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.