Structural Equation Model (SEM) adalah suatu teknik statistik yang mampu
menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara
langsung. Teknik ini dilakukan untuk menjelaskan secara menyeluruh hubungan
antar variabel yang ada dalam penelitian. SEM digunakan bukan untuk merancang
suatu teori, tetapi lebih ditujukan untuk memeriksa dan membenarkan suatu model.
SEM terbagi atas 2 jenis varian, yaitu SEM covariance based dan SEM
componenet based (Ghozali, 2014).
SEM memiliki dua tujuan utama dalam analisisnya, tujuan yang pertama
yaitu menentukan apakah model possible (masuk akal) atau fit, atau dengan kata
lain menguji fit suatu model yaitu kesesuaian model dengan data empiris. Tujuan
kedua yaitu menguji berbagai hipotesis yang telah dibangun sebelumnya. SEM
memiliki 4 perbedaan dengan regresi biasa dan teknik multivariate lainnya yaitu:
1. SEM membutuhkan lebih dari sekedar perangkat statistik yang
didasarkan atas regresi biasa dan analisis varian.
2. Regresi biasa, umumnya, menspesifikan hubungan kausal antara
variabel-variabel teramati, sedangkan pada model variabel laten SEM,
hubungan kausal terjadi di antara variabel-variabel tidak teramati atau
variabel-varibel laten.
3. SEM selain memberikan informasi tentang hubungan kausal simultan di
antara variabel-variabelnya, juga memberikan informasi tentang muatan
faktor dan kesalahan-kesalahan pengukuran.
4. Estimasi terhadap multiple interrelated dependence relationships. pada
SEM sebuah variabel bebas pada satu persamaan bisa menjadi variabel
terikat pada persamaan lain.
