GAMBARAN UMUM PERUSAHAAN
TINJAUAN PUSTAKA
3.6. Structural Equation Modelling (SEM) 1 Sejarah SEM dan Pengertian
3.6.6. Langkah-Langkah SEM
Di bawah ini akan ditelusuri lebih lanjut bagaimana menyusun langkah- langkah untuk membuat pemodelan yang lengkap yaitu7:
a. Pengembangan model berbasis teori
Dalam pengembangan model teoritis, harus dilakukan telaah pustaka yang intens guna mendapatkan justifikasi atas model teoritis yang akan dikembangkan. Tanpa dasar teori, SEM tidak dapat digunakan. Setelah itu model divalidasi secara empirik melalui komputasi program SEM. Pengajuan model kausalitas harus dengan menganggap adanya hubungan sebab akibat antara dua atau lebih variabel, bukan didasarkan pada metode analisis yang digunakan, tetapi haruslah berdasarkan justifikasi teoritis yang mapan. SEM bukan untuk menghasilkan kausalitas, tetapi untuk membenarkan adanya kausalitas teoritis melalui uji data empirik. Peneliti mempunyai kebebasan untuk membangun hubungan, sepanjang didukung oleh teori yang memadai. Kesalahan yang sering timbul adalah kurang atau terabaikannya satu atau beberapa variabel prediktif kunci dalam menjelaskan sebuah model, yang dikenal dengan specification error. Meskipun demikian untuk pertimbangkan praktis, jika jumlah variabel, faktor, konsep atau konstruk yang dikembangkan terlalu banyak, akan menyulitkan interpretasi hasil analisis, khususnya tingkat signifikansi statistiknya.
b. Mengkontruksi diagram jalur untuk menunjukkan hubungan kausalitas
Model teoritis yang telah dibangun kemudian digambar dalam bentuk suatu diagram, yang dikenal dengan diagram jalur. Penggambaran dalam bentuk diagram ini untuk mempermudah melihat hubungan-hubungan kausal antar variabel eksogen dan endogen yang akan diuji. Selanjutnya bahasa program akan mengkonversi gambar menjadi persamaan, dan persamaan menjadi estimasi. Pada langkah ini ditentukan variabel independen dan variabel dependennya. Hubungan antar konstruk dinyatakan melalui anak panah sesuai dengan arah kausalitasnya. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu konstruk dengan konstruk lainnya. Anak panah lengkung dengan lancip dikedua ujungnya menunjukkan korelasi antar konstruk. Konstruk-konstruk dalam diagram path, dapat dibedakan menjadi dua :
1. Konstruk Eksogen, dikenal sebagai variabel independen yang tidak diprediksi oleh variabel lain dalam model. Dalam diagram konstruk eksogen digambarkan sebagai konstruk yang dituju oleh garis dengan satu ujung panah.
2. Konstruk Endogen, yaitu konstruk yang diprediksi oleh satu atau beberapa konstruk. Konstruk ini dapat memprediksi satu atau beberapa konstruk endogen lainnya, sedangkan konstruk eksogen hanya dapat berhubungan kausal dengan konstruk endogen. Dengan pijakan teoritis yang ada, maka dapat ditentukan mana yang akan dianggap sebagai konstruk endogen dan mana yang eksogen.
c. Konversi diagram jalur ke dalam serangkaian persamaan struktural dan spesifikasi model pengukuran
Setelah model digambarkan dalam diagram path, kita dapat mulai mengkonversi spesifikasi model kedalam persamaan-persamaan. Persamaan itu terdiri dari :
1. Persamaan-persamaan struktural, yang menyatakan hubungan kausalitas antar berbagai konstruk. Contoh persamaan struktural: Y1 = ƒ×1 X1 + ƒ×2 X2 + ƒê1 Jika di dalam bahasa regresi, model di atas digolongkan dalam 2 persamaan regresi berganda, jadi diuji secara simultan.
2. Persamaan spesifikasi model pengukuran (measurement model), yaitu spesifikasi yang akan menentukan variabel apa mengukur konstruk apa, serta menentukan serangkaian matrik yang menunjukkan korelasi yang dihipotesakan antar konstruk atau variabel. Contoh persamaan spesifikasi model: X11 = ƒÜ1 X1 + ƒÔ1
d. Pemilihan matrik input dan teknik estimasi atas model yang dibangun
Input data yang digunakan dalam analisis SEM adalah menggunakan matrik kovarian atau matrik korelasi. Input data inilah yang membedakan antara SEM dengan teknik analisis multivariat yang lain. Meskipun demikian, observasi individual tetap diperlukan dalam program ini. Data individual dapat dientry menggunakan program lain. Setelah masuk program SEM data segera dikonversi dalam bentuk matrik kovarian atau matrik korelasi. Walaupun observasi individual tidak menjadi input analisis, tetapi ukuran sampel penting dalam estimasi dan interpretasi hasil SEM.
Menurut pakar SEM sampel yang baik adalah besarnya antara 100 – 200. Jika sampel terlalu besar, akan menjadi sangat sensitif terhadap ukuran-ukuran
goodness of fit. Sebagai pedoman ukuran sampel
1. antara 100 – 200 sampel
2. antara 5 – 10 kali jumlah parameter yang diestimasi 3. antara 5 – 10 kali jumlah indikator
e. Menilai problem identifikasi
Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Problem identifikasi ini dapat dideteksi dari gejala-gejala yang muncul antara lain :
1. Standar error untuk satu atau beberapa koefisien sangat besar.
2. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan.
3. Munculnya angka-angka aneh misalnya varians error yang negatif.
4. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat. f. Evaluasi model.
Kesesuaian model dapat dievaluasi dengan melihat berbagai kriteria
goodness of fit. Secara garis besar uji goodness of fit model dapat digolongkan
menjadi 4 hal yaitu pengujian parameter hasil dugaan, uji model keseluruhan, uji model struktural, dan uji pengukuran (validitas dan reliabilitas).
g. Interpretasi dan modifikasi model
Langkah terakhir adalah menginterpretasikan model dan memodifikasikan model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Setelah model diestimasi harus mempunyai residual kovarian yang kecil. Batas keamanan jumlah residual adalah 5 %. Jika residual > 5 % dari semua residual kovarian yang dihasilkan oleh model, maka perlu dipertimbangkan modifikasi model, misalnya dengan menambah jalur baru terhadap model yang diestimasi. Tetapi yang perlu diingat adalah bahwa perubahan atau modifikasi model tersebut harus mempunyai dukungan dan justifikasi teori yang memadai.
Demikianlah SEM dengan keunggulan dan keterbatasnya, dapat dijadikan alternatif teknik analisis penelitian baik skripsi maupun penelitian sosial ekonomi lainnya sehingga dapat diperoleh hasil-hasil penelitian dengan variasi yang lebih beragam. Meskipun demikian, perlu ditegaskan bahwa SEM hanyalah sejenis teknik statistik yang merupakan alat untuk memecahkan masalah, interpretasi selanjutnya tergantung dari peneliti itu sendiri.