STRUCTURAL EQUATION MODELING

1
STRUCTURAL EQUATION MODELING

• Oleh
• Suliyanto, SE,MM
• JURUSAN MANAJEMEN
• FAKULTAS EKONOMI
• UNIVERSITAS JENDERAL SOEDIRMAN
• Purwokerto
• 2009

2
INTRODUKSI STRUCTURAL EQUATION MODELING (SEM)

• Dalam fenomena manajemen (Bisnis) sebuah variabel
  tergantung dapat dipengaruhi oleh beberapa
  variabel bebas, demikian juga beberapa variabel
  bebas mampu mempengaruhi beberapa variabel
  tergantung.
• Sehinga model akan nampak menjadi sangat rumit.
• Model yang rumit ini pada dasarnya dapat
  dianalisis dengan menggunakan analisis regresi
  maupun analisis jalur, namun dalam prakteknya
  akan tidak efisien karena masing masing-sub
  struktur harus dianalisis satu persatu, kemudian
  baru digabungkan menjadi sebuah model yang utuh.
• Permasalahan yang rumit tersebut dapat dianalis
  dengan menggunakan analisis Structural Equational
  Modeling (SEM) dengan menggunakan Program AMOS.

3
LANGKAH-LANGKAH PEMODELAN SEM

• Pengembangan sebuah model berbasis teori.
• Pengembangan Path diagram.
• Konversi path diagram ke dalam persamaan.
• Persamaan struktural (Struktural equation)
• Persamaan spesifikasi model pengukuran
  (measurement model)
• Pemilihan matriks input dan estimasi model

4

• Pemilihan matriks input dan estimasi model
• Matriks input data yang digunakan adalah matriks
  varian/kovarian atau matriks korelasi.
• Ukuran sampel, Hair, et al. (1996) menemukan
  bahwa ukuran sampel yang sesuai untuk SEM adalah
  100-200.
• Estimasi model, yang tersedia dalam program AMOS
  adalah tehnik.Maximum Likehood Estimation
  Method, Generalized Least Square Estimation
  Method, Unweighted Least Square Estimation (ULS),
  Scale Free Least Square Estimation (SLS) dan
  Asymptotically Distribution-Free Estimation
  (SLS).
• Menilai problem identifikasi

5

• Evaluasi criteria Goodness-of-fit
• Evaluasi asumsi SEM
• Normalitas, dengan menggunakan criteria nilai
  kritis sebesar ? 2,58 pada tingkat signifikansi
  0,01.
• Outliers, merupakan observasi atau data yang
  memiliki karakteristik unik, Dengan menggunakan
  kriteria nilai kritis ?3, maka data dinyatakan
  oulier jika memiliki nilai Z-score lebih tinggi 3
  atau lebih rendah dari -3.
• Multicollinearity dan Singularity, dimana yang
  perlu diamati adalah diterminan dari matrik
  kovarian sampelnya determinan yang kecil atau
  mendekati nol mengindikasikan adanya
  multikolinearitas atau singularitas, sehingga
  data tersebut tidak dapat digunakan untuk
  penelitian.

6

• Uji kesesuaian dan uji statistik
• ?2 Chi-Square statistic, semakin kecil nilai ?2
  semakin baik model itu, dan diterima berdasarkan
  probabilitas dengan cut-off value sebesar pgt 0,05
  atau pgt0,010.
• RMSEA (The Root Mean Square Error of
  Approximation), merupakan suatu indeks yang
  digunakan untuk mengkonpensasi chi-square dalam
  sampel yang besar.
• GFI (Goodness of fit Index), merupakan ukuran non
  statistical yang mempunyai rentang nilai antara 0
  sampai dengan 1. Nilai yang tinggi dalam indeks
  ini menunjukkan sebuah better fit.
• AGFI (Adjusted Goodness of Fit Index), merupakan
  kriteria yang memperhitungkan proporsi tertimbang
  dari varian dalam sebuah matrik kovarian sampel.
• CMIN/DF (The Minimum Sample Discrepancy Function
  Devided with degrre of Freedom), merupakan
  statistic chisquare X2 dibagi degree of
  freedom-nya sehingga disebut X2 relative.
• TLI (Tucker Lewis Indeex), merupakan incremental
  index yang membandingkan sebuah model yang diuji
  terhadap sebuah baseline model .
• CFI (Comparative Fit Index), rentang nilai
  sebesar 0 -1, dimana semakin mendekati 1,
  mengindikasikan tingkat fit yang paling tinggi.

7
Goodness of Fit Index
Goodness of Fit Index Cut off Value
X2-Chi Square Diharapkan Kecil
Significance Probability 0,05
RMSEA 0,08
GFI 0,90
AGFI 0,90
CMIN/DF 2,00
TLI 0,95
CFI 0,95
8

• Uji Reliability dan Varience Extract.
• Uji reliabilitas, dimana nilai reliabilitas yang
  diterima adalah ? 0,70 Uji reliabilitas dalam SEM
  dapat diperoleh melalui rumus sebagai berikut
• Variance Extract, dimana nilai yang dapat
  diterima adalah ?0,50 rumus yang digunakan adalah
  sebagai berikut

9

• Interprestasi dan Modifikasi Model
• Langkah terakhir adalah menginterprestasikan
  model dan memodifikasikan model bagi model-model
  yang tidak memenuhi syarat pengujian yang
  dilakukan. Cut-off value sebesar 2,58 (Hair at
  al. 1995 Joreskog, 1993, dalam Ferdinandp97 )
  dapat digunakan untuk menilai signifikansi
  tidaknya residual yang dihasilkan oleh model.
  Nilai residual values yang lebih besar atau sama
  dengan ?2.58 diinterprestasikan sebagai
  signifikan secara statistik pada tingkat 5.

10
PETUNJUK OPERASIPROGRAM AMOS
11
Cara Membuka Program AMOS
12
Cara Merubah Tampilan Potrait menjadi Lanscape
13
Cara Memunculkan Toolbar pada Lembar Kerja
14
Cara Menggambar Model
15
(No Transcript)
16
Cara Mengakses Data
17
Cara Memerintahkan Program AMOS untuk Melakukan
Analisis
18
Cara Melihat Output Program AMOS
19
Cara Memberi Judul dalam Lembar Kerja
20
Memunculkan Nilai-Nilai Output
21
APLIKASI PEMODELAN STRUCTURAL EQUATIONAL MODEL
22
Langkah 1. Pengembangan Model Berbasis Teori

• Tujuan dari analisis ini adalah untuk mengetahui
  bagaimana interkasi antara harga, fasilitas,
  produk, promosi dan harga. Penelitian ini
  menguji pengaruh harga, fasilitas dan produk
  terhadap promosi serta pengaruh harga, fasilitas,
  produk dan promosi terhadap image

23
Langkah 2. Menyusun Pathdiagram
24
(No Transcript)
25
Langkah 4. Memilih Matriks Input dan Teknik
Estimasi

• Setelah model dispesifikasi secara lengkap
  langkah selanjutnya adalah memilih jenis input.
  Apakah menggunakan input kovarian atau input
  korelasi. Jika yang diuji adalah hubungan
  kausalitas maka disarankan input yang digunakan
  adalah kovarian (Hair ddk, 1995 dalam Ferdinand,
  2005).

26
Langkah ke 5. Menilai kemungkinan munculnya
indentfication problem

• Jika terdapat identification problem program Amos
  akan memberikan warning, sehingga pengguna akan
  melakukan langkah-langkah perbaikan. Tetapi jika
  program Amos dapat dijalankan menunjukkan bahwa
  besaran standart error, varian error serta
  korelasi antar koefisien estimasi berada dalam
  rentang nilai yang tidak menunjukkan adanya
  problem identifikasi.

27
Langkah ke 6. Evaluasi Kriteria Goodness of Fit
28
Evaluasi atas Outlier data

• 1). Uji Outlier Data secara Univariate

29

• Uji Outlier Data secara Multivariate

30

• Evaluasi Multicollinearrity dan Singularity

31
Evaluasi Kriteria Goodness of Fit
32
Langkah 7. Analisis Direct Effect, Indirect
Effect, dan Total Effect

• Pengaruh Langsung

33

• Pengaruh Tidak Langsung

34

• Pengaruh Total

35
Langkah 8. Interpretasi dan Modifikasi Model
36
Perbaikan Model
37
Langkah 9. Uji Validitas Dan Reliabilitas
38
(No Transcript)
39
(No Transcript)
40
(No Transcript)
41
(No Transcript)
42
Output Structural Equational Model Unstandardized
43
Output Structural Equational Model Standardized
44
(No Transcript)
45
TERIMA KASIH