b. Hanya terdapat satu variabel eksogeneous, yaitu 1 dan tiga variabel
endogenuous, yaitu 2,3 dan 4. Masing-masing variabel endogeneous diterangkan oleh variabel 1 dan error e2, e3 dan e4
Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik looping, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau
bersifat sebab akibat reciprocal cause.
3.6.5. Persamaan Jalur SEM 3.6.5.1. Persamaan Satu Jalur
Bentuk model yang mengandung unsur persamaan satu jalur adalah pada model regresi berganda. Dimana hanya terdapat satu variabel endogeneus yang
disebabkan oleh beberapa variabel eksogeneus. Bentuk modelnya dapat dilihat pada Gambar 3.7. Bentuk model persamaan satu jalur dalam SEM
6
X
1
X
2
X
3
Y €
RYX
1
RYX
3
RYX
2
rX
1
X
3
rX
1
X
2
rX
2
X
3
.
Gambar 3.7. Bentuk Model Persamaan Satu Jalur Dalam SEM
6
Jonathan,co.ibid.h.11
Universitas Sumatera Utara
Keterangan: a. Variabel X
1
, X
2
dan X
3
adalah variabel eksogeneus b. Variabel Y adalah variabel endogeneus
Persamaannya : Y= RYX
1
+ RYX
2
+ RYX
3
+ €
3.6.5.2. Persamaan Dua Jalur
Dalam persamaan dua jalur model dikembangkan atas tiga variabel eksogeneus dan 2 variabel endogeneus. Model persamaannya dapat dilihat pada
Gambar 3.8. Bentuk Model persamaan dua jalur dalam SEM
X
1
X
2
X
3
Y €
1
RY
1
X
3
RY
1
X
2
rX
1
X
3
rX
1
X
2
rX
2
X
3
Y
2
RY
1
X
1
RY
2
X
1
€
2
RY
2
Y
1
RY
2
X
3
Gambar 3.8. Bentuk Model Persamaan Dua Jalur Dalam SEM Keterangan:
a. Variabel X
1
, X
2
dan X
3
adalah variabel eksogeneus b.
Variabel Y
1
dan Y
2
adalah variabel endogeneus Persamaannya adalah:
a. Y
1
=RY
1
X
1
+ RY X
2
+ RY X
3
+ €
1
Pers. Substruktur 1 b. Y
2
=RY
2
X
1
+ RY
2
X
2
+ RY
2
X
3
+ €
2
Pers. Substruktur 2
Universitas Sumatera Utara
3.6.5.3. Persamaan Tiga Jalur
Dalam model persamaan tiga jalur, pada umumnya terdapat 2 variabel eksogeneus murni, dan satu variabel eksogeneus perantara, dan terdapat 2 variabel
endogeneus. Bentuk model persamaan strukturalnya dapat dilihat secara lengkap pada Gambar 3.9. Bentuk model persamaan tiga jalur dalam SEM
X
1
X
3
X
2
Y
1
Y
2
€
2
€
1
RY
2
Y
1
€
3
RY
2
X
3
rX
1
X
3
RX
1
X
2
RY
1
X
1
RX
2
X
3
RY
1
X
2
RY
2
X
2
Gambar 3.9. Bentuk Model Persamaan Tiga Jalur Dalam SEM Keterangan:
a. Variabel X
1
dan X
3
adalah variabel eksogeneus b. Variabel X
2
adalah variabel perantara c. Variabel Y
1
dan Y
2
adalah variabel endogeneus Persamaannya adalah:
a. X
2
=R X
2
X
1
+ R X
2
X
3
+ €
1
Pers. Substruktur 1 b. Y
1
=RY
1
X
1
+ RY
1
X
2
+ €
2
Pers. Substruktur 2
Universitas Sumatera Utara
c. Y
2
=RY
2
X
3
+ RY
2
Y
1
+ €
3
Pers. Substruktur 2
3.6.6. Langkah-Langkah SEM
Di bawah ini akan ditelusuri lebih lanjut bagaimana menyusun langkah- langkah untuk membuat pemodelan yang lengkap yaitu
7
7
www.jonathansarwono.infosemsem.htm
: a. Pengembangan model berbasis teori
Dalam pengembangan model teoritis, harus dilakukan telaah pustaka yang intens guna mendapatkan justifikasi atas model teoritis yang akan dikembangkan.
Tanpa dasar teori, SEM tidak dapat digunakan. Setelah itu model divalidasi secara empirik melalui komputasi program SEM. Pengajuan model kausalitas harus
dengan menganggap adanya hubungan sebab akibat antara dua atau lebih variabel, bukan didasarkan pada metode analisis yang digunakan, tetapi haruslah
berdasarkan justifikasi teoritis yang mapan. SEM bukan untuk menghasilkan kausalitas, tetapi untuk membenarkan adanya kausalitas teoritis melalui uji data
empirik. Peneliti mempunyai kebebasan untuk membangun hubungan, sepanjang didukung oleh teori yang memadai. Kesalahan yang sering timbul adalah kurang
atau terabaikannya satu atau beberapa variabel prediktif kunci dalam menjelaskan sebuah model, yang dikenal dengan specification error. Meskipun demikian untuk
pertimbangkan praktis, jika jumlah variabel, faktor, konsep atau konstruk yang dikembangkan terlalu banyak, akan menyulitkan interpretasi hasil analisis,
khususnya tingkat signifikansi statistiknya.
Universitas Sumatera Utara
b. Mengkontruksi diagram jalur untuk menunjukkan hubungan kausalitas Model teoritis yang telah dibangun kemudian digambar dalam bentuk
suatu diagram, yang dikenal dengan diagram jalur. Penggambaran dalam bentuk diagram ini untuk mempermudah melihat hubungan-hubungan kausal antar
variabel eksogen dan endogen yang akan diuji. Selanjutnya bahasa program akan mengkonversi gambar menjadi persamaan, dan persamaan menjadi estimasi. Pada
langkah ini ditentukan variabel independen dan variabel dependennya. Hubungan antar konstruk dinyatakan melalui anak panah sesuai dengan arah kausalitasnya.
Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu konstruk dengan konstruk lainnya. Anak panah lengkung dengan
lancip dikedua ujungnya menunjukkan korelasi antar konstruk. Konstruk-konstruk dalam diagram path, dapat dibedakan menjadi dua :
1. Konstruk Eksogen, dikenal sebagai variabel independen yang tidak diprediksi
oleh variabel lain dalam model. Dalam diagram konstruk eksogen digambarkan sebagai konstruk yang dituju oleh garis dengan satu ujung
panah. 2.
Konstruk Endogen, yaitu konstruk yang diprediksi oleh satu atau beberapa konstruk. Konstruk ini dapat memprediksi satu atau beberapa konstruk
endogen lainnya, sedangkan konstruk eksogen hanya dapat berhubungan kausal dengan konstruk endogen. Dengan pijakan teoritis yang ada, maka
dapat ditentukan mana yang akan dianggap sebagai konstruk endogen dan mana yang eksogen.
Universitas Sumatera Utara
c. Konversi diagram jalur ke dalam serangkaian persamaan struktural dan spesifikasi model pengukuran
Setelah model digambarkan dalam diagram path, kita dapat mulai mengkonversi spesifikasi model kedalam persamaan-persamaan. Persamaan itu
terdiri dari : 1.
Persamaan-persamaan struktural, yang menyatakan hubungan kausalitas antar berbagai konstruk. Contoh persamaan struktural: Y1 = ƒ×1 X1 + ƒ×2 X2 +
Đ1 Jika di dalam bahasa regresi, model di atas digolongkan dalam 2 persamaan regresi berganda, jadi diuji secara simultan.
2. Persamaan spesifikasi model pengukuran measurement model, yaitu
spesifikasi yang akan menentukan variabel apa mengukur konstruk apa, serta menentukan serangkaian matrik yang menunjukkan korelasi yang
dihipotesakan antar konstruk atau variabel. Contoh persamaan spesifikasi model: X11 = ƒÜ1 X1 + ƒÔ1
d. Pemilihan matrik input dan teknik estimasi atas model yang dibangun Input data yang digunakan dalam analisis SEM adalah menggunakan
matrik kovarian atau matrik korelasi. Input data inilah yang membedakan antara SEM dengan teknik analisis multivariat yang lain. Meskipun demikian, observasi
individual tetap diperlukan dalam program ini. Data individual dapat dientry menggunakan program lain. Setelah masuk program SEM data segera dikonversi
dalam bentuk matrik kovarian atau matrik korelasi. Walaupun observasi individual tidak menjadi input analisis, tetapi ukuran sampel penting dalam
estimasi dan interpretasi hasil SEM.
Universitas Sumatera Utara
Menurut pakar SEM sampel yang baik adalah besarnya antara 100 – 200. Jika sampel terlalu besar, akan menjadi sangat sensitif terhadap ukuran-ukuran
goodness of fit. Sebagai pedoman ukuran sampel 1.
antara 100 – 200 sampel 2.
antara 5 – 10 kali jumlah parameter yang diestimasi 3.
antara 5 – 10 kali jumlah indikator e. Menilai problem identifikasi
Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi
yang unik. Problem identifikasi ini dapat dideteksi dari gejala-gejala yang muncul antara lain :
1. Standar error untuk satu atau beberapa koefisien sangat besar.
2. Program tidak mampu menghasilkan matrik informasi yang seharusnya
disajikan. 3.
Munculnya angka-angka aneh misalnya varians error yang negatif. 4.
Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat. f. Evaluasi model.
Kesesuaian model dapat dievaluasi dengan melihat berbagai kriteria goodness of fit. Secara garis besar uji goodness of fit model dapat digolongkan
menjadi 4 hal yaitu pengujian parameter hasil dugaan, uji model keseluruhan, uji model struktural, dan uji pengukuran validitas dan reliabilitas.
Universitas Sumatera Utara
g. Interpretasi dan modifikasi model Langkah terakhir adalah menginterpretasikan model dan memodifikasikan
model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Setelah model diestimasi harus mempunyai residual kovarian yang kecil. Batas
keamanan jumlah residual adalah 5 . Jika residual 5 dari semua residual kovarian yang dihasilkan oleh model, maka perlu dipertimbangkan modifikasi
model, misalnya dengan menambah jalur baru terhadap model yang diestimasi. Tetapi yang perlu diingat adalah bahwa perubahan atau modifikasi model tersebut
harus mempunyai dukungan dan justifikasi teori yang memadai. Demikianlah SEM dengan keunggulan dan keterbatasnya, dapat dijadikan
alternatif teknik analisis penelitian baik skripsi maupun penelitian sosial ekonomi lainnya sehingga dapat diperoleh hasil-hasil penelitian dengan variasi yang lebih
beragam. Meskipun demikian, perlu ditegaskan bahwa SEM hanyalah sejenis teknik statistik yang merupakan alat untuk memecahkan masalah, interpretasi
selanjutnya tergantung dari peneliti itu sendiri.
Universitas Sumatera Utara
BAB IV METODOLOGI PENELITIAN
Metodologi penelitian merupakan cara atau prosedur yang berisi tahapan- tahapan yang jelas dan disusun secara sistematis dalam proses penelitian. Tiap
tahapan merupakan bagian yang menentukan tahapan selanjutnya sehingga harus dilalui dengan cermat.
4.1. Tempat dan Waktu Penelitian