Pengolahan Data Statistik SEM



Pengolahan data statistik menggunakan Structural Equation Model (SEM), menurut Fonnel (Ghozali, 2006: 1) menyatakan manfaat utama SEM dibandingkan dengan generasi pertama multivariate seperti principal component analysis, factor analysis, discrimant analysis, atau multiple regression. SEM memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dan data. Berdasarkan pendapat ini, maka dapat dikemukakan alasan penggunaan Analisis SEM untuk mengolah hasil penelitian adalah berikut :

Pertama, hipotesis yang diuji adalah Hipotesis Teoritik yang dinyatakan dengan landasan teori sehingga tercantum sejumlah variabel menifes yang dikembangkan dari dimensi-dimensi pada masing-masing variabel penelitian.

Kedua, dengan metode Analisis SEM akan dapat diungkapkan keeratan hubungan variabel-varabel manifes pada masing-masing variabel laten. Keeratan hubungan inilah yang merefleksikan besarnya pengaruh variabel eksogen (variabel bebas) terhadap variabel endogen (variabel tergantung).

Ketiga, dengan terungkapnya kontribusi keeratan hubungan variabel-variabel manifes pada masing-masing variabel laten, maka selanjutnya dapat dilakukan pendekatan analisis deskriptif menurut masing-masing variabel menifes yang merujuk pada indikator-indikator penelitian yang tercakup pada masing-masing dimensi.

Pengolahan data menggunakan Structural Equation Model (SEM), menurut Fonnel (dalam Ghozali, 2006: 1) menyatakan manfaat utama SEM dibandingkan dengan generasi pertama multivariate seperti principal component analysis, factor analysis, discrimant analysis, atau multiple regression. SEM memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dan data.

Wijanto (2007:34) menunjukkan bahwa secara umum prosedur SEM menurut Bollen dan Long, 1993) mengandung tahap-tahap berikut :
  1. Spesifikasi model (model specification). Tahap ini berkaitan dengan pembentukan model awal persamaan struktural, sebelum dilakukan estimasi. Model awal ini diformulasikan berdasarkan suatu teori atau penelitian sebelumnya.
  2. Identifikasi (identification). Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan simultan tidak ada solusinya.
  3. Estimasi (estimation). Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menuggunakan salah satu motode estimasi yang tersedia. Pemilihan motode estimasi yang digunakan seringkali ditentukan berdasarkan karakteristik dari variabel-variabel yang dianalisis.
  4. Uji Kecocokan (testing fit). Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa kriteria ukuran kecocokan atau Googness Of Fit (GOF) dapat digunakan untuk melaksanakan langkah ini.
  5. Respesifikasi (respecification). Tahap ini berkaitan dengan menspesifikasikan model berdasarkan atas hasil uji kecocokan tahapan sebelumnya.

Related Post

  • Rumus-Rumus Pengambilan Sampel Penelitian Banyak rumus pengambilan sampel penelitian yang dapat digunakan untuk menentukan jumlah sampel penelitian. Pada prinsipnya penggunaan rumus-rumus penarikan sample penelitian …
  • Contoh Analisis Jalur Path Analysis Contoh Analisis Jalur Path Analysis. Analisis statistik inferensial (statistik induktif/statistik probabilitas) adalah teknik statistik yang digunakan untuk menganalisis data…
  • Analisis Regresi Logistik Analisis Regresi Logistik. Metode analisis yang digunakan dalam penelitian ini adalah uji statistik deskriptif dan uji hipotesis dengan menggunakan regresi logistik. Pengguna…
  • Istilah Pengukuran Statistik1. Apa yang dimaksud mean, median dan modus?Mean adalah rata-rata hitung. Penghitungannya dengan cara semua nilai skor dibagi jumlah data (dalam penelitian yang dimaksud ada…
  • Contoh Analisis Faktor dengan SPSS Analisis Faktor dengan SPSS. Pengertian analisis faktor adalah bahwa dalam analisis faktor tidak terdapat variabel bebas dan variabel tergantung / terikat, karena analisis fa…