Apa itu structural equation modeling sem

Contoh Path Diagram AMOS

SEM mampu menyelesaikan model yang rumit yang sering muncul dalam dunia pemasaran atau bidang konsentrasi yang lain. Model yang akan diselesaikan dengan SEM harus mempunyai dasar teori yang kuat, karena SEM tidak dapat digunakan untuk menyelesaikan model kausalitas imaginer. SEM hanyalah untuk mengkonfirmasi apakah observasi sesuai dengan model teoretis yang telah dibentuk berdasarkan telaah teori yang mendalam. Metode lain yang tidak memerlukan telaah teori adalah Partial Least Square (PLS), sebuah metode alternatif yang berdasarkan variance. 

Mengapa Menggunakan SEM

Beberapa alasan menggunakan analisis SEM adalah sebagai berikut:

1. Model yang dianalisis bertingkat dan relatif rumit, sehingga akan sangat sulit untuk diselesaikan dengan metode jalur analisis pada regresi linear.
2. Mampu menguji hipotesis-hipotesis yang rumit dan bertingkat secara serempak.
3. Kesalahan (error) pada masing-masing observasi tidak diabaikan tetapi tetap dianalisis, sehingga SEM lebih akurat untuk menganalisis data kuesioner yang melibatkan persepsi.
4. Mampu menganalisis model hubungan timbal balik (recursive) secara serempak, di mana model ini tidak dapat diselesaikan dengan analisis regresi linear secara serempak.
5. Terdapat fasilitas bootstrapping, di mana hal tersebut tidak dapat dilakukan dengan analisis regresi linear.
6. Untuk jumlah sampel yang relatif besar (di atas 2000) terdapat metode asymtot distribution free (ADF) yang tidak memerlukan asumsi normalitas pada data.
7. Peneliti dapat dengan mudah memodifikasi model dengan second order untuk memperbaiki model yang telah disusun agar lebih layak secara statistik.

Tujuh Langkah SEM

Dalam pengujian model SEM terdapat tujuh langkah yang harus ditempuh (Hair dkk, 1998 dalam Ferdinand, 2005), yaitu:

1. Langkah pertama: Pengembangan Model Teoritis.
2. Langkah kedua: Pengembangan Diagram Alur (Path Diagram).
3. Langkah ketiga: Konversi Diagram Alur ke dalam Persamaan Struktural dan Model Pengukuran.
4. Langkah keempat: Memilih Jenis Matrik Input dan Estimasi Model yang Diusulkan: (a) Estimasi Model Pengukuran (Measurement Model), (b) Model Struktur Persamaan (Structure Equation Model).
5. Langkah kelima: Kemungkinan Munculnya Masalah Identifikasi: (a) Standard error yang besar untuk satu atau beberapa koefisien; (b) Program tidak mampu menghasilkan matriks informasi yang seharusnya disajikan; (c) Munculnya angka-angka yang aneh seperti adanya varians error yang negatif; (d) Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat (misal ≥ 0,9).
6. Langkah keenam : Evaluasi Kriteria Goodness of Fit: (a) Uji Kesesuaian dan Uji Statistik: Likelihood ratio chi-square statistic (χ2), Root Mean Square Error Approximation (RMSEA), Goodness of Fit Index (GFI), Adjusted Goodness of Fit Index (AGFI), The Minimum Sampel Discrepancy Function atau Degree of Freedom (CMIN/DF), Tucker Lewis Index (TLI) dan Comparative Fit Index (CFI); (b) Uji Reliabilitas: Construct Reliability dan Variance extracted; (c) Uji Validitas; (d) Asumsi-asumsi SEM: Ukuran Sampel, Normalitas, Outliers, Multicollinearity dan Singularity.
7. Langkah ketujuh: Menginterpretasikan Hasil Pengujian dan Modifikasi Model.

Share:

Structural Equation Modeling (SEM) adalah alat statistik yang dipergunakan untuk menyelesaikan model bertingkat secara serempak yang tidak dapat diselesaikan oleh persamaan regresi linear. SEM merupakan sebuah teknik pemodelan statistik yang sangat umum dan saat ini semakin populer digunakan secara luas diberbagai lingkup ilmu pengetahuan. Berbeda dengan metode statistik seperti parametrik, non parametrik maupun multivariate, SEM melibatkan banyak perhitungan matematis yang sangat kompleks. Saat ini terdapat beberapa program aplikasi statistik yang digunakan untuk menyelesaikan SEM dan salah satunya adalah Analysis Moment of Structural (AMOS).

Pada kondisi yang kompleks dapat digunakan analisis jalur (path analysis), untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (exogen) terhadap variabel terikat (endogen). Pada analisis jalur jika variabel yang terjadi berbentuk laten, maka analisis data yang lebih tepat adalah pemodelan persamaan struktural (Structural Equation Modeling) atau SEM. SEM merupakan teknik analisis multivariate yang merupakan gabungan antara analisis faktor dan analisis jalur. Analisis faktor digunakan untuk menguji validitas dan reliabilitas suatu instrumen (skala pengukuran), sedangkan analisis jalur digunakan untuk menguji hubungan antar variabel.

Structural Equation Modeling (SEM) merupakan teknik statistik untuk pengujian dan memperkirakan hubungan kausal menggunakan kombinasi data statistik dan asumsi kausal kualitatif. Dengan menggunakan aplikasi AMOS teknik statistik yang rumit tersebut dapat diselesaikan dengan lebih mudah dan cepat. Aplikasi AMOS memungkinkan untuk menentukan, memperkirakan, menilai, dan membuat model atau diagrampath untuk menunjukkan hipotesis hubungan antar-variabel.SEM banyak digunakan pada penelitian bidang ilmu sosial maupun bidang ilmu eksakta, seperti pada bidang ekonomi, psikologi, pendidikan, kesehatan, pertanian, komputer, industri dan lainnya

Target  Pelatihan

1. Peserta menguasai dasar-dasar SEM dengan baik dan dapat membuat serta mengolah sebuah model SEM menggunakan AMOS.
2. Mengidentifikasn peluang penelitian yang dapat diselesaikan dengan model SEM.

Materi Pelatihan

• Pengantar Konsep SEM
• Pembuatan model dengan AMOS
• Persiapan input data
• Analisa uji kecocokan model dengan data
• Interpretasi output

Durasi Pelatihan

Pelatihan berlangsung selama 3 hari atau 5 hari

Jadwal Pelatihan Tahun 2022

Catatan:
Untuk Jadwal Pelatihan yang tidak tertera pada tabel diatas, silakan hubungi Personal Kontak kami. Terima kasih.

Apakah yang dimaksud dengan SEM structural equation model?

Apa yang dimaksud dengan metode SEM?

Apa itu alat analisis SEM?

Mengapa menggunakan uji SEM?