Terus Belajar Structural Equation Modelling

Pada hari Selasa, 28 Agustus 2012 saya berkesempatan untuk belajar lagi tentang materi Structural Equation Modelling (SEM) dengan salah satu ahli SEM di Yogyakarta, yakni Bp. Asma'i, P.hD. Pertemuan siang itu, saya bertanya seputar permasalahan yang muncul pada persoalan SEM, yakni over fit. Indikasi dari adanya over fit adalah indikator TLI yang sebesar 1,065, di sisi lain indikator GFI sebesar 0,743 dan AGFI sebesar 0,720. Berikut hasil analisis yang kami lakukan dengan software AMOS versi 18.

Berdasarkan indikator tersebut, maka permasalahan tidak hanya over fit, tetapi juga lack of fit (marginal) untuk indikator GFI dan AGFI. Permasalahan GFI dan AGFI disebabkan data yang tidak berdistribusi normal. Benar saja, indikator Multivariat normality memang sebesar 16, jauh dari standar 2,58. 

Atas permasalahan tersebut, beberapa langkah yang disaranakan adalah: 1) dengan men-drop observed variable yang outlier, 2) mendrop data observasi yang outlier, dan 3) mengubah/transformasi menjadi skor composite. 

Itu adalah beberapa petunjuk yang diberikan pada kami, agar permasalahan yang muncul di SEM, baik dengan program AMOS maupun Lisrel dapat sesuai dengan ketentuan yang berlaku (kaidah teoritis yang ada).

Structural Equation Modelling, Masih Bau Kencur?

Ketika saya membaca artikel yang ditulis Cheung dan Lee (2001) dengan judul "an integrative model of consumer trust in internet shopping", saya tertarik dengan kata-kata di dalamnya. Pada bagian data analysis, penulis mengutip pendapat dari jurnal lainya yang menyatakan bahwa SEM masih kanak-kanak sehingga model regresi berganda yang digunakan dalam penelitia. Berikut saya kutipkan lagi tulisan tersebut.

"Since the use of structural equation modeling techniques for analyzing theoretical models containing moderators is still very much in its infancy (Jaccard & Wan 1996), standard multiple regression techniques was applied instead. Before examining the moderating effect of the research model, overall model test was conducted first."

Setelah saya telusuri pada bagian daftar pustaka, judul buku yang diacu dalam jurnal tersebut adalah:

Jaccard, J & Wan, CK (1996), Interaction Effect in Multiple Regression, Sage Publications.

Kutipan tersebut cukup  menarik perhatian saya karena baru saja saya temukan pendapat yang masih meragukan aplikasi SEM. Padahal ketika saya pelajari, SEM adalah aplikasi yang dikembangkan untuk model rumit yang tidak dapat diselesaikan dalam analisis regresi berganda.

Ketika saya lihat tahun terbitnya buku tersebut, segera saya dapat analisis bahwa memang tahun itu, teknologi komputer belum berkembang seperti sekarang. Dimana software untuk menganalisis SEM mungkin masih dikembangkan. Lain halnya pada saat tulisan ini dibuat (2012), program software sudah sangat maju dan terus menerus disempurnakan. Saat ini di laptop saya sudah terinstal program aplikasi untuk SEM seperti AMOS versi 18 ataupun Lisrel versi 8.80. Melihat dari nomor versi yang tidak muda lagi (kanak-kanak), untuk konteks sekarang, relevankan pendapat tersebut?

Statistik Monovariate

Saat itu hari sudah menjelang sore, ketika saya hendak berkemas pulang dari kantor Grha Statistika. Sekedar catatan, saya setiap hari bekerja membantu jasa olahdata di Jalan Kaliurang, Yogyakarta. Sekonyong-konyong datang seorang mahasiswi S3 dan langsung berhadapan dengan saya. Kata-kata pembuka beliau adalah "waduh saya beberapa kali ke sini tetapi sudah tutup terus". Ternyata ibu ini datang di luar jam kerja kami, jadi ketlisipan (tidak ketemu). 

Langsung setelah ice breaking itu, si ibu mengutarakan keinginannya. Beliau menunjukkan coretan dari promotornya yang membuat beliau tidak bisa tidur nyenyak dan makan enak :). Catatan itu berbunyi "kenapa tidak diuji memakai statistik monovariat?". 

Istilah ini memang amat jarang dipakai, bahkan belasan tahun saya bergelut dengan olahdata statistik, baru sekali ini saya mendengarnya. 

Jika kita googling pun, dengan kata kunci statistik monovariat, tidak akan ditemukan. Luar biasa bukan?
Setelah saya renungkan beberapa saat, mono sinonim dengan kata satu atau uni, sedangkan variat disinonimkan dengan kata variabel. Setelah digabungkan, ketemu!
Saya langsung merekomendasikan si ibu untuk memakai teknik analisis statistik univariat untuk menjawab pertanyaan promotor beliau. Teknik apa yang saya rekomendasikan? bagaimana perbedaan univariat, bivariat serta multivariat? akan bersambung pada tulisan saya berikutnya :)