Pengertian SEM
Structural Equation Modeling (SEM) merupakan teknik analisis multivariat yang umum dan sangat bermanfaat yang meliputi versi-versi khusus dalam jumlah metode analisis lainnya sebagai kasus-kasus khusus, SEM merupakan juga teknik statistik yang digunakan untuk membangun dan menguji model statistik yang biasanya dalam bentuk model-model sebab akibat, dimana SEM sebenarnya merupakan teknik hibrida yang meliputi aspek-aspek penegasan (Confirmatory) dari analisis faktor, analisis jalur dan regresi yang dapat dianggap sebagai kasus khusus dalam SEM.
Dalam perkembangannya SEM mempunyai fungsi mirip dengan regresi berganda, sekalipun nampaknya SEM menjadi suatu teknik analisis yang lebih kuat karena mempertimbangkan pemodelan interaksi, nonlineritas, variable-variabel bebas yang berkorelasi (Correlated independents), kesalahan pengukuran, gangguan kesalahan-kesalahan yang berkorelasi (Correlated error terms), beberapa variabel bebas laten (Multiple latent independents) dimana masing-masing diukur dengan menggunakan banyak indikator, dan satu atau dua variabel tergantung laten yang juga masing-masing diukur dengan beberapa indikator.
Dimana program komputer saat ini dapat digunakan untuk mengolah data pada penelitian dengan metode SEM diantaranya AMOS, LISREL, PLS, GSCA, dan TETRAD.
Pada umumnya terdapat dua jenis tipe atau model SEM yang biasa dan familiar dikenal secara luas, yaitu Covariance Based Structural Modeling (CB-SEM) dan Partial Least Squares Path Modeling (PLS-SEM) yang sering disebut variance atau component based structural equation modeling. CB-SEM diwakili oleh suatu Software seperti AMOS, EQS, LISREL, Mplus. Sedangkan untuk PLS-SEM diwakili oleh Software seperti PLS-Graph, SmartPLS, VisualPLS, dan XLSTAT-PLS.
CB-SEM DAN PLS-SEM
Secara umum CB-SEM bertujuan untuk mengestimasi dari model structural dengan berdasarkan teori yang kuat untuk menguji hubungan kausalitas antar konstruk serta mengukur kelayakan model dan mengkonfirmasi sesuai dengan data empiris¬¬-nya. Sederhananya penggunaan CB-SEM menuntut dengan basis teori yang kuat, dan dapat memenuhi berbagai asumsi parameter dan memenuhi uji kelayakan model (Goodness of Fit).
Sedangkan PLS-SEM bertujuan untuk menguji suatu hubungan prediktif antara konstruk dengan melihat apakah ada hubungan antara pengaruh antar konstruk tersebut. PLS-SEM juga merupakan metode SEM dengan berbasis varian yang didesain untuk menyelesaikan persoalan yang tidak dapat dilakukan oleh CB-SEM seperti sampel kecil, data tidak berdistribusi normal secara multivariate, adanya missing value, dan adanya masalah multikolinearitas antara variabel eksogen. Dimana PLS-SEM juga digunakan sebagai alternatif CB-SEM untuk menjawab berbagai masalah riset dalam suatu set analisis secara sistematis dan komprehensif.
Dari penjelasan diatas dapat diambil kesimpulan bahwa SEM memiliki karakteristik yang bersifat sebagai teknik analisis untuk menegaskan (Confirm) daripada untuk menerangkan.
Fungi SEM
Beberapa fungsi dari SEM diantaranya ialah:
- Memungkinkan adanya asumsi-asumsi yang lebih fleksibel.
- Penggunaan analisis faktor penegasan (Confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten.
- Daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis.
- Kemungkinan adanya pengujian model secara keseluruhan daripada koefisien-koefisien secara sendiri-sendiri.
- Kemampuan untuk menguji model dengan menggunakan beberapa variabel tergantung.
- Kemampuan untuk membuat model terhadap variabel-variabel perantara.
- Kemampuan untuk membuat model gangguan kesalahan (Error term).
- Kemampuan untuk menguji koefisien-koefisien diluar antara beberapa kelompok subyek.
- Kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
Variabel pada SEM dibagi menjadi variabel laten dan variabel manifest seperti yang dijelaskan dibawah ini :
A. Variabel laten
Variabel laten disebut pula dengan istilah unobserved variable, konstruk atau kontruk laten, yaitu variabel yang tidak dapat diukur secara langsung, kecuali diukur dengan variable manifest. Variabel laten ini digambarkan dengan ikon lingkaran atau oval atau elips. Variable laten dibedakan menjadi dua bagian, yaitu :
- Variabel laten/konstruk Eksogen (variabel independent), yaitu variabel yang mempengaruhi nilai dari variabel lain dalam model.
- Variabel laten/konstruk Endogen (variabel dependent), yaitu variabel yang dipengaruhi secara langsung maupun tidak langsung oleh variabel eksogen.
B. Variabel manifest
Variabel manifest adalah variabel yang digunakan untuk menjelaskan atau mengukur sebuah variabel laten. Variabel manifest sering juga disebut dengan istilah observed variabel, measured variable atau indikator yang digambarkan dengan ikon persegi panjang. Variabel manifest adalah variabel yang datanya harus dicari melalui penelitian lapangan. Indikator atau variabel manifest setiap variabel laten yang digunakan harus ≥ 3 untuk meminimalkan kesalahan pengukuran.
Dalam sebuah model SEM, sebuah variabel laten dapat berfungsi sebagai variabel eksogen atau variabel endogen. Variabel eksogen adalah variabel independen yang mempengaruhi variabel dependen. Pada model SEM, variabel eksogen ditunjukkan dengan adanya anak panah yang berasal dari variabel tersebut menuju ke variabel endogen. Variabel endogen adalah variabel dependen yang dipengaruhi oleh variabel independen (eksogen). Dalam model SEM, variabel endogen ditunjukkan dengan adanya anak panah yang menuju variabel tersebut.
Dalam sebuah model SEM, sebuah variabel dependen dapat saja menjadi variabel independen untuk variabel yang lain.
