MENGAPA MENGGUNAKAN SEM (STRUCTURAL EQUATION MODELING)?

SEM merupakan analisis yang tepat digunakan untuk analisis multivariat dalam penelitian sosial selain keuangan atau variabel yang digunakan menggunakan skala nominal/rasio. Karena dalam beberapa kasus, peneliti harus menggunakan variabel laten (variabel yang tidak dapat diukur secara langsung). Misalnya kepuasan konsumen, motivasi, komitmen organisasional, dll. Variabel tersebut tidak dapat diukur secara langsung sehingga peneliti harus menggunakan beberapa indikator atau pertanyaan kuesioner. Berbeda dengan variabel yang terukur langsung seperti laba bersih, gaji bulanan, berat badan, dll. Jika kita menggunakan analisa regresi, maka setiap variabel tersebut diasumsikan dapat diukur secara langsung sehingga kita menggunakan skor rata-rata atau total dari item-item tersebut. Namun, metode ini mengabaikan adanya kesalahan pengukuran (measurement error). Jika kita tidak memperhitungkan kesalahan pengukuran tersebut maka koefisien jalur dapat menjadi bias (Smith dan Langfield, 2004, Hair 2011). Selain itu SEM mampu menguji penelitian yang kompleks dan banyak variabel secara simultan. SEM dapat menyelesaikan analisis dengan satu kali estimasi dimana yang lain diselesaikan dengan beberapa persamaan regresi. SEM dapat melakukan analisis faktor, regresi dan jalur sekaligus.
SEM merupakan salah satu jenis analisis multivariat generasi kedua. Kenapa dibilang generasi kedua? Kemajuan ilmu dan teknologi memungkinkan perkembangan alat analisis statistika, khususnya statistik inferensial penelitian dengan analisis multivariat. Hair (2013) membagi metode analisis multivariat menjadi dua kelompok menurut waktu perkembangannya yaitu teknik generasi pertama dan generasi kedua. Untuk lebih jelasnya dapat dilihat pada tabel berikut:

Tujuan Utama Eksplorasi
Tujuan Utama Konfirmasi
Teknik Generasi I
-          Analisis kluster
-          Exploratory factor analysis
-          Multidimensional scalling
-          Analysis of Variance
-          Regresi
-          Korelasi
Teknik Generasi II
-          Partial Least Squares/ Variance SEM (SEM-PLS)
-          Covariance-based SEM (CB-SEM)

Dari tabel diatas dapat kita lihat bahwa ternyata ada 2 SEM yaitu CB-SEM dan VB-SEM/PLS. Dua-duanya adalah SEM. Namun kapan kita menggunakan CB-SEM atau SEM-PLS. Berikut panduan singkat (rule of tumb) memilih CB-SEM atau PLS-SEM:

CB-SEM
PLS-SEM
Tujuan Penelitian
menguji teori, konfirmasi teori atau membandingkan berbagai alternatif teori
Bersifat eksploratoris atau perluasan teori, mengidentifikasi variabel determinan utama atau memprediksi konstruk tertentu
Spesifikasi Model Pengukuran
Erorr term memerlukan spesifikasi tambahan seperti kovariasi
Terdapat konstruk formatif. (CB-SEM hanya reflektif)
Model Struktural
Konstruk terdapat hubungan nonrecursive (timbal balik)
Tidak terdapat hubungan nonrecursive (timbal balik)
Karakteristik Data dan Algoritma
Data memenuhi asumsi-asumsi CB-SEM seperti minimal ukuran sampel dan distribusi normal.
Jika ukuran sampel relatif kecil dan tidak memenuhi asumsi-asumsi CB-SEM (spesifikasi model, identifikasi,nonconvergence, distribusi data, dsb)
Evaluasi Model
Penelitian yang memerlukan indeks goodness of fit yang lengkap secara keseluruhan
Tidak memerlukan indeks goodness of fit yang lengkap

Karena terdapat dua jenis SEM, maka peneliti harus benar-benar memahami beberapa persyaratan dalam penggunakaan jenis software SEM sehingga hasil pengolahan compatible dan akurat. Berikut jenis SEM dan software komputer yang cocok untuk digunakan :
Jenis SEM
Software yang sesuai
Covariance Based (CB-SEM)
  • AMOS
  • LISREL
  •  EQS
  •  M-Plus
Variance/Component Based (VB-SEM/PLS)
  • TETRAD
  • GSCA
  • Smart PLS
  • Warp PLS

Sumber : http://yrasemsi.blogspot.com/2014/01/mengapa-menggunakan-sem-structural.html

Post a Comment