People Innovation Excellence

PENGANTAR STRUCTURAL EQUATION MODELING (Bagian 4)

Oleh Haryadi Sarjono, S.T., M.M., M.E. & Winda Julianita, S.E

Asumsi-asumsi yang harus dipenuhi dalam SEM.

  1. Data interval

Sebaiknya data interval digunakan dalam SEM. Sekalipun demikian, tidak seperti pada analisis jalur tradisional, kesalahan model-model SEM yang eksplisit muncul karena penggunaan data ordinal. Variabel-variabel exogenous berupa variabel-variabel dichotomi atau dummy dan variabel dummy kategorikal tidak boleh digunakan dalam variabel-variabel endogenous. Penggunaan data ordinal atau nominal akan mengecilkan koefesien matriks korelasi yang digunakan dalam SEM.

  1. Ketepatan yang tinggi

Apakah data berupa data interval atau ordinal, data-data tersebut harus mempunyai jumlah nilai yang besar. Jika variabel ? variabel mempunyai jumlah nilai yang sangat kecil, maka masalah-masalah metodologi akan muncul pada saat peneliti membandingkan varian dan kovarian, yang merupakan masalah sentral dalam SEM.

  1. Residual-residual acak dan kecil

Rata-rata residual ? residual atau kovarian hasil pengitungan yang diestimasikan minus harus sebesar 0, sebagaimana dalam regresi. Suatu model yang sesuai akan hanya mempunyai residual ? residual kecil. Residual ? residual besar menunjukkan kesalahan spesifikasi model, sebagai contoh, beberapa jalur mungkin diperlukan untuk ditambahkan ke dalam model tersebut.

  1. Gangguan kesalahan yang tidak berkorelasi (Uncorrelated error terms)

seperti dalam regresi, maka gangguan kesalahan diasumsikan saja, sekalipun demikian, jika memang ada dan dispesifikasi secara eksplsit dalam model oleh peneliti, maka kesalahan yang berkorelasi (correlated error) dapat diestimasikan dan dibuat modelnya dalam SEM.

  1. Kesalahan residual yang tidak berkorelasi (Uncorrelated residual error)

Kovarian nilai ? nilai variabel tergantung yang diprediksi dan residual ? residual harus sebesar 0.

  1. Multikolinearitas yang lengkap

Multikolinearitas diasumsikan tidak ada, tetapi korelasi antara semua variabel bebas dapat dibuat model secara eksplisit dalam SEM. Multikolinearitas yang lengkap akan menghasilkan matrices kovarian tunggal, yang mana peneliti tidak dapat melakukan penghitungan tertentu, misalnya inversi matrix karena pembagian dengan 0 akan terjadi.

  1. Ukuran Sampel tidak boleh sedikit/kecil karena SEM bergantung pada pengujian-pengujian yang sensitif terhadap ukuran sampel dan magnitude perbedaan-perbedaan matrices kovarian. Secara teori, untuk ukuran sampelnya berkisar antara 200 – 400 untuk model-model yang mempunyai indikator antara 10 – 15. Satu survei terhadap 72 penelitian yang menggunakan SEM didapatkan median sukuran sampel sebanyak 198. Sampel di bawah 100 akan kurang baik hasilnya jika menggunakan SEM.

Published at : Updated
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