sosial dan behavioral termasuk
di dalamnya Ilmu Manajemen, secara pragmatis terus mengembangkan metode
penelitian untuk mendapatkan kualitas hasil penelitian yang lebih baik, cepat,
akurat, efektif dan efisien.
Sejak dekade 1950-an, para ahli
dalam bidang ilmu sosial dan behavioral mengembangkan metode penelitian yang
disebut Structural Equation Modeling (SEM).
Pada awalnya metode SEM hanya baik secara konsep, namun masih sulit diaplikasikan
karena keterbatasan teknologi. Dengan pesatnya perkembangan komputer, pada saat
ini metode SEM semakin banyak digunakan dalam penelitian behavioral, khususnya
dalam Ilmu Manajemen.
Dalam satu dekade terakhir,
penggunaan SEM semakin meningkat. Sebagai contoh, sebelum 1990, dalam bidang
pemasaran, hanya sekitar 10 artikel penelitian yang menggunakan SEM. Namun pada
periode 1995-2007, lebih dari 2/3 dari keseluruhan artikel yang dipublikasikan
dalam jurnal manajemen ternama menggunakan SEM. Perkembangan signifikan dalam
penggunaan SEM juga terdapat dalam
bidang lain seperti psikologi, sosiologi, manajemen dan akuntansi (Hair dkk,
2013; Babin dkk, 2008; McQuitti, 2004; dan henri, 2007 dalam Solihin dan
Ratmono, 2013:2).
Metode SEM merupakan kelanjutan
dari analisis jalur (path analysis) dan regresi berganda (multiple regression) yang sama-sama merupakan bentuk analisis multivariat. Dalam analisis
asosiatif, multivariate-korelasional
atau kausal-efek, metode SEM mampu mematahkan dominasi penggunaan analisis
jalur dan regresi berganda yang telah digunakan selama beberapa dekade sampai
dengan sebelum memasuki tahun 2000-an.
Dibandingkan dengan analisis
jalur atau regresi berganda, metode SEM lebih unggul karena dapat menganalisis
data secara lebih komprehensif. Pada analisis jalur dan regresi berganda, analisis
data dilakukan terhadap data interval dari skor total variabel yang merupakan
jumlah dari skor dimensi-dimensi atau butir-butir instrumen penelitian. Dengan
demikian, analisis jalur dan regresi berganda hanya dilakukan pada tingkat variabel
laten (unobserved).
Dilihat dari data yang digunakan,
analisis jalur dan regresi berganda sejatinya hanya menjangkau bagian terluar dari
sebuah model penelitian. Sedangkan metode SEM mampu menjangkau sekaligus mengurai
dan menganalisis setiap bagian sebuah model persamaan yang dikembangkan. Metode
SEM diharapkan mampu menjawab kelemahan metode multivariat generasi sebelumnya,
yaitu analisis jalur dan regresi
berganda.
Pada tahap perkembangan
selanjutnya, metode SEM menjadi semakin penting dalam penelitian sosial, behavioral
dan manajemen seiring dengan kemajuan teknologi komputer. Metode statistik
multivariat yang pada tahun 1950-an sulit diaplikasikan secara manual, seperti
analisis faktor, regresi berganda yang lebih dari tiga variabel bebas, analisis
jalur dan analisis diskriminan berangsur-angsur menjadi lebih mudah dengan
ditemukannya program-program komputer seperti : SPSS, Minitab, Prostat, QSB,
SAZAM, dll.
Metode SEM saat ini diperkirakan
sebagai metode multivariate yang paling dominan. Program komputer yang saat ini dapat digunakan untuk
mengolah data pada penelitian metode SEM diantaranya : AMOS, LISREL, PLS, GSCA, dan TETRAD.
Secara umum, materi yang dibahas
dalam buku ini terdiri dari 4 bagian,
yaitu :
1) Bagian I, menguraikan
tentang Sejarah dan Perkembangan, Teori
dan Konsep SEM,
2) Bagian II, berisi
tentang Tutorial SEM dengan AMOS 22.00,
3) Bagian III, berisi
tentang Tutorial SEM dengan LISREL 8.00, dan
4) Bagian IV, berisi
tentang Tutorial SEM dengan SMART-PLS 3.0.
Untuk membantu para pembaca menginstalasi
program AMOS versi 22.00,
Lisrel 8.00 dan SmartPLS 3.0
penulis menyertakan CD software
installer. Selain installer, CD
tersebut berisi file data (xls) yang digunakan untuk tutorial dan latihan dalam
buku ini. Diharapkan pembaca dapat mencoba latihan secara mandiri dengan
menggunakan data dan beberapa contoh latihan yang tersedia dalam CD tersebut.
B. Sejarah dan
Perkembangan Structural Equation Modeling.
Latan (2012:1) menjelaskan
terciptanya software (piranti lunak) Structural Equation Modeling (SEM)
berawal dari dikembangkannya Analysis
Covariance oleh Joreskog (1973), Keesling (1972) dan Wiley (1973). Software SEM pertama yang dihasilkan
adalah LISREL (Linear Structural
Relationship) oleh Karl Joreskog dan Dag
Sorbom (1974). Tujuan utama dari pekembangan software SEM waktu itu untuk menghasilkan alat analisis yang lebih powerful sehingga mampu menjawab
berbagai masalah penelitian yang lebih komprehensif.
Menurut Ghozali (2008:3), SEM merupakan : “Gabungan dari dua metode statistik yang
terpisah yaitu analisis faktor (factorial analysis) yang dikembangkan dalam psikologi dan
psikometri serta model persamaan simultan (simultaneous equation modeling) yang
dikembangkan dalam ekonometrika”.
Analisis faktor pertama kali
diperkenalkan oleh Galton (1869) dan Pearson (1904). Penelitian Spearman (1904)
mengembangkan model analisis faktor umum. Berkaitan dengan penelitian struktur
kemampuan mental, Spearman menyatakan bahwa uji interkorelasi antar kemampuan
mental dapat
menentukan faktor kemampuan umum dan faktor-faktor kemampuan khusus.
Penelitian yang dilakukan
Spearman (1904), Thomson (1956) dan Vernon (1961) yang dikenal dengan Teori
Analisis Faktor British (British School
of Factor Analysis) kemudian pada tahun 1930 perhatian bergeser pada
penelitian Thurston et. al. dari
Universitas Chicago.
Pada tahun 1950-an dan 1960-an
analisis faktor mendapatkan popularitas di kalangan peneliti dan dikembangkan
oleh tokoh yang terkenal Joreskog
(1967) dan Joreskog
dan Lawley (1971) yang menggunakan pendekatan Maximum Likelihood (ML). Pendekatan ML ini memungkinkan peneliti
menguji hipotesis bahwa ada sejumlah faktor yang dapat menggambarkan
interkorelasi antar variabel. Dengan cara meminimumkan fungsi ML maka diperoleh
Likelihood Ratio Chi-Square Test untuk
menguji hipotesis bahwa model yang diuji hipotesisnya adalah sesuai (fit) dengan data.
Perkembangan lebih lanjut
menghasilkan Analisis Faktor Konfirmatori (Confirmatory Factor Analysis) yang
memungkinkan pengujian hipotesis jumlah faktor dan pola loading-nya. Analisis faktor eksploratori dan konfirmatori
merupakan analisis kuantitatif yang sangat populer di bidang penelitian ilmu
sosial.
Model persamaan struktural adalah
: “Gabungan analisis faktor dan analisis
jalur (path analysis) menjadi satu metode statistik yang komprehensif”.
Analisis jalur sebagai cikal bakal persamaan struktural bermula dari penelitian
Sewll Wright (1918, 1921, 1934, dan 1960) dalam bidang biometrika. Wright mampu
menunjukkan korelasi antar variabel dapat dihubungkan dengan parameter dari
suatu model yang digambarkan dengan diagram jalur (path diagram). Kontribusi Wright selanjutnya adalah model
persamaan yanag dihasilkan dapat digunakan untuk mengestimasi pengaruh
langsung, tidak langsung dan total. Aplikasi pertama analisis jalur oleh Wright
secara statistik ekuivalen dengan analisis faktor yang dikembangkan Spearman.
Perkembangan lebih lanjut persamaan
struktural terjadi di bidang ekonometrika yang menggambarkan model matematik
suatu fenomena ekonomi oleh Haavelmo (1943). Haavelmo mengembangkan persamaan struktural
interdependent antar variabel ekonomi
dengan menggunakan sistem persamaan simultan. Model yang dikembangkan Haavelmo
adalah :
y = By + Ѓx + ξ
y
= vektor variabel endogeneous (dependent)
x
= vektor variabel exogenous
(independent)
ξ
= vektor gangguan (error of
disturbance)
B dan Ѓ = koefisien matrik
Agenda lebih lanjut dari
persamaan simultan ini dikembangkan dalam Cowles
Commission for Research in Economics yang berkumpul di University of
Chicago tahun 1945. Kelompok diskusi ini menghasilkan persamaan simultan dengan
metode estimasi Maximum Likelihood (ML).
Dari uraian di atas jelaslah
bahwa model persamaan struktural merupakan gabungan dari model persamaan
simultan diantara variabel laten. Menurut Joreskog (1973) dalam Ghozali (2008 : 5)
model umum persamaan struktural terdiri dari dua bagian, yaitu :
1) Model Pengukuran (Measurement Model) yang
menghubungkan observed/manifest variabel ke latent/un-observed variabel
melalui model faktor konfirmatori. Pengujian
signifikansi pengukuran variable ini disebut uji Confirmatory
Factor Analysis
(CFA).
2) Model Struktural (Structural Model) yang
menghubungkan antar latent variabel
melalui sistem persamaan simultan. Pengujian signifikansi model structural ini
menggunakan kriteria Goodness of Fit Index (GOFI).
Langganan:
Postingan (Atom)