STRUCTURAL EQUATION MODELING

Ketika kita benar-benar yakin bahwa kita mampu mencapai suatu target, 

Tuhan akan mengalirkan kekuatan-Nya ke dalam darah kita. Sehingga kita akan 

berfikir, berbicara, dan bertindak layaknya kita sudah mencapainya.

Imam Munadhi

Pembahasan Materi 

Bab ini membahas tentang latar belakang penggunaan Structural Equation Modeling (SEM), pengertian SEM, konsep-konsep dasar SEM: konstrak, variabel manifest, validitas, reliabilitas, analisis faktor, korelasi polikorik, hubungan kausal.  LISREL: Linear Structural Relationship, prosedur SEM: definisi varians dan kovarians, spesifikasi model, identifikasi model, estimasi model, pembentukan model, uji kecocokan model, respesifikasi model, output program LISREL. Simbol-simbol dalam SEM dan persamaan matematis SEM.  

• Pendahuluan

Konsep-konsep tertentu di dalam ilmu-ilmu sosial dan psikologi tidak dapat didefinisikan dengan baik dan kemudian muncul pembahasan-pembahasan yang beragam mengenai makna yang sebenarnya dari konsep itu. Konsep-konsep seperti kecerdasan, kepribadian, sikap, minat, ambisi, prasangka sosial, status sosial adalah sebuah konstruk hipotetik yang tidak tersedia metode operasional yang langsung dapat mengukurnya. Konsep semacam ini disebut sebagai variabel laten (latent variable). Oleh karena tidak dapat diamati secara langsung, maka untuk menjelaskan variabel laten digunakan variabel lain yang merupakan perwujudan atau manifestasi dari variabel laten tersebut, yaitu yang disebut sebagai variabel teramati atau manifest variabel.

Kecerdasan atau IQ adalah sebuah konsep dalam psikologi dan pendidikan yang merupakan contoh dari variabel latent. Orang tidak dapat mengukurnya secara langsung, tetapi dapat melakukan pengukuran melalui manifestasinya, yaitu variabel-variabel yang diasumsikan merupakan perwujudan dari tinggi-rendahnya IQ. Untuk melihat tinggi rendahnya tingkat IQ seseorang tidak dilakukan pengukuran secara langsung pada IQ-nya, melainkan dilakukan pengukuran terhadap variabel-variabel teramati yang dianggap merupakan cerminan atau manifestasi dari IQ, misalnya melakukan pengukuran terhadap kemampuan numerical, verbal, mekanikal dan spasial yang di dalam teori-teori psikologi dianggap sebagai manifestasi dari IQ (Winarsunu, 2004). 

Skor-skor hasil pengukuran pada variabel teramati yaitu kemampuan numerical, verbal, mekanikal dan spasial merupakan cerminan dari tinggi rendahnya IQ seseorang. Jika dari hasil pengukuran diketahui bahwa seseorang memiliki skor yang tinggi pada variabel teramati (numerical, verbal, mekanikal dan spasial) maka hal ini dapat digunakan sebagai indikasi bahwa IQ seseorang tersebut adalah tinggi, demikian juga sebaliknya.

Keadaan tersebut diatas akan menjadi lebih kompleks jika peneliti tidak hanya melakukan analisis tunggal terhadap satu variabel laten, tetapi mencari relasi-relasi antara variabel-variabel laten. Atau para peneliti berusaha mencari pemahaman yang paling baik pada relasi antara dua variabel laten dengan mencoba memecahkannya melalui variabel laten ketiga, keempat dan sebagainya. Juga jika peneliti tidak sekedar mencari relasi tetapi ingin melihat hubungan sebab akibat dari bermacam-macam variabel laten, dimana peneliti menggunakan suatu pendekatan yang dikenal dengan causal model. 

Kompleksitas hubungan antarvariabel semakin berkembang seiring dengan berkembangnya ilmu pengetahuan. Keterkaitan hubungan antarvariabel bersifat alamiah. Keterkaitan itu ada yang bersifat (1) pola hubungan (relasi) antara variabel saja atau (2) pola pengaruh, baik pengaruh langsung maupun tidak langsung. Sebagai contoh, seorang peneliti dalam bidang riset pemasaran dihadapkan kepada serangkaian hubungan antarvariabel di mana faktor image (citra) sebuah toko akan berpengaruh terhadap keputusan membeli dan tingkat kepuasan seorang pelanggan, sedangkan faktor keputusan membeli dan kepuasan pelanggan akan berpengaruh terhadap loyalitas seorang pelanggan. Hubungan antarvariabel tersebut bersifat simultan (Sofyan Yamin, 2009). 

Dalam praktiknya, faktor image toko, keputusan membeli, keputusan pelanggan, dan loyalitas tidak dapat diukur secara langsung, sering kali bersifat laten (unobserved) dan masih membutuhkan berbagai indikator lain untuk mengukur variabel tersebut. Permasalahan pertama yang timbul adalah apakah indikator-indikator yang diukur tersebut benar-benar mencerminkan konstrak laten yang didefinisikan. Dengan kata lain, seberapa baik indikator-indikator tersebut mengukur konstrak laten. Ketika didefinisikan, indikator-indikator tersebut haruslah indikator yang benar-benar dapat dipertanggungjawabkan secara teori, mempunyai nilai logis yang dapat diterima, serta memiliki tingkat validitas dan reliabilitas yang baik. 

Permasalahan kedua adalah bagaimana mengukur pola hubungan atau besarnya nilai pengaruh variabel image toko terhadap keputusan membeli dan kepuasan; bagaimana mengukur pengaruh antara kepuasan dan image toko terhadap loyalitas secara simultan atau serempak; bagaimana mengukur besarnya pengaruh tidak langsung image toko terhadap loyalitas melalui variabel keputusan membeli atau bagaimana mengukur pengaruh tidak langsung image toko terhadap loyalitas melalui variabel kepuasan; dan seterusnya.

Contoh kedua, seorang peneliti dalam HRD berusaha mengungkapkan pola pengaruh antara kepuasan kerja dan tingkat produktivitas. Peneliti HRD mempunyai asumsi atau dugaan bahwa kepuasan kerja karyawan akan berpengaruh signifikan terhadap produktivitas kerja. Hal selanjutnya adalah bagaiaman peneliti HRD tersebut mengukur tingkat kepuasan karyawan dan produktivitas. Apakah kepuasan karyawan dan produktivitas yang merupakan suatu konstrak dapat diukur secara langsung. 

Menurut Luthan (1995), kepuasan kerja dapat direpresentasikan dalam: kepuasan gaji/upah, kepuasan terhadap pekerjaan itu sendiri, promosi yang diberikan, kepuasan dalam supervisi, dan kepuasan dalam hubungan kerja dengan rekan sepekerjaan. Namun, produktivitas menurut Sedarmayanti (1995) adalah individu/karyawan yang memiliki sifat: percaya diri, rasa tanggung jawab, cinta terhadap pekerjaannya, mempunyai pandangan kedepan, mampu menyelesaikan masalah, tindakannya mampu membangun image perusahaan, mempunyai kontribusi positif, dan memiliki kemampuan untuk mewujudkan potensinya. Percaya diri, rasa tanggung jawab, cinta terhadap pekerjaannya adalah indikator-indikator untuk mengukur sebuah konstrak produktivitas. Walaupun demikian, perlu sekali lagi ditegaskan, indikator-indikator yang diuraikan atau yang didefinisikan tersebut haruslah memiliki muatan teori yang benar. Setelah indikator-indikator tersebut didefinisikan, mengukur pola hubungan kausal antarvariabel yang dilakukan secara simultan memerlukan analisis statistik khusus untuk menjawabnya.

Dari kedua contoh sebelumnya, dapat ditarik beberapa pertanyaan, antara lain sebagai berikut.

• Bagaimana teknik statistik untuk mengukur hubungan antarvariabel yang bersifat simultan?
• Bagaimana teknik statistik untuk mengukur pola hubungan antara konstrak laten dan indikatornya serta hubungan konstrak laten dengan konstrak laten lainnya?
• Bagaimana mengetahui bahwa indikator-indikator yang mengukur konstrak laten adalah benar-benar indikator yang valid dan realibel dengan menggunakan teknik statistik?
• Bagaiamana mengukur atau menganalisis pola pengaruh langsung atau tidak langsung antarvariabel dengan menggunakan teknik statistik?

Dalam teknik statistik kita mengenal apa yang dinamakan Structural Equation Modeling, selanjutnya disingkat sebagai SEM. SEM adalah suatu teknik statistik yang mampu menganalisis pola hubungan antara konstrak laten dan indikatornya, konstrak laten yang satu dengan yang lainnya, serta kesalahan pengukuran secara langsung. SEM merupakan keluarga statistik multivariate dependent. SEM memungkinkan dilakukannya analisis di antara beberapa variabel dependent dan independent secara langsung (Hair et al., 2001).

• Pengertian Structural Equation Modeling (SEM)

Model persamaan structural (Structural Equation Modeling) merupakan suatu teknik analisis multivariate generasi kedua yang menggabungkan antara analisis faktor dan analisis jalur sehingga memungkinkan peneliti untuk menguji dan mengestimasi secara simultan hubungan antara multiple exogenous dan endogenous variable dengan banyak indikator (Hengky Latan, 2012). Menurut Hair et al. (2001), definisi SEM adalah sebagai berikut.

SEM is an evolution of multi equation modeling developed principality in econometrics and merged with the principle measurement form psychology and sociology, SEM has emerged as integral tool in both managerial and academic research. Jadi, SEM adalah sebuah evolusi dari model persamaan berganda yang dikembangkan dari prinsip ekonometri dan digabungkan dengan prinsip pengaturan dari psikologi dan sosiologi, SEM telah muncul sebagai bagian integral dari penelitian manajerial dan akademik.

SEM merupakan gabungan antardua metode statistik, yaitu (1) analisis faktor yang dikembangkan dalam psikologi/psikometri atau sosiologi dan (2) model persamaan simultan yang dikembangkan dalam ekonometri. Dalam perkembangannya, SEM telah banyak digunakan hampir dalam semua bidang penelitian, seperti pendidikan, pemasaran (marketing), psikologi, sosiologi, manajemen, kesehatan, komunikasi, demografi, penelitian tingkah laku organisasi, biologi, bahkan genetika. Dua alasan yang mendasari digunakannya SEM adalah: Pertama, SEM mempunyai kemampuan untuk mengestimasi hubungan antarvariabel yang bersifat multiple relationship. Hubungan ini dibentuk dalam model struktural (hubungan antara konstrak dependent dan independent). Kedua, SEM mempunyai kemampuan untuk menggambarkan pola hubungan antara konstrak laten (unobserved) dan variabel manifest (manifest variable atau variabel indikator).

Menurut Sofyan Yamin dan Heri Kurniawan (2009), dalam perkembangannya, pengolahan data untuk analisis SEM menjadi mudah dengan bantuan beberapa peranti lunak (software) statistik, seperti LISREL, AMOS, dan Smart PLS. dalam buku ini, pertam, LISREL akan diperkenalkan. LISREL merupakan software statistik untuk analisis SEM yang paling banyak digunakan. Dasar pengolahan dengan LISREL dapat dilakukan dengan empat cara, yaitu prelis project, simplis project, LISREL project, ataupun path diagram. Kita membatasi pengolahan data dengan metode simplis project yang memudahkan kita untuk menyelesaikan permasalahan sederhana dalam lingkup penelitian. Kedua, analisis SEM menggunakan software Smart PLS. Smart PLS merupakan metode alternatif analisis SEM dengan menggunakan PLS (Partial Least Square).

• Konsep-konsep Dasar

Berbeda dengan penelitian dalam bidang eksak, salah satu masalah utama dalam penelitian sosial atau psikologi adalah bagaimana mengukur suatu objek untuk memperoleh data yang akurat dan informative sehingga dapat mengambil keputusan yang benar dan dapat dipercayakan. Metode pengukuran suatu objek, misalnya berat badan seorang anak, pada bidang eksak dapat menggunakan timbangan, di mana jarum jam menunjukkan berat anak tersebut. Akan tetapi dalam bidang psikologi dan pendidikan, konsep pengukuran terkadang bukan kepada sesuatu yang sifatnya bisa diukur secara fisik atau material. Sebagai contoh, aspek kepribadian, kepercayaan diri seseorang, kecerdasan, produktivitas, loyalitas, dan lain-lain. Dalam praktiknya, para peneliti sosial dan psikologi mengembangkan suatu dimensi-dimensi yang digunakan untuk mengukur suatu objek amatan. Dimensi tersebut sebaiknya merupakan suatu alat ukur yang baik dan mampu memberikan informasi yang benar, baik secara logis maupun teoretis. Dimensi tersebut adalah alat ukur yang memenuhi kriteria valid, reliabel, praktis, dan ekonomis.

1. Konstrak

Menurut Hair et al. (2001), pengertian konstrak adalah sebagai berikut: Concept that the researcher can define in conceptual terms but can not be directly measured but must be approximately measured by indikator. Construct are the basis for forming causal relationship as they are the purest possible representation the concept. Konsep yang membuat peneliti mendefinisikan ketentuan konseptual, namun tidak secara langsung, tetapi diukur dengan perkiraan berdasarkan indikator. Konstrak adalah dasar untuk membentuk hubungan kausal sehingga mempunyai konsep kemungkinan yang paling representatif.

Konstrak merupakan suatu proses atau kejadian dari suatu amatan yang diformulasikan dalam bentuk konseptual dan memerlukan indikator untuk memperjelasnya, misalnya konstrak loyalitas. Loyalitas sebagai suatu konstrak didefinisikan sebagai perwujudan dari fenomena psikologis yang ditampilkan oleh seseorang pelanggan atau pembeli dengan tetap setia, konsisten dan berkesinambungan, disertai perasaan puas untuk tetap membeli pada suatu toko atau tempat tertentu. Dalam praktik penelitian berbasis kuesioner, sebuah konstrak didefinisikan sebagai suatu hipotesis permasalahan yang akan diteliti. Sebagai contoh, manajer HRD meneliti hubungan kinerja karyawan terhadap produktivitas. Apabila hubungan ini tidak dapat diukur secara langsung, maka didefinisikan sebagai suatu konstrak atau konstrak laten. Variabel konstrak laten adalah operasionalisasi suatu konstrak dalam model persamaan struktural, sebuah konstrak laten tidak dapat diukur secara langsung, tetapi dapat direpresentasikan atau ditentukan oleh satu atau lebih variabel.

2. Variabel Manifest

Menurut Hair et al. (2001), pengertian variabel manifest (manifest variabel) adalah Manifest variable is observed value for a specific item in question, obtained either from respondent in response to question (as in questionnaire) or from observation by the researcher. Konstrak laten tidak dapat diukur secara langsung dan membutuhkan indikator-indikator untuk mengukurnya. Indikator-indikator tersebut dinamakan variabel manifest. Dalam format kuesioner, variabel manifest tersebut merupakan item-item pertanyaan dari setiap variabel yang dihipotesiskan.

3. Validitas

Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan alat ukur dalam melakukan fungsi ukurnya (Yamin & Kurniawan, 2009). Suatu dimensi atau indikator dikatakan valid apabila indikator tersebut mampu mencapai tujuan pengukuran dari konstrak laten dengan tepat. Suatu indikator yang mengukur konstrak laten A haruslah indikator yang pada akhirnya memberikan informasi/menggambarkan konstrak laten A. dalam praktiknya, kesalahan pada kecermatan pengukuran, baik secara eksak maupun sosial/psikologi masih didapati. Kesalahan itu dapat berupa hasil yang terlalu tinggi (overestimate) atau terlalu rendah (underestimate). Kesalahan-kesalahan inilah yang kita kenal dengan measurement error (kesalahan pengukuran).

Measurement error degree to which the variables we can measure (the manifest variable) do not perfectly describe the laten construct of interest. Source of measurement error can rage from simple data entry error to definition of construct. Tingkat measurement error merupakan variabel yang dapat diukur (variabel manifest) ketika konstrak laten tidak dijabarkan secara detail. Sumber measurement error dapat berupa kesalahan sederhana saat memasukkan (input) data hingga definisi konstrak (Hair et al. 2001). Indikator yang valid adalah indikator yang memiliki tingkat measurement error yang kecil.

4. Reliabilitas 

Reliabilitas merupakan terjemahan dari kata reliability yang berasal dari kata rely dan ability. Reliabilitas bisa diartikan sebagai kepercayaan, keterandalan, atau konsistensi. Hasil suatu pengukuran dapat dipercaya apabila dalam beberapa kali pelaksanaan pengukuran terhadap bujek yang sama diperoleh hasil yang relatif sama, artinya mempunyai konsistensi pengukuran yang baik. Sebaliknya, apabila diperoleh suatu hasil yang berbeda-beda dengan subjek yang sama, maka dikatakan inkonsisten. Bisa kita simpulkan bahwa suatu alat ukur yang reliabel adalah alat ukur yang mempunyai tingkat reliabilitas tinggi. Secara empiris, tinggi rendahnya reliabilitas ditunjukkan oleh suatu angka yang disebut koefisien reliabilitas. 

5. Analisis Faktor

Faktor analisis adalah salah satu keluarga statistik multivariate yang bertujuan untuk meringkas atau mereduksi variabel amatan secara keseluruhan menjadi beberapa variabel atau dimensi baru, namun variabel atau dimensi baru yang terbentuk tetap mampu merepresentasikan variabel utama (Yamin & Kurniawan, 2009). Dengan faktor analisis, memungkinkan untuk memeriksa interrelationship di antara variabel-variabel yang banyak jumlahnya dan menjelaskannya menurut dimensi. Faktor analisis digunakan ketika seorang peneliti berusaha untuk memahami struktur interrelasi di antara variabel dalam sebuah kumpulan data. Dalam analisis faktor, ada dua pendekatan utama yaitu, exploratory factor analysis dan confirmatory factor analysis.

Confirmation analysis: use a multivariate technique to test (confirm) a prespecified relationship. For example suppose we hypnotize that only two variable should be predictors of a dependent variable. If we empirically test for the significance of these two predictor and non the significant for other. This test is a confirmation analysis. It is the opposite of the exploratory analysis.Confirmation analysis: menggunakan teknik multivariat untuk menguji sebuah hubungan yang belum diketahui. Sebagai contoh, anggap kita menghipotesiskan hanya dua variabel sebagai penganalisis variabel dependent. Jika kita menguji secara empirik bagi signifikansi kedua penganalisis ini dan ketidaksignifikansian faktor-faktor lainnya. Pengujian ini merupakan confirmation analysis dan merupakan kebalikan dari explatory analysis (Hair et al. 2001).

Kita menggunakan exploratory factor analysis jika jumlah faktor yang akan terbentuk tidak ditentukan terlebih dahulu. Sebaliknya, confirmatory factor analysis digunakan apabila faktor yang terbentuk telah ditetapkan terlebih dahulu. Dalam aplikasinya, SEM menggunakan confirmatory factor analysis. Asumsi mendasar yang harus digaris bawahi dalam analisis faktor adalah bahwa variabel-variabel yang dianalisis memiliki keterkaitan atau saling berhubungan. Hal ini karena analisis faktor berusaha untuk mencari kesamaan dimensi yang mendasari variabel-variabel itu.

6. Korelasi Polychoric

Menurut Hair et al. (2001), pengertian korelasi polychoric adalah Polychoric correlation is measure the association employed as a replacement for the product moment correlation when the both variable are ordinal measures with three or mor categories. Korelasi polychoric adalah pengukuran asosiasi yang digunakan sebagai suatu pengganti untuk korelasi product momen saat kedua variabel adalah pengukuran ordinal dengan tiga atau lebih kategori. Apabila skala data yang digunakan dalam penelitian adalah ordinal, maka untuk mengukur hubungan dua variabel digunakan korelasi polychoric. Sebaliknya, korelasi product moment atau korelasi pearson digunakan apabila skala datanya interval.

7. Hubungan Kausal

Menurut Hair et al. (2001), pengertian hubungan kausal adalah Causal relationship is dependence relationship between two or more variable in which the researcher clearly specify that one or more variable cause or create an outcome represented by at least one other variable. Must meet the requirement for causation. Hubungan kausal adalah hubungan dependen di antara dua atau lebih variabel agar peneliti dapat memperjelas bahwa satu atau lebih variabel itu berhubungan atau menciptakan sebuah hasil yang direpresentasikan oleh (setidaknya) salah satu variabel. Harus cocok dengan kualifikasi untuk suatu akibat.

Hubungan keterkaitan di antara dua atau lebih variabel di mana seorang peneliti mendefinisikan secara jelas bahwa satu variabel akan menjadi penyebab bagi variabel lainnya atau memengaruhi variabel lainnya. Sebagai contoh X1 dan X2 dihipotesiskan memengaruhi Y. Hubungan X1 terhadap Y atau X2 terhadap Y disebut hubungan kusal.

8. Skala Data

Ada empat skala data dalam statistik, yaitu skala nominal, ordinal, interval, dan rasio (Yamin & Kurniawan, 2009). Skala data nominal (skala data kategori atau atribut). Contoh: data gender, warna, pilihan ya atau tidak, dan seterusnya. Dalam skala nominal, data hanya bisa dibedakan berdasarkan sifat fisiknya. Sebagai contoh, data gender: hanya akan ada laki-laki dan perempuan; atau data warna, yaitu merah, hijau, dan putih. Adapun angka yang diberikan skala nominal, misalnya 1 untuk laki-laki dan 0 untuk perempuan tidak menjadikan bahwa 1 lebih besar dari 0. Pemberian angka yang diberikan hanya bersifat sebagai label saja.

Skala ordinal (data peringkat atau tingkatan), seperti tingkat pendidikan atau tingkat jabatan. Dalam tingkat pendidikan, ada SD, SMP, SMU, Sarjana. Angka yang diberikan untuk skala ordinal menunjukkan nilai peringkat dari objek, misalnya 1 = SD, 2 = SMP, 3 = SMU, dan 4 = Sarjana. Skala interval adalah suatu pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah sifat lainnya yaitu jarak yang sama pada pengukur interval memperlihatkan jarak yang sama dari ciri atau objek yang diukur. Dalam penelitian sosial, skala sifat biasanya diasumsikan berskala interval. Skala rasio adalah ukuran yang mencakup semua ukuran di atas ditambah satu sifat lagi, yaitu skala yang memberikan keterangan tentang nilai absolut dari objek yang diukur. Ukuran rasio mempunyai titik nol, sehingga ukuran rasio ini dapat dilakukan perkalian ataupun pembagian. Angka pada skala rasio menunjukkan nilai sebenarnya dari objek yang diukur. Contoh ukuran ratio: ukuran timbangan berat badan, ukuran tinggi badan, dan lain-lain.

9. Desain Kuesioner

Kuesioner adalah sebuah set pertanyaan sistematis dan secara logis berhubungan dengan masalah penelitian yang diajukan oleh peneliti. Ada empat komponen inti dalam sebuah kuesioner, yaitu: 1. Adanya subjek, yaitu individu atau lembaga yang melakukan penelitian. 2. Adanya ajakan, yaitu permohonan dari peneliti untuk mengisi acara aktif dan objektif dari pertanyaan-pertanyaan yang tersedia. 3. Adanya petunjuk, yaitu tata cara atau arahan/petunjuk dalam pengisian kuesioner. 4. Adanya pertanyaan, yaitu adanya pertanyaan atau pertanyaan yang diminta responden untuk mengisinya serta tersedianya tempat atau kolom untuk mengisinya.

Menurut Nazir (2005), beberapa hal yang perlu diperhatikan dalam mendesain sebuah kuesioner adalah: 1. Tidak menggunakan kata-kata yang sulit dimengerti oleh responden. 2. Tidak menggunakan kata-kata yang bersifat terlalu umum. 3. Menghindari pertanyaan yang mendua (memiliki makna ganda). 4. menghindari kata-kata yang samar atau bias. 5. Menghindari pertanyaan yang mengandung asumsi. 6. Menghindari pertanyaan yang bersifat sugesti. Setelah setiap indikator tersebut diuraikan, maka setiap indikator tersebut diimplementasikan dalam item-item pertanyaan kuesioner dengan terlebih dahulu menentukan skala data pengukurannya.

• LISREL: Linear Structural Relationship 

LISREL merupakan salah satu program SEM yang paling banyak digunakan saat ini. Program ini dikembangkan oleh Karl Joreskog dan Dag Sorbom pada tahun 1974. LISREL merupakan satu-satunya program SEM yang tercanggih dan dapat mengestimasi persoalan SEM yang hampir tidak mungkin dilakukan oleh program SEM lainnya. LISREL terdiri dari dua bagian penting, yaitu 1) model persamaan struktural (the structural equation model) dan 2) model pengukuran (the measurement model). Model persamaan struktural merujuk pada relasi antara variabel eksogen dan endogen, yaitu variabel yang merupakan konstruk yang tidak teramati, atau variabel yang sebenarnya atau laten (Winarsunu, 2004). 

Selain itu LISREL merupakan program SEM yang sangat informatif dalam menghasilkan hasil uji statistiknya sehingga modifikasi model dan penyebab buruknya goodness of fit model dapat dengan mudah diatasi. Saat ini program LISREL telah banyak digunakan oleh mahasiswa maupun peneliti-peneliti di seluruh dunia untuk menganalisis penelitian yang menggunakan model persamaan structural (Yamin & Kurniawan, 2009). Variabel terikat laten atau variabel endogen diberi lambang (eta), sedangkan variabel bebas laten atau variable eksogen diberi lambang (xi). Model persamaan struktural dalam LISREL adalah sebagai berikut:

B=+

Dimana,

Persamaan struktural harus diamati dari titik pandang regresi. Mula-mula harus diidentifikasi terlebih dahulu melalui kajian teoritik yang sangat ketat mengenai model dan variabel-variabelnya. Misalkan kita memiliki 3 variabel laten; yang terdiri dari 2 variabel eksogen yaitu Alienasi (Alienation) dan perasaan rendah diri (inferiority compleks) dan 1 variabel endogen yaitu prasangka sosial (Social prejudice). Variabel alienasi diukur melalui 2 manifest variable yang menjadi indikator variabel laten eksogen alinasi, yaitu diukur melalui skala anomia (Anomia Scale) dan skala ketidakberdayaan (Powerlessness Scale). Variabel laten eksogen inferioritas diukur melalui manifest variabel skala harga diri dan skala konsep diri. Sedangkan variabel laten endogen prasangka sosial diukur melalui skala empati dan skala stereotype etnik (Winarsunu, 2004).

Dengan demikian kita memiliki 4 variabel bebas yang teramati, yaitu 1) tingkat anomia, 2) taraf ketakberdayaan, 3) harga diri dan 4) konsep diri; x1, x2, x3, x4. Matriks korelasi empat kali empat dihitung dan dilakukan analisis faktor terhadapnya, maka akan ditemukan kedua faktor, yaitu faktor Alienasi 1 dan faktor inferioritas kompleks 2. Matriks lambda x x akan berisi muatan-muatan faktor: 11, 21, 32, 42. Selanjutnya ditentukan relasi antara 1 dan 2 yaitu variabel-variabel bebas laten, dengan , yaitu variabel terikat laten. Apabila hubungan-hubungan antara variabel tersebut digambarkan maka akan tampak model teoritik sebagai berikut (Winarsunu, 2004):

Gambar 19.1. 

Model Teoritis Hubungan antar Variabel. AN: Anomia, KB: Ketidakberdayaan, HD: Harga Diri, KD: Konsep Diri, AL: Alienasi, IF: Inferioriti Kompleks, PS: Prasangka Sosial, EM: Empati dan SE: Stereotipe Etnik.

Masalah penelitian yang terkandung di dalam gambar di atas dapat dinyatakan sebagai relasi multivariate antara variabel-variabel bebas (x) dengan variabel-variabel terikat (y). Variabel x mencerminkan 2 buah faktor yaitu faktor Alienasi dan faktor Inferioritas Kompleks sedangkan variabel y mencerminkan 1 faktor yaitu Prasangka Sosial. Variabel laten faktor Alienasi diukur melalui indikator atau variabel Anomia dan Ketidakberdayaan. Variabel laten faktor Inferitas Kompleks diukur melalui indikator atau variabel Harga Diri dan Konsep diri. Sedangkan variabel laten Prasangka Sosial diukur melalui indikator atau variabel Empati dan Stereotipe Etnik.

Seperti tampak dalam gambar di atas bahwa di dalam menggambarkan hubungan teoritis antar variabel, digunakan beberapa lambang seperti lingkaran, kotak, garis bermata panah satu dan bermata dua. Menurut Joreskog (Pedhazur, 1982) lingkaran digunakan untuk menggambarkan variabel yang tidak bisa diobservasi atau variabel laten, sedangkan kotak digunakan untuk menggambarkan variabel yang dapat diamati. Garis bermata panah satu menunjukkan pengaruh sedangkan yang bermata panah dua menyatakan korelasi di antara variabel-variabel tersebut. Hipotesis kerja yang diajukan dengan berpedoman pada model teoritik adalah bahwa faktor alienasi 1 dan faktor inferoritas kompleks 2 keduanya mempengaruhi prasangka sosial, . Untuk menguji hipotesis ini maka persamaan struktural harus diubah menjadi bentuk matriks sehingga ia bisa disiapkan untuk pelaksanaan analisis LISREL. Dari persamaan struktural yang telah dituliskan di atas dapat disusun persamaan individualnya sebagai berikut:

=11+22+1

Perlu diperhatikan bahwa seperti tampak dalam gambar model teoritik, bahwa yang terjadi adalah hubungan antara variabel eksogen dengan endogen, dan tidak diidentifikasi mengenai hubungan antara variabel endogen dengan endogen, sebab memang tersedia 1 variabel endogen saja, yaitu prasangka sosial. 

Sedangkan hubungan antara variabel eksogen alienasi dengan variabel eksogen ketidakberdayaan diidentifikasi secara jelas. Suatu keadaan ketika hubungan antara variabel endogen berhubungan dengan variabel endogen yang lain maka diperlukan suatu matrik yang namanya matrik Beta (B). kasus yang terdapat dalam model teoritik seperti digambarkan di atas tidak ditemui hubungan antar variabel endogen, karena memang dalam model teoritik hanya terdapat 1 variabel endogen saja, sehingga tidak diperlukan matriks beta (B). Matriks beta (B) berbicara tentang relasi antara atau variabel laten y jika ada lebih dari satu . Jika kita memiliki 2 buah , mungkin sekali bahwa 1 mempengaruhi 2 dan pengaruh ini pun mungkin perlu diperhitungkan. Sehingga bentuk matriks persamaan struktural dapat dituliskan sebagai berikut:

=121 2 +

= +

Parameter 1 dan 2, yaitu gamma 1 dan gamma 2, merupakan bagian terpenting dalam masalah ini, karena mengestimasikan pengaruh variabel-variabel laten faktor alienasi 1 dan faktor inferioritas kompleks 2 terhadap prasangka sosial .

Sedangkan persamaan model pengukur, secara khusus digunakan untuk melihat relasi antara variabel yang tak teramati atau laten dengan variabel manifestasi atau teramati. Persamaan yang digunakan untuk model pengukuran pada y adalah:

y=yη+

Dimana,

y : adalah vektor pengukuran variabel terikat.

y lamda y : adalah matriks koefisien atau loading y pada variabel terikat laten . empson : adalah vector kesalahan pengukuran pada y.

Untuk rincian LISREL, persamaan pengukuran pada y dituliskan dalam bentuk matriks sebagai berikut:

y1y2=12+12

y=y+

Sedangkan model pengukuran pada x adalah:

x=xξ+

Dimana, 

x : adalah vector pengukuran variabel bebas.

x lamda x : adalah matriks koefisien atau loading x pada variabel bebas laten . (delta) : adalah vector kesalahan pengukuran pada x.

Untuk rincial LISREL, persamaan pengukuran pada x dituliskan dalam bentuk matriks sebagai berikut:

x1 x2 x3 x4 =11 21 0 0    0 0 32 42    1 2 +1 2 3 4

x=x +

Kedua persamaan pengukuran x dan y sama-sama mengungkapkan relasi antara variabel-variabel yang terukur atau teramati, yaitu x dan y, dengan variabel-variabel laten atau variabel-variabel yang teramati, yaitu x, dan x secara bersama-sama, juga antara y,  dan y secara dan melandasi variabel-variabel x dan y yang teramati. 

Tahap yang harus dilalui dalam analisis data yang menggunakan LISREL adalah a) menguji kebenaran model dengan melihat apakah terdapat berpedaan yang signifikan antara model dengan data dan 2) apabila ada kesesuaian antara model dengan data maka dapat dilakukan pengujian terhadap hipotesis tentang hubungan struktural dalam model. Data yang dimaksud di dalam LISREL adalah matriks kovarians antar variabel terukur, yaitu x dan y. sedangkan yang dimaksud dengan model teoritik adalah matriks kovarians antara x dan y yang diharapkan akan diperoleh jika model tersebut benar. Untuk melakukan uji kesesuaian antara model teoritik dengan data digunakan uji goodness-of-fit. Maksudnya untuk melihat sejauh mana model teoritik sesuai dengan kenyataan yang ada pada data. Perlu diingat bahwa suatu model yang sesuai dengan data akan memiliki sebuah nilai 2 yang tidak signifikan. 

Apabila hipotesis nihil yang menyatakan bahwa tidak terdapat perbedaan antara model dengan data ternyata tidak signifikan atau tidak dapat ditolak, maka hal tersebut artinya bahwa tidak terdapat perbedaan antara model dengan data. Implikasinya adalah bahwa model teoritik yang diajukan telah sesuai atau fit untuk menjelaskan data. Apabila telah diperoleh suatu informasi yang mengindikasikan bahwa model teoritis sesuai dengan data maka hipotesis-hipotesis yang diajukan dapat diuji lebih lanjut (Pedhazur, 1982; Kerlinger, 1986).

Namun untuk sampai kepada penemuan indeks atau koefisien yang terdapat dalam LISREL diperlukan suatu teknologi pengolahan data yang sophiscated, yaitu melalui program komputer. Dalam hal ini sudah tersedia program LISREL yang dikembangkan oleh Joreskog dan Sorbom (1988) yang dikenal dengan PRELIS (a Prepocessor for LISREL). Sehingga tidak dimungkinkan dalam buku ini dijelaskan dan dicontohkan tentang sisi-sisi operasional penghitungan data dalam LISREL, lebih-lebih tidak mungkin apabila harus ditunjukkan bagaimana penghitungan yang dilakukan secara manual. Jadi, percaya sajalah pada program komputernya.

Suatu contoh penelitian yang menggunakan LISREL telah dilakukan oleh Markum (1998) untuk Disertasinya di Program Pascasarjana Fakultas Psikologi Universitas Indonesia. Penelitian dimaksudkan untuk menemukan sifat yang harus dimiliki oleh Sumber Daya Manusia (SDM) Indonesia dan menemukan latar belakang keluarga dan sekolah yang kondusif bagi pembentukan sifat SDM Indonesia sebagai penunjang peembangunan. Penelitian dilakukan 2 tahap, tahap 1 dilakukan dengan melakukan pengkajian kualitatif terhadap 68 buah riwayat hidup individu yang berprestasi tinggi dalam bidang ilmu pengetahuan, seni, olahraga, bisnis dan wanita kerja dan tahap II dilakukan penelitian lapangan terhadap mahasiswa berprestasi tinggi sejumlah 149 orang dan mahasiswa berprestasi rendah sejumlah 131 orang. Pada penelitian tahap II itulah analisis data menggunakan LISREL.

Pada penelitian tahap I yaitu melalui penelaahan kritis terhadap riwayat hidup didapatkan 6 sifat yang dimiliki oleh individu berprestasi tinggi; yaitu sifat kerja keras, komitmen, realistis, mandiri, disiplin, dan prestatif. Keenam sifat yang ditemukan ini dijadikan variabel endogen pada penelitian tahap II. Sedangkan hipotesis yang diajukan untuk penelitian tahap II adalah: 1) Latar belakang keluarga mempengaruhi pembentukan sifat dan selanjutnya sifat akan mempengaruhi individu berprestasi tinggi, 2) Latar belakang sekolah mempengaruhi pembentukan sifat dan selanjutnya sifat akan mempengaruhi individu berprestasi tinggi dan 3) Struktur hubungan antar variabel yang disebutkan pada kedua hipotesis tersebut mengikuti model teoritis pada gambar berikut ini.

Gambar 19.2.

Model Teoritis Hubungan antar Variabel (Diadaptasi dari Markum, 1998).

Diantara 4 model hubungan antar variabel yang diajukan Markum, salah satunya Adalah seperti yang terdapat pada gambar berikut ini:

Gambar 19.3.

Model Hubungan Struktural Antar Variabel (Diadaptasi dari Markum, 1998)

Berdasarkan analisis data terhadap 4 model hubungan struktural antar variabel yang diuji dalam penelitian, didapatkan koefisien chi-square yang tidak signifikan, dimana pada Model I didapatkan 2=83,40 p=0,98, Model II dengan 2=69,02 p=1,00, Model III memiliki 2=73,44 p=0,90 dan pada Model IV ditemukan 2=30,17 p=0,1,00. Oleh karena ke-4 model yang diuji terbukti tidak signifikan maka hal ini berarti bahwa model yang diuji adalah sesuai (fit) atau model-model teoritis yang diajukan tidak berbeda dengan data empirik. Sehingga analisis dapat dilanjutkan kepada penarikan kesimpulan. Dari 4 model yang diuji tersebut, Markum dalam Winarsunu (2004), menyimpulkan hasil penelitian sebagai berikut:

1. Faktor lingkungan keluarga yang berpengaruh secara signifikan terhadap pembentukan sifat dan selanjutnya mempunyai pengaruh terhadap prestasi mahasiswa, hanyalah variabel pola asuh orang tua, khususnya pola asuh otoritatif. Sedangkan variabel ibu dan kondisi deprivasi ternyata sama sekali tidak mempunyai pengaruh terhadap pembentukan sifat. Namun variabel ibu secara langsung mempunyai pengaruh yang signifikan terhadap prestasi mahasiswa.
2. Faktor lingkungan sekolah mempunyai pengaruh yang signifikan terhadap pembentukan sifat adalah pola bina yang dilaksanakan di sekolah, khususnya yang otoritatif. Sedangkan variabel teman dekat, kualitas guru, dan kondisi sekolah sama sekali tidak mempunyai pengaruh yang signifikan terhadap pembentukan sifat.

1. Prosedur Structural Equation Modeling (SEM)
2. Definisi Varians dan Kovarians

Varians adalah penyimpangan data dari nilai mean (rata-rata) data sampel. Secara matematis, varians adalah perbedaan kuadrat antara tiap data amatan dan meannya sehingga nilai varians tidak mungkin nol (atau negatif). Secara matematis, berikut adalah formula varians.

Var X=∑Xi–X2/N, untuk populasi

Var X=∑XI–X2/(n–1), untuk sampel

Kovarians menunjukkan hubungan linier yang terjadi antardua variabel. Kovarians akan bernilai positif jika kedua variabel mempunyai hubungan positif, sebaliknya kovariansnya akan bernilai negatif jika kedua variabel mempunyai hubungan negatif. Namun jika kedua variabel tersebut tidak mempunyai hubungan, maka kovariansnya akan bernilai nol. Berbeda dengan korelasi, di mana besarnya nilai bisa menunjukkan perbedaan tingkat keeratan antarvariabel. Sebagai contoh, nilai korelasi sebesar 0,86 (hubungan keeratan antara X1 dan Y1) dibandingkan dengan nilai korelasi sebesar 0,45 (hubungan keeratan antara X1 dan Y2). Dengan memperhatikan kedua nilai korelasi ini, maka dapat disimpulkan X1 mempunyai hubungan yang lebih erat dengan Y1 dibandingkan Y2. Dalam kovarians, kita tidak bisa mengatakan seperti halnya dalam korelasi. Secara matematis, berikut adalah formula kovarians.

Kov x,y=∑Xi–XXi–y/N, untuk populasi

Kov x,y=∑Xi–XXi–y/(n–1), untuk sampel

Apabila variabel yang didefinisikan dalam penelitian semakin banyak, maka nilai varians dan kovarians biasanya dibentuk dalam format matriks, yang disebut matrik varians-kovarians (atau kita sebut matriks kovarians saja). Dalam matriks ini, diagonal utama (dari kiri atas ke kanan bawah)-nya menunjukkan nilai varians. Bagian selain diagonal utama menunjukkan nilai kovarians. Matrik kovarians inilah yang menjadi dasar dalam analisis SEM (Structural Equation Modeling).

Konsep utama SEM adalah meminimalkan perbedaan antara sample covariance matrix dan implied covariance matrix. Sample covariance matrix adalah matriks kovarians yang diperoleh dari perhitungan data asli yang ada, sedangkan implied covariance matrix adalah matriks kovarians yang dihitung berdasarkan estimasi model yang dibuat. Untuk itu, hipotesis nol yang ditetapkan adalah = dan hipotesis alternatif adalah ; dimana ∑ adalah matriks kovarians yang diperoleh dari sampel data dan adalah matriks kovarians yang diperoleh estimasi model. Pada SEM, kita mengusahakan agar kita menerima hipotesis nol yang berarti tidak ada perbedaan signifikan antara sample covariance matrix dan implied covariance matrix. Secara umum, ada lima tahap dalam prosedur SEM (Sofyan Yamin & Heri Kurniawan, 2009), yaitu: (1) spesifikasi model, (2) identifikasi model, (3) estimasi model, (4) uji kecocokan model, dan (5) respesifikasi model.

2. Spesifikasi Model

Pada tahap ini, pertama, peneliti mengungkapkan sebuah konsep permasalahan penelitian. Permasalahan penelitian merupakan sebuah pernyataan atau dugaan hipotesis terhadap suatu masalah. Kedua, mendefinisikan variabel-variabel yang akan terlibat dalam penelitian dan mengkategorikannya sebagai variabel eksogen dan variabel endogen. Ketiga, menentukan model pengukuran untuk variabel tersebut, apakah bisa diukur secara langsung (measurable variable) atau membutuhkan variabel manifest (manifest variable atau indikator-indikator untuk mengukur konstrak laten). Pendekatan teori yang benar dibutuhkan saat akan menentukan indikator-indikator yang akan mengukur konstrak laten.

Apabila belum ada pijakan teori sebelumnya (atau referensi), maka pendekatan pengalaman atau pijakan nilai logis dapat dipertimbangkan. Langkah keempat adalah mendefinisikan hubungan kausal struktural antarvariabel (antara variabel eksogen dan variabel endogen), apakah hubungan struktural recursive atau hubungan struktural nonrecursive. Seperti halnya langkah ketiga, pendekatan teoretis yang benar tentang hubungan struktural antarvariabel pada langkah ini diperlukan. Langkah kelima adalah langkah opsional, yaitu membuat diagram jalur hubungan antarkonstrak laten dan antarkonstrak laten beserta indikator-indikatornya. 

3. Identifikasi Model

Ada tiga jenis identifikasi model, yaitu under-identified model, just-identified model, dan over-identified model. Under-identified model adalah suatu identifikasi model di mana model yang dispesifikasikan tidak mempunyai penyelesaian yang unik dan jumlah parameter yang diestimasi lebih besar dari jumlah data. Perhatikan persamaan berikut: X + Y = 8. Dalam persamaan tersebut, nilai X dan Y bervariasi dan saling memiliki ketergantungan. Tidak ada suatu penyelesaian unik dalam persamaan tersebut. Bila x bernilai 1, maka Y akan bernilai 7; bila X bernilai 2, maka Y akan bernilai 6; dan seterusnya. Karena itu dalam hal ini, kita tidak bisa mendapatkan suatu nilai yang representative untuk menggambarkan persamaan tersebut.

Just-identified model adalah identifikasi model di mana jumlah parameter yang akan diestimasi sama dengan jumlah data dan hanya mempunyai penyelesaian tunggal dalam persamaan tersebut. Sebagai contoh, persamaan (1): X + Y = 4, dan persamaan (2) 2X + 3Y = 9. Dalam kedua persamaan tersebut, masing-masing nilai X dan Y adalah 3 dan 1. Over-identified model adalah identifikasi model di mana jumlah parameter yang diestimasi lebih kecil dari jumlah data dan dilakukan melalui proses iterasi hingga dicapai nilai konvergensi yang stabil. Misalnya, ada tiga persamaan dengan dua parameter tidak diketahui, yaitu persamaan (1): X + Y = 4, persamaan (2): 2X + Y = 8, dan persamaan (3): 3X + 2Y = 11. Nilai X dan Y yang paling mendekati ketiga persamaan tersebut adalah 2,9 dan 1,2. Untuk mencapi identifikasi model dengan kriteria over-identified model, maka dalam program LISREL sebaiknya dilakukan:

• Untuk konstrak laten yang hanya mempunyai 1 indikator pengukuran, maka koefisien faktor loading (lamda) ditetapkan 1 atau membuat error variance indikator pengukuran tersebut bernilai nol; dan
• Untuk konstrak laten yang memiliki beberapa indikator pengukuran (lebih besar dari 1 indikator), maka ditetapkan salah satu koefisien lamda bernilai 1. Penetapan lamda yang bernilai 1 adalah merupakan justifikasi dari peneliti tentang indikator yang dianggap paling mewakili konstrak laten tersebut. Indikator tersebut di sebut juga sebagai variable reference.

4. Estimasi Model

Ada beberapa metode untuk mengestimasi parameter-parameter yang didefinisikan, yaitu maximum likelihood (ML), generalized last square (GLS), instrument variable (IS), two stage least square (2SLS), unweight least square (ULS), generally weight least square (WLS), dan diagonally weight least square (DWLS). Apabila metode estimasi yang digunakan tidak spesifik, maka secara default LISREL akan menggunakan maximum likelihood. Pada tahap ini, diharapkan bahwa matriks kovarians prediksi akan sedekat mungkin atau sama dengan matriks kovarians suatu sampel data. Dengan demikian, kita akan menerima hipotesis nol yang akan berakibat pada kecocokan model yang dihipotesiskan.

5. Pembentukan Model

Ada dua metode pendekatan yang digunakan dalam pembentukan model SEM ini, yaitu one step approach dan two step approach. One step approach berarti bahwa estimasi atau pengujian model (baik pengukuran model atau model struktural) dilakukan sekaligus secara menyeluruh. Model hubungan antara konstrak dan indikatornya serta hubungan antarkonstrak diestimasi secara simultan. Di sisi lain, two step approach dilakukan secara bertahap. Pertama dilakukan pengujian terhadap pengukuran model hingga mencapai uji kelayakan model yang baik, kemudian setelah mendapatkan pengukuran model yang baik setiap konstrak dihubungkan untuk diuji secara struktural.

Hair et al. (2001) menyatakan bahwa, banyak peneliti yang mengusulkan dua tahap proses untuk Structural Equation Modeling saat model pengukuran pertama kali diestimasi, seperti halnya analisis faktor, dan kemudian pengukuran model dipastikan di tahap kedua saat model struktural diestimasi. Rasionalitas pendekatan ini berarti bahwa keakuratan representasi reliabilitas indikator terbaik dapat dicapai dalam dua tahap, untuk menghindari interaksi pengukuran model dan model struktural. Ketika kita tidak dapat mengevaluasi secara pasti suatu pengukuran atau model, kita harus mempertimbangkan kemampuan suatu konstrak dibandingkan dengan diantara construct, di mana terdapat efek estimasi yang substansial dan hasil interpretational compounding.

6. Uji Kecocokan dan Respesifikasi Model

Ukuran-ukuran uji kecocokan model dibagi dalam tiga kelompok, antara lain.

• Ukuran kecocokan mutlak (absolute fit measures).
• Ukuran kecocokan incremental (incremental/relative fitc. measures).
• Ukuran kecocokan parsimony (parsimonious/adjusted fit measures).

Apabila model yang dihipotesiskan belum mencapai model yang fit, maka peneliti bisa melakukan represifikasi model untuk mencapai nilai fit yang baik. Oleh karena itu, pendekatan teori benar ketika melakukan respesifikasi model ini dibutuhkan.

7. Output Program LISREL

Untuk memperoleh output dalam format/program LISREL, ada beberapa pilihan perintah, antara lain. Output program LISREL: SS SC EF SE VA MR PS PC PT

Keterangan:

SS = Print standardized solution

SC  = Print completely standardized solution

EF  = Print total and indirect effects, their standard error and t-values

VA = Print variance and covariance

MR = Equivalent to Ricardo Semler and VA

FS  = Print factor score regression

PC  = Print correlations of parameter estimates

PT  = Print technical information

1. Simbol-Simbol Dalam Aanalisis atau Model SEM

Keterangan

1. Persamaan Matematis dalam SEM

Persamaan matematis model yang telah dijelaskan sebelumnya adalah sebagai berikut.

Persamaan model struktural

1=111+112+

2=111+

Persamaan model pengukuran variabel eksogen

x1=111+1

x2=211+2

x3=311+3

x4=122+4

x5=222+5

x6=322+6

Persamaan model pengukuran variabel endogen

y1=131+1

y2=231+2

y3=331+3

y4=142+4

y5=242+5

y6=342+6

Rangkuman

Model persamaan struktural (Structural Equation Modeling) merupakan suatu teknik analisis multivariate generasi kedua yang menggabungkan antara analisis faktor dan analisis jalur sehingga memungkinkan peneliti untuk menguji dan mengestimasi secara simultan hubungan antara multiple exogenous dan endogenous variable dengan banyak indikator. LISREL merupakan software statistik untuk analisis SEM yang paling banyak digunakan. Dasar pengolahan dengan LISREL dapat dilakukan dengan empat cara, yaitu prelis project, simplis project, LISREL project, ataupun path diagram.

Dalam praktiknya, para peneliti sosial dan psikologi mengembangkan suatu dimensi-dimensi yang digunakan untuk mengukur suatu objek amatan. Dimensi tersebut sebaiknya merupakan suatu alat ukur yang baik dan mampu memberikan informasi yang benar, baik secara logis maupun teoretis. Dimensi tersebut adalah alat ukur yang memenuhi kriteria valid, reliabel, praktis, dan ekonomis. Konsep-konsep dasar SEM yang sering digunakan adalah konstrak, variabel manifest, validitas, reliabilitas, analisis faktor, korelasi polikorik, hubungan kausal.  Sedangkan dalam prosedur SEM meliputi: definisi varians dan kovarians, spesifikasi model, identifikasi model, estimasi model, pembentukan model, uji kecocokan model, respesifikasi model, output program LISREL.

Daftar Pustaka

Ghozali, Imam & Fuad. 2010. Structural Equating Modeling: Teori, Konsep, dan Aplikasi dengan Program Lisrel 8.80. Semarang: Badan Penerbit Universitas Diponegoro.

Ghozali, Imam. 2010. Structural Equating Modeling: Model Alternatif dengan Partial Least Square. Semarang: Badan Penerbit Universitas Diponegoro.

Ghozali, Imam. 2010. Generalized Structural Component Analysis: Model Persamaan Struktural Berbasis Komponen. Semarang: Badan Penerbit Universitas Diponegoro.

Hair, Joseph F, et al, 2001, Multivariate Data Analysis: With Reading, Englewood, Cliffs, N.J: Prentice-Hall.

Hermawan, A, 2006, Penelitian Bisnis: Paradigma Kuantitatif, Grasindo: Jakarta.

Latan, Hengki. 2012. Structural Equation Modeling: Konsep dan Aplikasi Menggunakan Program Lisrel 8.80. Bandung: Alfabeta.

Narinawati, U, 2008, Teknik-Teknik Analisis Multivariat untuk Riset Ekonomi Graha Ilmu: Jakarta.

Nazir, Muhammad. 2005. Metode Penelitian, Bogor: Ghalia Indonesia.

Riduwan, Kuncoro, 2007, Cara Menggunakan dan Memaknai Analisis Jalur (Path Analysis), Alfabeta: Bandung.

Singgih Santosa, 2004, Buku Latihan SPSS Statistik Multivariat, Elek Media Komputindo: Jakarta. 

Sofyan Jamin, Kurniawan,H, 2009, Structural Equation Modelling: Belajar Lebih Mudah Teknik Analisis Data Kuesioner dengan Lisrel – PLS, Salemba Infotek: Jakarta.

Wijaya, Toni. 2010. Analisis Multivariat: Teknik Olah Data Untuk Skripsi, Tesis, dan Disertasi Menggunakan SPSS. Penerbit UAJY: Yogyakarta.

Winarsunu, T, 2004, Statistik dan Penelitian, UMM Press: Malang.

Yakin kepada diri sendiri adalah sebuah sikap. Banyak memotivasi diri dan visualisasi positif yang digabungkan dengan pelatihan, siapapun bisa belajar melakukan apa saja. Anda yang menentukan apa yang harus Anda yakini. Anda harus berhenti bilang aku tidak bisa. 

Otak Anda dirancang untuk dapat memecahkan masalah apapun dan meraih 

tujuan apapun yang Anda targetkan. Jangan menyia-nyiakan kehidupan 

Anda dengan yakin bahwa Anda tidak bisa.

Jack Canfield