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).