• Datariset
• Artikel
• Model persamaan struktural

Model Persamaan Struktural

Model persamaan structural atau yang lebih dikenal dengan kata SEM sudah banyak digunakan untuk olah data pada skripsi maupun tesis. Model ini hampir sama dengan model yang terdapat pada regresi. Banyak pertanyaan muncul seperti ini: apa bedanya sih olah data dengan SEM sama olah data dengan regresi?? Tentu terdapat perbedaan antara SEM dengan regresi meskipun pada dasarnya prinsip yang digunakan di dalam SEM sama dengan yang digunakan dalam regresi.

• Olah data dengan menggunakan SEM dapat dilakukan dengan sekali running sedangkan jika menggunakan regresi dapat terjadi beberapa kali running.
  
  Uji dengan menggunakan SEM hanya sekali olah data
  Uji dengan menggunakan regresi membutuhkan 3 kali olah data
• Asumsi yang digunakan di dalam SEM lebih rumit daripada asumsi yang digunakan dalam regresi.
  
  Goodness of Fit
  Chi Square =\cmin
  CMIN/DF =\cmindf
  Probability =\p
  GFI =\gfi
  AGFI =agfi
  NFI =\nfi
  CFI =\cfi
  TLI =\tli
  PNFI =\pnfi
  RMSEA =\rmsea
  Asumsi dalam SEM dikenal dengan GOF
  → Normalitas
  → Linearitas
  → Autokorelasi
  → Multicolinearitas
  → Heteroskedastisitas
  Asumsi dalam regresi dikenal dengan asumsi klasik
• Dalam SEM kriteria keputusan menggunakan c.r dan p sedangkan pada regresi menggunakan t.
  
  Output pada SEM
  Regression Weights: (Group number 1 - Default model)

  	Estimate	S.E.	C.R.	P	Label
  PMK <--- PKP	.479	.095	5.024	***	par_12
  KP <--- PKP	.688	.121	5.681	***	par_11
  KP <--- PMK	.278	.111	2.494	.013	par_13
  IB <--- KP	.595	.114	5.196	***	par_14

  
  
  Output pada regresi dengan spss
  Coefficients

  	Unstandardized Coeficients		Standardized Coeficients
  Model	B	Std.Error	Beta	t	Sig.
  1(constant)	1.776	.260		6.835	.000
  KP	.463	.081	.423	5.687	.000

  a. Dependent Variable: IB
• Jika dalam SEM estimasi dilakukan dari analisis masing-masing butir pertanyaan, sedangkan pada regresi analisis dilakukan dengan menggunakan rata-rata pada masing-masing variabel.

Tentu saja adanya SEM merupakan penyempurnaan dari regresi. Dimana dibuat lebih akurat dengan ketelitian yang diterapkan pada GOF dan penganalisisan pada masing-masing butir item. Selain itu dibuat lebih sederhana sebab sekali olah data hasil yang diinginkan telah didapat.

Akan tetapi banyak kendala bagi mahasiswa atau peneliti yang melakukan olah data dengan menggunakan SEM. Salah satunya adalah hasil yang tidak bagus, terutama pada GOF. Hal ini disebabkan analisis pada setiap butir pertanyaan sehingga muncullah hasil yang tidak memuaskan.

Bagi para mahasiswa atau peneliti yang sedang pusing olah data dengan SEM karena hasilnya tidak memuaskan jangan khawatir. Ada solusinya kok. Dalam tulisannya Imam Gozali menerangkan bagaimana cara mengatasi kendala tersebut. Salah satu cara mengatasi kendala atau permasalahan yang muncul pada olah data dengan SEM adalah menganalisis korelasi pada masing-masing butir pertanyaan. Butir pertanyaan yang berkorelasi rendah sebaiknya dibuang. Jika berbagai cara telah mahasiswa atau peneliti terapkan dalam mengatasi kendala atau permasalahan pada olah data SEM namun hasilnya tetap tidak memuaskan. Maka kalian dapat menghubungi saya di datariset.com telpon/SMS/WhatsApp 081931714774 atau BBM ke 7E58CEF8