Pemodelan Persamaan Struktural (SEM)

Structural Equation Modeling (SEM)

Structural Equation Modeling atau Structural Equation Model disingkat SEM atau biasa disebut pemodelan persamaan struktur yang pada awalnya lebih banyak digunakan pada jurusan manajemen atau untuk penelitian pada jenjang yang lebih tinggi seperti magister dan doktoral. Namun kini sudah banyak digunakan di berbagai departemen. 

Pemodelan Persamaan Struktural (SEM)


Bukan hanya jurusan manajemen pemasaran yang menggunakan teknik analisis dengan SEM, tetapi sudah merambah jurusan psikologi, jurusan komunikasi, jurusan teknik industri, teknik komputer, dan masih banyak lagi. Selain itu, tidak hanya analisis data dalam skripsi dan tesis saja yang sudah mulai menggunakan SEM, namun skripsi juga sudah mulai menggunakan SEM. SEM merupakan pengembangan dari adanya analisis regresi yang pertama kali dikenal. Perbedaannya adalah untuk menyelesaikan beberapa model seperti analisis PATH, MODERASI dan MEDIASI perlu dilakukan analisis regresi beberapa kali untuk mendapatkan model yang diinginkan, sedangkan menggunakan SEM lebih mudah karena hanya dengan sekali eksekusi maka didapatkan beberapa model sekaligus. Seperti halnya dengan model regresi linier yang membutuhkan asumsi klasik seperti:
  • Uji normalitas
  • Uji linearitas
  • Uji multikolinearitas
  • Uji Heteroskedastisitas
  • Uji autokorelasi
Analisis menggunakan SEM juga membutuhkan persyaratan seperti asumsi klasik, persyaratan SEM lainnya yang dikenal dengan istilah goodness of fit yang terdiri dari:
  • Kemungkinan Chi Square, Nilai minimum yang disarankan.
  • Rasio x² terhadap derajat kebebasan (x²/df), nilai yang disarankan <= 3,00.
  • Comparative Fit Index (CFI), nilai yang disarankan >= 0,90
  • Goodness of Fit Index (GFI), nilai yang direkomendasikan <= 0,90.
  • Root Mean Square of Approximation (RMSEA), nilai NRekomendasi <= 0,08.
  • Adjusted Fit Index (AGFI), nilai yang disarankan adalah >= 0,80.
  • Indeks Tucker Lewis (TLI), nilai yang disarankan >= 0,90.
  • Normized Fit Index (NFI), nilai yang disarankan adalah >= 0,90.
  • Parsimonious Normal Fit Index (PNFI), nilai yang disarankan adalah 0,60 hingga 0,90.
  • Indeks penyesuaian pelit PGFI, nilai yang disarankan 0,50 – 1,00.
Model struktur struktural Imam gozali Selain uji kecocokan di atas, ada juga syarat yang harus dipenuhi untuk dapat menggunakan analisis SEM, yaitu:

Ukuran sampel

Ukuran sampel yang harus diisi minimal 100. Dalam analisis SEM, diperlukan ukuran sampel minimal 100.

Kontur Kontur merupakan observasi yang muncul dengan nilai ekstrim, baik univariat maupun multivariat, karena gabungan fitur unik terlihat berbeda dengan observasi lainnya. Uji kebebasan dari outlier univariat dilakukan dengan menganalisis nilai Z yang berbeda dalam kisaran ±4 (Hair, 1995). Hal ini termasuk dalam kategori outlier, sedangkan uji outlier pada level multivariat dapat dilihat dari jarak mahalanobis.

Normalitas Data Normalitas diuji dengan memeriksa histogram data menggunakan metode statistik. Uji normalitas ini harus dilakukan, baik untuk data univariat maupun multivariat, dimana beberapa variabel juga digunakan dalam analisis akhir. Uji normalitas pada penelitian ini dilakukan dengan memberikan uji normalitas orde dan kontur. Hipotesis normalitas akan ditolak jika nilai CR lebih besar dari nilai kritis (±2,58).

Ketentuan yang dipersyaratkan dalam Goodness of Fit dapat dikatakan lebih rumit karena dalam SEM pengukurannya langsung pada skala pengukuran yang dihasilkan, berbeda dengan analisis regresi linier yang pengukurannya menggunakan variabel yang diwakili oleh skala pengukuran. Berdasarkan informasi yang saya dapat dari seorang dosen ternama di salah satu perguruan tinggi ternama, syarat untuk menyatakan model SEM yang digunakan adalah tidak harus cukup fit, hanya chi square yang harus cukup kecil untuk mewakili sebuah model yang bisa diterapkan.

Jika Anda membutuhkan Jasa Olah Data SEM Menggunakan berbasis AMOS atau SmartPLS, berikut adalah solusi bagi Anda:

Tapi bagaimana jika hasil penelitian atau pengukuran skala dengan kuesioner mendapatkan data yang tidak sesuai ??? Hal ini dapat diatasi dengan terlebih dahulu menguji validitas instrumen penelitian. Pastikan hasil uji validitas benar-benar dapat valid. Untuk menguji validitas instrumen penelitian yang menggunakan analisis SEM, hipotesis harus menggunakan teknik analisis faktor konfirmatori. Karena menurut Ghozali (2011), CFA digunakan untuk menguji kapasitas indikator (pertanyaan kuesioner) yang digunakan dalam suatu variabel. Persyaratan minimum suatu indikator dianggap valid jika nilai loading >= 0,05. Jika setiap indikator pertanyaan menghasilkan nilai loading yang tinggi maka hasil analisis SEM juga akan baik. Tip untuk mendapatkan hasil scan yang baik dengan SEM adalah = 0.05. Jika setiap indikator pertanyaan menghasilkan nilai loading yang tinggi maka hasil analisis SEM juga akan baik. Tip untuk mendapatkan hasil scan yang baik dengan SEM adalah = 0.05. Jika setiap indikator pertanyaan menghasilkan nilai loading yang tinggi maka hasil analisis SEM juga akan baik. Trik untuk mendapatkan hasil scan yang baik dengan SEM adalah

Jumlah pertanyaan yang diajukan responden tidak berlebihan. Kuesioner dengan pertanyaan yang terlalu banyak pasti akan membuat responden malas untuk mengisinya dengan serius. Hal ini menyebabkan hasil uji validitas menjadi tidak valid. Hal ini dapat diantisipasi dengan memaksimalkan pertanyaan yang diajukan untuk setiap variabel dengan pertanyaan efektif yang dapat mewakili indikator yang dimaksud.

Pastikan setiap pertanyaan ditulis dengan bahasa yang singkat, padat, dan jelas sehingga dapat dipahami dengan cepat oleh responden. Untuk pertanyaan tentang mendapatkan voucher, supervisor biasanya akan membagikan kuesioner yang Anda buat terlebih dahulu.

Apa yang dapat disajikan dengan perangkat lunak SmartPLS selain dari analisis SEM?

Uji model internal: Analisis ini digunakan untuk mendapatkan indikator yang tepat dalam pengukuran variabel penelitian, pengujian meliputi uji validitas konvergen, uji validitas divergen, uji crombacnhs alpha, AVE dan reliabilitas komposit. Uji model eksternal: Uji model eksternal adalah hasil analisis PLS yang akan digunakan untuk menguji hipotesis penelitian berdasarkan nilai thitung dan sampel asli. Uji determinasi (R squared): Nilai R squared digunakan untuk mengetahui besarnya pengaruh variabel eksogen terhadap variabel endogen. Koefisien lintasan: koefisien ini dapat membantu memperhitungkan efek langsung dan tidak langsung serta uji efek mediasi

Posting Komentar

Lebih baru Lebih lama