STATISTIKA - PEMODELAN PERSAMAAN STRUKTURAL

BAB VIII

PEMODELAN PERSAMAAN STRUKTURAL

Model persamaan struktural (structural equation model, SEM) adalah salah satu metode penelitian multivariat yang banyak dipergunakan dalam penelitian ekonomi dan manajemen. SEM bagi para peneliti ilmu sosial memberikan kemampuan untuk melakukan analisis jalur (path analysis) dengan variabel laten. Analisis ini sering disebut sebagai generasi kedua dari analisis multivariat. Generasi pertama dari analisis multivariat adalah: pricipal component analysis, factor analysis, discriminant analysis dan multiple regression. Keunggulan dari SEM dibandingkan dengan generasi pertama multivariat adalah bahwa SEM memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dengan data.


SEM merupakan gabungan dua alat analisis yang diambil dari ekonometrika yaitu persamaan simultan yang memfokuskan pada prediksi, dengan psikometrika yang berkembang pada ilmu psikologi yang mampu menggambarkan variabel laten (tak terukur langsung) dan diukur secara tidak langsung melalui indikator-indikator (variable manifest).

Software yang populer dipergunakan dalam SEM antara lain adalah AMOS dan Lisrel. Kedua software tersebut dikembangkan dengan mengacu pada covariance (covariance based). Covariance based SEM memiliki keterbatasan karena mengasumsikan jumlah sampel yang besar, data harus terdistribusi secara normal multivariate, indikator harus dalam bentuk reflektif, model harus berdasarkan pada teori dan adanya indeterminacy.

Untuk mengatasi kelemahan pada covariance based SEM, peneliti mengembangkan component based SEM, antara lain melalui software PLS (partial least square) dan GSCA (generalized structured component analysis).

Pada saat ini, GSCA dapat diakses secara online pada alamat www.sem-gesca.org
Langkah-langkah di bawah adalah runtutan untuk mempelajari metode SEM menggunakan SEM-GESCA secara online. Gunakan set data “rick2_0.dat” untuk mempraktekkannya. Download dan simpan data “rick2_0.dat” untuk kemudian di-upload dalam contoh praktek pada bagian selanjutnya (download set data di sini).

1. Sample Data dan Model
Sebagai ilustrasi dipergunakan data penelitian organisasi yang pernah dipergunakan oleh Bergami dan Bagozzi (2000). Penelitian ini menggunakan 4 komponen atau konstruk laten dan 21 item atau indikator. Ke-empat konstruk laten tersebut antara lain Prestise Organisasi (organization prestige), Identifikasi Organisasi (organizational identification), Komitmen Afektif Kesenangan (Joy), dan Komitmen Afektif Cinta (Love).

Model yang digunakan menghipotesakan bahwa organization prestige mempengaruhi organizational identification dan organization identification mempengaruhi kedua affective commitment Joy dan Love. Model penelitian digambarakan sebagai berikut:


2. Menyiapkan Data Mentah
Pada awalnya GeSCA mensyaratkan data yang dipergunakan dalam format ASCII (.txt atau .dat), namun sekarang sudah dapat digunakan dengan data dalam format MS Excel (.xls). Contoh format dari data “rick2_0.dat” adalah sebagai berikut:

3. Memulai SEM-GESCA
Pada saat pertama kali memulai SEM-GESCA dengan mengakses http://www.sem-gesca.org, akan muncul tampilan di bawah, klik pada “Run” untuk memulai program.

4. Meng-upload Data
Kita dapat meng-upload data dengan meng-klik tombol “Upload Data” yang ada pada bagian atas dari program.

Upload data set “rick2_0.dat”, kemudian akan muncul daftar nama indikator pada area input data pada bagian jendela sebelah kiri, di bawah label “Indicators”.

5. Melakukan Spesifikasi Model Persamaan Struktural
Langkah-langkah berikut dilakukan untuk melakukan spesifikasi model:
Langkah 1: Menggambar variabel laten
Klik sekali pada tombol [Draw Latent Variable] pada sisi sebelah kanan

Kemudian klik pada bidang “model specification” untuk membentuk variabel laten. Dalam contoh ini dibuat empat variabel laten, secara default varaibel akan bernama LV_1 hingga LV_4.

Langkah 2: Menempatkan Indikator pada Variabel Laten
Klik sekali pada tombol [Assign Indicators] pada sisi sebelah kanan, dan kemudian klik pada individu variabel laten dalam jendela spesifikasi model.

Nama variabel laten dapat diubah di dalam jendela “assign indicators”.
Pilih indikator yang terkait yang terdapat pada sisi seelah kiri, dan pindahkan ke jendela sebelah kanan (“free” maksudnya free loading yang akan diestimasi)
Pilihlah apakah indikator yang dipilih dispesifikasi sebagai Reflective (default) atau Formative.

Ulangi langkah di atas untuk setiap variabel laten.
Langkah 3: Menggambar Path Coefficient
Klik sekali pada tombol [Draw Path Coefficient] yang terdapat pada sisi kanan dari program.

Lakukan “drag” (klik-tahan-lepas) dari variabel laten eksogen kepada variabel laten endogen, misalnya dari LV_1 ke LV_2, dan seterusnya hingga seluruh jalur tergambarkan.


6. Menjalankan SEM GESCA
Setelah semua tahapan di atas dilakukan, kita dapat menjalankan program sesuai model yang telah dibangun, dilakukan dengan cara klik tombol [RUN] yang terdapat paa bagian sebelah atas.

Sebagaimana terlihat dalam gambar di bawah, hasil perhitungan ditampilkan dalam jendela “Results”.

Kita dapat melakukan “copy and paste” ke program word processor (misal MS Word), dengan cara: tempatkan kursor pada area “Results” kemudian lakukan proses SELECT ALL (Ctrl+A), COPY (Ctrl+C), dan pada program word prcessor lakukan perintah PASTE (Ctrl+V).

Referensi:

Bergami, M.; Bagozzi, R.P. (2000). Self-categorization, affective commitment and group self-esteem as distinct aspects of social identity in the organization. The British Journal of Social Psychology, 39, 555-577.
Heungsun Hwang. 2010. GeSCA User’s Manual. diperoleh dari http://www.sem-gesca.org
Imam Ghozali. 2008. Generalized Structural Component Analysis (GSCA) Model Persamaan Struktural Berbasis Komponen. Badan penerbit Universitas Diponegoro.