Structural

Equations Modeling
Overview
Ananda Febrina Choirunnisak
Lisa Cahyani Imansari
(230820301002)
(230820301003)

Aplikasi Statistik Multivariat

Kelas A
Tujuan
Pembelajaran
• Memahami karakteristik pembeda SEM
• Membedakan antara variabel dan kontruk
• Memahami pemodelan persamaan struktural dan bagaimana
hal itu dapat dianggap sebagai kombinasi teknik
multivariat yang sudah dikenal
• Mengetahui kondisi dasar untuk kausalitas dan bagaimana
SEM dapat membantu menetapkan hubungan sebab-akibat
• Menjelaskan jenis hubungan yang terlibat dalam SEM
• Mengerti bahwa tujuan SEM adalah menjelaskan kovariansi
dan bagaimana hal itu diterjemahkan ke dalam kesesuaian
model
• Mengetahui cara merepresentasikan model SEM secara
visual dengan diagram jalur
• Mencantumkan enam tahap pemodelan persamaan struktural
dan mengerti peran teori dalam proses tersebut
Apa Itu
Structural Equation
Modeling?
Structural equation modeling (SEM) adalah sekumpulan model statistik
yang berupaya menjelaskan hubungan di antara banyak variabel. Dalam
melakukannya, SEM memeriksa struktur interaksi yang diungkapkan
dalam serangkaian persamaan, mirip dengan serangkaian persamaan
regresi berganda. Persamaan-persamaan ini menggambarkan semua
hubungan antara konstruk (variabel dependen dan independen) yang
terlibat dalam analisis. Sejauh ini, setiap teknik multivariat telah
diklasifikasikan sebagai teknik interdependensi atau dependensi. SEM
dapat dianggap sebagai kombinasi unik dari kedua jenis teknik
tersebut karena dasar SEM terletak pada dua teknik multivariat yang
sudah dikenal, yaitu analisis faktor dan analisis regresi berganda.
Meskipun model SEM dapat diuji dengan cara
yang berbeda, semua model persamaan
struktural dibedakan oleh tiga karakteristik:

Estimasi dari hubungan

01 dependensi yang banyak dan
saling terkait

Kemampuan untuk merepresentasikan konsep

02 yang tidak teramati dalam hubungan ini

dan memperhitungkan kesalahan pengukuran
dalam proses estimasi

Menentukan model untuk

03 menjelaskan keseluruhan
rangkaian hubungan
Estimasi Hubungan Ketergantungan
Berganda yang Saling Terkait
Perbedaan paling jelas antara SEM dan teknik multivariat lainnya adalah

penggunaan hubungan terpisah untuk setiap variabel dependen. Secara

sederhana, SEM mengestimasi serangkaian persamaan regresi ganda terpisah

namun saling terkait secara simultan dengan menentukan model struktural yang

digunakan oleh program statistik. Variabel dependen dalam satu hubungan

dapat menjadi variabel independen dalam hubungan berikutnya, sehingga muncul

sifat saling ketergantungan dari model struktural. Selain itu, banyak

variabel yang sama memengaruhi setiap variabel dependen, tetapi dengan

pengaruh yang berbeda. Model struktural mengekspresikan hubungan

ketergantungan ini antara variabel independen dan dependen, bahkan ketika

variabel dependen menjadi variabel independen dalam hubungan lain.

Memasukkan Variabel Laten
yang Tidak Diukur Secara
Langsung
SEM juga memiliki kemampuan untuk menggabungkan variabel
laten ke dalam analisisnya. Sebuah konstruk laten (juga
disebut variabel laten) adalah konsep yang dihipotesiskan
dan tidak teramati yang dapat direpresentasikan oleh
variabel yang dapat diamati atau diukur. Hal ini diukur
secara tidak langsung dengan memeriksa konsistensi di
antara beberapa variabel yang diukur, terkadang disebut
sebagai variabel manifestasi atau indikator, yang
dikumpulkan melalui berbagai metode pengumpulan data
(misalnya, survei, penguujian, dan metode observasi).
 Keuntungan Menggunakan
Konstruk Laten
Mempresestasikan Konsep Teoritis Mempresestasikan Estimasi Statistik

SEM menyediakan model pengukuran, yang Keandalan (Reliabilitas) adalah ukuran sejauh mana

menentukan aturan korespondensi antara variabel satu set indikator dari suatu konstruk laten

yang diukur dan variabel laten (konstruk). Model konsisten internal berdasarkan seberapa tinggi

pengukuran memungkinkan peneliti menggunakan indikator tersebut saling berkaitan satu sama

sejumlah variabel untuk satu konstruk independen lain.

atau dependen. Setelah konstruk didefinisikan, Dampak dari kesalahan pengukuran (dan keandalan

maka model dapat digunakan untuk menilai sejauh yang sesuai) dapat ditunjukkan dari suatu ekspresi

mana kesalahan pengukuran (dikenal sebagai koefisien regresi, seperti:

reliabilitas).
Membedakan Konstruk
Laten Eksogen Versus
Endogen

Konstruk endogen adalah variabel

Konstruk Eksogen adalah variabel
laten, multi-item yang setara dengan
independen yang setara dengan multi-
variabel dependen (yaitu, variasi
item laten.
variabel dependen individual).
Mendefinisikan
Model
Sebuah model adalah representasi dari suatu teori. Teori dapat
dianggap sebagai seperangkat hubungan sistematis yang memberikan
penjelasan konsisten dan komprehensif tentang fenomena. Model
konvensional dalam istilah SEM terdiri dari dua model, yaitu model
pengukuran (yang mewakili bagaimana variabel yang diukur bersatu untuk
merepresentasikan konstruk) dan model struktural (menunjukkan
bagaimana konstruk berkaitan satu sama lain).

Kepentingan Teori
Sebuah model seharusnya tidak dikembangkan tanpa teori yang
mendasarinya. Teori seringkali merupakan tujuan utama dari penelitian
akademis, tetapi praktisi mungkin mengembangkan atau mengusulkan
kumpulan hubungan yang sama kompleks dan saling terkaitnya seperti
teori berbasis akademis. Oleh karena itu, peneliti dari kalangan
akademis dan industri dapat mendapatkan manfaat dari alat analisis
yang unik yang disediakan oleh SEM.
Gambaran Visual dari Model
Menggambarkan Konstruk yang Terlibat dalam Model
Persamaan Struktural
Prinsip dasar dalam membuat diagram model pengukuran:
 Konstruk biasanya direpresentasikan oleh oval atau
lingkaran, dan variabel yang diukur direpresentasikan
oleh persegi atau persegi panjang.
 Untuk membantu membedakan indikator untuk konstruk
endogen versus eksogen, variabel yang diukur (indikator)
untuk konstruk eksogen biasanya disebut variabel X,
sedangkan indikator konstruk endogen biasanya disebut
variabel Y.
 Variabel X dan/atau Y yang diukur terkait dengan konstruk
mereka masing-masing oleh panah lurus dari konstruk ke
variabel yang diukur.
Gambaran Visual dari Model
Menggambarkan Hubungan Struktural
Model struktural melibatkan spesifikasi hubungan struktural
antara konstruk laten. Menentukan hubungan umumnya berarti
bahwa kita menentukan apakah suatu hubungan ada atau tidak.
Jika hubungan itu ada, panah digambar; jika tidak ada
hubungan yang diharapkan, maka tidak ada panah yang
digambar. Pada beberapa kesempatan, spesifikasi juga dapat
berarti bahwa suatu nilai spesifik ditentukan untuk suatu
hubungan. Ada dua jenis hubungan yang mungkin terjadi
antara konstruk: hubungan ketergantungan dan hubungan
korelasional (kovariansi).
Gambaran Visual dari Model
Menggabungkan Hubungan Pengukuran dan Struktural
Sejauh Mana Model Tersebut
Cocok?
Karena fokusnya adalah pada keseluruhan model, SEM
menggunakan serangkaian ukuran yang menggambarkan sejauh
mana teori peneliti menjelaskan data input, yaitu matriks
kovariansi yang diamati di antara variabel yang diukur.
Kesesuaian model ditentukan oleh kesesuaian antara matriks
kovariansi yang diamati dan matriks kovariansi yang
diestimasi yang dihasilkan dari model yang diusulkan. Jika
model yang diusulkan secara tepat mengestimasi semua
hubungan substantif antara konstruk dan model pengukuran
secara memadai mendefinisikan konstruk, maka seharusnya
memungkinkan untuk mengestimasi matriks kovariansi antara
variabel yang diukur yang sangat mendekati matriks
kovariansi yang diamati.
SEM dan Teknik Multivariat
Lainnya Kesamaan dengan Teknik Depedensi
Kesamaan yang jelas dari SEM adalah dengan regresi berganda, salah
satu teknik ketergantungan yang paling banyak digunakan. Hubungan
untuk setiap konstruk endogen dapat ditulis dalam bentuk yang mirip
dengan persamaan regresi. Konstruk endogen adalah variabel dependen,
dan variabel independen adalah konstruk dengan panah yang menunjuk ke
konstruk endogen. Salah satu perbedaan utama dalam SEM adalah bahwa
suatu konstruk yang bertindak sebagai variabel independen dalam satu
hubungan dapat menjadi variabel dependen dalam hubungan lain. SEM
kemudian memungkinkan semua hubungan/persamaan untuk diestimasi secara
bersamaan.

Kesamaan dengan Teknik Interdepedensi

Pada pandangan pertama, model pengukuran yang mengaitkan variabel yang
diukur dengan konstruk tampak identik dengan analisis faktor di mana
variabel memiliki beban pada faktor. Meskipun terdapat banyak
kesamaan, seperti interpretasi kekuatan hubungan setiap variabel
dengan konstruk (dikenal sebagai beban dalam analisis faktor), satu
perbedaan sangat kritis. Analisis faktor jenis ini pada dasarnya
adalah teknik analisis eksploratori yang mencari struktur di antara
variabel dengan mendefinisikan faktor dalam hal himpunan variabel.
Akibatnya, setiap variabel memiliki beban pada setiap faktor.
Munculnya SEM
SEM adalah alat analisis yang relatif baru, tetapi akarnya dapat
ditelusuri kembali ke paruh pertama abad kedua puluh. Pengembangan
SEM berasal dari keinginan peneliti genetika dan ekonomi untuk dapat
menetapkan hubungan sebab-akibat antara variabel. Kompleksitas
matematika SEM membatasi penerapannya sampai komputer dan perangkat
lunak menjadi secara luas tersedia. Mereka memungkinkan dua prosedur
multivariat, yaitu analisis faktor dan regresi berganda, untuk
digabungkan. Selama akhir tahun 1960-an dan awal tahun 1970-an,
karya Jöreskog dan Sörbom memimpin pada estimasi kemungkinan
maksimum simultan dari hubungan antara konstruk dan variabel
indikator yang diukur serta di antara konstruk laten. Pekerjaan ini
mencapai puncaknya dalam program SEM LISREL. Meskipun bukan
perangkat lunak pertama yang melakukan SEM atau analisis jalur,
LISREL adalah yang pertama yang mendapat penggunaan luas.

Pertumbuhan SEM tetap relatif lambat selama tahun 1970-an dan 1980-
an, sebagian besar karena kompleksitas yang dirasakan. Namun, pada
tahun 1994, lebih dari 150 artikel SEM diterbitkan dalam literatur
sains sosial akademis. Angka itu meningkat menjadi lebih dari 300
pada tahun 2000, dan saat ini SEM adalah "teknik multivariat
dominan," diikuti oleh analisis kelompok dan MANOVA.
 Peran Teori dalam Model
Ekonomi Struktural

01 02 03
Menentukan hubungan Menetapkan kausalitas, Pengembangan strategi
yang mendefinisikan terutama saat pemodelan
model menggunakan data
lintas-seksional
Menentukan Hubungan
Meskipun teori bisa penting dalam semua prosedur multivariat, hal ini terutama penting untuk SEM karena dianggap sebagai

analisis konfirmatori. Artinya, itu berguna untuk pengujian dan potensial mengkonfirmasi teori. Teori diperlukan untuk

menentukan hubungan dalam model pengukuran dan struktural, modifikasi terhadap hubungan yang diusulkan, dan banyak aspek lain

dari estimasi model. Dari perspektif praktis, pendekatan berbasis teori untuk SEM diperlukan karena semua hubungan harus

ditentukan oleh peneliti sebelum model SEM dapat diestimasi.

Membangun Sebab Akibat
Inferensi kausal melibatkan hubungan sebab-akibat yang dihipotesiskan. Jika kita memahami urutan kausal antar
variabel, maka kita dapat menjelaskan bagaimana suatu penyebab menentukan suatu efek yang diberikan. Dalam istilah
praktis, efek dapat setidaknya sebagian dikelola dengan tingkat kepastian tertentu. Jadi, hubungan ketergantungan
kadang-kadang dapat dihipotesiskan secara teoritis sebagai kausal. Namun, hanya dengan berpikir bahwa hubungan
ketergantungan bersifat kausal tidak membuatnya demikian.
SEM dapat memperlakukan hubungan ketergantungan sebagai kausal jika empat jenis bukti (kovariasi, urutan waktu,
kovariasi tidak bersifat palsu, dan dukungan teoritis) tercermin dalam model SEM.

Kovariasi Karena kausalitas berarti bahwa

Kovarian Nonspurious (Bukan Hasil Semu)

01 perubahan pada suatu penyebab menyebabkan

perubahan yang sesuai pada suatu efek, kovariasi 03 Hubungan semu adalah hubungan yang salah
atau menyesatkan.
sistematis (korelasi) antara penyebab dan efek
diperlukan, tetapi tidak cukup, untuk menetapkan
kausalitas.

Urutan waktu Data longitudinal dapat memberikan Dukungan Teoretis, Syarat terakhir untuk

02 bukti ini karena memungkinkan kita

memperhitungkan periode waktu di mana peristiwa 04 menyatakan kausalitas adalah dukungan
teoretis, atau dasar teoritis yang kuat
terjadi. untuk mendukung hubungan sebab-akibat.
Membangun Sebab Akibat
Pengujian Hubungan Palsu
 Pengembangan
Strategi Pemodelan

Strategi Pemodelan Strategi Model Strategi

Konfirmatori Bersaing Pengembangan Model
Contoh Sederhana SEM
ENAM TAHAP DALAM PEMODELAN PERSAMAAN STRUKTURAL

01 Mendefinisikan konstruksi individu

Mengembangkan model pengukuran secara

02 keseluruhan
Merancang suatu penelitian untuk
03 menghasilkan hasil empiris

04 Menilai validitas model pengukuran

05 Menentukan model struktural

Menilai validitas model struktural

06
TAHAP 1:
MENDEFINISIKAN KONSTRUKSI INDIVIDU

Mengoperasionalkan
Pra Pengujian
Konstruksi
• Pengujian awal sangat penting
• Skala dari Penelitian ketika skala diterapkan dalam
Sebelumnya konteks tertentu (misalnya, situasi
pembelian, industri, atau kejadian
• Mengembangkan lain yang mengutamakan
kekhususan) atau dalam konteks di
Skala Baru luar penggunaan normalnya
 TAHAP 2: PENGEMBANGAN DAN SPESIFIKASI
MODEL PENGUKURAN

NOTASI SEM MEMBUAT MODEL PENGUKURAN

• Elemen kunci dalam diagram jalur adalah • Spesifikasi model pengukuran dapat
notasi pelabelan untuk indikator, menjadi proses yang mudah, namun
konstruksi, dan hubungan di antara sejumlah permasalahan masih harus
mereka. diatasi.
• Setiap program perangkat lunak
menggunakan pendekatan yang agak unik,
meskipun konvensi standar telah dikaitkan
dengan LISREL yang disebut dengan Notasi
LISREL
 TAHAP 3: MERANCANG STUDI UNTUK

MENGHASILKAN HASIL EMPIRIS

Dengan model dasar yang ditentukan dalam bentuk

konstruk dan variabel/indikator yang diukur, peneliti harus
mengalihkan perhatian pada isu-isu yang terkait dengan
desain dan estimasi penelitian.
 Isu dalam Desain
Penelitian
01 DATA METRIK
VERSUS NON-
02 KOVARIANSI VERSUS
KORELASI
03 DATA HILANG 04 UKURAN SAMPEL

METRIK
Peneliti harus berhati-hati dalam Meskipun sebagian besar program Data yang hilang harus selalu SEM dalam beberapa hal lebih

menentukan tipe data yang SEM saat ini dapat menghitung diatasi jika data yang hilang sensitif terhadap ukuran sampel

digunakan untuk setiap variabel yang solusi model langsung dari data memiliki pola yang tidak acak dibandingkan dengan pendekatan

diukur sehingga dapat dihitung mentah tanpa perlu menghitung atau lebih dari 10 persen item multivariat lainnya. Beberapa

ukuran asosiasi yang sesuai. matriks korelasi atau data yang hilang algoritma statistik yang

Spesifikasi ini diperlukan untuk kovariansi secara terpisah, digunakan oleh program SEM

memastikan bahwa analisis statistik peneliti masih harus memilih menjadi tidak dapat diandalkan

yang digunakan sesuai dengan jenis antara korelasi dan kovariansi dengan sampel kecil.

data yang digunakan. berdasarkan isu interpretatif

dan statistik
 Isu dalam Estimasi
Model
01 STRUKTUR MODEL 02 TEKNIK ESTIMASI 03 PROGRAM KOMPUTER
Salah satu langkah paling penting Pilihan teknik estimasi Salah satu langkah paling penting
dalam menyiapkan analisis SEM tergantung pada karakteristik dalam menyiapkan analisis SEM
adalah menentukan dan data, ukuran sampel, dan asumsi adalah menentukan dan
menyampaikan struktur model yang diinginkan atau diperlukan menyampaikan struktur model
teoritis kepada program. oleh peneliti. Pemilihan teknik teoritis kepada program.
Dengan mengetahui struktur model harus mempertimbangkan kecocokan Dengan mengetahui struktur model
teoritis, peneliti dapat dengan kondisi data dan keandalan teoritis, peneliti dapat
menentukan parameter model yang hasil di bawah asumsi tertentu. menentukan parameter model yang
akan diestimasi. akan diestimasi.
 TAHAP 4: MENILAI VALIDITAS
MODEL PENGUKURAN
• Menentukan model pengukuran (yaitu,
menetapkan variabel indikator ke dalam
konstruksi yang harus diwakilinya) merupakan
langkah penting dalam mengembangkan model
SEM.
• Peneliti mengidentifikasi hubungan yang
dihipotesiskan ada di antara konstruknya.
• Setiap hipotesis mewakili hubungan spesifik
yang harus ditentukan
 Validitas Model
Pengukuran
01 The Basics of
Goodness-of-Fit
02 Absolute Fit Indices
03 Incremental
Indices
Fit
04 Parsimony Fit
Indices
Model fit membandingkan teori •Indeks kecocokan mutlak
Indeks kecocokan inkremental Indeks kecocokan parsimony
merupakan ukuran langsung sejauh
dengan kenyataan dengan menilai mana model yang ditentukan oleh berbeda dari indeks kecocokan dirancang khusus untuk
peneliti mereproduksi data yang
kesamaan matriks kovariansi yang diamati. mutlak karena mengukur sejauh memberikan informasi tentang
•Ini memberikan penilaian paling
diestimasi (teori) dengan mana model yang diestimasi cocok model mana yang terbaik di
dasar tentang sejauh mana teori
kenyataan (matriks kovariansi yang peneliti cocok dengan data
relatif terhadap suatu model antara sejumlah model yang
sampel.
diamati). •Setiap model dievaluasi secara dasar alternatif. bersaing, mempertimbangkan
independen dari model lainnya
Chi-square (χ²) adalah pengukuran kecocokannya relatif terhadap
fundamental dari perbedaan antara kompleksitasnya.
matriks kovariansi yang diamati

dan diestimasi
 Validitas Model
Pengukuran
07
Guidelines for Establishing
05 Problems Associated
with Using Fit Indices 06 Unacceptable Model
Specification to Achieve Fit Acceptable and
Unacceptable Fit
Meskipun χ² dengan nilai p yang tidak • Peneliti kadang menguji teori dan Tidak dapat diberikan aturan sederhana

signifikan dapat dianggap sebagai bukti kadang mencari kecocokan model. Namun, pada nilai indeks yang dapat membedakan

bahwa model memiliki kecocokan yang keinginan untuk mencapai kecocokan model yang baik dari yang buruk secara
model seharusnya tidak mengorbankan
memadai, terdapat beberapa masalah umum. Pedoman ini bersifat panduan
teori yang diuji.
terkait dengan penggunaan χ² sebagai penggunaan, bukan aturan yang menjamin
• Kesalahan praktis dapat terjadi saat
satu-satunya ukuran kecocokan. model yang benar.
penelitian lebih fokus pada
meningkatkan kecocokan model daripada
menguji teori yang mendasarinya.
 TAHAP 5: MENENTUKAN
MODEL STRUKTURAL
• Menentukan model pengukuran (yaitu,
menetapkan variabel indikator ke dalam
konstruksi yang harus diwakilinya) merupakan
langkah penting dalam mengembangkan model
SEM.
• Peneliti mengidentifikasi hubungan
ketergantungan yang dihipotesiskan ada di
antara konstruknya.
• Setiap hipotesis mewakili hubungan spesifik
yang harus ditentukan
 TAHAP 6: MENILAI VALIDITAS
MODEL STRUKTURAL

• Tahap terakhir melibatkan upaya untuk menguji

validitas model struktural dan hubungan teoritis
yang dihipotesiskan terkait.
• Jika model pengukuran belum lolos uji reliabilitas
dan validitas pada tahap 4, maka tahap 5 dan 6
tidak dapat dilakukan.
 VALIDITAS MODEL STRUKTURAL
Model Struktural GOF Competitive Fit Menguji Hubungan Struktural
Uji GOF, khususnya χ² GOF, digunakan Tujuan utama dari penilaian ini adalah Kesesuaian model yang baik saja tidak
untuk menilai sejauh mana model memastikan bahwa model yang diusulkan cukup untuk mendukung suatu teori
struktural sesuai dengan data empiris. tidak hanya memiliki fit model yang dapat struktural yang diusulkan. Selain itu,
Dikemukakan bahwa χ² GOF untuk model diterima, tetapi juga unggul dibandingkan peneliti juga harus memeriksa perkiraan
pengukuran akan kurang dari χ² GOF untuk dengan beberapa model alternatif. Jika parameter individual yang mewakili setiap
model struktural dalam kebanyakan model tidak, maka model teoretis alternatif hipotesis spesifik.
SEM konvensional. tersebut lebih didukung.
Terima
Kasih!