Variabel  dalam SEM (skripsi, tesis, disertasi)

Observed Variables– : Variabel Yang Dapat Diobservasi Secara Langsung / Var Manifest / Indikator / Referensi
Unobserved Variables– : Variabel Yang Tidak Dapat Diobservasi Secara Langsung / Fenomena Abstrak / Var Laten / Faktor / Konstruk
Minimal 4 variabel untuk pemodelan dalam SEM–
Variabel Laten Exogenous (Variabel Independen)•
Penyebab fluktuasi nilai – nilai di variabel – variabel laten lainnya dalam model yang dibangun. Perubahan nilai dalam var ini ini tidak dapat diterangkan dengan menggunakan model, tetapi harus mempertimbangkan pengaruh faktor – faktor eksternal lainnya diluar model; sebagai contoh faktor demografi, status sosial dan ekonomi. (Bandingkan dengan konsep Regresi dan Analisis Jalur dimana model tidak digunakan untuk memberikan penjelasan perubahan nilai pada variabel bebas (regresi) dan exogenous (analisis jalur) krn variabel – variabel ini diperlakukan sebagai penyebab perubahan nilai var tergantung (regresi) dan var endogenous (analisis jalur) Variabel yang dipengaruhi oleh var exogenous dalam model baik secara langsung maupun tidak – langsung. Fluktuasi nilai dalam var endogenous dapat diterangkan dengan model yang dibangun karena semua variabel laten yang mempengaruhi variabel laten endogenous ini dimasukkan dalam spesifikasi model tersebut.
Model Anlisis Faktor•
Exploratory Factor Analysis (EFA)– : dirancang untuk suatu situasi dimana hubungan antara variabel – variabel yang diobservasi dan variabel laten tidak diketahui atau tidak jelas
Confirmatory Factor Analysis (CFA)– : digunakan untuk riset dimana peneliti sudah mempunyai pengetahuan mengenai struktur variabel laten yang melandasinya. Didasarkan pada teori atau riset empiris yang bersangkutan membuat postulat /asumsi / reasoning hubungan antara pengukuran yang diobservasi dengan faktor – faktor yang mendasarinya sebelumnya kemudian melakukan pengujian struktur hipotesis ini secara statistik.
Kesimpulan: Model analisis faktor EFA dan CFA berfokus pada bagaimana dan sejauh mana semua – variabel yang diobservasi berhubungan dengan faktor – faktor laten yang mendasarinya. Dengan kata lain, model analisis ini berfokus pada sejauh mana variabel – variabel yang diobservasi ini dihasilkan oleh konstruk – konstruk laten yang mendasarinya; dengan demikian, kekuatan semua jalur regresi dari semua faktor tersebut kearah semua variabel yang diobservasi secara langsung (koefesien regresi / factor loadings) menjadi fokus analisisnya. Karena model ini, khususnya CFA hanya berfokus pada hubungan antara faktor – faktor dan semua variabel yang diukur maka dalam perspektif SEM disebut sebagai Measurement Model.
Model Variabel Laten Lengkap / Full Latent Variable Model (LV)•
Model LV memungkinkan spesifikasi struktur regresi diantara semua variabel laten. Artinya peneliti – dapat membuat hipotesis pengaruh dari satu konstruk laten terhadap konstruk laten lainnya dalam suatu pemodelan hubungan sebab akibat. Model LV ini mencakup “measurement model” dan “structural model” : dimana MM menjelaskan hubungan antara
semua variabel laten dengan pengukuran yang diobservasi (CFA) dan model struktural menjelaskan – hubungan antara semua variabel laten itu sendiri.
Arah Hubungan •
Recursive– : hubungan pengaruh satu arah ( dari exogenous ke endogenous) (Model ini sama dengan Analisis Jalur)
Non Recursive– : hubungan bersifat sebab akibat / reciprocal atau feedback effects
Tujuan Umum Pemodelan Statistik dalam SEM•
Memberikan cara yang efisien dan sesuai untuk menggambarkan struktur variabel laten yang men– dasari seperangkat variabel yang diobservasi
Mengekspresikan dengan diagram atau menggunakan persamaan matematis –
Menyusun postulat menggunakan model statistik yang didasarkan pada pengetahuan peneliti ter– hadap teori yang sesuai, riset empiris kajiannya, atau kombinasi antara teori dan empiris.
Menentukan keselarasan (Goodness of Fit) antara model yang dihipotesiskan dengan data sam– pel.
Menguji seberapa cocok antara data hasil observasi dengan dengan struktur model yang dibuat –
Mengetahui – residual / perbedaan antara model yang dihipotesiskan dengan data observasi
Bentuk model yang sesuai dengan data observasi:•
Data = Model + Residual–
Model merupakan representasi struktur yang dihipotesiskan yang menghubungkan antara semua – variabel yang diobservasi dengan semua variabel laten dan untuk model tertentu menghubungkan antar variabel laten tertentu.
Residual merupakan perbedaan antara model yang dihipotesiskan dengan data yang diobservasi –
Kerangka Strategis Umum untuk Pengujian SEM Menurut Joreskog (1993) •
Terdapat 3 kerangka strategis umum dalam pengujian SEM, yaitu:Strictly Confirmatory (SC)– :
Peneliti membuat postulat suatu model singel didasarkan pada teori, •
Mengumpulkan data yang sesuai •
Menguji kecocokan antara model yang dihipotesiskan dengan data sampel observasi •
Hasil pengujian ialah menolak atau menerima model yang sudah dibuat •
Tidak ada modifikasi lebih lanjut terhadap model yang sudah dibuat •
Alternative Models (AM)– :
Peneliti mengajukan beberapa alternatif model yang didasarkan pada teori yang sesuai dengan • kajian yang dilakukan
Memilih model yang sesuai dengan data observasi yang paling mewakili data sampel yang • dimiliki
Model Generating (MG)– :
Peneliti membuat postulat dan menolak model yang diturunkan dari teori didasarkan pada • kekurang-sesuaian dengan data sampel
Melanjutkan dengan model exploratori bukan konfirmasi untuk memodifikasi dan mengestimasi • ulang model yang dibuat
Fokusnya ialah untuk menemukan sumber ketidaksesuaian dalam model dan menentukan • suatu model yang sesuai dengan data sampel yang ada