02 Juni 2011

Pengantar Structural Equation Modeling (SEM)

Apakah itu SEM (Structural Equation Modeling)?
 
 SEM merupakan penggabungan antara 2 konsep statistika,yaitu :
  1. Konsep analisis faktor yang masuk dalam dalam model pengukuran (measurement model). Model pengukuran menjelaskan hubungan antara variabel dengan indikator-indikatornya.
  2. Konsep regresi melalui model struktural (structural model). Model structural menjelaskan hubungan antar variabel.
Konsep SEM


Beberapa konsep dan definisi terkait dengan SEM :
  1. Variabel eksogen yaitu variabel yang mempengaruhi variabel lain atau disebut juga variabel independen.
  2. Variabel endogen yaitu variabel yang dipengaruhi oleh variabel lain atau disebut juga variabel dependen.
  3. Konstruk laten atau variabel laten yaitu variabel yang tidak terukur secara langsung dan memerlukan beberapa indikator.
  4. Indikator atau variable observeb adalah variabel yang nilainya dapat diukur secara langsung. 
         Indikator dapat dibagi menjadi 2 yaitu :
  1. Indikator reflektif yaitu indikator yang dianggap dipengaruhi atau merefleksikan konstruk laten. Lisrel, AMOS, EQS dan beberapa program lainnya hanya dapat menggunakan indikator ini.
  2. Indikator Formatif yaitu indikator yang mempengaruhi konstruk laten. Indikator formatif hanya dapat digunakan menggunakan metode Partial Leas Square (PLS).SmartPLS adalah program SEM yang dapat menggunakan metode ini.
Indikator Reflektif

Indikator Formatif
5. Path Diagram yaitu representatif grafis mengenai bagaimana bebarapa variabel pada suatu model  berhubungan   satu sama lain yang memberikan suatu pandangan yang menyeluruh mengenai mengenai suatu model.

Ada beberapa model SEM :
  1. Confirmatory Factor Analysis (CFA). Model ini merupakan model murni yang berisi model pengukuran.
  2. Regression Model. Model ini merupakan model yang terdiri dari prediktor dankriterium yang semuanya berupa konstruk empirik.
  3. Model penelitian eksperimen. model yang diaplikasikan pada analisis data penelitian eksperimen.
  4. Full model. Model ini dinamakan model utuh karena di dalamnya menggabungkan antara model pengukuran dan model struktural.
Software SmartPLS dapat diperoleh secara gratis/free di http://www.smartpls.de/
SmartPLS adalah program SEM yang menggunakan pendekatan varian. Ada beberapa kelebihan SmartPLS :
  1. Data tidak harus berdistribusi normal multivariate.
  2. Dapat digunakan sampel kecil (<30)
  3. Dapat digunakan untuk menganalisis konstruk yang dibentuk dari indikator reflektif maupun indikator formatif.
  4. Mampu mengestimasi model yang besar dan kompleks dengan ratusan variabel laten dan ribuan indikator.
Berikut ini perbandingan antara PLS-SEM (berbasis varian) dan CB-SEM (berbasis kovarian).
- PLS-SEM
  1. Bertujuan orientasi prediksi 
  2. Menggunakan pendekatan variance
  3. Tidak mengasumsikan berdistribusi normal (non-parametrik)
  4. Estimasi parameter : konsisten sebagai indikator dan sample size meningkat (consistency at large)
  5. Skor variable laten (konstrak) secara eksplisit diestimasi.
  6. Hubungan antara variabel laten (konstrak) dan indikator dapat berbentuk reflektif maupun formatif.
  7. Optimal untuk ketepatan prediksi
  8. Mampu menganalisis ratusan konstrak dan ribuan indikator
  9. Kekuatan analisis didasarkan pada porsi dari model yang memiliki jumlah prediktor terbesar
  10. Sampel yang digunakan minimal 30.
- CB-SEM 
  1. Bertujuan orientasi parameter
  2. Berdasarkan covariance
  3. Data berdistribusi normal multivariate, independence observation (parametric)
  4. Model yang dihasilkan kosisten berdasarkan sampel
  5. Indeterminate
  6. Hanya dengan indikator reflektif
  7. Optimal untuk ketepatan parameter
  8. Kompleksitas kecil sampai menengah (< 100 indikator)
  9. Kekuatan analisis didasarkan pada model spesifik. Minimal direkomendasikan berkisar dari 200 - 800 sampel.

 Baca juga :

1. Mengenal Generalized Structural Component Analysis

2. Partial Least Square

3. Pengenalan Aplikasi WarpPLS 

4. Pengenalan SEM dengan PLS

5. Identifikasi Model SEM 

Referensi :

Byrne,B.M. (2010). Structural Equation Modeling with AMOS: Basic Concepts, Applications, and Programming 2nd. New York: Rouledge Taylor & Francis 

Kline,R.B. (2011). Principles and Practice of Structural Equation Modeling 3rd. New York London: Guilford Press

Loehlin,J.C. (2004). Latent Variable Modeling 4th: an Introduction to factor,path, and structural equation analyisis. New Jersey London: Lawrence Erlbaum Association

Maruyama,G.M. (1997). Basics of Structural Equation Modeling. London New York: Sage Publication

Mulaik,S. (2009). Linear Causal Modeling with Structural Equations. London New York: CRC Press

Muller,R.O. (1996). Basic Principles of Structural Equation Modeling : An Introduction of Lisrel and EQS. New York: Springer

Raykov,T and Marcoulides,G.A. (2006). A First Course in Structural Equation Modeling 2nd. New Jersey London: Lawrence Erlbaum Associates

Schumacker,R.E And Lomax, R.J. (2010). A Beginner's Guide Structural Equation Modeling 3rd. New Jersey London:Lawrence Erlbaum Associates