Structural Equation Model (SEM) (skripsi dan tesis)

Structural Equation Model (SEM) pertama dikenalkan oleh seorang ilmuwan bernama Joreskog pada tahun 1970. SEM merupakan teknik statistika yang kuat dalam menetapkan model pengukuran dan model struktural [1]. SEM juga didasarkan pada hubungan kausalitas, yakni terjadinya perubahan pada satu variabel berdampak pada perubahan variabel yang lainnya. Sebagai contoh dalam bidang pemasaran, kwalitas barang akan mempengaruhiharga barang, kepuasan konsumen dan sebagainya. Kejadian seperti ini juga banyak terjadi pada penelitian sosial, psikologi, bidang bisnis termasuk Manajemen Sumber Daya Manusia (MSDM), bidang pemasaran (Marketing Research), Pasar Modal, Manajemen KeuanganPerusahaan dan Manajemen secara umum. Oleh karena itu,dalam bidang sosial SEM sangat membantu karena dapat melihat keterkaitan antar variabel yang diteliti [2]. Metode SEM memiliki kemampuan analisis dan prediksi yang lebih baik dibandingkan analisis jalur dan regresi berganda karena SEM mampu menganalisis sampai pada level terdalam terhadap variabel atau model yang dite liti. Metode SEM lebih koprehensif dalam menjelaskan fenomena penelitian. Sementara analisis jalur dan regresi berganda hanya mampu menjangkau level variabel laten sehingga mengalami kesulitan dalam mengurai atau menganilisis fenomena empiris yang terjadi pada levellevel butir atau indikator-indikator variabel laten [3]. Pendugaan parameter pada SEM atau biasa dikenal dengan SEM berbasis Covariance (CB-SEM)biasanya menggunakan metode pendekatan MaximumLikelihood. Pada metode MaximumLikelihood ini dalam mengestimasi model membutuhkan sampel yang besar dan data harus multivariat normal. Pendugaan parameter dengan metode Maximum Likelihood membutuhkan beberapa asumsi kritis seperti ukuran sampel minimal 10 kali banyaknya indikator atau lebih dari 100 unit pengamatan, data menyebar mengikuti sebaran normal. Selain permasalahan asumsi sebaran dan banyaknya data, kendala lain yang dihadapi pemodelan struktural menggunakan Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 3 LISREL (Linear Structural Relations) adalah indikator (variabel manifest) penelitian hanya dimungkinkan bersifat reflektif (variabel laten mempengaruhi variabel manifest) [4]. Pada tahun 1975, Wold menyelesaikan sebuah soft modeling untuk analisis hubungan antara beberapa blok dari variabel teramati pada unit statistik yang sama. Me tode ini dikenal sebagai pendekatan PLS ke SEM (SEM-PLS) atau PLS PathModeling (PLSPM) yang merupakan metode SEM berbasis varian. PLS merupakan metode analisis yang powerful karena dapat diterapkan pada semua skala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar. PLS selain dapat digunakan sebagai konfirmasi teori juga dapat digunakan untuk membangun hubungan yang belum ada landasan teorinya atau untuk pengujian proposisi. PLS juga dapat digunakan untuk pemodelan struktural dengan indikator bersifat reflektif ataupun formatif [4]. MetodeSEM-PLSsudahterdapatdalam programkomputer sepertiLISREL, Smart PLS, Amos,R dan masih banyak yang lainnya. Pada penelitian ini menggunakan program R i386 3.03 untuk menunjukkan seberapa ukuran sampel yang digunakan dalam metode analisis SEM-PLS dengan bantuan bootstrapping serta menunjukkan perbandingan hasil analisis data serdosmenggunakan metode SEM-PLS dengan metode CB-SEM.