Serial Buku : Structural Equation Modeling (SEM) Untuk Penelitian Manajemen dengan AMOS 18.00. Penulis : Prof. Dr. Siswoyo Haryono, MM, MPd. & Dr (c) Parwoto Wardoyo, ST, MM. Penerbit PT Intermedia Personalia Utama Jakarta (Anggota IKAPI), ISBN 978-979-99568-1-1 Tahun 2013. Jumlah halaman 308.

PENGANTAR

            Penulis panjatkan rasa syukur kepada Allah SWT, karena atas izin dan bimbingan-Nya akhirnya buku yang berjudul Structural Equatuon Modeling Untuk Penelitian Manajemen Menggunakan AMOS 18.00 ini dapat hadir ditengah-tengah pembaca. 

            Secara khusus tujuan menulis buku ini untuk ikut berpartisipasi memperkaya khasanah kepustakaan di Indonesia khususnya dalam bidang Structural Equatuon Modeling Untuk Penelitian Manajemen Menggunakan AMOS 18.00 yang hingga saat ini dirasakan masih  sangat langka. Secara umum penulis ingin ikut berpartisipasi mempercepat upaya mencerdaskan kehidupan bangsa.

            Sasaran utama pembaca buku ini adalah para mahasiswa dan dosen program studi ilmu-ilmu Sosial dan Behavioral khususnya Bisnis dan Manajemen baik jenjang Sarjana (S1), Magister (S2) dan Doktor (S3). Sedangkan sasaran berikutnya adalah para peminat teori penelitian dari masyarakat umum lainnya.

            Proses penulisan buku ini dimulai dari mengumpulkan materi mengajar mata kuliah Statistika dan Metodologi Penelitian di beberapa Program Pascasarjana (Magister Manajemen, Magister Pendidikan, Magister Ilmu Pemerintahan dan Program Doktor Ilmu Manajemen) yang penulis lakukan baik perguruan tinggi di Jakarta maupun luar Jakarta.   

            Pada kesempatan ini penulis sampaikan ucapan terima kasih dan penghargaan yang setinggi-tingginya kepada :

1.        Ibu Hj. Rembjuk Kumbijah (Almh.) dan Bpk. H. Paretun Hw. (Alm.) yang telah mendidik penulis hingga dewasa dan bisa seperti sekarang ini.

2.        Istri dan anak-anak penulis yang selalu setia dan memberi motivasi yang luar biasa sehingga selalu mendorong penulis untuk terus berkaya semaksimal dan sebaik mungkin.

3.        Pihak-pihak lain yang tidak disebutkan satu per satu namun telah berjasa dalam penerbitan buku ini.

            Penulis menyadari bahwa buku ini tentu masih belum sempurna. Oleh karenanya, penulis dengan senang hati menerima segala bentuk kritik dan saran untuk perbaikan.

Jakarta, 01 November 2012

Prof. Dr. H. Siswoyo Haryono, MM, M.Pd.

Parwoto Wardoyo, ST, MM

DAFTAR ISI

Kata Pengantar ........................................................................................................	i
Kata Sambutan ……………………………………………………………………	ii
Daftar Isi .................................................................................................................	viii
Daftar Tabel ............................................................................................................	xii
Daftar Gambar ........................................................................................................	xiii

BAGIAN  I  TEORI DAN KONSEP SEM

BAB 1

PENDAHULUAN

A.	Latar Belakang ..............................................................................................	1
B.	Sejarah dan Perkembangan Structural Equation Modeling .........................	3
C.	Manfaat SEM dalam Penelitian ....................................................................	7
D.	Pengertian SEM ............................................................................................	9
E.	Jenis-jenis SEM ............................................................................................	11
	1.     CB-SEM .......................................................................................................	12
	2.     VB-SEM .......................................................................................................	14
F.	Hard Modeling VS Soft Modeling ................................................................	16

BAB 2

ANALISIS MULTI VARIAT

A.	Analisis Statistik Mulivariat .........................................................................	18
B.	Uji Statistik Multivariat ................................................................................	20
C.	Jenis-Jenis Analisis Statistika Multivariat ....................................................	21
	1.        Teknik Dependen ....................................................................................	22
	2.        Teknik Interdependen .............................................................................	23
	3.        Model Struktural .....................................................................................	24

BAB 3

KONSEP DASAR SEM

A.	Orientasi Dalam SEM ...................................................................................	26
B.	Hipotesis Fundamental .................................................................................	28
C.	Prosedur Pengukuran Dan Pengembangan Konstruk ...................................	29
D.	Variabel-variabel dalam SEM ......................................................................	31
	1.        Peranan teori dalam Membangun Variabel dan Kuesioner ....................	32
	2.        Variabel Tersembunyi (Un-observed/Latent ) .......................................	41
	3.        Variabel Teramati/Manifest (Observed ) ...............................................	41
	4.        Variabel Reflektif VS Formatif ..............................................................	41
E.	Konvensi Penulisan & Penggambaran Variabel ...........................................	44
F.	Model dan Kesalahan Pengukuran ...............................................................	48
G.	Model dan Kesalahan Struktural ..................................................................	52
H.	Estimasi Model .............................................................................................	53
I.	Identifikasi Model .........................................................................................	54
J.	Menilai Kriteria Goodness Of Fit .................................................................	65
K.	Asumsi Dasar SEM .......................................................................................	69

BAB 4

ANALISIS JALUR DAN SEM

A.	Sejarah dan Perkembangan Analisis Jalur (Path Analysis) ........................	72
B.	Model Korelasi, Regresi, Diagram Jalur  dan Struktural ...........................	75
	1.        Model Korelasi ....................................................................................	75
	2.        Model Regresi ......................................................................................	77
	3.        Model Analisis Jalur (Path Analysis) ..................................................	81
	4.        Model Struktural ..................................................................................	82
C.	Resume Beberapa Model Analisis .............................................................	85
D.	Menyusun Model Analisis Jalur ................................................................	86
	1.        Model Regresi Beganda .......................................................................	89
	2.        Model Mediasi .....................................................................................	89
	3.        Model Kombinasi Pertama dan Kedua ................................................	90
	4.        Model Kompleks .................................................................................	90
	5.        Model Rekursif dan Non Rekursif .......................................................	91
E.	Uji Hipotesis Analisis Jalur ........................................................................	92

BAB 5

ANALISIS FAKTOR KONFIRMATORI

A.	CFA VS EFA .............................................................................................	96
B.	First Order Confirmatory ..........................................................................	98
	1.     Analisis Satu Faktor Confirmatory .......................................................	98
	2.     Analisis Dua Faktor Confirmatory .......................................................	101
C.	Second Order CFA .....................................................................................	103
D.	Uji Kelayakan ............................................................................................	105
E.	Uji Signifikansi Parameter .........................................................................	108
F.	Squared Multiple Correlation (R2) ............................................................	109
G.	Respesifikasi Model ...................................................................................	109

BAB 6

PROSEDUR SEM

A.	Bentuk Umum SEM ...................................................................................	112
B.	Spesifikasi Model .......................................................................................	114
C.	Identifikasi Model ......................................................................................	117
	1.        Under-Identified Model ......................................................................	119
	2.        Just-Identified Model ..........................................................................	119
	3.        Over-Identified Model ........................................................................	119
D.	Estimasi Model ..........................................................................................	119
E.	Uji Kecocokan (Assessment of Fit) ............................................................	120
	1.        Kecocokan Keseluruhan Model ..........................................................	120
	2.        Kecocokan Model Pengukuran ...........................................................	131
	3.        Kecocokan Model Struktural ..............................................................	133
F.	Respesifikasi / Modifikasi dan Strategi Pemodelan ...................................	133

BAGIAN  II  TUTORIAL SEM DENGAN AMOS VERSI 18.00

BAB 7

MENGOPERASIKAN AMOS UNTUK ANALISIS SEM

A.	Instalasi Program AMOS versi 18.00 ........................................................	136
B.	Memulai AMOS 18.00 ...............................................................................	137
C.	Layar Kerja dan Bagian-Bagian dari Menu Utama AMOS 18.00 .............	138
	1.        Menu File .............................................................................................	138
	2.        Menu Edit ............................................................................................	141
	3.        Menu View ..........................................................................................	141
	4.        Menu Diagram .....................................................................................	146
	5.        Menu Analyze ......................................................................................	146
	6.        Menu Tool ...........................................................................................	147
	7.        Menu Plugins .......................................................................................	148
	8.        Menu Help ...........................................................................................	148
	9.        Menu Toolbox .....................................................................................	149
D.	Langkah Analisis Menggunakan AMOS 18.00 .........................................	154
	1.        Mengambar Diagram Jalur dengan AMOS 18.00 ...............................	154
	2.        Mengambar Diagram Jalur Variabel Laten .........................................	156
	3.        Menggambar Diagram Full Model ......................................................	162
	4.        Format Data File untuk Input AMOS 18.00 ........................................	163

BAB 8

CONTOH APLIKASI AMOS 18.00 UNTUK ANALISIS REGRESI LINEAR

DAN JALUR

A.	Analisis Regresi Berganda ...........................................................................	167
	1.     Aplikasi AMOS 18.00 Untuk Regresi Berganda ....................................	168
	2.     Aplikasi SPSS Versi 20.00 Untuk Regresi Berganda ………………….	177
B.	Analisis Regresi Bivariate ............................................................................	179
	1.     Aplikasi AMOS 18.00 Dalam Analisis SEM Untuk Regresi Bivariat.....................................................................................................	180
	2.     Text Output AMOS 18.00 .......................................................................	181
C	Analisis Jalur (Path Analysis) ......................................................................	182
	1.        Aplikasi AMOS 18.00 Dalam Analisis SEM Untuk Analisis Jalur…..	182
	2.        Text Output AMOS 18.00 .....................................................................	184

BAB 9

CONTOH ANALISIS FAKTOR KONFIRMATORI (CFA)

A.	Contoh CFA dan Respesifikasi karena Heywood Case .............................	188
B.	Contoh CFA 1st Order ................................................................................	200
C.	Contoh CFA 2nd Order ...............................................................................	205

BAB 10

MODEL SEM DENGAN COMPOSITE INDICATOR (INDIKATOR

TUNGGAL KOMPOSIT)

A.	Pendahuluan ...............................................................................................	215
B.	Langkah Penyusunan Indikator Komposite ...............................................	216
C.	Contoh Kasus .............................................................................................	222

BAB 11

CONTOH ANALISIS SEM DALAM PENELITIAN MENGGUNAKAN

AMOS 18.00

A.	Judul Penelitian ..........................................................................................	229
B.	Perumusan Masalah ...................................................................................	229
C.	Tujuan Penelitian .......................................................................................	230
D.	Kerangka Pemikiran ...................................................................................	230
E.	Hipotesis Penelitian ....................................................................................	230
F.	Metode Penelitian ......................................................................................	231
	1.        Populasi dan Sampel ...........................................................................	231
	2.        Definisi Konseptual, Operasional, Dimensi, Kisi-Kisi Instrumen ......	232
G.	Teknik Analisis Data ..................................................................................	239
	1.        Analisis Deskriftif ...............................................................................	239
	2.        Analisis Inferensial Statistik Dengan Analisis SEM ...........................	239
H.	Pengujian Hipotesis ....................................................................................	294
I.	Pengaruh Langsung, Tidak Langsung & Pengaruh Total ..........................	296
J.	Pembahasan ................................................................................................	297
K.	Kesimpulan, Implikasi & Saran .................................................................	302

Daftar Bacaan

306

DAFTAR TABEL

1.1.	Jenis-jenis Software SEM …………………………………...…….	10
1.2.	Jenis SEM dan Contoh Software yang Sesuai …………...………..	11
1.3.	Kriteria Penggunaan CB-SEM, PLS-SEM dan GSCA …………....	15
2.1.	Kesalahan di dalam Uji Hipotesis …………………………………	20
2.2.	Jenis Teknik Mulivariate Dependen ………………………………	22
2.3.	Jenis Teknik Multivariat Interdependen …………………………..	24
3.1.	Kisi-kisi Produktivitas Kerja  …………………………………......	37
3.2.	Kuesioner  Produktivitas Kerja …………………………………....	37
3.3.	Kisi-kisi Kepemimpinan Partisipatif ……………………………...	39
3.4.	Kuesioner Kepemimpinan Partisipatif …………………………….	40
4.1.	Perbedaan Antara Regresi Dan Korelasi ………………………….	79
4.2.	Rangkuman Model: Korelasi, Regresi, Path Analysis, dan Struktural ………………………………………………………….	85
4.3.	Korelasi Awal dan Korelasi Dari Analisis Jalur…………………...	94
6.1.	Perbandingan Ukuran-ukuran GOF ……………………………….	130
7.1.	Kisi-Kisi Konstruk Penelitian ……………………………………..	158
9.1.	Model Pengukuran dengan Notasi LISREL ……………………....	190
9.2.	Goodness Of Fit Index. ……………………………………………	200
9.3.	Hasil Pengujian Model CFA 1st Order Konstruk Eksogen. .............	204
9.4.	Hasil Pengujian Model_5 CFA 2st Order Konstruk Eksogen. .........	214
11.1.	Populasi  Penelitian ………………………………………………	231
11.2.	Sampel  Penelitian ………………………………………………...	232
11.3.	Kisi-kisi Instrumen Pengembangan Karier ......................................	234
11.4.	Kisi-kisi Instrumen  Sertifikasi Auditor ...........................................	235
11.5.	Kisi-kisi Instrumen  Motivasi Kerja ................................................	237
11.6.	Kisi-kisi Instrumen Kinerja Auditor ………………………………	238
11.7.	Goodness Of Fit Index ………………………………………………….	240
11.8.	Hasil Pengujian Model_5 CFA Konstruk Eksogen .........................	248
11.9.	Hasil Pengujian Model_2 CFA Konstruk Endogen .........................	257
11.10.	Goodness Of Fit Index ……………………………………………….....	257
11.11.	Hasil Pengujian Full Model_4 ……………………………………	281
11.12.	Assessment of normality (Group number 1) ……………………....	283
11.13.	Evaluasi Outliers …………………………………………………	285
11.14.	Hasil uji Reliabilitas Konstruk …………………………………….	288
11.15.	Korelasi antar Konstruk dan Akar Kuadrat AVE Konstruk ………	291
11.16.	Regression Weights: (Group number 1 - Default model) …………	291
11.17.	Pengaruh Langsung ………………………………………………..	293
11.18.	Pengaruh Tidak Langsung ………………………………………	293
11.19.	Pengaruh Total ……………………………………………………	294

DAFTAR GAMBAR

1.1.	Contoh Model Struktural. …………………………………………	5
1.2.	Skematik Diagram Langkah-langkah  Model SEM ……………….	6
1.3a.	Diagram Model Regresi Linear Berganda………………………....	8
1.3b.	Diagram SEM ……………………………………………………..	8
1.4.	Variabel (Konstruk) Laten Kepemimpinan Dengan  Indikator Bersifat Reflektif ………………………………………………….	13
1.5.	Variabel (Konstruk) Laten Status Sosial Ekonomi Dengan  Indikator Bersifat Formatif. ………………………………………	13
2.1.	Jenis Data Statistik Berdasarkan Jumlah Variabel ………………..	19
3.1.	Pencocokan Model terhadap Data …………………………….......	28
3.2.	Prosedur Pengukuran dan Pengembangan Konstruk………………	31
3.3.	Model Regresi Ganda …………………………………………......	33
3.4.	Korelasi Antar Variabel Independen ……………………………...	33
3.5.	Model Kualitas Pelayanan-Regresi Ganda ………………………..	34
3.6.	Model Kualitas Pelayanan-Analisis Jalur …………………………	35
3.7.	Konstruk Produktivitas Kerja ……………………………………..	38
3.8.	Dimensi Kepemimpinan Partisipatif ................................................	39
3.9.	Kepemimpinan Partisipatif ..............................................................	40
3.10.	Indikator Reflektif vs Formatif ……………………………………	42
3.11.	Model Analisis Jalur……………………………………………….	46
3.12.	Full Model Struktural ……………………………………………...	47
3.13.	Variabel laten TRUST dengan tiga indikatornya …………………	49
3.14.	Variabel laten SATISFACTION dengan empat indikatornya …….	50
3.15.	Variabel laten LOYALTY dengan tiga indikatornya ……………..	50
3.16.	Single measurement model. …………………………………………….	51
3.17.	Multidimensional model. ……………………………………………….	51
3.18.	Struktural Model …………………………………………………..	52
4.1a.	Correlated Path Model. ………………………………………………...	74
4.1b.	Mediated Path Model. …………………………………………………..	75
4.1c.	Independent Path Model. ………………………………………………	75
4.2a.	Korelasi Negatif Sempurna. ……………………………………….	76
4.2b.	Korelasi Positif Sempurna. ………………………………………..	76
4.2c.	Tidak Ada Korelasi. ……………………………………………....	76
4.34.	Model Korelasi Sederhana (Simple Correlation). ………………...	77
4.3b.	Korelasi Ganda (Multiple Correlation). …………………………..	77
4.4.	Hubungan Antar Variabel. ……………………………………......	78
4.5.	Diagram Jalur Hubungan kausal X1, X2, X3, ke Y dan Z. ……….	83
4.5a.	Gambar Sub Struktur Satu. ……………………………………….	83
4.5b.	Gambar Sub Struktur Dua. ………………………………………..	84
4.6.	Model Analisis Jalur. ……………………………………………...	87
4.7.	Model Regresi Berganda. …………………………………………	89
4.8.	Model Mediasi. …………………………………………………...	89
4.9.	Model Kombinasi Pertama dan Kedua. …………………………..	90
4.10.	Model Kompleks. …………………………………………………	90
4.11.	Model Rekursif ……………………………………………………	91
4.12.	Contoh model hipotesis analisis jalur …………………………….	92
4.13.	Koefisien analisis jalur. …………………………………………...	93
5.1.	Model analisis satu faktor konfirmatori. ………………………….	99
5.2.	Model pengukuran konstruk produktivitas. ………………………	101
5.3.	Model analisis dua faktor konfirmatori. …………………………..	102
5.4.	Model analisis dua faktor konfirmatori yang berkorelasi.  ……….	102
5.5.	Analisis faktor konfirmatori tingkat kedua. ………………………	104
5.6.	Model Analisis Faktor Confirmatori Tingkat Kedua……………...	105
5.7.	Respesifikasi model satu variabel laten. ………………………….	111
5.8.	Respesifikasi model dua variabel laten. …………………………	111
6.1.	SEM dengan Satu variabel Eksogen. ……………………………	113
6.2.	SEM dengan DuaVariabel Eksogen ………………………………	113
6.3.	SEM  Dengan Dua Variabel Eksogen Yang Berkorelasi. ………	113
6.4.	SEM Dengan Satu Variabel Eksogen Intermediasi. ……………...	114
6.5.	SEM Dengan duaVariebel Eksogen, Intermediasi/Intervening dan Endogen dan Berkorelasi. ………………………………………...	114
6.6.	SEM yang Bersifat Resiprokal (Kausalaitas). …………………….	114
6.7.	Model Pengukuran Konstruk Unidimensional dengan Indikator Reflektif. …………………………………………………………..	115
6.8.	Model Pengukuran Konstruk Unidimensional dengan Indikator Formatif. …………………………………………………………..	116
6.9.	Model Struktural dengan Konstruk Unidimensional. …………….	116
6.10.	Model Pengukuran Konstruk Multidimensional. …………………	117
6.11.	Model Struktural dengan Konstruk Multidimensional……………	117
7.1.	Tampilan Amos Graphic. …………………………………………	138
7.2.	Menu Utama AMOS………………………………………………	138
7.3.	Tampilan Menu File……………………………………………….	139
7.4.	Tampilan Save As. ………………………………………………..	139
7.5.	Tampilan Open. …………………………………………………...	140
7.6.	Menu Edit. ………………………………………………………...	141
7.7.	Menu View. ……………………………………………………….	141
7.8.	Interface Properties (Page Layout). ………………………….....	142
7.9.	Layar Kerja Model Portrait. ……………………………………...	142
7.10.	Layar Kerja Model Landscape. …………………………………...	143
7.11.	Tampilan Analysis Properties. ……………………………………	143
7.12.	Tampilan Object Properties dengan tidak ada Object yang ditunjuk……………………………………………………………	145
7.13.	Tampilan Object Properties Object yang ditunjuk. …………….	145
7.14.	Menu Diagram…………………………………………………….	146
7.15.	Menu Analyze. ……………………………………………………	146
7.16.	Menu Tools. ………………………………………………………	147
7.17.	Tampilan Figure Caption. ………………………………………...	147
7.18.	Menu Plugins. ………………………………………………….....	148
7.19.	Menu Help. ………………………………………………………..	148
7.20.	Toolbox …………………………………………………………...	149
7.21.	Tombol model dasar atau model input. …………………………...	153
7.22.	Model Analisis Jalur. ……………………………………………..	156
7.23.	Diagram Jalur Variabel Kepemimpinan…………………………...	158
7.24.	Diagram Jalur Variabel Pengembangan Karir……………………..	160
7.25.	Diagram Jalur Variabel Sertifikasi Auditor………………………..	160
7.26.	Diagram Jalur Variabel Motivasi Kerja…………………………...	161
7.27.	Diagram Jalur Variabel Kinerja Auditor…………………………..	161
7.28.	Diagram Full Model Awal………………………………………...	162
7.29.	Diagram Full Model Awal dengan tampilan uji GOFI……………..	163
7.30.	Data mentah dengan skala Likert dalam Format Excel. ………….	164
7.31.	Data mentah dengan sekala Likert dalam Format SPSS…………..	164
7.32.	Data interval hasil tranformasi dari data katagori dalam format Excel………………………………………………..	165
7.33.	Data covarian matrik dalam format Excel. ……………………….	166
7.34.	Data corelasi matrik dalam format Excel……………………….	166
9.1.	Diagram CFA 1st Order Konstruk Eksogen………………………	201
9.2.	Diagram CFA 1st Order Konstruk Eksogen (Unstandardized)…….	201
9.3.	Diagram CFA 1st Order Konstruk Eksogen (Standardized)………	202
9.4.	Model Awal CFA 2nd Order Konstruk Eksogen..............................	205
9.5.	Model_1 CFA 2nd Order Konstruk Eksogen (Unstandardized).......	206
9.6.	Model_2 CFA 2nd Order Konstruk Eksogen (Unstandardized).......	206
9.7.	Model_3 CFA 2nd Order Konstruk Eksogen (Unstandardized).......	207
9.8.	Model_4 CFA 2nd Order Konstruk Eksogen (Unstandardized).......	210
9.9.	Model_5 CFA 2nd Order Konstruk Eksogen (Unstandardized).......	211
10.1.	Variabel Laten Kepuasan Konsumen……………………………...	216
10.2a.	Model Variabel Laten Kepuasan Konsumen dengan Indikator Tunggal Komposite……………………………..	220
10.2b.	Model Variabel Laten Kepuasan Konsumen dengan Indikator Tunggal Komposite……………………………..	220
10.2c.	Model Variabel Laten Kepuasan Konsumen dengan Indikator Tunggal Komposite ………………………….....	221
10.3a.	Full Structural Model …………………………………………..	222
10.3b.	Full Structural Model…………………………………………...	224
10.4a.	Full Structural Model …………………………………………..	226
10.4b.	Full Structural Model …………………………………………..	227
11.1.	Model Teoritik Penelitian. ………………………………………..	230
11.2.	Dimensi Pengembangan Karir. …………………………………...	233
11.3.	Dimensi Sertifikasi Auditor. ……………………………………...	235
11.4.	Dimensi Motivasi Kerja. ………………………………………….	236
11.5.	Dimensi Kinerja. …………………………………………………	238
11.6.	Model_1 CFA Konstruk Eksogen ………………………………...	240
11.7.	Model_2 CFA Konstruk Eksogen ………………………………...	241
11.8.	Model_3 CFA Konstruk Eksogen ………………………………...	241
11.9.	Model_4 CFA Konstruk Eksogen ………………………………...	245
11.10.	Model_5 CFA Konstruk Eksogen ………………………………...	245
11.11.	Model_1 CFA Konstruk Endogen ………………………………..	248
11.12.	Model_2 CFA Konstruk Endogen………………………………...	253
11.13.	Model_3 CFA Konstruk Endogen ………………………………..	257
11.14.	Full Model_1 ……………………………………………………...	262
11.15.	Full Model_2 ……………………………………………………...	267
11.16.	Full Model_3 ……………………………………………………...	273
11.17a.	Full Model_4 (Unstandardized) …………………………………..	279
11.17b.	Full Model_4 (Standardized)……………………………………	279

BAB 1

                  PENDAHULUAN

Sub-Bab	Pembahasan
A.	Latar Belakang.
B.	Sejarah dan Perkembangan Structural Equation Modeling.
C.	Manfaat SEM dalam Penelitian.
D.	Pengertian SEM.
E.	Jenis-jenis SEM.
	1.    CB-SEM.
	2.    VB-SEM.
F.	Hard Modeling VS Soft Modeling.

A.       Latar Belakang.

Secara naluri, sifat dasar manusia ingin terus maju dan berkembang guna mencapai kualitas kehidupan yang lebih baik. Hal ini juga terjadi dalam dunia penelitian. Para ahli ilmu-ilmu sosial atau behavioral termasuk manajemen secara pragmatis terus mengembangkan metode penelitian yang dapat digunakan untuk mendapatkan kualitas hasil penelitian yang lebih baik, sempurna, cepat, akurat, efektif dan efisien.

Sejak awal dekade 1950-an, para ahli dalam bidang ahli ilmu-ilmu sosial atau behavioral termasuk manajemen telah mengembangkan sebuah metode penelitian yang disebut Structural Equation Modeling (SEM). Pada awalnya, metode SEM hanya bagus pada tataran konsepsi. Metode SEM pada saat itu masih belum bisa dioperasionalisasikan karena keterbatasan teknologi. Dengan pesatnya perkembangan teknologi komputer, metode SEM saat ini menjadi semakin dikenal dan banyak digunakan dalam penelitian behavioral dan manajemen.

Metode SEM merupakan perkembangan dari analisis jalur (path analysis) dan regresi berganda (multiple regression) yang sama-sama merupakan bentuk model analisis multivariat (multivariate analysis). Dalam analisis yang bersifat asosiatif, multivariate-korelasional atau kausal-efek, metode SEM seakan mematahkan dominasi penggunaan analisis jalur dan regresi berganda yang telah digunakan selama beberapa dekade sampai dengan sebelum memasuki tahun 2000-an.

Dibandingkan dengan analisis jalur dan regresi berganda, metode SEM lebih unggul karena dapat menganalisis data secara lebih komporehensif. Analisis data pada analisis jalur dan regresi berganda hanya dilakukan terhadap data total score variabel yang merupakan jumlah dari butir-butir instrumen penelitian. Dengan demikian, analisis jalur dan regresi berganda sebenarnya hanya dilakukan pada tingkat variabel laten (unobserved). Sedangkan analisis data pada metode SEM bisa menusuk lebih dalam karena dilakukan terhadap setiap score butir pertanyaan sebuah instrumen variabel penelitian. Butir-butir instrumen dalam analisis SEM disebut sebagai variabel manifes (observed) atau indikator dari sebuah konstruk atau variabel laten.

Metode SEM memiliki kemampuan analisis dan prediksi yang lebih hebat (stronger predicting power) dibandingkan analisis jalur dan regresi berganda karena SEM mampu menganalisis sampai pada level terdalam terhadap variabel atau konstruk yang diteliti. Metode SEM lebih koprehensif dalam menjelaskan fenomena penelitian. Sementara analisis jalur dan regresi berganda hanya mampu menjangkau level variabel laten sehingga mengalami jalan buntu untuk mengurai dan menganalisis fenomena empiris yang terjadi pada level butir-butir atau indikator-indikator  dari variabel laten.

Dilihat dari data yang digunakan, analisis jalur dan regresi berganda  sejatinya hanya menjangkau kulit luar sebuah model penelitian. Sedangkan metode SEM dapat diibaratkan mampu menjangkau sekaligus mengurai dan menganalisis isi perut terdalam sebuah model penelitian. Metode SEM diharapkan mampu menjawab kelemahan dan kebuntuan yang dihadapi metode multivariat generasi sebelumnya, yaitu analisis jalur dan regresi berganda.

Perkembangan metode SEM menjadi semakin signifikan dalam praktek penelitian sosial, behavioral dan manajemen seiring dengan kemajuan teknologi informasi. Banyak metode statistik multivariat yang pada tahun 1950-an sulit dioperasionalisasikan secara manual, seperti analisis faktor, regresi berganda yang lebih dari tiga variabel bebas, analisis jalur dan analisis diskriminan berangsur-angsur menjadi niscaya karena ditemukannya program-program komputer seperti : SPSS (Statistical Package for Social Science), Minitab, Prostat, QSB, SAZAM, dll.

Metode SEM saat ini diperkirakan sebagai metode multivariate yang paling dominan. Program komputer yang saat ini dapat digunakan untuk mengolah data pada penelitian metode SEM diantaranya AMOS, LISREL, PLS, GSCA, dan TETRAD .

Fokus pembahasan buku ini adalah teori-teori atau konsep-konsep metode SEM serta contoh-contoh aplikasinya dengan bantuan program komputer AMOS versi 18.00. Setelah diuraikan secara seksama teori dan konsep metode SEM pada Bagian I, pada Bagian II buku ini diberikan contoh aplikasi atau tutorial.  

Untuk membantu para pembaca menginstalasi program AMOS versi 18.00, penulis menyertakan copy dalam bentuk CD software installer AMOS versi 18.00. Keping CD tersebut juga diisi seluruh file data yang digunakan untuk tutorial dan latihan dalam buku ini. Dengan demikian pembaca dapat mencoba latihan secara mandiri (self study) dengan menggunakan data dan beberapa contoh latihan yang tersedia dalam CD tersebut.

B.       Sejarah dan Perkembangan Structural Equation Modeling .

Latan (2012 : 1) menjelaskan terciptanya piranti lunak (software) Structural Equation Modeling (SEM) berawal dari dikembangkannya analysis covariance oleh Joreskog (1973), Keesling (1972) dan Wiley (1973). Software SEM pertama yang dihasilkan adalah LISREL (Linear Structural Relationship) oleh Karl Joreskog dan Dag Sorbom (1974). Tujuan utama dari pekembangan software SEM waktu itu untuk menghasilkan suatu alat analisis yang lebih powerful dan dapat menjawab berbagai masalah riset yang lebih substantif dan komprehensif.

Menurut Ghozali (2008 : 3) SEM merupakan gabungan dari dua metode statistik yang terpisah yaitu analisis faktor (factorial analysis)  yang dikembangkan dalam psikologi dan psikometri serta model persamaan simultan (simultaneous equation modeling) yang dikembangkan dalam ekonometrika.

Analisis faktor pertama kali diperkenalkan oleh Galton (1869) dan Pearson (1904). Penelitian Spearman (1904) mengembangkan model analisis faktor umum. Berkaitan dengan penelitian struktur kemampuan mental, Spearman menyatakan bahwa uji interkorelasi antar kemampuan mental dapat menentukan faktor kemampuan umum dan faktor-faktor kemampuan khusus.

Penelitian yang dilakukan Spearman (1904), Thomson (1956) dan Vernon (1961) yang dikenal dengan Teori Analisis Faktor British (British School of Factor Analysis) kemudian pada tahun 1930 perhatian bergeser pada penelitian Thurston et. al. dari Universitas Chicago.

Pada tahun 1950-an dan 1960-an analisis faktor mendapatkan popularitas di kalangan peneliti dan dikembangkan oleh tokoh yang terkenal Joreskog (1967) dan Joreskog dan Lawley (1971) yang menggunakan pendekatan Maximum Likelihood (ML). Pendekatan ML ini memungkinkan peneliti menguji hipotesis bahwa ada sejumlah faktor yang dapat menggambarkan interkorelasi antar variabel. Dengana cara meminimumkan fungsi ML maka diperoleh Likelihood Ratio Chi-Square Test untuk menguji hipotesis bahwa model yang diuji hipotesisnya adalah sesuai atau fit dengan data.

Perkembangan lebih lanjut menghasilkan Analisis Faktor Konfirmatori (Confirmatory Factor Analysis) yang memungkinkan pengujian hipotesis jumlah faktor dan pola loading-nya. Analisis faktor eksploratori dan konfirmatori merupakan analisis kuantitatif yang sangat populer di bidang penelitian ilmu sosial.

Model persamaan struktural adalah gabungan analisis faktor dan analisis jalur (path analysis) menjadi satu metode statistik yang komprehensif. Analisis jalur sebagai cikal bakal persamaan struktural bermula dari penelitian Sewll Wright (1918, 1921, 1934, dan 1960) dalam bidang biometrika. Wright mampu menunjukkan korelasi antar variabel dapat dihubungkan dengan parameter dari suatu model yang digambarkan dengan diagram jalur (path diagram). Kontribusi Wright selanjutnya adalah model persamaan yanag dihasilkan dapat digunakan untuk mengestimasi pengaruh langsung, tidak langsung dan total. Aplikasi pertama analisis jalur oleh Wright secara statistik ekuivalen dengan analisis faktor yang dikembangkan Spearman.

Perkembangan lebih lanjut persamaan struktural terjadi di bidang ekonometrika yang menggambarkan model matematik suatu fenomena ekonomi oleh Haavelmo (1943). Haavelmo mengembangkan persamaan struktural interdependent  antar variabel ekonomi dengan menggunakan sistem persamaan simultan. Model yang dikembangkan Haavelmo adalah :

y = By + Ѓx + ξ

y            =   vektor variabel endogeneous (dependent)

x            =   vektor variabel exogenous (independent)

ξ            =   vektor gangguan (error of disturbance)

B dan Ѓ =   koefisien matrik

Agenda lebih lanjut dari persamaan simultan ini dikembangkan dalam Cowles Commission for Research in Economics yang berkumpul di University of Chicago tahun 1945. Kelompok diskusi ini menghasilkan persamaan simultan dengan metode estimasi maximum likelihood (ML).

Dari uraian di atas jelaslah bahwa model persamaan struktural merupakan gabungan dari model persamaan simultan diantara variabel laten. Menurut Joreskog (1973) dalam Ghozali (2008 : 5) model umum persamaan struktural terdiri dari dua bagian, yaitu :

a.    Bagian pengukuran yang menghubungkan observed variabel ke latent variabel melalui model faktor komfirmatori.

b.    Bagian struktural yang menghubungkan antar latent variabel melalui sistem persamaan simultan.

Estimasi terhadap parameter model menggunakan maximum likelihood (ML). Jika tidak terdapat kesalahan pengukuran di dalam observed variabel, maka model tersebut menjadi model persamaan simultan yang dikembangkan dalam ekonometrika. 

Berikut disajikan contoh model persamaan struktural yang diambilkan dari salah satu hasil penelitian Manajemen Sumber Daya Manusia (MSDM) dengan judul : “Pengaruh Kepemimpinan dan Kompensasi terhadap Motivasi Kerja Serta Implikasinya pada Kinerja Pegawai”.

Gambar 1.1. Contoh Model Struktural.

 Gambar 1.1. adalah contoh model persamaan struktural yang memiliki empat variabel laten yaitu : Kepemimpinan, Kompensasi, Motivasi Kerja dan Kinerja Pegawai. Semua variabel disebut variabel laten (latent) atau konstruk (construct) yaitu variabel yang tidak dapat diukur secara langsung. Oleh karenanya, variabel laten atau konstruk juga disebut un-observed variabel.

Model struktural tersebut memiliki dua persamaan yaitu persamaan sub-struktur dan persamaan struktural. Persamaan sub-struktur terdiri dari dua variabel exogen (Kepemimpinan & Kompensasi) dan satu variabel endogen (Motivasi Kerja).

Sedangkan persamaan struktural terdiri dari dua variabel exogen (Kepemimpinan & Kompensasi), dan dua variabel endogen (Motivasi Kerja & Kinerja Pegawai). Motivasi Kerja dalam persamaan struktural diatas berperan sebagai variabel mediasi atau intervening karena memiliki anteseden (variabel yang mendahului) dan konsekuen (variabel yang mengikuti).

Variabel disebut exogen (independent) jika posisi variabel dalam diagram model struktural tidak didahului oleh variabel sebelumnya (predecesor). Sedangkan variabel endogen (dependent) adalah posisi variabel dalam diagram model struktural didahului oleh posisi variabel sebelumnya.

Pada Gambar 1.1. terdapat satu variabel intervening atau intermediating yaitu Motivasi Kerja. Posisi variabel ini memiliki variabel predecesor (variabel sebelumnya) yaitu Kepemimpinan dan Kompensasi, serta memiliki satu variabel konsekuen (variabel sesudahnya) yaitu Kinerja Pegawai.

Secara umum, steps atau tahapan-tahapan dalam praktek penelitian yang menggunakan persamaan struktural dalam ilmu-ilmu sosial-behavioral dan manajemen dapat dijelaskan dalam sekematik diagram berikut :

Gambar 1.2. Skematik Diagram Langkah-langkah  Model SEM.

Dalam membuat sebuah model persamaan struktural atau SEM, langkah pertama adalah mengkaji berbagai teori dan literatur yang merupakan temuan-temuan terdahulu yang relevan (previous relevan facts finding). Dari kajian dan sintesis teori serta temuan-temuan sebelumnya lalu disusunlah model persamaan struktural. Langkah ini disebut membuat spesifikasi model persamaan struktural.

Kurniawan dan Yamin (2011 : 3) menyatakan landasan awal analisis SEM adalah sebuah teori yang secara jelas terdefinisi oleh peneliti. Landasan teori tersebut kemudian menjadi sebuah konsep keterkaitan antar vaiabel. Hubungan kausalitas antara variabel laten (unobserved) tidak ditentukan oleh analisis SEM, melainkan dibangun oleh landasan teori yang mendukungnya. Dapat dikatakan bahwa analisis SEM berguna untuk mengkonfirmasi suatu bentuk model berdasarkan data empiris yang ada.

Hasil yang diharapkan dari analisis teori adalah menentukan definisi konseptual dan operasional untuk menyusun instrumen penelitian yang akan digunakan untuk mengukur variabel latent. Hasil dari proses pada tahap ini dapat digunakan untuk mengembangkan questionaire atau instrumen penelitian

Persamaan struktural yang digambarkan oleh diagram jalur (path analysis) adalah representasi teori. Jadi jalur-jalur yang menghubungkan antar variabel latent pada persamaan struktural merupakan manifestasi atau perwujudan teori-teori yang telah dikaji sebelumnya.

Setelah didapatkan spesifikasi model dan questionnaires langkah selanjutnya adalah menentukan sampel dan pengukurannya. Setelah itu peneliti melakukan estimasi terhadap parameter model. Pada tahap ini dapat dilakukan estimasi terhadap setiap variabel, baru diikuti model struktural atau model keseluruhan (full model). Kemudian lakukan pengujian kesesuaian model (goodness of fit test). Jika masih dihasilkan model yang belum fit, maka lakukan modifikasi atau respesifikasi model.

Dengan proses iterasi yang terus menerus, akhirnya dapat dihasilkan model yang paling sesuai atau fit. Selanjutnya dilakukan pengujian terhadap hipotesis yang diajukan dan menarik kesimpulan. Langkah terakhir adalah melakukan pembahasan.

C.       Manfaat SEM dalam Penelitian.

Secara umum, SEM dapat  digunakan untuk menganalisis model penelitian yang memiliki beberapa variabel independen (exogen) dan dependen (endogen) serta variabel moderating  atau intervening.

Secara lebih spesifik menurut Latan (2012 : 7), Ghozali (2008b : 1), Jogiyanto (2011 : 48) dan Wijaya (2009 : 1) SEM memberikan beberapa manfaat dan keuntungan bagi para peneliti, diantaranya :  

a.    Membangun model penelitian dengan banyak variabel.

b.    Dapat meneliti variabel atau konstruk yang tidak dapat teramati atau tidak dapat diukur secara langsung (unobserved ).

c.    Menguji kesalahan pengukuran (measurement error) untuk variabel atau konstruk yang teramati (observed ).

d.    Mengkonfirmasi teori sesuai dengan data penelitian (Confirmatory Factor Analysis).

e.    Dapat menjawab berbagai masalah riset dalam suatu set analisis secara lebih sistematis dan komprehensif.

f.     Lebih ilustratif, kokoh dan handal dibandingkan model regresi ketika memodelkan interaksi, non-linieritas, pengukuran error, korelasi error terms, dan korelasi antar variabel laten independen berganda.

g.    Digunakan sebagai alternatif analisis jalur dan analisis data runtut waktu (time series) yang berbasis kovariat.

h.    Melakukan analisis faktor, jalur dan regresi.

i.      Mampu menjelaskan keterkaitan variabel secara kompleks dan efek langsung maupun tidak langsung dari satu atau beberapa variabel terhadap variabel lainnya.

j.      Memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dengan data.

Contoh beberapa manfaat yang diperoleh dengan menggunakan metode SEM dapat dilihat dari Gambar 1.3. berikut :

Gambar 1.3.a. Diagram Model Regresi Linear Berganda.

                                   

Gambar 1.3.b. Diagram SEM.

Pada Gambar 1.3.a. seorang peneliti dapat menyelesaikan analisis hanya dengan satu kali regresi linear berganda. Sedangkan untuk Gambar 1.3.b. jika seorang peneliti masih tetap ingin menggunakan analisis regresi berganda, maka ia harus membuat sekurangnya dua persamaan regresi untuk menyelesaikannya.

Namun jika peneliti menggunakan  SEM maka hanya dibutuhkan satu kali estimasi untuk meyelesaikan analisis model persamaan tersebut. Analisis dapat menggunakan metode estimasi Maximum Likelihood (ML), Generalized Least Squares (GLS), Weighted Least Squares (WLS) atau Asymptotically Disribution Free (ADF). Hal ini bisa terjadi karena SEM memiliki keunggulan dibanding teknis analisis multivariat biasa seperti analisis faktor, analisis diskriminan, regresi linear berganda, dan lain-lain.

D.       Pengertian SEM.

Ghozali (2008c : 3) menjelaskan model persamaan struktural (Structural Equation Modeling) adalah generasi kedua teknik analisis multivariat yang memungkinkan peneliti menguji hubungan antar variabel yang komplek baik recursive maupun non-recursive untuk memperoleh gambaran yang komprehensif mengenai keseluruhan model. SEM dapat menguji secara bersama-sama :

1.    Model struktural : hubungan antara konstruk independen dengan dependen.

2.    Model measurement : hubungan (nilai loading) antara indikator dengan konstruk (laten ).

Digabungkannya pengujian model struktural dengan pengukuran tersebut memungkinkan peneliti untuk :

1.    Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tidak terpisahkan dari SEM.

2.    Melakukan analisis faktor bersamaan dengan pengujian hipotesis.

Pada saat ini SEM telah banyak digunakan dalam berbagai bidang ilmu seperti : marketing, SDM, behavioral science, psikologi, ekonomi, pendidikan dan ilmu-ilmu sosial lainnya. SEM dikembangkan sebagai jalan keluar dari berbagai kesulitan atau keterbatasan analisis multivariat. Pada perkembangan selanjutnya, SEM banyak digunakan dalam penelitian akademis baik pada tingkat sarjana (S-1), magister (S-2) maupun doktor (S-3).

Maruyama (1998) dalam Wijaya (2001 : 1) menyebutkan SEM adalah sebuah model statistik yang memberikan perkiraan perhitungan dari kekuatan hubungan hipotesis diantara variabel dalam sebuah model teoritis, baik langsung atau melalu variabel antara (intervening or moderating ). SEM adalah model yang memungkinkan pengujian sebuah rangkain atau network  model yang lebih rumit.

Latan (2012 : 5) mengutip pendapat Chin (1988), Gefen et.all. (2000),  Kirby dan Bolen (2009), Gefen et.all. (2011), Pirouz (2006) yang mengatakan bahwa model persamaan struktural (Structural Equation Modeling) adalah teknik analisis multivariat generasi kedua yang menggabungkan analisis faktor dan jalur sehingga memungkinkan peneliti menguji dan mengestimasi secara simultan hubungan antara multiple exogeneous dan endogeneous  dengan banyak indikator. 

SEM sudah diperkenalkan sejak setengah abad yang lalu dan saat ini tersedia banyak piranti lunak komputer (software) yang dapat digunakan. Beberapa software yang tersedia untuk umum di pasaran, diantaranya dapat dilihat pada Tabel 1.1. berikut :

Tabel 1.1. Jenis-jenis Software SEM.

No	Nama Software	Penemu
1	AMOS(Analysis of Moment Structures)	Arbuckle
2	CALIS(Covaiance Analysis and Linear structural Equations)	Hartman
3	COSAN	Fraser
4	EQS(Equations)	Bentler
5	GSCA  (Generalized Structural Component Analysis)	Hwang dan Tukane
6	LISCOMP(Linear Structural Equations with Comprehensive Measurement Model)	Muthen
7	LISREL(Linear Structural Relationship)	Karl G. Joreskog and Dag Sorbon
8	LVPLS	Lahmoller
9	MECOSA	Arminger
10	MPLUS	Muthen and Muthen
11	TETRAD	Glaymour, Scheines, Spirtes dan Kelly
12	SMART PLS	Ringle, Wende dan Will
13	VISUAL PLS	Fu, Park
14	WARP PLS	Kock
15	SPAD PLS	Test and Go
16	REBUS PLS	Trinchera dan Epozito Vinci
17	XLSTAT	Addinsoft Country: France
18	NEUSREL	Buckler
19	PLS GRAPH	Chin
20	PLS GUI	Li
21	RAM	Mc Ardle dan McDonald
22	RAMONA(Recticular Action Model or Near Approximation)	Browne dan Mels
23	SEPATH(SEM and Path Analysis)	Steiger

Sumber: Diringkas oleh penulis dari berbagai sumber bacaan.

Software SEM yang banyak digunakan di Indonesia pada saat ini diantaranya AMOS, LISREL, TETRAD, PLS dan GCSA. Pemilihan software SEM sebagai alat bantu analisis tentu saja harus ditentukan oleh peneliti sebelum digunakan agar hasilnya sesuai dengan yang diharapkan. Hal ini menjadi penting karena jenis-jenis software SEM memiliki persyaratan atau spesifikasi dan ketentuan yang harus sesuai dengan karakteristik model SEM yang dikembangkan.

Pertimbangan utama dalam pemilihan atau penggunaan software adalah jenis SEM yang dianalisis. Secara garis besar terdapat dua jenis SEM, yaitu :

1.    SEM  berbasis kovarian (Covariance Based SEM) yang sering disebut sebagai CB-SEM, dan

2.    SEM berbasis komponen atau varian (Component atau Varian Based – SEM) yang sering disebut sebagai VB-SEM.

Karena terdapat dua jenis SEM, maka peneliti harus benar-benar memahami beberapa persyaratan dalam penggunaan jenis software SEM sehingga hasil pengolahan compatible atau sesuai dan akurat.

Tabel 1.2. di bawah ini menjelaskan jenis-jenis SEM dan software komputer yang cocok untuk digunakan :

Tabel 1.2. Jenis SEM dan Contoh Software yang Sesuai.

Jenis SEM	Software Yang Sesuai
Covariance Based (CB-SEM)	AMOS
	LISREL
	EQS
	M-plus
Variance/Component Based (VB-SEM)	TETRAD
	PLS-PM
	GSCA
	PLS-Graph
	Smart- PLS
	Visual-PLS

E.       Jenis-jenis SEM.

Seperti yang telah diungkapkan diatas, secara garis besar metode SEM dapat digolongkan menjadi dua jenis, yaitu SEM berbasis covariance atau Covariance Based Structural Equation Modeling (CB-SEM) dan SEM berbasis varian atau komponen / Variance atau Component Based SEM (VB-SEM) yang meliputi Partial Least Square (PLS) dan Generalized Structural Component Analysis (GSCA).

Menurut Berenson dan Levin (1996 : 120), Ghozali (2008c : 25) dan Kurniawan dan Yamin (2009 : 13) varian adalah penyimpangan data dari nilai mean (rata-rata) data sampel. Variance mengukur penyimpangan data dari nilai mean suatu sampel, sehingga merupakan suatu ukuran untuk variabel-variabel metrik. Secara matematik, varians adalah rata-rata perbedaan kuadrat antara tiap-tiap observasi dengan mean, sehingga varians adalah nilai rata-rata kuadrat dari standar deviasi. Suatu variabel pasti memiliki varians yang selalu bernilai positif, jika nol maka bukan variabel tapi konstanta.

Sedangkan covariances menurut Newbold (1992 : 16) menunjukkan hubungan linear yang terjadi antara dua variabel, yaitu X dan Y. Jika suatu variabel memiliki hubungan linear positif, maka kovariannya adalah positif. Jika hubungan antara X dan Y berlawanan, maka kovariannya adalah negatif. Jika tidak terdapat hubungan antara dua variabel X dan Y, maka kovariannya adalah nol.

1.    Covariance Based Structural Equation Modeling (CB-SEM).

SEM berbasis covariance (Covariance Based SEM atau CB-SEM) dikembangkan pertama kali oleh Joreskog (1973), Keesling (1972) dan Wiley (1973). Menurut Ghozali (2008b : 1) CB-SEM mulai populer setelah tersedianya program LISREL III yang dikembangkan oleh Joreskog dan Sorbom pada pertengahan tahun 1970-an. Dengan menggunakan fungsi Maximum Likelihood (ML), CB-SEM berusaha meminimumkan perbedaan antara covariance matrix sampel dengan covariance matrix prediksi oleh model teoritis sehingga proses estimasi menghasilkan residual covariance matrix yang nilainya kecil mendekati nol. Beberapa hal yang perlu diperhatikan dalam analaisis CB-SEM diantaranya :

a.    Asumsi penggunaan CB-SEM seperti analisis parametrik. Asumsi yang harus dipenuhi yaitu variabel yang diobservasi harus memiliki multivariate normal distribution serta observasi harus independen satu sama lain. Jika sample kecil dan tidak asimptotik akan memberikan hasil estimasi paramater dan model statistik yang tidak baik atau bahkan menghasilkan varian negatif yang disebut Heywood Case.

b.    Jumlah sampel yang kecil secara potensial akan menghasilkan kesalahan Tipe II yaitu model yang jelek masih menghasilkan model yang  fit.

c.    Analisis CB-SEM mengharuskan bentuk variabel laten yang indikator-indikatornya bersifat reflektif. Dalam model reflektif, indikator atau manifest dianggap variabel yang dipengaruhi oleh variabel laten sesuai dengan teori pengukuran klasik. Pada model indikator reflektif, indikator-indikator pada suatu konstruk (variabel laten) dipengaruhi oleh konsep yang sama. Perubahan dalam satu item atau indikator akan mempengaruhi perubahan indikator lainnya dengan arah yang sama.

Gambar 1.4. di bawah ini adalah contoh-contoh gambar variabel laten kepemimpinan dengan indikator reflektif. Perhatikan arah panah dalam gambar menjauh dari variabel laten kepemimpinan menuju masing-masing dimensi atau indikator : demokratis, autoktatis dan laizez-faire.

Gambar 1.4. Variabel (Konstruk) Laten Kepemimpinan

Dengan  Indikator Bersifat Reflektif.

Menurut kenyataan yang sesungguhnya indikator dapat dibentuk dalam bentuk formatif. Dalam model formatif, indikator dipandang sebagai variabel yang mempengaruhi variabel laten. Indikator formatif tidak sesuai dengan teori klasik atau model analisis faktor. Contoh variabel formatif yang diberikan oleh Cohen et.al. (1970) dalam Ghozali (2008b : 3) adalah variabel laten Status Sosial Ekonomi (SSE) dengan indikator-indikator : pendidikan, prestise pekerjaan dan pendapatan. Dalam variabel laten SSE ini, jika salah satu indikator meningkat maka variabel SSE akan meningkat pula. Contoh variabel formatif lain adalah variabel laten Stress dengan indikator-indikator : kehilangan pekerjaan, perceraian dan kematian dalam keluarga.

Gambar 1.5. di bawah ini adalah contoh contoh gambar variabel laten Status Sosial Ekonomi (SSE) dengan indikator formatif. Perhatikan arah panah dalam gambar menuju pusat dari variabel laten Status Sosial Ekonomi (SSE) dimensi atau indikator : pendidikan, prestise pekerjaan dan pendapatan.

Gambar 1.5. Variabel (Konstruk) Laten Status Sosial Ekonomi

Dengan Indikator Bersifat Formatif.

Menggunakan model indikator formatif dalam CB-SEM akan menghasilkan model yang unidentified yang berarti terdapat covariance bernilai nol diantara beberapa indikator. Teori dalam analisis CB-SEM berperan sangat penting. Hubungan kausalitas model struktural dibangun atas teori dan CB-SEM hanya ingin mengkonfirmasi apakah model berdasarkan teori tidak berbeda dengan model empirisnya.

CB-SEM memiliki beberapa keterbatasan diantaranya jumlah sampel yang harus besar, data harus terdistribusi secara multivariat normal, indikator harus bersifat reflektif, model harus berdasarkan teori, adanya indeterminasi. Untuk mengatasi keterbatasan-keterbatasan itu maka dikembangkanlah SEM berbasis komponen atau varian yang disebut Partial Least Square (PLS).

2.    Variance atau Component Based SEM (VB-SEM).

a.      PLS-SEM.

Secara umum, PLS-SEM bertujuan untuk menguji hubungan prediktif antar konstruk dengan melihat apakah ada hubungan atau pengaruh antar konstruk tersebut. Konsekuensi logis penggunaan PLS-SEM adalah pengujian dapat dilakukan tanpa dasar teori yang kuat, mengabaikan beberapa asumsi (non-parametrik) dan parameter ketepatan model prediksi dilihat dari nilai koefisien determinasi (R²). PLS-SEM sangat tepat digunakan pada penelitian yang bertujuan mengembangkan teori.

b.      GSCA.

GSCA menggabungkan karakteristik yang terdapat pada CB-SEM dan PLS-SEM . GSCA dapat meng-handle variabel laten dengan banyak indikator sama seperti PLS-SEM, mensyaratkan kriteria goodness of fit model serta indikator dan konstruknya harus berkorelasi seperti CB-SEM. Menurut Latan (2012 : 10) metode GSCA sampai saat ini jarang digunakan secara luas oleh para peneliti karena metode ini relatif masih baru.

GSCA memiliki tujuan yang sama dengan PLS-SEM, tidak mensyaratkan asumsi multivariate normality data, dan bisa dilakukan pengujian tanpa dasar teori yang kuat dengan jumlah sampel yang kecil.

Pada prinsipnya seorang peneliti yang akan menggunakan model persamaan struktural harus terlebih dahulu mengetahui atau menentukan alat analisis apa yang akan digunakan. Tabel 1.3. di bawah menjelaskan pedoman pengunaan jenis SEM apakah CB-SEM, PLS-SEM atau GCSA.

 Tabel 1.3. Kriteria Penggunaan CB-SEM, PLS-SEM dan GSCA.

NO	KRITERIA	CB-SEM	PLS-SEM	GSCA
1	Tujuan Penelitian	Untuk menguji teori atau mengkonfirmasi teori (orientasi parameter)	Untuk mengembangkan teori atau membangun teori (orientasi prediksi)	Untuk mengembangkan atau membangun teori (orientasi prediksi)
2	Pendekatan	Berdasarkan covariance	Berdasarkan variance	Berdasarkan variance
3	Spesifikasi Model Pengukuran	Mensyaratkan adanya error terms dan indikator hanya berbentuk reflective.(indikator bisa juga berbentuk formatif tetapi memerlukan prosedur yang kompleks)	Indikator dapat berbentuk formative dan reflective serta tidak mensyaratkan adanya error terms	Indikator dapat berbentuk reflective dan formative serta dapat dilakukan spesifikasi model
4	Model Struktural	Model dapat berbentuk recursive dan non-recursive dengan tingkat kompleksitas kecil sampai menengah	Model dengan kompleksitas besar dengan banyak konstruk dan banyak indikator	Model dengan kompleksitas besar dengan banyak konstruk dan banyak indikator
5	Karakteristik Data dan Alogaritma	Mensyaratkan jumlah sampel yang besar dan asumsi multivariate normality terpenuhi (parametrik)	Jumlah sampel dapat kecil dan bisa dilanggarnya asumsi multivariate normality (non-parametik)	Jumlah sampel dapat kecil dan tidak mensyaratkan asumsi multivariate normality (non-parametik)
6	Evaluasi Model	Mensyaratkan terpenuhinya kriteria goodness of fit sebelum estimasi parameter	Estimasi parameter dapat langsung dilakukan tanpa persyaratan kriteria goodness of fit	Mensyaratkan terpenuhinya kriteria goodness of fit untuk evaluasi model
7	Pengujian Signifikansi	Model dapat diuji dan difalsifikasi	Tidak dapat diuji dan difalsifikasi	Tidak dapat diuji dan difalsifikasi
8	Software Error	Sering bermasalah dengan inadmissible dan faktor indeterminacy	Relatif tidak menghadapi masalah (crashing) dalam proses iterasi model	Sering bermasalah dengan inadmissible dan faktor indeterminacy
9	Besar sample	Kekuatan analisis didasarkan pada model spesifik-minimal direkomendasikan berkisar dari 200 sampai 800	Kekuatan analisis didasarkan pada porsi dari model yang memiliki jumlah prediktor terbesar. Minimal direkomendasikan berkisar dari 30 sampai 100 kasus	-
10	Asumsi	Multivariate normal distribution, independence observation	Spesifisik prediktor (nonparametric)	-
11	Implikasi	Optimal untuk ketepatan parameter	Optimal untuk ketepatan prediksi	-
12	Estimasi Parameter	Konsisten	Konsisten sebagai indikator dan sample size meningkat (consistency at large)	-
13	Kompleksitas Model	Kompleksitas kecil sampai menengah (kurang dari 100 indikator)	Kompleksitas besar (100 konstruk dan 1000 indikator)	-
14	Skore Variabel Laten	Indeterminate	Secara eksplisit di estimasi	-

Sumber : Diolah penulis diambil dari berbagai sumber bacaan.

F.        Hard Modeling VS Soft Modeling.

Menurut Ghozali (2010 : 7) model Covariance-Based SEM (CB-SEM) sering disebut Hard-Modeling, sedangkan Component-based atau Variance-based modeling disebut Soft-Modeling. Hard modeling bertujuan memberikan pernyataan tetang hubungan kausalitas atau memberikan deskripsi mekanisme hubungan kausalitas (sebab-akibat). Hal ini memberikan gambaran yang ideal secara ilmiah dalam analisis data.

Namun demikian, data yang akan dianalisis tidak selalu memenuhi kriteria ideal sehingga tidak dapat dianalisis dengan hard modeling. Sebagai solusinya, soft modeling mencoba menganalisis data yang tidak ideal. Secara harafiah, soft sebenarnya memiliki arti lunak atau lembut, namun dalam kontek penelitian soft diartikan sebagai tidak mendasarkan pada asumsi skala pengukuran, distribusi data dan jumlah sampel. Tujuan utama analisis dengan  hard modeling adalah menguji hubungan kausalitas antar  yang sudah dibangun berdasarkan teori, apakah model dapat dikonfirmasi dengan data empirisnya. Sedangkan tujuan utama analisis soft modeling bertujuan mencari hubungan linear prediktif antar konstruk laten. Perlu dipahami bahwa hubungan kausalitas atau estimasi tidak sama dengan hubungan prediktif.

Pada hubungan kausalitas, CB-SEM mencari invariant parameter yang secara struktural atau fungsional menggambarkan bagaimana sistem di dunia ini bekerja. Invariant parameter menggambarkan hubungan kausalitas antar variabel dalam sistem tertutup (closed system) sehingga kejadian yang ada dapat dikendalikan secara penuh.

Sedangkan pada Partial Least Square, Variance atau Component-Based SEM, hubungan linear yang optimal antar  laten dihitung dan diinterpretasikan sebagai hubungan prediktif terbaik yang tersedia dengan segala keterbatasan yang ada. Sehingga kejadian yang ada tidak dapat dikendalikan secara penuh.

Jika data yang akan dianalisis memenuhi semua asumsi yang dipersyaratkan oleh CB-SEM, maka sebaiknya peneliti menganalisis data dengan hard modeling menggunakan Software yang sesuai, seperti AMOS, LISREL, dll. Jika data tidak memenuhi semua asumsi yang dipersyaratkan namun peneliti tetap menggunakan analisis hard modeling atau CB-SEM, maka beberapa masalah yang mungkin akan dihadapi adalah :

a.    Terjadi im-proper solution atau solusi yang tidak sempurana, karena adanya Heywood Case, yaitu gejala nilai varian yang negatif.

b.    Model menjadi un-identified karena terjadi faktor indeterminacy.

c.    Non-convergence algorithm.

Bila kondisi di atas terjadi dan kita masih ingin menganalisis data, maka tujuan kita rubah bukan mencari hubungan kausalitas antar variabel, tapi mencari hubungan linear prediktif optimal dengan menggunakan Component atau Variance Based-SEM.

Menurut Jogiyanto (2011 : 38) berdasarkan tujuannya riset empiris paradigma kuantitatif dapat dibagi menjadi dua, yaitu estimasi dan prediksi.

Riset estimasi adalah riset yang bertujuan untuk menguji suatu model empiris dengan pengukur-pengukur yang valid dan reliabel. Pengujian dan pengukuran dilakukan pada level indikator. Hipotesis yang diuji adalah hipotesis model. Kriteria pengukuran untuk menguji kelayakan model disebut goodness of fit test. Untuk tujuan riset estimasi, CB-SEM adalah teknik yang tepat untuk digunakan.

Riset prediksi adalah riset yang bertujuan untuk menguji pengaruh antar  konstruk untuk memprediksi hubungan sebab akibat. Pengujian dan pengukuran dilakukan pada level konstruk atau variabel laten. Hipotesis yang dilakukan pada umumnya hipotesis parsial. Kriteria pengujian parsial dengan uji signifikansi prediksi hubungan antar variabel dengan menggunakan uji t-statistik. Teknik PLS-SEM dan regresi adalah pilihan teknik statistik yang tepat untuk digunakan.

Jadi Component atau Vaiance Based SEM (PLS dan GSCA) hanya digunakan jika data yang kita miliki tidak dapat diselesaikan dengan Covariance-Based SEM (CB-SEM).

Dalam buku yang sedang anda baca ini, Component atau Vaiance Based SEM (PLS dan GSCA) tidak dibanyak dibahas lebih lanjut. Buku ini lebih banyak membahas Covariance-Based SEM (CB-SEM).

 Ikuti tampilan Bab-bab selanjutnya pada publikasi serial berikutnya...