Structural Equation Model (SEM) merupakan gabungan dari dua metode statistik yang terpisah yaitu analisis faktor (factor analysis) yang dikembangkan di ilmu psikologi dan psikometri dan model persamaan simultan (simultaneous equation modeling) yang dikembangkan di ekonometrika (Ghozali, 2005). SEM secara essensial menawarkan kemampuan untuk melakukan analisis jalur dengan variabel laten (Ghozali dan Latan, 2012). Umumnya terdapat dua jenis tipe SEM yang sudah dikenal secara luas yaitu covariance-based structural equation modeling (CB-SEM) yang dikembangkan oleh Joreskog (1969) dan partial least square path modeling (PLS-SEM) sering disebut variance atau component-based structural equation modeling yang dikembangkan oleh Wold (1974). Covariance based SEM merupakan tipe SEM yang mengharuskan konstruk maupun indikator-indikatornya untuk saling berkorelasi satu dengan lainnya dalam suatu model struktural. Secara umum, penggunaan CB-SEM bertujuan untuk mengestimasi model struktural berdasarkan telaah teoritis yang kuat untuk menguji hubungan kausalitas antar konstruk serta mengukur kelayakan model dan mengkonfimasinya sesuai dengan data empirisnya. Dengan menggunakan fungsi Maximum Likelihood (ML), CB-SEM berusaha meminimumkan perbedaan antara sample covariance dan covariance yang diprediksi oleh model teoritis sehingga proses estimasi menghasilkan residual covariance matrix yang nilainya kecil mendekati nol. Penggunaan CB-SEM sangat dipengaruhi oleh asumsi parametrik yang harus dipenuhi seperti variabel yang diobservasi memiliki multivariate normal distribution dan observasi harus independen satu sama lain. Penggunaan CB-SEM sangat dipengaruhi oleh jumlah sampel, karena jumlah sample kecil dapat menghasilkan model fit meskipun model tersebut terbentuk dari model yang jelek. Jika sample kecil dan tidak asimptotik akan memberikan hasil estimasi paramater dan model statistik yang tidak baik atau bahkan menghasilkan varian negatif yang disebut Heywood Case. Analisis CB-SEM dalam membentuk variabel laten mengharuskan indikator-indikatornya bersifat reflektif. Dalam model indikator refleksif atau manifest (gambar 2.4), indikator dipandang sebagai variabel yang dipengaruhi oleh variabel laten sesuai dengan teori pengukuran classical test theory. Pada model indikator refleksif, indikator-indikator pada satu konstruk (variabel laten) dipengaruhi oleh konsep yang sama. Perubahan dalam satu item atau indikator akan berakibat pada perubahan indikator lainnya dengan arah yang sama. Pada kenyataannya indikator dapat dibentuk dalam bentuk formatif indikator model yaitu indikator dipandang sebagai variabel yang mempengaruhi variabel laten. Jika salah satu indikator meningkat maka indikator yang lain tidak harus ikut meningkat pula. Kenaikan pada suatu indikator akan meningkatkan variabel laten. Penggunaan model indikator formatif (gambar 2.5) dalam CB-SEM akan menghasilkan model yang unidentified yang berarti terdapat covariance bernilai nol di antara beberapa indikator. Hubungan kausalitas model struktural dibangun atas dasar teori dan CB-SEM hanya ingin mengkonfirmasi apakah model berdasarkan teori tadi tidak berbeda dengan model empirisnya.
Olah Data dan Pendampingan Penyusunan Artikel Ilmiah