People Innovation Excellence

Pengenalan SEM (Part 2)

Oleh

Haryadi Sarjono, S.T., M.M., M.E. (Dosen Program Management-SoBM, BINUS University)

Winda Julianita (Alumni Pascasarjana Universitas Jenderal Soedirman, Purwokerto)

 

PENGANTAR STRUCTURAL EQUATION MODELING (Bagian 2)

Asumsi-asumsi yang harus dipenuhi dalam SEM.

  1. Normalitas

Asumsi yang paling fundamental dalam analisi multivariate adalah normalitas, yang merupakan bentuk suatu distribusi data pada suatu variabel metrik tunggal dalam menghasilkan distribusi normal (Hair, 1998) dalam Ghozali dan Fuad (2008). Apabila suatu distribusi data mampu membentuk suatu distribusi normal, maka normalitas data tersebut terpenuhi. Hasil uji statistik dikatakan tidak valid apabila normalitas suatu data tidak terpenuhi. Menurut Ghozali dan Fuad (2008), Normalitas dibagi menjadi dua yaitu

a. Univariate normality (Normalitas univariate)

Univariate normality dapat diuji dengan menggunakan data ordinal maupun continous.

b. Multivariate normality (Normalitas multivariate)

Multivariate normality dapat diuji hanya dengan menggunakan data continous.

 

  1. Multicollinearity

Asumsi multicollinearity mengharuskan tidak adanya korelasi yang sempurna atau besar diantara variabel-variabel eksogen. Nilai korelasi antara variabel observed yang tidak diperbolehkan adalah sebesar 0.9 atau lebih (Ghozali dan Fuad, 2008).

 

Berikut merupakan solusi yang dapat dilakukan apabila asumsi normalitas data tidak terpenuhi (Ghozali dan Fuad, 2008):

  1. Tambahkan estimasi asymptotic covariance matrix. Hal tersebut akan mengakibatkan estimasi parameter beserta goodness of fit statistics akan dianalisis berdasarkan pada keadaan data yang tidak normal. Apabila matriks asymptotic covariance matrix tidak dimasukkan sebagai input data suplemen, maka model akan diestimasi berdasarkan keadaan data normal, dan tentu saja hasilnya akan bias.
  2. Khusus untuk data continous, transformasi data diperbolehkan (Joreskog 2002). Akan tetapi untuk data berskala ordinal, transformasi data tidak dianjurkan karena akan mengakibatkan data sulit diinterpretasikan.
  3. Apabila jumlah data memenuhi, gunakan metode estimasi selain maximum Likelihood, seperti Generalized Least Square (GLS) atau Weighted Least Square.
  4. Bootsrapping dan Jackniffing. Kedua metode ini adalah metode baru yang mengasumsikan data di-“resampling” dan kemudian dianalisis. Standar error yang diperoleh dari metode bootstrapping tersebut kemudian dibandingkan metode Maximum Likelihood, apabila selisih signifikan, maka ketidaknormalan data mengakibatkan hasil yang sangat bias.

 

  1. Linieritas (Linearity)

SEM mempunyai asumsi adanya hubungan linear antara variabel-variabel indikator dan variabel-variabel laten, serta antara variabel-variabel laten sendiri. Sekalipun demikian, sebagaimana halnya dengan regresi, peneliti dimungkinkan untuk menambah transformasi eksponensial, logaritma, atau non-linear lainnya dari suatu variabel asli ke dalam model yang dimaksud.

 

  1. Pengukuran tidak langsung (Indirect measurement)

Secara tipikal, semua variabel dalam  model merupakan variabel-variabel  laten.

 

  1. Beberapa indikator (Multiple indicators)

Beberapa indikator harus digunakan untuk mengukur masing-masing variabel laten dalam model. Regresi dapat dikatakan sebagai kasus khusus dalam SEM dimana hanya ada satu indikator per variabel laten. Kesalahan pemodelan dalam SEM membutuhkan adanya lebih dari satu pengukuran untuk masing-masing  variabel laten.

 


Published at :
Written By
Haryadi Sarjono, S.T., M.M., M.E. & Winda Julianita
Dosen Program Manajemen & Alumni Pascasarjana Universitas Jenderal Soedirman, Purwokerto
Leave Your Footprint

    Periksa Browser Anda

    Check Your Browser

    Situs ini tidak lagi mendukung penggunaan browser dengan teknologi tertinggal.

    Apabila Anda melihat pesan ini, berarti Anda masih menggunakan browser Internet Explorer seri 8 / 7 / 6 / ...

    Sebagai informasi, browser yang anda gunakan ini tidaklah aman dan tidak dapat menampilkan teknologi CSS terakhir yang dapat membuat sebuah situs tampil lebih baik. Bahkan Microsoft sebagai pembuatnya, telah merekomendasikan agar menggunakan browser yang lebih modern.

    Untuk tampilan yang lebih baik, gunakan salah satu browser berikut. Download dan Install, seluruhnya gratis untuk digunakan.

    We're Moving Forward.

    This Site Is No Longer Supporting Out-of Date Browser.

    If you are viewing this message, it means that you are currently using Internet Explorer 8 / 7 / 6 / below to access this site. FYI, it is unsafe and unable to render the latest CSS improvements. Even Microsoft, its creator, wants you to install more modern browser.

    Best viewed with one of these browser instead. It is totally free.

    1. Google Chrome
    2. Mozilla Firefox
    3. Opera
    4. Internet Explorer 9
    Close