makalah akb

7/22/2019 Makalah AKB

1/12

MAKALAH ANALISIS KEPUTUSAN BISNIS

STRUCTURAL EQUATION MODELLING

Oleh :

1.I Putu Prasetya Wikantara (1310100040)2. Sharfina Novi Akalili (1310100043)3.Muflih Rori Putra H. (1310100052)4.M. Husni Mubarok (1310100056)5.Umi Anifah (1310100057)

Dosen :

Dr. Agus Suharsono, Msi

PROGRAM STUDI SARJANA

JURUSAN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

2013


2/12

BAB I

PENDAHULUAN

1.1Pengertian Structural Equation Modell ingStructural Equation Modelling (SEM) metode statistik yang digunakan untuk

menyelesaikan uji hipotesis dari suatu fenomena struktur teori dengan pendekatan analisis

multivariat. Teori tersebut menyatakan proses kausal dari data hasil observasi dengan banyak

variabel (Betler,1998 di dalam Byrne,1998 ). Structural Equation Modelling (SEM)

merupakan gabungan dari analisis faktor dan analisis regresi. Pada tahun 1950-an SEM sudah

mulai dikemukakan oleh para ahli statistik yang mencari metode untuk membuat model yang

dapat menjelaskan hubungan di antara variabel-variabel. Dalam kenyataannya, khususnya

ilmu-ilmu sosial, banyak variabel yang bersifat laten, seperti motivasi seseorang, komitmen,

kesetiaan pelanggan dan lainnya. Di era 1970-an dimana kemajuan teknologi semakin

berkembang, memungkinkan alaat analisis SEM dikembangkan pula. Joreskog dan Sorbom

mengembangkan metode estimasi maximum likelihood, dan dengan mulai munculnyasoftware khusus SEM, seperti LISREL, AMOS, EQS dan sebagainya, alat analisis SEM saat

ini sudah menjadi prosedur multivariate yang dominan.

Model persamaan struktural (SEM) adalah generasi kedua teknik analisis multivariat

(Bagozzi dan Fornell, 1982 di dalam Ghozali, 2005) yang memungkinkan peneliti untuk

menguji hubungan antara variabel yang komplek baik recursivemaupun non-recursiveuntuk

memperoleh gambaran menyeluruh mengenai keseluruhan model.

1.2Konsep Dasar Structural Equation Modell ingStructural Equation Modelling (SEM) adalah kelompok model statistik yang bisa

menjelaskan hubungan antara banyak variabel (multiple variable). SEM menguji struktur

antar hubungan yang digambarkan dalam persamaan berurutan, yang hampir sama dengan

persamaan regresi berganda (Hair dkk., 1998). SEM terdiri dari dua bagian : (a) bagian

pengukuran yang menghubungkan observed variable(variabel manifest atau variabel terukur

atau variabel indikator) dengan unobserved variable (variabel laten atau variabel konstruk

atau variabel tidak terukur) lewat CFA atau Confirmatory Factor Analysis dan (b) bagian


3/12

yang menghubungkan antar variabel laten lewat persamaan regresi simultan. Definisi sebuah

model harus merepresentasi teori yang ada. Model SEM seharusnya tidak dibangun tanpa

dasar teori yang mendasarinya. Teori seringkali dijadikan objek utama bagi seorang

akademisi, tapi bagi seorang praktisi memungkinkan untuk mengembangkan sebuah

hubungan yang lebih kompleks namun masih berkaitan dengan teori yang ada. (Hair dkk.,

1998).

Tujuan akhir dari Structural Equation Modelingpada prinsipnya adalah mendapatkan

model struktural. Apabila pendugaan parameternya didasarkan pada data input matriks

kovarians, maka SEM menghasilkan struktural, bermanfaat untuk prediksi atau untuk

pembuktian model. Sedangkan apabila input berupa matrik korelasi, maka SEM bermanfaat

untuk peme-riksaan besar kecilnya pengaruh baik langsung maupun tidak langsung ataupun

pengaruh total variabel bebas (variabel eksogen) terhadap variabel dependen (variabel

endogen). Untuk kondisi yang model strukturalnya memenuhi model rekursif, maka SEM

setara dengan analisispath.

Analisis faktor, model struktural dan analisis path (jalur) dibuat ilustrasi dan notasi-

notasi dalam SEM sebagai berikut :

Model faktor Struktural model Model faktor

(Variabel Eksogen ) ( Variabel Laten ) ( Variabel Endogen )

Gambar 1 Model Persamaan Struktural (SEM)

dimana : X = Vektor berukuran qx1, variabel eksogen

Y = Vektor berukuran px1, variabel endogen

= Variabel laten X, vektor berukuran n x 1

X4

X3 Y3

Y4

Y5

Y6

Y2

Y1X1

X2

X5

X6


4/12

= Variabel laten Y, vector berukuran n x 1

= Lambda (kecil), loading faktor

= Gama (kecil), koefisien pengaruh variabel eksogen terhadap variabel

endogen.


5/12

BAB II

ISI

2.1Jenis-jenis Model Pada Structural Equation Modell ingJenis-jenis model yang dapat dianalisis dengan mengunakan pendekatan Structural

Equation Modeling(SEM) yaitu Model Deskrptif (Measurement Model) dan Model Causal.

Dalam Structural Equation Modeling, Model Deskriptif (Measurement Model) digunakan

untuk mengukur kuatnya struktur dari dimensi-dimensi yang membentuk sebuah faktor,

karena measurement model berhubungan dengan sebuah faktor, maka analisis yang dilakukan

sama dengan analisis faktor, peneliti memulai penelitiannya dengan menentukan terlebih

dahulu (model apriori). Beberapa variabel yang dipandang sebagai indikator sebuah faktor

dengan menggunakan teknik SEM untuk mengkonfirmasi struktur apriorinya. Itulah sebabnya

teknik ini disebut Confirmatory Factor Analysis (CFA). (Schumacker and Lomax, 1996).

Sedangkan Model SEM lainnya yaitu Model Causal mampu menggambarkan hubungan-

hubungan yang dihipotesiskan antar konstruk, yang menjelaskan sebuah kausalitas, termasuk

di dalamnya kausalitas berjenjang.

2.1.1Analisis Faktor EksploratoriSuatu penelitian yang bersifat ekploratif, umumnya bertujuan untuk mengetahui faktor-

faktor penyusun dari suatu dimensi kehidupan. Misalnya, ingin mengetahui faktor-faktor

perilaku konsumen produk A di kota Malang. Untuk itu dikembangkan instrumen penelitian

berupa kuisioner, yang didalamnya memuat indikator-indikator (item-item berupa

pertanyaan). Indikaor-indikator ini di dalam konteks analisis faktor ada yang menyebutnyasebagai variabel manifest. Sedangkan variabel yang diamati, misal perilaku konsumen,

merupakan variabel laten.

Analisis faktor eksploratori terdiri dari berapa faktor yang akan tebentuk dan faktor

tersebut merupakan penentu variabel laten. Hal ini belum dapat ditentukan sebelum analisis

dilakukan. Jadi pada prinsipnya, kita akan melakukan eksplorasi, dari indikator-indikator atau

variabel-variabel manifest yang ada nantinya akan terbentuk faktor-faktor, yang kemudian

dilakukan interprestasi terhadapnya untuk menentukan variabel-variabel laten apa yang dapat

kita peroleh.


6/12

2.1.2Analisis Faktor KonfirmatoriAnalisis faktor konfirmatori banyak faktor yang harus terbentuk, serta variabel-variabel

laten apa saja yang termasuk ke dalam faktor-faktor tersebut sudah diketahui secara apriori

berdasarkan landasan teori dan konsep yang telah ada. Pada prinsipnya analisis ini hanya

melakukan konfirmasi berdasarkan teori atau konsep yang sudah ada terhadap keakuratan

(valid dan reliabel) instrumen yang telah dibuat.

Analisis faktor eksploratori, umumnya mengunakan matriks korelasi untuk

mengestimasi faktor strukturnya sebab analisis faktor dikembangkan untuk menjelaskan

korelasi diantara variabel. Pada model analisis faktor konfirmatori banyak menggunakan skala

invariant, matriks korelasi ataupun matriks kovarians bisa digunakan, akan tetapi secara teori

pada umumnya menggunakan prosedur maximum likelihood, maka direkomendasikan model

analisis faktor konfirmatori menggunakan matriks kovarians.

Tipe analisis ini telah diketahuinya indikator penyusun faktor terlebih dahulu

berdasarkan suatu teori tertentu. Sehingga untuk analisis berikutnya tinggal melakukan

hipotesis yang menguji kebenaran hubungan teori tersebut. Confirmatory Factor Analysis

fokus pada hubungan antar konstruk dan ukuran (Bagozzi, 1994 di dalam Jurnal Ekonomi,

2004)

2.2Deskripse Variabel Pada Structural Equation Modell ing1.Model Struktural

Contoh suatu model persamaan simultan (Simultaneous Equation Model) diberikan

untuk lebih memahami model struktural sebagai berikut:

1212111211101 XXYY (3.3)

2121202 YY (3.4)

Persamaan (3.3), dapat dikatakan bahwa Y1 tergantung pada Y2, X1dan X2, sedangkan

pada persamaan (3.4), dapat dikatakan bahwa Y2 tergantung pada Y1. Sehingga untuk

penyelesaiannya (pendugaan koefisien regresi) pada kedua model tidak dapat dilakukan

secara parsial terhadap masing-masing persamaan, akan te-tapi harus dilakukan secara

simultan. Oleh karena itu, model yang demikian dise-but dengan sistem persamaan simultan,

yang dalam hal ini juga disebut sebagai model struktural.

Model struktural dikenal dua variabel, yaitu variabel eksogen dan variabel endogen.

Variabel eksogen adalah variabel yang nilainya ditentukan diluar model, seperti variabel


7/12

bebas dan variabel instrumen (predetermine variables). Sedang-kan variabel endogen adalah

variabel yang nilainya ditentukan berdasarkan mo-del, seperti variabel tak bebas. Dalam

ilustrasi diatas yang termasuk variabel ekso-gen adalah X1dan X2, Sedangkan yang termasuk

variabel endogen adalah Y1 dan Y2.

Metode pendugaan parameter untuk model struktural tersebut dapat dilaku-kan dengan

pendekatan model rekursif, pendekatan kuadrat terkecil tak langsung (Indirect Least Square=

ILS) dan pendekatan kuadrat terkecil dua tahap (Two Stage Least Square= TSLS).

2.Kesalahan StrukturalSecara logika tidak mungkin memprediksi variabel konstruk dependen, oleh karena itu

ada structure error (kesalahan struktural) yang diberi simbol zeta ().

3.Variabel Manifes / IndikatorVariabel indikator yang membentuk konstruk laten eksogen diberi simbol X sedangkan

variabel indikator yang membentuk konstruk laten endogen diberi simbol Y.

4.Variabel LatenAda dua jenis variabel laten, variabel eksogen yang diberi simbol ksi () dan variabel

endogen yang diberi simbol eta ()

5.Model PengukuranDisamping sebagai metode analisis yang berkenaan dengan model struktu-ral.

Structural Equation Modeling juga berhubungan dengan pemeriksaan seberapa valid dan

reliabel instrumen penelitian (berupa kuisioner). Pendekatan yang digunakan untuk

memeriksa hal tersebut di dalam SEM adalah analisis faktor konfirmatori, sehingga di dalam

SEM juga tercakup measurement model (model pengukuran).

6.Kesalahan PengukuranKesalahan pengukuran yang berhubungan dengan X diberi simbol karakter delta (),

sedangkan yang berhubungan dengan Ydiberi simbol karakter epsilon ()

2.3Tahapan-tahapan dalam Structural Equation Modell ingLangkah-langkah yang dilakukan untuk membuat pemodelan yang lengkap terdiri dari

pengembangan model berbasis konsep dan teori, konstruksi diagram path, menkonversi

diagram path ke dalam model struktural, memilih matriks input dan estimasi model, serta

penyelidikan asumsi-asumsi.

Langkah pertama dalam pengembangan model SEM adalah pencarian/

pengembangan sebuah model yang mempunyai landasan teori yang kuat. Dengan kata lain

tanpa dasar teori yang kuat SEM tidak dapat digunakan karena SEM tidak digunakan untuk


8/12

menghasilkan model, tetapi untuk mengkonfirmasi model hipotetik, melalui data empirik.

Untuk menguji model hipotetik tersebut menggunakan uji hpotesis mengenai perbedaan,

dengan menggunakan uji chi-square.

Setelah pada langkah pertama didapatkan model hipotetik, Langkah Kedua model

tersebut digambarkan dalam sebuah diagram path. Diagram path sangat bermanfaat untuk

menunjukkan alur hubungan kausal antar variabel eksogen dan endogen. Dimana hubungan-

hubungan kausal yang telah ada justifikasi teori dan konsepnya divisualisasikan ke dalam

gambar sehingga lebih mudah melihatnya. Bilamana hubu-ngan-hubungan kausal tersebut ada

yang secara konseptual belum mantap, maka dapat dibuat beberapa model, yang kemudian

diuji menggunakan SEM. Untuk mendapatkan model yang paling tepat. Konstruk-konstruk

yang dibangun dalam diagram pathdapat dibedakan ke dalam dua kelompok konstruk, yaitu

konstruk eksogen dan konstruk endogen. Konstruk eksogen dikenal juga dengan variabel

independen yang tidak diprediksi oleh variabel lain dalam model. Sedangkan konstruk

endogen adalah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk.

Persamaan yang dibangun berupa persamaan struktural (Structural Equation).

Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk

persamaan struktural pada dasarnya dibangun dengan pedoman berikut :

Variabel Endogen = Variabel Eksogen + Variabel Endogen + Error

Langkah ketiga Structural Equation Modelinghanya menggunakan matriks varians-

kovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang

dilakukannya. Observasi individual digunakan, tetapi input tersebut akan dikonversi ke dalam

bentuk matriks kovarians atau matrik korelasi sebelum dilakukan estimasi. Hal ini karena

fokus SEM bukanlah pada data individual tetapi pada pola hubungan antar responden.

Langkah selanjutnya adalah estimasi model. Teknik yang digunakan adalah MLE. Teknik ini

dipilih dengan pertimbangan ukuran sampel kecil yaitu 100-200. (Solimun, 2002)

Langkah keempat berikut ini merupakan evaluasi dari kesesuaian model, melalui

telaah terhadap beberapa kriteria Goodness of fit. Untuk itu tindakan pertama harus dilakukan

adalah mengevaluasi apakah data yang digunakan telah memenuhi asumsi yang diperlukan.

Asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan data dan

pengolahan data yang dianalisis denganPath Analysis terdiri dari yang terdiri dari pemenuhan

asumsi ukuran sampel, pengujian distribusi multivariat normal, tidak ada outlier, dan tidak

ada kasus multikolinieritas.

Ukuran sampel yang harus dipenuhi dalam pemodelan minimum adalah 100 danselanjutnya mengunakan perbandingan 5 observasi untuk setiap parameter yang diestimasi.


9/12

Sebelum dilakukan analisis model persamaan struktural (SEM), perlu dilakukan uji

multivariat normal, sebagaimana asumsi dalam analisis ini. Untuk me-nguji kemultinormalan

data, uji dilakukan dengan menghitung jarak kuadrat untuk setiap pengamatan (Johnson,

1988), yaitu :

xxSxxd jjj 1'

2 ; j = 1,2,,n (2.1)

dimana : xj = pengamatan pada responden ke-j

n = banyak responden

p = banyak variabel (pertanyaan)

S-1= invers matriks varian kovarian

Hipotesis nol dan alternatifnya diberikan sebagai berikut :

H0 : data berdistribusi multivariat normal

H1 : data tidak berdistribusi multivariat normal

Adapun H0 akan ditolak pada = 5%, jika nilai2

jd 2

%,5 p kurang dari 50%. (Johnson,

1988). Uji multinormal juga dapat dilakukan dengan membuat plot 2 (untuk p2) dengan

langkah-langkah sebagai berikut :

a) Menghitung xxSxxd jjj 1'2 ; j = 1,2,,nb) Mengurutkan 2jd sedemikian hingga 2 )(2 )2(2)1( ... nddd c) Membuat plot

n

jd pj

5,0,

22 ,dimana

n

jp

5,02 adalah persentiln

j )5,0(100

dari distribusi 2 derajat bebas p.

Apabila plot mendekati garis lurus maka disimpulkan bahwa data berdis-tribusi

multivariat normal, yang mana kelengkungan menunjukkan penyimpangan kenormalan.

Outlieradalah observasi yang muncul dengan nilai-nilai ekstrim baik seca-ra univariatmaupun multivariat dan terlihat sangat jauh berbeda dengan obser-vasi-observasi lainnya.

Untuk menyelidiki adanya outlierdengan menggunakan jarak mahalanobis.

)()( 1'

kikiki xxSxxD i,k=1,2,... (2.2)

Bila ada nilai ikD melebihi nilai dari ),(2

pdf maka ada indikasi adanya outlier.

Perlakuan bila terdapat outlier ada tiga (Kline, 1998) yaitu: Dihiraukan bila tidak diketahui

penyebabnya, dihilangkan dari sampel bila tidak menyebab-kan penurunan kelayakan model,


10/12

dan yang terakhir memodifikasi skor agar pengaruh outlierminimum. Asumsi lain yang harus

dipenuhi dalam SEM adalah tidak adanya kasus multikolinieritas yaitu tidak adanya korelasi

yang sempurna atau besar diantara variabel-variabel indikator. Nilai korelasi antara variabel

indikator yang tidak diperbolehkan adalah sebesar 0.9 atau lebih (Ghozali, 2005).

Langkah kelima adalah menilai identifikasi model struktural Cara melihat ada

tidaknya problem identifikasi adalah melihat hasil estimasi yang meliputi : (1) adanya nilai

standar error yang besar untuk satu atau lebih koefisien; (2) ketidakmapuan program untuk

invert information matrix; (3) nilai estimasi yang tidak mungkin misalnya error variance

yang negatif.

Langkah keenam Menilai kriteria Goodness of Fit Goodness of fit, mengukur

kesesuaian input observasi atau sesungguhnya (matrik kovarian atau korelasi) dengan prediksi

dari model yang diajukan. Ada tiga jenis ukuran goodness of fit yaitu (1) absolute fit measure,

(2) incremental fit measuresdan (3)parsimonious fit measures, kriteria tersebut dapat dilihat

berdasarkan tabel berikut.

No. Ukuran Derajat

Kecocokan

Keterangan Tingkat kecocokan

yang bisa diterima

1. Chi Square

Normed Chi Square

(x2/df)

Menguji apakah kovarians

populasi yang diestimasi sama

dengan kovarians sampel (apakah

model sesuai dengan data)

rasio perbandingan antara nilai

chi-square dengan degrees of

freedom

Batas bawah = 1.0

Batas atas = 2.0 atau

3.0

dan x2/df > 5

2. Non-Centraly

Parameter (NCP)

mengukur tingkat penyimpangan

antara simple covariance matrix

dan fitted (model).

Kecil

3. Goodness of Fit

Indices (GFI)

Suatu ukuran mengenai ketepatan

model dalam menghasilkan

observed matriks kovarian

0.80GFI 0,9

4. Root Mean Square

Error of

Approximation

(RMSEA)

Rata-rata perbedaan degree of

fredom yang diharapkan terjadi

dalam populasi, dan bukan sampel

RMSEA0,08

(good fit)

RMSEA< 0,05

(close-fit)


11/12

5. Expected Cross

Validation index

(ECVI)

Mengukur penyimpangan antara

fitted (model) matriks kovarian

pada sampel yang dianalisis dan

kovarian matrik yang akan

diperoleh pada sampel lain, tetapimemiliki ukuran sampel yang sama

besar

ECVI < ECVI

Saturated dan ECFI

for independence

model

6. CFI

(Comparative Fit

Index)

Uji kelayakan model yang

diusulkan dengan model dasar

CFI > 0,9

2.4Kelebihan dan Kelemahan Structural Equation Modell ingKelebihan Structural Equation Modelling Kelemahan Structural Equation Modelling

Komprehensif Penggunaan SEM Sangat Dipengaruhi oleh

Asumsi Parametrik yang Harus Dipenuhi

Mengakomodasi Model-model yang

Kompleks

SEM Mengharuskan Dalam Membentuk

Variabel Laten, Indikator-indikatornya

Bersifat Refleksif

Permodelan Variabel Laten

Kemungkinan Adanya Pengujian Model

Secara Keseluruhan daripada Koefisien-

koefisien Secara Sendiri-sendiri

2.5Aplikasi Structural Equation Modell ing di Dunia BisnisDi dalam ilmu manajemen, pengukuran yang digunakan dalam riset bisnis telah

mengalami perkembangan yang luar biasa. Penggunaan analisis kuantitatif dalam ilmu

manajemen diperlukan guna menjelaskan suatu seni terkadang harus berhadapan dengan

variabel-variabel yang tidak dapat diukur secara langsung, melainkan harus menggunakan

indicator. Variabel ini sering dijumpai dalam penelitian-penelitian bisnis maka dari itu

structural equation modeling adalah metode yang sering digunakan dalam riset bisnis, contoh

analisis dalam riset bisnis dan manajemen yang sering menngunakan metode ini antara lain :


12/12

1.Untuk riset kepuasan pelanggan suatu produk / jasa, dalam hal ini sering sekalimenggunakan metodestructural equation modelling dikarenakan kepuasan pelanggan

tidak dapat diukur secara langsung, melainkan diukur dari beberapa indicator / yang

biasa disebut variabel laten.

2.Untuk riset loyalitas pelanggan terhadap suatu produk / jasa.3.Untuk riset kepemimpinan seorang pemimpin di suatu perusahaan.4.Untuk riset perubahaan manajemen di suatu perusahaan.5.Untuk riset kinerja suatu perusahaan.

makalah akb

Documents