TINJAUAN PUSTAKA
2.6 Metode Model Persamaan Struktural .1 Pengertian Model Persamaan Struktural .1Pengertian Model Persamaan Struktural
Model Persamaan Struktural atau Structural Equation Modeling (SEM) adalah
metode analisis multivariat generasi ke II, yang merupakan penggabungan dari dua metode analisis yaitu antara analisis faktor dan model persamaan stimulan. Dalam penelitian bidang kesehatan, model persamaan struktural banyak digunakan dalam uji validitas dan reabilitas konstruk, analisis jalur, dan analisis model persamaan struktural (Widarsa, 2015). Menurut Santoso (2007) mendeskripsikan SEM sebagai suatu teknik statistik multivariat yang merupakan penggabungan antara analisis faktor dan analisis regresi (korelasi) yang bertujuan untuk menguji hubungan-hubungan antar variabel yang ada pada sebuah model, baik antar indikator dengan konstraknya
maupun hubungan antar konstrak.
2.6.2 Konsep Model Persamaan Struktural
Menurut Widarsa (2015), variabel dalam konsep analisis SEM dibedakan
menjadi variabel laten (konstrak), variabel observed (indikator atau manifest), variable
endogen, dan variabel eksogen. Berikut adalah penjelasan dari variabel-variabel tersebut.
1. Variabel Konstruk dan Variabel Indikator
Variabel konstruk atau variabel latent merupakan variabel yang ingin dilihat hubungannya. Namun, variabel tersebut tidak dapat diukur secara langsung
sehingga diperlukan indikator- indikator. Variabel konstrak atau variabel laten dalam persamaan struktural digambarkan dengan sebuah elip.
2. Variabel indikator yang disebut juga obeserved variable atau variabel manifest
merupakan variabel yang dapat diukur secara langsung dan diguankan untuk mengukur suatu konstrak. Dalam persamaan struktural, variabel indikator digambarkan dengan kotak segi empat.
3. Variabel Endogen dan Variabel Eksogen
Dalam analisis SEM, variabel laten dibedakan menjadi variabel endogen dan eksogen. Variabel endogen diartikan sebagai variabel yang dipengaruhi oleh variabel lain. Variabel laten juga disebut variabel tergantung atau variabel antara. Variabel eksogen atau disebut juga variabel bebas merupakan variabel yang tidak dipengaruhi oleh variabel lain.
4. Kesalahan Pengukuran
Kesalahan pengukuran atau measurement error hampir dapat dipastikan akan
terjadi pada setiap pengukuran. Oleh karena itu, pada model SEM, semua variabel indikator diasumsikan memiliki kesalahan pengukuran. Kesalahan pengukuran dalam analisis SEε dilambangkan dengan delta ( ).
5. Kesalahan Struktural
Kesalahan struktural atau structural error didefinisikan sebagai kesalahan yang
disebabkan oleh karena variasi dari variabel endogen tidak seluruhnya dapat dijelaskan oleh variabel eksogen. Semua variabel endogen diasumsikan mempunyai keslahan struktural. Kesalahan struktural dilambangkan dengan epsilon ( ).
2.6.3 Langkah Membuat Model Struktural Equation Modelling (SEM)
Adapun langkah-langkah dalam membuat model SEM yaitu sebagai berikut : Langkah 1 : Tahap Konseptualisasi Model
Dalam konseptualisasi model harus didasarkan atau mengacu kepada teori yang terkini dan relevan. Konseptualisasi model ini harus menjelaskan hubungan antara variabel laten dan juga merefleksikan pengukuran variabel latent melalui beberapa variabel indikator yang dapat diukur secara langsung. Variabel latent merupakan variabel yang tidak dapat diukur secara langsung, sehingga diperlukan indikator dalam pengukurannya.
Langkah 2 : Penyusunan Diagram Jalur dan Spesifikasi Model
Setelah konseptualisasi model, dari konsep tersebut dibuat diagram jalur hubungan antar variabel penelitian. Selanjutnya memberikan nama yang unik kepada semua
variabel laten, indikator, dan error. Kemudian menentukan jumlah dan sifat parameter
yang diestimasi seperti error, loading factor, pengaruh variabel eksogen terhadap
variabel endogen, dan pengaruh variabel endogen terhadap variabel eksogen lainnya.
2.6.4 Menentukan Derajat Bebas (Identify Model)
Identifikasi model ditujukan untuk menentukan apakah model yang akan dibuat
teridentifikasi atau tidak. Identifikasi model dapat dilakukan dengan melihat degress
of freedom (derajat kebebasan). Degress of freedom pada analisis SEM dapat ditentukan dengan rumus sebagai berikut.
(p + q ) (p+ q + 1) db =
Keterangan :
db = derajat kebebasan
p = jumlah variabel indkator dari variabel endogen q = jumlah variabel indikator dari variabel eksogen
Terdapat tiga kemungkinan hasil identifikasi, yaitu sebagai berikut.
1. Model under identified, dimana db < 0. Bila model tidak teridentifikasi, maka
model tersebut tidak dapat mengestimasi parameter model.
2. Model just identified, bila db = 0 dan disebuat saturated model. Bila model yang
dibuat merupakan model saturated, maka penilaian dan pengujian dari model tidak perlu dilakukan.
3. Model over identified, bila db > 0. Bila model over identified, maka penilaian
dan pengujian model dapat dilakukan. 2.6.5 Dasar Penilaian dan Estimasi Model 2.6.5.1 Penilaian Model
Penilaian model ditujukan untuk menentukan apakah model tersebut fit dengan
data. Penilaian model dilakukan dengan Uji Goodness of Fit (Goodness of Fit Test) .
Terdapat beberapa jenis Uji Goodness of Fit yang umum dipakai pada analisis SEM yaitu sebagai berikut.
Tabel 2.1 Goodness of Fit Statistics
No. Statistiks Kriterian ‘Fit’
1. Chi-square P > 0,05
2. RMSEA (Root Mean Square Error Approximation) < 0,08
3. GFI (Goodness of Fit Index) > 0,90
4. AGFI (Adjusted Goodness of Fit Index) > 0,90
5. PGFI (Parsimonimus > 0,90
7. PNFI (parsimonimus Adjusted Normed Goodness of Fit Index)
> 0,90 8. CFI (Comparative Fit Index) > 0,90 9. IFI (Incremental Fit Index) > 0,90
10. RFI (Relative Fit Index) > 0,90
2.6.5.2Estimasi Model Pengukuran
Kualitas instrumen dapat diukur dengan validitas dan reliabilitas data. Validitas
dari masing-masing item pada konstrak ditentukan dengan melihat nilai loading factor
pada Standardized Regression Weight. Bila nilai loading factor dari masing-masing
item ≥ 0,5 maka dinyatakan vaild. Reliabilitas dari model pengukuran ditentukan
dengan melihat nilai covarrian error. Bila covarrian error dari masing-masing item <
0,5 maka item atau indikator pada model pengukuran sudah reliabel.
2.6.6 Uji Asumsi dan Persyaratan
Adapun uji asumsi dan persyaratan yang harus dipenuhi dalam model SEM yaitu sebagai berikut.
1. Ukuran Sampel
Rumus sampel untuk analsis yang menggunakan model SEM belum ada. Ukuran besar sampel minimal yang disarankan untuk analisis SEM adalah 5 sampai 10 sampel untuk setiap parameter yang akan diestimasi.
2. Normalitas Data
Semua item data yang akan dianalisis SEM harus berdistribusi normal.
Normalitas dapat dilihat dari nilai p pada kemencengan (skewness) dan
keruncingan atau kurtosis distribusi. Apabila nilai p > 0,05 maka data tersebut disebut berdistribusi normal.
3. Outlier
Outlier ditentukan berdasarkan metode Mahalobis. Adanya data outlier dapat menyebabkan distribusi data menjadi tidak normal. Apabila terdapat data yang outlier, maka data tersebut dihilangkan dan tidak diikutkan dalam analasis.
Apabila setelah data outlier dihilangkan, model belum juga fit, maka dilakukan
modifikasi model dengan menghubungkan variabel yang memiliki nilai covarian antar variabel yang tinggi sehingga model menjadi fit.
4. Multikolinieritas
Tidak boleh terdapat multikolinieritas antar variabel eksogen. Dua variabel eksogen dinyatakan memiliki hubungan kuat (multikolinier) bila kedua variabel tersebut memiliki korelasi yang kuat (r ≥ 0,7). Bila hal ini terjadi, sebaiknya salah satu variabel tersebut dikeluarkan dari model atau variabel-variabel yang
membentuk multikolinieritas tersebut digabungkan menjadi satu ‘composit