Kontributor: Nailul Farih | Diulas dan disetujui: Umi Hanik | Tanggal: 07 Agustus 2021
A. Structural Equation Modeling (SEM)?
Structural Equation Modeling (SEM) adalah pendekatan statistik yang komprehensif untuk mewakili, memperkirakan, dan menguji secara teoritis hubungan linier antara variabel yang diamati (diukur) dan variabel yang tidak diamati (laten). Pendekatan ini bertujuan untuk memahami pola korelasi/kovarians di antara sekumpulan variabel dan untuk menjelaskan sebanyak mungkin variansnya dengan model yang ditentukan.
B. Pendalaman Structural Equation Modeling (SEM)
Jika dibandingkan dengan statistik tradisional, SEM memiliki beberapa perbedaan, diantaranya:
- SEM adalah pendekatan yang sangat fleksibel dan komprehensif. Pendekatan ini cocok untuk meneliti tentang pencapaian, tren ekonomi, masalah kesehatan, dinamika keluarga dan teman sebaya, konsep diri, olahraga, efikasi diri, depresi, psikoterapi, dan fenomena lainnya;
- Metode tradisional menentukan model default sedangkan SEM membutuhkan spesifikasi formal dari model yang akan diestimasi dan diuji. SEM tidak menawarkan model default dan menempatkan beberapa batasan pada jenis hubungan apa yang ditentukan. Spesifikasi model SEM mengharuskan peneliti untuk mendukung hipotesis dengan teori atau penelitian dan menentukan derajat hubungannya;
- SEM adalah teknik multivariat yang menggabungkan variabel yang diamati (diukur) dan tidak diamati (konstruk laten) sedangkan teknik tradisional hanya menganalisis variabel yang diukur. Beberapa persamaan diselesaikan secara bersamaan untuk menentukan estimasi parameter dengan pendekatan SEM;
- SEM memungkinkan peneliti untuk mengenali kesenjangan dari parameter yang ada. SEM dianggap menjawab tantangan pendekatan tradisional;
- Analisis tradisional memberikan uji signifikansi langsung untuk menentukan perbedaan kelompok, hubungan antar variabel, atau jumlah varians yang dijelaskan. SEM tidak memberikan tes langsung untuk menentukan model yang tepat. Sebaliknya, strategi terbaik untuk mengevaluasi ketepatan model adalah dengan melalui beberapa uji (misalnya, chi-square, Comparative Fit Index (CFI), Bentler-Bonett Nonnormed Fit Index (NNFI), Root Mean Squared Error of Approximation (RMSEA));
- SEM menyelesaikan masalah multikolinearitas. Beberapa ukuran diperlukan untuk menggambarkan variabel laten (yang tidak teramati); dan
- Visualisasi tersedia untuk menggambarkan hubungan yang kompleks dalam SEM, yakni: spesifikasi model, diagram, dan himpunan persamaan.
Meskipun memiliki beberapa perbedaan, SEM juga memiliki persamaan dengan metode statistik tradisional, seperti korelasi, regresi dan analisis varians dalam banyak hal. Lalu, baik metode tradisional maupun SEM didasarkan pada model statistik linier. Selain itu, uji statistik yang terkait dengan kedua metode tersebut valid jika asumsi tertentu terpenuhi. Metode tradisional mengasumsikan distribusi normal dan SEM mengasumsikan normalitas multivariat.
Dalam melakukan analisis SEM, peneliti dapat menggunakan beberapa proses berikut:
- Meninjau teori dan literatur penelitian yang relevan untuk mendukung spesifikasi model;
- Menentukan model (misalnya, diagram, persamaan);
- Menentukan identifikasi model (misalnya, jika nilai unik dapat ditemukan untuk estimasi parameter; jumlah derajat kebebasan, df, untuk pengujian model adalah positif);
- Memilih ukuran untuk variabel yang diwakili dalam model;
- Mengumpulkan data;
- Melakukan analisis statistik deskriptif awal (misalnya, penskalaan, data yang hilang, masalah kolinearitas, deteksi outlier);
- Memperkirakan parameter dalam model;
- Menilai kecocokan model;
- Tentukan ulang model jika bermakna; dan
- Menafsirkan dan menyajikan hasil.
Referensi:
Suhr, D. (2021). The Basics of Structural Equation Modeling. University of Northern Colorado. Retrived on August 2021, from https://www.lexjansen.com/wuss/2006/tutorials/TUT-Suhr.pdf
#Monitoring #Evaluasi #Monev #StructuralEquationModeling