Selasa, 23 April 2019

Langkah-Langkah Analisis Structural Equation Modeling/SEM (skripsi dan tesis)

Langkah-langkah pemodelan persamaan struktural berbasis PLS dengan software adalah sebagai berikut :
1. Langkah Pertama: Merancang Model Struktural (inner model)
Perancangan model struktural hubungan antar variabel laten pada PLS didasarkan pada rumusan masalah atau hipotesis penelitian.
2. Langkah Kedua: Merancang Model Pengukuran (outer model)
Perancangan model pengukuran (outer model) dalam PLS sangat penting karena terkait dengan apakah indikator bersifat refleksif atau formatif.
3. Langkah Ketiga: Mengkonstruksi diagram Jalur
Bilamana langkah satu dan dua sudah dilakukan, maka agar hasilnya lebih mudah dipahami, hasil perancangan inner model dan outer model tersebut, selanjutnya dinyatakan dalam bentuk diagram jalur.
4. Langkah Keempat: Konversi diagram Jalur ke dalam Sistem Persamaan
a. Outer model
Outer model, yaitu spesifikasi hubungan antara variabel laten dengan indikatornya, disebut juga dengan outer relation atau measurement model, mendefinisikan karakteristik konstruk dengan variabel manifesnya
b) Inner model
Inner model, yaitu spesifikasi hubungan antar variabel laten (structural model), disebut juga dengan inner relation, menggambarkan hubungan antar variabel laten berdasarkan teori substansif penelitian. Tanpa kehilangan sifat umumnya, diasumsikan bahwa variabel laten dan indikator atau variabel manifest diskala zero means dan unit varian sama dengan satu, sehingga parameter lokasi (parameter konstanta) dapat dihilangkan dari model
c) Weight relation
Weight relation, estimasi nilai kasus variabel latent.
Langkah Kelima: Estimasi
Metode pendugaan parameter (estimasi) di dalam PLS adalah metode kuadrat terkecil (least square methods). Proses perhitungan dilakukan dengan cara iterasi, dimana iterasi akan berhenti jika telah tercapai kondisi konvergen.
Pendugaan parameter di dalam PLS meliputi 3 hal, yaitu :
1) Weight estimate digunakan untuk menciptakan skor variabel laten
2) Estimasi jalur (path estimate) yang menghubungkan antar variabel laten dan
estimasi loading antara variabel laten dengan indikatornya.
3) Means dan lokasi parameter (nilai konstanta regresi, intersep) untuk indikator dan variabel laten.
Langkah Keenam: Goodness of Fit
a). Outer Model
Convergent validity
Korelasi antara skor indikator refleksif dengan skor variabel latennya. Untuk hal ini loading 0.5 sampai 0.6 dianggap cukup, pada jumlah indikator per konstruk tidak besar, berkisar antara 3 sampai 7 indikator.
Discriminant validity Membandingkan nilai square root of average variance extracted (AVE) setiap konstruk dengan korelasi antar konstruk lainnya dalam model, jika square root of average variance extracted (AVE) konstruk lebih besar dari korelasi dengan seluruh konstruk lainnya maka dikatakan memiliki discriminant validity yang baik. Direkomendasikan nilai pengukuran harus lebih besar dari 0.50.
Kelompok Indikator yang mengukur sebuah variabel memiliki reliabilitas komposit yang baik jika memiliki composite reliability ≥ 0.7, walaupun bukan merupakan standar absolut.

b). Inner model
Goodness of Fit Model diukur menggunakan R-square variabel laten dependen dengan interpretasi yang sama dengan regresi; Q-Square predictive relevance untuk model struktural, megukur seberapa baik nilai onservasi dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square > 0 menunjukkan model memiliki predictive relevance; sebaliknya jika nilai Q-Square ≤ 0 menunjukkan model kurang memiliki predictive relevance. Pogen dalam model persamaan.
Besaran Q2 memiliki nilai dengan rentang 0 < Q2 < 1, dimana semakin mendekati 1 berarti model semakin baik. Besaran Q2 ini setara dengan koefisien determinasi total pada analisis jalur (path analysis). Rm
7. Langkah Ketujuh: Pengujian Hipotesis
Pengujian hipotesis (β, γ, dan λ) dilakukan dengan metode resampling Bootstrap yang dikembangkan oleh Geisser & Stone. Statistik uji yang digunakan adalah statistik t atau uji t, dengan hipotesis statistik sebagai berikut:
Hipotesis statistik untuk outer model adalah:
H0 : λi = 0 lawan
H1 : λi ≠ 0
Sedangkan hipotesis statistik untuk inner model: pengaruh variabel laten eksogen terhadap endogen adalah
H0 : γi = 0 lawan
H1 : γi ≠ 0
Sedangkan hipotesis statistik untuk inner model: pengaruh variabel laten endogen terhadap endogen adalah
H0 : βi = 0 lawan
H1 : βi ≠ 0
Penerapan metode resampling, memungkinkan berlakunya data terdistribusi bebas (distribution free), tidak memerlukan asumsi distribusi normal, serta tidak memerlukan sampel yang besar (direkomendasikan sampel minimum 30). Pengujian dilakukan dengan t-test, bilamana diperoleh p-value ≤ 0,05 (alpha 5 %), maka disimpulkan signifikan, dan sebaliknya. Bilamana hasil pengujian hipotesis pada outter model signifikan, hal ini menunjukkan bahwa indikator dipandang dapat digunakan sebagai instrumen pengukur variabel laten. Sedangkan bilamana hasil pengujian pada inner model adalah signifikan, maka dapat diartikan bahwa terdapat pengaruh yang bermakna variabel laten terhadap variabel laten lainnya.

Tidak ada komentar: