Category Archives: SEM

Heywood Case

Tulisan Rintisan…..

Heywood case adalah istilah SEM ketika ditemukan adanya negative error variance. Heywood case merupakan hal yang seharusnya sangat tidak mungkin terjadi, karena variance tidak mungkin negatif. Oleh karena itu model perlu diperbaiki dengan menetapkan error variance yang sebelumnya negatif menjadi positif dan kecil (Byrne, 1998) misal 0.001 atau 0.005

 

Advertisements

SEM : Identifikasi Model

Identifikasi Model merupakan tahap kedua dari prosedur SEM. (lihat bahasannya disini).

Identifikasi Model berhubungan dengan pertanyaan “apakah model yang diusulkan mampu menghasilkan parameter yang unik”. Unik disini diartikan parameter yang ada dalam model dapat diestimasi dengan data sampel, hasil estimasi dapat diuji dengan berbagai statistik uji yang ada, serta hasil estimasi dapat dibandingkan dengan model lain (Kusnendi, 2008).

Secara garis besar, ada tiga kategori identifikasi dalam persamaan simultan meliputi under identified, just identified, dan over indetified.

Under Identified adalah model dengan jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui (data tersebut merupakan variance dan covariance dari variabel-variabel teramati). Under identified model pada SEM terjadi ketika degree of freedom (df) < 0.

Just identified adalah model dengan jumlah parameter yang sama dengan data diketahui. (df = 0)

Over identified adalah model dengan jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui (df > 0).

Bahasan Lengkap di buku :

Kusnendi. 2008. Model-Model Persamaan Struktural. Satu dan Multigroup Sample dengan Lisrel. Bandung : Alfabeta

Setyo Hari Wijanto. 2008. Structural Equation Modeling dengan LISREL 8.8. Yogyakarta : Graha Ilmu

 

 

 

Options pada LISREL

Options merupakan perintah tambahan untuk menampilkan hasil estimasi sesuai dengan yang diinginkan oleh peneliti.  Beberapa perintah yang umum digunakan antara lain

ND (number of decimals) adalah perintah untuk menampilkan jumlah desimal pada output LISREL. Output defaultnya adalah dua desimal, sehingga jika anda menginginkan output menampilkan 3 desimal maka perintahnya dapat ditulis ND = 3.

RS (residuals) adalah perintah untuk menampilkan semua informasi tentang residual.

EF (total and indirect effect) adalah perintah untuk menampilkan dekomposisi pengaruh total dan tidak langsung (indirect)

SC (completely standardized solution), adalah perintah untuk menampilkan estimasi parameter model dengan nilai standard secara keseluruhan (standardized maupun completely standardized

 

Strategi Pemodelan SEM

Ada 3 jenis strategi pemodelan yang dapat dipilih terutama jika menganalisis data dengan LISREL (Joreskog dan Sorbom, 1993) :

Stricly Confirmatory (SC). Dalam model ini, peneliti terlebih dahulu merumuskan model yang akan diuji, kemudian data dikumpulkan. Pengujian model dilakukan dengan maksud untuk memastikan apakah model diterima atau ditolak. Dalam strategi ini tidak diupayakan perbaikan model.

Alternatif (Completing) Model (AM). Dalam pemodelan ini dirumuskan beberapa alternatif model. Data kemudian dikumpulkan dan diuji. Model-model yang sudah dibentuk sebelumnya kemudian diuji, dan model yang memiliki kesesuaian paling baik akan dipilih.

Model Generating (MG). dalam strategi ini peneliti berpijak pada teori tertentu untuk merumuskan model. Data dikumpulkan, kemudian diuji. Jika ternyata hasil pengujian model menunjukkan kinerja yang kurang baik atau tidak fit dengan data, maka model diperbaiki atau dimodifikasi. Proses perbaikan ini dilakukan berulang-ulang sampai diperoleh model dengan tingkat kesesuaian terbaik atau best fit model dengan data sampel yang ada.

Dikutip dari Buku. Kusnendi. 2008. Model-Model Persamaan Struktural. Satu dan Multigroup Sample dengan Lisrel. Bandung : Alfabeta, pp. 17

Tahapan Dalam SEM

Prosedur SEM secara umum mengandung tahap-tahap sebagai berikut (Bollen dan Long, 1993, dalam Wijanto, 2008:

  1. Spesifikasi Model : tahapan ini terkait dengan pembentukan model awal persamaan struktural, sebelum dilakukannya estimasi. Model awal diformulasikan berdasarkan suatu teori atau penelitian-penelitian sebelumnya.
  2. Identifikasi : berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang adalam model dan kemungkinan persamaan simultan tidak ada solusinya.
  3. Estimasi : berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menggunakan salah satu metode estimasi yang tersedia. Pemilihan model estimasi sering kali ditentukan berdasarkan karakteristik dari variabel-variabel yang dianalisis.
  4. Uji Kecocokan : merupakan pengujian kecocokan antara model dengan data. beberapa kriteria kecocokan atau goodness of fit (GOF) dapat dilihat disini
  5. Respesifikasi terkait dengan respesifikasi model berdasarkan hasil kecocokan model tahap sebelumnya.

SIMBOL-SIMBOL DALAM ANALISIS SEM

Beberapa simbol umum yang digunakan dalam Analisis SEM antara lain :

 

ξ (KSI) = konstruk laten eksogen

η (ETA) = konstuk laten eksogen

β (BETA) = hubungan langsung variabel endogen ke endogen lain

λ (LAMDA) : hubungan langsung variabel enksogen ke endogen / endogen ke indikatornya

φ (PHI) = kovarian/korelasi antara variabel eksogen

δ (DELTA) = measurement error (kesalahan pengukuran) dari indicator kontruk eksogen

ε (EPILSON) = measurement error dari indicator variabel endogen

ζ (ZETA) = kesalahan dalam persamaan, yaitu antara variabel eksogen/endogen