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 :)

Location Quotients

LQ merupakan cara dalam penentuan kapasitas ekspor perekonomian daerah dan derajat self-sufficiency suatu sektor. Dalam LQ, kegiatan ekonomi daerah dibagi menjadi dua golongan, yaitu:

a) Industri basis yaitu industri dengan kegiatan ekonomi atau industri yang melayani pasar di daerah itu sendiri maupun di luar daerah yang bersangkutan.

b) Industri non basis atau industri lokal yaitu industri dengan kegiatan ekonomi atau industri yang melayani pasar di daerah tersebut.

Dasar teori LQ adalah teori economic base. Secara ringkas, inti teori economic base menyatakan bahwa industri basis menghasilkan barang-barang dan jasa untuk pasar di daerah maupun luar daerah. Penjualan keluar daerah menghasilkan pendapatan bagi daerah tersebut. Arus pendapatan dari luar daerah ini menyebabkan kenaikan konsumsi dan investasi di daerah tersebut, dan pada tahap selanjutnya meningkatkan pendapatan dan menciptakan kesempatan kerja baru. Peningkatan pendapatan tersebut tidak hanya meningkatkan permintaan terhadap industri basis, tetapi juga permintaan terhadap industri non basis (lokal). Kenaikan permintaan ini akan medorong kenaikan investasi baik pada industri basis maupun non-basis. Oleh karenanya, kenaikan investasi pada industri lokal dinyatakan juga sebagai induced-investment sebagai akibat dari kenaikan industri basis.

Rumus menghitung LQ adalah:

Vi* adalah pendapatan dari industri di suatu daerah i.
Vt* adalah pendapatan total daerah i.
Vi adalah pendapatan dari industri sejenis secara regional / nasional.
Vt adalah pendapatan regional / nasional.

Mediating Variabel dalam Analisis SEM menggunakan Lisrel 8.80

Analisis Variabel Mediasi dengan Lisrel 8.8

Lisrel Lagi

Memilih Teknik Analisis Statistika dalam Penelitian

A.    Analisis data Penelitian

Analisis data merupakan proses terintegrasi dalam sebuah prosedur penelitian. analisis data dilakukan untuk membuktikan atau mencari jawaban terhadap rumusan dan dugaan peneliti tentang variabel yang dipelajari. Hasil analisis data inilah akan dibaca/diinterpretasikan oleh peneliti kemudian diambil simpulan jawaban yang berdasarkan pada kenyataan empiris. 

Analisis data penelitian dapat dibagi menjadi dua macam. Pertama, analisis kuantitatif dan analisis kualitatif. Perbedaan yang mendasari keduanya adalah pada jenis data yang diperoleh. Jika peneliti ingin melakukan pengukuran dengan menggunakan angka maka digunakan analisis kuantitatif. Jika peneliti ingin mengetahui proses/informasi baru dapat digunakan analisis kualitatif. Jadi, keputusan yang diambil menurut kebutuhan peneliti.

Uraian berikut ini akan memaparkan analisis kuantitatif. Untuk analisis kualitatif dapat dipelajari sendiri pada referensi yang sudah banyak dalam bahasa Indonesia.

B.     Cara memilih analisis data statistika

Memilih uji statistika yang akan digunakan dalam sebuah penelitian dapat dilakukan dengan beberapa pedoman: 
- Apakah jenis data yang akan kita dapatkan ?

  - Bagaimana hipotesis yang akan kita uji ?  Apakah tujuan penelitian ?

Berikut akan disajikan keterangannya,

1.    Jenis – jenis data penelitian

Data statistika dapat digolongkan menjadi dua macam.

a.      data nominal, adalah data yang didapat dari hasil penghitungan dan pengkategorian.

b.     data kontinum, data yang didapat dari pengukuran. Data ini dapat dibagi lagi menjadi tiga macam; nominal, ordinal, interval, rasio.

Tabel 1. Perbedaan data penelitian.

Jenis data	Ciri – ciri	Contoh
Nominal	Hasil menghitung, kategorikal, cacah, nomor rumah/telp./urut.	Jumlah keluarga, kursi, siswa, data pelanggan, dikotomi, kawin-belum, janda-duda, pria-wanita.
Ordinal	Bertingkat, angka yang lebih tinggi mengandung perbedaan (tapi tidak sama bedanya)	Kelas I-VI, golongan I-IV, eselon I-V, predikat.
Interval	Tidak punya nilai nol mutlak (netral), tiap tingkat menunj beda yang sama. Dapat dijumlah, kali, bagi.	Skala likert,  Skala 2,1,0,-1,-2.
Rasio	Punya nilai nol mutlak. Dapat dikali, bagi, jumlah.	Jarak 10 m, uang Rp. 1,000,00, Panas 00 C, isi 3 ml.

2.    Jenis – jenis & macam hipotesis

Secara umum, hipotesis penelitian dapat dibagi menjadi 2 yaitu Hipotesis nol (H0) dan hipotesis alternatif (Ha/H1). Untuk membedakan dua macam hipotesis tersebut adalah dengan mencermati pernyataannya. Pernyataan hipotesis nol adalah; tidak ada hubungan yang signifikan antara ......... dengan ..... (isi sendiri). hipotesis nol selalu disandingkan dengan Hipotesis alternatif berbunyi; ada hubungan yang signifikan antara ..... dengan .....

C. Jenis–Jenis & Macam Hipotesis

Secara umum, hipotesis penelitian dapat dibagi menjadi 2 yaitu Hipotesis nol (H₀) dan hipotesis alternatif (Ha/H1). Tidak ada perbedaan arti dalam penggunaan Ha ataupun H1, namun dalam uraian buku ini digunakan istilah Ha. Untuk membedakan dua macam hipotesis tersebut adalah dengan mencermati pernyataannya. Pernyataan hipotesis nol adalah; tidak ada (hubungan/perbedaan) yang signifikan antara ... dengan ... (isi sendiri). hipotesis nol selalu dikontraskan dengan hipotesis alternatif yang berbunyi; ada (hubungan/perbedaan) yang signifikan antara ... dengan ....

Beberapa bentuk hipotesis adalah hipotesis komparatif dan asosiatif. Hipotesis bentuk lain misalnya hipotesis interdependent. Penyusunan hipotesis ini harus dibuat berdasarkan landasan teori yang kuat. Landasan teori yang kuat diperlukan agar penelitian yang dilakukan mempunyai konsep yang jelas dan banyak diakui/diterima masyarakat.

Contoh bentuk hipotesis komparatif adalah: “tidak ada perbedaan kualitas produk jeans untuk produksi dalam maupun luar negeri”. Hipotesis komparatif mempunyai bentuk umum yakni menunjukkan perbedaan antara satu, dua atau lebih kelompok berdasarkan variabel yang dipilih.

Contoh bentuk hipotesis asosiatif adalah: “tidak terdapat pengaruh antara gaya kepemimpinan transformasional manajer terhadap produktivitas pegawai”. Hipotesis asosiatif selalu menunjukkan hubungan atau pengaruh antara dua atau lebih variabel dalam penelitian.

Contoh bentuk hipotesis interdependen adalah: “karakteristik pengguna motor di Indonesia dapat dikelompokkan menjadi tiga kelompok/segmen”. Ciri bentuk hipotesis interdependen adalah hipotesis tidak hendak melihat perbedaan maupun hubungan antar variabel. Uraian lebih lengkap dapat dilihat pada subbab pengujian hipotesis satu dan dua sisi.

Tabel 2. Teknik analisis statistika yang dapat dipilih dalam penelitian.

Macam – macam data	Bentuk Komparasi				Asosiatif
	Dua sampel		k- sampel
	Korelasi	Independen	Korelasi	Independen
Interval/ Rasio	t-tes dua sampel	t-tes dua sampel	One way anova	One way anova	-product moment -korelasi parsial -korelasi ganda -regresi sederhana &ganda
Ordinal	-sign tes -wilcoxon	-Median tes -mann-whitney -kolmogorov smirnov	-friedman -two way anova	-Media ekstention -kruskal walls	-Spearman rank -kendall tau
Nominal	Mc Nemar	-Fisher exact -chi kuadrat for two sampel	Chi kuadrat for k-sampel	Chi kuadrat for k-sampel	-coefisien contingensi

Tabel 2. Menunjukkan apa saja teknik analisis yang dapat kita gunakan dalam penelitian.  Misal data yang kita dapatkan adalah data interval dan hipotesisnya adalah komparatif dua kelompok tidak berhubungan maka kita menggunakan uji-t independent sample. Jika dataya adalah datanya ordinal hipotesisnya komparatif k-kelompok yang independent kita gunakan kruskal walls, dls.