30
model pengukuran. Terdapat sejumlah matriks dalam SEM seperti disajikan pada Tabel 2.
Tabel 2 Matriks-matriks structural equation model
Matriks Deskripsi
Unsur
Model Struktural Beta
β Hubungan antara konstruk endogen
ηη
β Gamma
Γ Hubungan antara konstruk eksogen dan
endogen
m η
γ Phi
φ Korelasi antara konstruk eksogen
mm
φ
Psi ψ
Korelasi persamaan struktural atau konstruk eksogen
n
ψ
Model Pengukuran Lamda-x
x
Λ
Koefisien jalur indikator eksogen
x pn
λ
Lamda-y
y
Λ Koefisien jalur indikator endogen
y qn
λ
Theta-delta
δ
Θ
Matriks error indikator konstruk eksogen
pp
δ Theta-epsilon
δ
Θ
Matriks error indikator konstruk endogen
qq
ε Sumber: Hair et.al 2006
2.2.3 Matriks input
Model persamaan struktural pada umumnya menggunakan matriks kovarians matriks dispersi dan matriks korelasi sebagai dasar analisis
atau data masukan dalam paket-paket program statistik. Kedua matriks tersebut pada dasarnya sama. Matriks kovarians merupakan matriks
dimana unsur-unsur diagonal utama adalah ukuran varians dan unsur- unsur di luar diagonal utama merupakan ukuran kovarians. Matriks input
yang ideal digunakan adalah matriks kovarians sample bersifat kontinu dan variabel-variabel normal multivariate. Ada permasalahan dengan setiap
kondisi ideal ini untuk permodalan persamaan struktural dalam kaitan dengan karakteristik data yang ada Kiiskinen 2002, yaitu variabel-variabel
yang diukur secara ordinal dan skala interval. Dalam hal skala interval akan menyebabkan perbedaan yang besar dalam unit dan perbedaan yang
besar dalam kovarians dan kovarians penduga. Begitu juga skala dari variabel-variabel ordinal selalu ditetapkan secara arbitrary. Oleh karenanya
dalam praktek secara umum menggunakan matriks korelasi sample R sebagai ganti matriks kovarians S.
31
2.2.4 Estimasi model
Model persamaan struktural menggunakan koefisien struktur, matriks kovarians dari variabel laten independen, dan matriks kovarians dari
kesalahan persamaan struktural. Kemudian model pengukuran menggunakan faktor loading variabel x dan y, dan matriks kovarians dari
kesalahan pengukuran. Estimasi model dilakukan untuk memperoleh estimasi setiap parameter seakurat mungkin dengan kovarians dari variabel
yang diamati. Proses estimasi menggunakan fungsi kecocokan untuk mengurangi perbedaan antara parameter di dalam model dengan variabel
pengukuran. Beberapa metode yang lama untuk melakukan estimasi antara lain teknik kemampuan maksimum maximum likelihoodML, kuadrat
terkecil biasa ordinary least squareOLS, dan kuadrat terkecil umum generalized least squareGLS, dan sebagainya. Pada perkembangan saat
ini, prosedur estimasi telah dikembangkan dengan analisa kovarians model struktural dengan perangkat lunak program LISREL.
Salah satu kelemahan penggunaan model persamaan struktural umumnya akan sesuai untuk ukuran sample sangat besar. Kebutuhan
teoritis metode penaksiran kemungkinan maksimum dan uji kesesuaian fit model didasarkan kepada asumsi sample besar. Secara umum, ukuran
sample untuk model persamaan struktural paling sedikit 200-800 pengamatan Ghozali 2006.
2.2.5 Evaluasi model