30
3.6 Metode dan Teknik Analisis Data 3.6.1 Sekilas AMOS Versi 22
Perkembangan software AMOS telah berlangsung sangat cepat dan sekarang AMOS Versi 22 telah ada dipasaran. Metode estimasi maximum likelihood yang
digunakan oleh program AMOS 22 memerlukan asumsi yang sangat ketat berkaitan dengan jumlah sampel harus besar dan data terdistribusi secara normal
multivariat. Asumsi ini sering tidak dapat dipenuhi oleh peneliti. Dengan perkembangan statistik Bayesian saat ini, persoalan jumlah sampel kecil dan data
tidak multivariate normal dapat diatasi dengan mudah Ghozali, 2014:330. Statistik Bayesian menggunakan iterasi jumlah re-sampling data yang sangat
besar untuk mencapai distribusi normal dengan menggunakan metode Markov Chain Monte Carlo MCMC. Program AMOS 22 telah mengintegrasikan
MCMC ke dalam program, sehingga kita dapat menggunakan metode estimasi Bayesian.
3.6.2 Metode Estimasi Parameter Maximum Likelihood dan Bayesian
Dalam statistika inferensial diasumsikan bahwa distribusi populasi diketahui dengan pasti. Teknik yang digunakan untuk menaksir nilai parameter jika
distribusi populasi diketahui dengan pasti adalah metode maximum likelihood dan metode ini hanya mendasarkan inferensi pada sampel, tetapi jika distribusi
populasi tidak diketahui maka metode maximum likelihood tidak dapat digunakan Ghozali, 2014:327.
31
Pendekatan alternatif dengan model statistik Bayesian yang memandang bahwa setiap kuantitas yang tidak diketahui nilainya unknown sebagai variabel
random dan diberikan distribusi probabilitasnya. Jadi Bayesian memperkenalkan suatu metode di mana kita perlu mengetahui bentuk distribusi awal prior dari
populasi dengan metode bayes. Menurut bayes parameter populasi berasal dari suatu distribusi sehingga nilainya tidaklah tunggal merupakan variabel random,
sedangkan menurut metode klasik maximum likelihood parameter populasi diasumsikan tetap konstan walaupun nilainya tidak diketahui Ghozali,
2014:327. Masing-masing pendekatan sudah tentu mempunyai kelebihan dan
kekurangan masing-masing. Pada metode maximum likelihood teknik estimasi parameternya lebih mudah, sehingga orang banyak menggunakan teknik ini. Akan
tetapi teknik ini sangat sensitif terhadap data ekstrim. Data ekstrim sangat berpengaruh terhadap nilai rata-rata ataupun variasi. Sedangkan pada metode
Bayes, karena nilai parameternya berasal dari suatu distribusi, maka kesulitan pertama yang dijumpai adalah menentukan bagaimana bentuk distribusi
parameter tersebut. Walaupun menentukan distribusi awal prior dari parameter sulit, tetapi estimasi parameter dengan metode Bayes lebih menjanjikan karena
peneliti tidak perlu tahu tentang distribusi awal dari populasi Ghozali, 2014:327- 328.
Sampai tahun 1980an statistik Bayes masih dipandang sebagai alternatif daripada statistik klasikal. Belum diterimanya statistik Bayes untuk analisis data
32
kuantitatif karena perhitungan distribusi posterior yang sangat sulit dilakukan. Baru dalam tahun 1990an ditemukan metode Markov Chain Monte Carlo
MCMC yang diikuti dengan pertumbuhan personal computer membuat perhitungan distribusi posterior menjadi sangat mudah. Dengan menggunakan
MCMC kita dapat menyelesaikan masalah yang sebelumnya tidak bisa diselesaikan dengan metode tradisional Ghozali, 2014:329.
SEM dengan estimasi maximum likelihood memerlukan jumlah sampel yang besar dan data harus berdistribusi normal multivariate. Metode estimasi Bayes
dapat dilakukan dengan jumlah sampel kecil dan tidak berdistribusi normal. Dengan jumlah sampel besar maka metode estimasi Bayes hasilnya akan
mendekati metode maximum likelihood Ghozali, 2014:330. Gambar 3.1 menyajikan metode-metode estimasi parameter yang disediakan
dalam software AMOS Versi 22.
Gambar 3.1 Metode-Metode Estimasi Parameter yang Tersedia dalam AMOS 22
33
Berdasarkan Gambar 3.1, metode-metode estimasi parameter yang disediakan dalam AMOS Versi 22 adalah Maximum likelihood, Generalized least squares,
Unweighted least squares, Scale-free least squares, Asymptotically distribution- free, dan Bayesian Estimation.
Diketahui model yang akan diuji disajikan pada Gambar 3.2.
Gambar 3.2 Model Diuji dengan Menggunakan Software AMOS 22
3.6.3 Uji Normalitas
