Structural Equation Modelling (SEM)
Structural Equation Modelling (SEM) merupakan salah satu analisis multivariate yang boleh menganalisis hubungan variabel secara kompleks. Analisis ini pada umumnya digunakan untuk kajian-kajian yang menggunakan banyak variabel.
Teknik analisis data menggunakan Structural Equation Modelling (SEM), dilakukan untuk menjelaskan secara menyeluruh hubungan antara variabel yang ada dalam kajian. SEM digunakan bukan untuk merancang suatu teori, tetapi lebih bertujuan untuk menyemak dan membenarkan suatu model. Oleh kerana itu, syarat utama menggunakan SEM adalah membina suatu model hipotesis yang terdiri daripada model struktur dan model pengukuran dalam bentuk diagram jalur yang berdasarkan justifikasi teori. SEM adalah merupakan sekumpulan teknik-teknik statistik yang membolehkan ujian sebuah rangkaian hubungan secara serentak. Hubungan itu dibina antara satu atau lebih pembolehubah bebas.Dikemukakan oleh Ferdinand (2002), bahawa Model Persamaan Struktural merupakan jawapan yang layak untuk kombinasi antara analisis faktor dan analisis regresi berganda kerana pada saat penyelidik mengenalpasti dimensi-dimensi sebuah konsep atau konstruk, pada masa yang sama penyelidik juga ingin mengukur pengaruh atau darjat antara faktor yang telah dikenalpasti dimensi-dimensinya itu. Dengan demikian SEM merupakan gabungan antara analisis faktor dan analisis regresi berganda.
Hal ini sesuai yang dikemukakan oleh Ferdinand (2000) bahawa SEM sangat tepat digunakan untuk merancang kajian pengurusan serta menjawab soalan yang bersifat regresif dan dimensional dalam masa yang sama. Regresif ertinya ujian hubungan antara konstruk, sedang dimensional bererti ujian dimensi-dimensi yang terdapat dalam konstruk. Demikian juga Solimun (2002) mengemukakan bahawa di dalam SEM penyelidik boleh melakukan tiga aktiviti sekaligus, iaitu pemeriksaan kesahihan dan kebolehpercayaan instrumen (setara dengan analisis faktor konfirmatori), ujian model hubungan antara variabel laten (setara dengan analisis path), dan mendapatkan model yang bermanfaat untuk keputusan (sama dengan model struktur atau analisis regresi).
Pada teknik analisis SEM, programnya boleh menggunakan program AMOS atau program LISREL 8.30 yang boleh memaparkan diagram laluan yang berupa: 1) Model Lengkap (Basic Model), 2) Model Pengukuran (X-Model atau Y-Model), dan 3) Model Struktural (Structural Model). Di samping itu, pekali dalam carta path tersebut boleh berupa:1) diagram hipotetik (Conseptual Diagram), 2) Keputusan Estimasi berdasarkan data mentah (Estimates), 3) Pekali Path (Standardize Solution), 4) T-ratio (T-values), 5) Modification Indices dan 6) Expected Changes. Sedang kalau program AMOS boleh memaparkan 1) Diagram Path Lengkap (Overall Model atau Basic Model) dan 2) Pekali berupa hasil anggaran berdasarkan data mentah (Unstandardize Estimate) dan 3) Pekali Path (Standardize Estimate).Untuk membuat pemodelan yang lengkap ada beberapa langkah yang perlu dilakukan, iaitu: 1) pembangunan model berasaskan konsep dan teori, 2) pembangunan diagram alur (path diagram), 3) penukaran diagram alur ke dalam persamaan struktural, 4) memilih matriks input dan anggaran model, 5) menilai masalah pengenalan, 6) penilaian model, dan 7) tafsiran dan pengubahsuaian model (Ferdinand, 2002; Solimun, 2004).
KONSEP UMUM MODEL PERSAMAAN STRUKTURAL
Dalam kajian ilmu sosial atau ilmu perilaku (Social dan Behavioral Sciences) sering kali penyelidik melakukan kegiatan kajian untuk mengukur setiap ciri-ciri subjek atau unit pemerhatian melibatkan lebih satu variabel (variate). Dalam konteks pengukuran seperti ini, analisis yang digunakan adalah statistik multivariat atau variat banyak.
Tidak seperti ilmu eksakta atau teknik, dalam sains sosial atau perilaku untuk aktiviti pengukuran tidak boleh dilakukan secara langsung, tetapi melalui penunjuk-penunjuk yang merupakan refleksi atau manifest dari konsep atau konstruk (construct) yang ingin diukur.Misalnya, konsep "kecemasan", "kecerdasan", "motivasi", "prestasi" dan lain-lain. Konsep tersebut merupakan faktor yang tidak dapat diamati secara langsung atau bersifat latent (unobservable variable). Sedangkan penunjuk-penunjuk dari konsep tersebut merupakan fenomena yang dapat diamati atau boleh diukur secara langsung (observable variable).Sejauhmana bahawa penunjuk-penunjuk tersebut benar-benar mencerminkan suatu pembolehubah latent akan membawa kepada masalah high pengukuran, iaitu kebolehpercayaan dan kesahihan.
Umumnya teknik analisis statistik hanya memproses variabel-variabel penunjuk sahaja tanpa melibatkan variabel latennya, dan juga jarang dalam pengolahannya sekaligus melibatkan kekeliruan pengukuran pembolehubah. Umumnya kekeliruran pengukuran hanya diperhatikan pada saat uji cuba dengan menghitung kebolehpercayaan dan kesahannya. Dalam pengolahan selanjutnya, masalah kekeliruan pengukuran sering dilupakan saja atau diandaikan bahawa kekeliruan pengukuran "tidak ada", padahal selama alat ukur tersebut tidak mempunyai peringkat kebolehpercayaan dan kesahan yang "sempurna" maka besarnya kekeliruan pengukuran akan berpengaruh kepada hasil analisisnya. Kita semua tahu bahawa dalam ilmu sosial dan perilaku tidak mempunyai suatu alat ukur yang benar-benar baku, tidak seperti teknik dan sains yang mempunyai alat ukur yang baku di mana-mana dan pengetahuan penulis tidak ada badan-badan seperti metrologi yang bertugas mengkalibrasi alat ukur ilmu- ilmu sosial. Dengan demikian kita perlu suatu analisis statistik yang sekaligus melibatkan kekeliruan dalam pengukuran.
Seperti sudah dijelaskan bahawa dalam ilmu sosial untuk mengukur suatu konstruk umumnya secara tidak langsung, iaitu melalui penunjuk-penunjuk. Selama ini variabel-variabel penunjuk inilah yang diproses untuk menjelaskan bagaimana hubungan antara konstruk yang satu dengan konstruk yang lain, tetapi hubungan tersebut tetap samar-samar, ertinya hubungan antara penunjuk-penunjuk dan konsep tersebut tidak secara jelas dinyatakan dalam suatu persamaan. Dengan demikian perlu suatu analisis statistik yang secara serentak melibatkan variabel penunjuk dan variabel laten.
Suatu teknik statistik yang menganalisis variabel penunjuk, variabel laten, dan kekeliruan pengukurannya adalah pemodelan persamaan struktural (structural equation model, SEM).Dengan SEM kita dapat menganalisis bagaimana hubungan antara variabel penunjuk dengan variabel latennya yang dikenali sebagai persamaan pengukuran (measurement equation), hubungan antara variabel laten yang satu dengan variabel laten yang lain dikenali sebagai persamaan struktural (structural equation) yang secara bersama-sama melibatkan kekeliruan pengukuran . Selain itu, model persamaan struktural boleh menganalisis hubungan dua hala (reciprocal) yang sering terjadi pada ilmu sosial. Dalam SEM dikenali juga dengan variabel laten eksogen (independent latent variable) dan pembolehubah laten endogen (dependent latent variable).
Model persamaan struktural termasuklah teknik statistik multivariat dipendensi yang digunakan dalam pelbagai bidang penyelidikan seperti biologi, ekonometrika, pendidikan, pemasaran, perubatan, dan penyelidikan bidang lain. Istilah model persamaan struktural dikenali juga dengan nama LISREL (Linear Structural Relationships) adalah pakej program statistik untuk SEM, yang pertama kali diperkenalkan oleh Karl Jöreskog pada tahun 1970 dalam suatu pertemuan ilmiah. Istilah lain untuk SEM sering kali disebut juga analisis faktor konfirmatori (confirmatory factor analysis), model struktur kovarians (covariance structure models) dan model pembolehubah laten (latent variable modeling).
Pengolahan data dengan SEM tidak boleh dilakukan secara manual. Umumnya prosedur pemprosesan data dilakukan secara iteratif. Sekarang ini telah terdapat beberapa program komputer kaitannya dengan pemprosesan data dengan menggunakan SEM, contohnya LISREL (Jöreskog & Sörbom, 1993a, 1993b, 1993c, 1999), EQS5 (Bentler, 1995), sepath (Steiger), dan AMOS (Arbuckle), Calis ( SAS Institute, 1989), LISCOMP (Muthén), MPLUS (Muthén & Muthén, 1998), RAMONA (Browne & Mels, 1994), dan Mx: Statistical Modeling (Neale).Sekarang ini, penggunaan SEM dalam kajian sosial semakin banyak. Ada tiga sebab mengapa SEM banyak digunakan dalam kajian (Kelloway, 1998), iaitu:
Penelitian sosial umumnya menggunakan pengukuran-pengukuran untuk menjabarkan konstruk (construct). Hampir semua kajian ilmu sosial tertarik dalam pengukuran dan teknik pengukuran. Salah satu bentuk dari SEM berurusan secara langsung dapat menjawab soalan sejauh mana ukuran yang dilakukan dapat mencerminkan konstruk yang diukur. Ringkasnya, pemprosesan data dengan SEM sekaligus dapat menilai kualiti pengukuran, iaitu kebolehpercayaan dan kesahihan sesuatu alat ukur.
Para penyelidik sosial sangat tertarik terhadap ramalan. Dalam melakukan ramalan tidak hanya melibatkan model dua variabel, tapi dapat melibatkan model yang lebih "rumit" berupa struktur hubungan antara beberapa pembolehubah kajian.
SEM dapat melayani sekaligus suatu analisis high pengukuran dan ramalan. Khususnya, dalam "model-model pembolehubah latent", model ini merupakan suatu model yang fleksibel dan sangat ampuh secara serentak menyemak high pengukuran dan hubungan ramalan antara konstruk.1.2 Jenis-Jenis Model Persamaan StrukturalTerdapat beberapa jenis am model-model persamaan struktural (Raykov & Marcoulides, 2000):
Model-model analisis laluan (path analysis models). Dalam model-model analisis laluan biasanya analisis hanya melibatkan pembolehubah-pembolehubah penunjuk tanpa melakukan analisis terhadap konstruk atau konsep yang ingin diukur. Model seperti ini untuk pertama kali diperkenalkan oleh Sewell Wright (1921). Umumnya, teknik analisisnya digunakan analisis regresi berganda di mana salah satu asumsinya adalah tidak ada kekeliruan pengukuran (measurement error) dalam variabel bebas. Dalam analisis laluan tersebut tidak mahal kekeliruan dalam pengukuran. Misalnya, diagram jalurnya dapat dilihat pada Gambar 1.1.
Model-model analisis faktor konfirmatif (confirmatory factor analysis models). Umumnya, dalam analisis ini bertujuan untuk menilai pola-pola antara hubungan antara beberapa konstruk.Setiap konstruk dibina oleh penunjuk-penunjuk. Model analisis faktor konfirmatori biasanya tidak diandaikan arah hubungan antara konstruk, tetapi hanya adanya hubungan perbandingan, antara konstruk. Contoh kes model ini dinyatakan pada Gambar 1.2.
Model-model persamaan struktural (structural equation models). Dalam model-model seperti ini diandaikan secara khusus arah hubungan antara konstruk. Model-model ini boleh digunakan untuk menguji apakah teori-teori yang dicadangkan (proposed theories) sesuai dengan model-model empirisnya. Gambar 1.3 merupakan contoh diagram jalur bagi model ini.
Model-model perubahan laten (latent change models). Apa yang dimaksudkan dengan model-model perubahan laten adalah memungkinkan untuk melakukan kajian pola perubahan kerana masa. Model-model ini terutama menumpukan untuk memantau pola perubahan, seperti pola pertumbuhan (growth), penurunan (decline). Model seperti ini termasuk longitudinal.Contoh diagram jalur untuk model ini dapat dilihat pada Gambar 1.4.
Teknik analisis data menggunakan Structural Equation Modelling (SEM), dilakukan untuk menjelaskan secara menyeluruh hubungan antara variabel yang ada dalam kajian. SEM digunakan bukan untuk merancang suatu teori, tetapi lebih bertujuan untuk menyemak dan membenarkan suatu model. Oleh kerana itu, syarat utama menggunakan SEM adalah membina suatu model hipotesis yang terdiri daripada model struktur dan model pengukuran dalam bentuk diagram jalur yang berdasarkan justifikasi teori. SEM adalah merupakan sekumpulan teknik-teknik statistik yang membolehkan ujian sebuah rangkaian hubungan secara serentak. Hubungan itu dibina antara satu atau lebih pembolehubah bebas.Dikemukakan oleh Ferdinand (2002), bahawa Model Persamaan Struktural merupakan jawapan yang layak untuk kombinasi antara analisis faktor dan analisis regresi berganda kerana pada saat penyelidik mengenalpasti dimensi-dimensi sebuah konsep atau konstruk, pada masa yang sama penyelidik juga ingin mengukur pengaruh atau darjat antara faktor yang telah dikenalpasti dimensi-dimensinya itu. Dengan demikian SEM merupakan gabungan antara analisis faktor dan analisis regresi berganda.
Hal ini sesuai yang dikemukakan oleh Ferdinand (2000) bahawa SEM sangat tepat digunakan untuk merancang kajian pengurusan serta menjawab soalan yang bersifat regresif dan dimensional dalam masa yang sama. Regresif ertinya ujian hubungan antara konstruk, sedang dimensional bererti ujian dimensi-dimensi yang terdapat dalam konstruk. Demikian juga Solimun (2002) mengemukakan bahawa di dalam SEM penyelidik boleh melakukan tiga aktiviti sekaligus, iaitu pemeriksaan kesahihan dan kebolehpercayaan instrumen (setara dengan analisis faktor konfirmatori), ujian model hubungan antara variabel laten (setara dengan analisis path), dan mendapatkan model yang bermanfaat untuk keputusan (sama dengan model struktur atau analisis regresi).
Pada teknik analisis SEM, programnya boleh menggunakan program AMOS atau program LISREL 8.30 yang boleh memaparkan diagram laluan yang berupa: 1) Model Lengkap (Basic Model), 2) Model Pengukuran (X-Model atau Y-Model), dan 3) Model Struktural (Structural Model). Di samping itu, pekali dalam carta path tersebut boleh berupa:1) diagram hipotetik (Conseptual Diagram), 2) Keputusan Estimasi berdasarkan data mentah (Estimates), 3) Pekali Path (Standardize Solution), 4) T-ratio (T-values), 5) Modification Indices dan 6) Expected Changes. Sedang kalau program AMOS boleh memaparkan 1) Diagram Path Lengkap (Overall Model atau Basic Model) dan 2) Pekali berupa hasil anggaran berdasarkan data mentah (Unstandardize Estimate) dan 3) Pekali Path (Standardize Estimate).Untuk membuat pemodelan yang lengkap ada beberapa langkah yang perlu dilakukan, iaitu: 1) pembangunan model berasaskan konsep dan teori, 2) pembangunan diagram alur (path diagram), 3) penukaran diagram alur ke dalam persamaan struktural, 4) memilih matriks input dan anggaran model, 5) menilai masalah pengenalan, 6) penilaian model, dan 7) tafsiran dan pengubahsuaian model (Ferdinand, 2002; Solimun, 2004).
KONSEP UMUM MODEL PERSAMAAN STRUKTURAL
Dalam kajian ilmu sosial atau ilmu perilaku (Social dan Behavioral Sciences) sering kali penyelidik melakukan kegiatan kajian untuk mengukur setiap ciri-ciri subjek atau unit pemerhatian melibatkan lebih satu variabel (variate). Dalam konteks pengukuran seperti ini, analisis yang digunakan adalah statistik multivariat atau variat banyak.
Tidak seperti ilmu eksakta atau teknik, dalam sains sosial atau perilaku untuk aktiviti pengukuran tidak boleh dilakukan secara langsung, tetapi melalui penunjuk-penunjuk yang merupakan refleksi atau manifest dari konsep atau konstruk (construct) yang ingin diukur.Misalnya, konsep "kecemasan", "kecerdasan", "motivasi", "prestasi" dan lain-lain. Konsep tersebut merupakan faktor yang tidak dapat diamati secara langsung atau bersifat latent (unobservable variable). Sedangkan penunjuk-penunjuk dari konsep tersebut merupakan fenomena yang dapat diamati atau boleh diukur secara langsung (observable variable).Sejauhmana bahawa penunjuk-penunjuk tersebut benar-benar mencerminkan suatu pembolehubah latent akan membawa kepada masalah high pengukuran, iaitu kebolehpercayaan dan kesahihan.
Umumnya teknik analisis statistik hanya memproses variabel-variabel penunjuk sahaja tanpa melibatkan variabel latennya, dan juga jarang dalam pengolahannya sekaligus melibatkan kekeliruan pengukuran pembolehubah. Umumnya kekeliruran pengukuran hanya diperhatikan pada saat uji cuba dengan menghitung kebolehpercayaan dan kesahannya. Dalam pengolahan selanjutnya, masalah kekeliruan pengukuran sering dilupakan saja atau diandaikan bahawa kekeliruan pengukuran "tidak ada", padahal selama alat ukur tersebut tidak mempunyai peringkat kebolehpercayaan dan kesahan yang "sempurna" maka besarnya kekeliruan pengukuran akan berpengaruh kepada hasil analisisnya. Kita semua tahu bahawa dalam ilmu sosial dan perilaku tidak mempunyai suatu alat ukur yang benar-benar baku, tidak seperti teknik dan sains yang mempunyai alat ukur yang baku di mana-mana dan pengetahuan penulis tidak ada badan-badan seperti metrologi yang bertugas mengkalibrasi alat ukur ilmu- ilmu sosial. Dengan demikian kita perlu suatu analisis statistik yang sekaligus melibatkan kekeliruan dalam pengukuran.
Seperti sudah dijelaskan bahawa dalam ilmu sosial untuk mengukur suatu konstruk umumnya secara tidak langsung, iaitu melalui penunjuk-penunjuk. Selama ini variabel-variabel penunjuk inilah yang diproses untuk menjelaskan bagaimana hubungan antara konstruk yang satu dengan konstruk yang lain, tetapi hubungan tersebut tetap samar-samar, ertinya hubungan antara penunjuk-penunjuk dan konsep tersebut tidak secara jelas dinyatakan dalam suatu persamaan. Dengan demikian perlu suatu analisis statistik yang secara serentak melibatkan variabel penunjuk dan variabel laten.
Suatu teknik statistik yang menganalisis variabel penunjuk, variabel laten, dan kekeliruan pengukurannya adalah pemodelan persamaan struktural (structural equation model, SEM).Dengan SEM kita dapat menganalisis bagaimana hubungan antara variabel penunjuk dengan variabel latennya yang dikenali sebagai persamaan pengukuran (measurement equation), hubungan antara variabel laten yang satu dengan variabel laten yang lain dikenali sebagai persamaan struktural (structural equation) yang secara bersama-sama melibatkan kekeliruan pengukuran . Selain itu, model persamaan struktural boleh menganalisis hubungan dua hala (reciprocal) yang sering terjadi pada ilmu sosial. Dalam SEM dikenali juga dengan variabel laten eksogen (independent latent variable) dan pembolehubah laten endogen (dependent latent variable).
Model persamaan struktural termasuklah teknik statistik multivariat dipendensi yang digunakan dalam pelbagai bidang penyelidikan seperti biologi, ekonometrika, pendidikan, pemasaran, perubatan, dan penyelidikan bidang lain. Istilah model persamaan struktural dikenali juga dengan nama LISREL (Linear Structural Relationships) adalah pakej program statistik untuk SEM, yang pertama kali diperkenalkan oleh Karl Jöreskog pada tahun 1970 dalam suatu pertemuan ilmiah. Istilah lain untuk SEM sering kali disebut juga analisis faktor konfirmatori (confirmatory factor analysis), model struktur kovarians (covariance structure models) dan model pembolehubah laten (latent variable modeling).
Pengolahan data dengan SEM tidak boleh dilakukan secara manual. Umumnya prosedur pemprosesan data dilakukan secara iteratif. Sekarang ini telah terdapat beberapa program komputer kaitannya dengan pemprosesan data dengan menggunakan SEM, contohnya LISREL (Jöreskog & Sörbom, 1993a, 1993b, 1993c, 1999), EQS5 (Bentler, 1995), sepath (Steiger), dan AMOS (Arbuckle), Calis ( SAS Institute, 1989), LISCOMP (Muthén), MPLUS (Muthén & Muthén, 1998), RAMONA (Browne & Mels, 1994), dan Mx: Statistical Modeling (Neale).Sekarang ini, penggunaan SEM dalam kajian sosial semakin banyak. Ada tiga sebab mengapa SEM banyak digunakan dalam kajian (Kelloway, 1998), iaitu:
Penelitian sosial umumnya menggunakan pengukuran-pengukuran untuk menjabarkan konstruk (construct). Hampir semua kajian ilmu sosial tertarik dalam pengukuran dan teknik pengukuran. Salah satu bentuk dari SEM berurusan secara langsung dapat menjawab soalan sejauh mana ukuran yang dilakukan dapat mencerminkan konstruk yang diukur. Ringkasnya, pemprosesan data dengan SEM sekaligus dapat menilai kualiti pengukuran, iaitu kebolehpercayaan dan kesahihan sesuatu alat ukur.
Para penyelidik sosial sangat tertarik terhadap ramalan. Dalam melakukan ramalan tidak hanya melibatkan model dua variabel, tapi dapat melibatkan model yang lebih "rumit" berupa struktur hubungan antara beberapa pembolehubah kajian.
SEM dapat melayani sekaligus suatu analisis high pengukuran dan ramalan. Khususnya, dalam "model-model pembolehubah latent", model ini merupakan suatu model yang fleksibel dan sangat ampuh secara serentak menyemak high pengukuran dan hubungan ramalan antara konstruk.1.2 Jenis-Jenis Model Persamaan StrukturalTerdapat beberapa jenis am model-model persamaan struktural (Raykov & Marcoulides, 2000):
Model-model analisis laluan (path analysis models). Dalam model-model analisis laluan biasanya analisis hanya melibatkan pembolehubah-pembolehubah penunjuk tanpa melakukan analisis terhadap konstruk atau konsep yang ingin diukur. Model seperti ini untuk pertama kali diperkenalkan oleh Sewell Wright (1921). Umumnya, teknik analisisnya digunakan analisis regresi berganda di mana salah satu asumsinya adalah tidak ada kekeliruan pengukuran (measurement error) dalam variabel bebas. Dalam analisis laluan tersebut tidak mahal kekeliruan dalam pengukuran. Misalnya, diagram jalurnya dapat dilihat pada Gambar 1.1.
Model-model analisis faktor konfirmatif (confirmatory factor analysis models). Umumnya, dalam analisis ini bertujuan untuk menilai pola-pola antara hubungan antara beberapa konstruk.Setiap konstruk dibina oleh penunjuk-penunjuk. Model analisis faktor konfirmatori biasanya tidak diandaikan arah hubungan antara konstruk, tetapi hanya adanya hubungan perbandingan, antara konstruk. Contoh kes model ini dinyatakan pada Gambar 1.2.
Model-model persamaan struktural (structural equation models). Dalam model-model seperti ini diandaikan secara khusus arah hubungan antara konstruk. Model-model ini boleh digunakan untuk menguji apakah teori-teori yang dicadangkan (proposed theories) sesuai dengan model-model empirisnya. Gambar 1.3 merupakan contoh diagram jalur bagi model ini.
Model-model perubahan laten (latent change models). Apa yang dimaksudkan dengan model-model perubahan laten adalah memungkinkan untuk melakukan kajian pola perubahan kerana masa. Model-model ini terutama menumpukan untuk memantau pola perubahan, seperti pola pertumbuhan (growth), penurunan (decline). Model seperti ini termasuk longitudinal.Contoh diagram jalur untuk model ini dapat dilihat pada Gambar 1.4.
Comments
Post a Comment