MENGAPA MENGGUNAKAN SEM (Structural Equation Modeling)?

          Pertanyaan ini muncul dibenak saya ketika saat seminar proposal tesis. Dosen penguji menyarankan agar analisis yang digunakan untuk tesis saya ini lebih tepatnya memakai SEM. Saya pun semakin bingung ketika beliau bilang aplikasi software yang digunakan adalah LISREL. Makhluk apa pula ini. Tapi tetap saja saya iyakan, (karna ujian :D). Ada juga teman saya yang telah lebih dulu wisudanya menanyakan “mengapa sih memakai SEM?, apa bedanya dengan regresi atau analisis jalur?, apa buat gaya-gayaan saja?” (secara tesisnya hanya pake analisis regresi :p). Oleh karna ini sesuatu yang baru bagi saya, tentu saja saya akan mencari orang yang bisa mengolah data dengan menggunakan analisa SEM tersebut. Namun pencarian saya tidak membuahkan hasil. Setelah keliling kota Pekanbaru, hanya sedikit yang bisa mengolah data dengan analisis SEM (lebih banyak olah data SPSS). Boleh dibilang, bisa dihitung dengan jari. Itu pun saya batalkan dengan alasan : 1. Yang ngolah datanya sibuk, jadi kalo mau, gak bisa ditentukan kapan siapnya, 2. Bisa, biayanya 4,5 juta (gila bro..), 3. Dicoba dulu, siapnya sekitar seminggu dan biayanya gak terlalu mahal (kayaknya ini titik terangnya). Tapi setelah seminggu saya temui lagi, ada aja alasannya (ada keluarga yang nikah lah, pulang kampung lah, sampe komputernya rusak kena virus). Begitulah derita saya dalam pencarian olah data SEM. Karena begitu susahnya mencari olah data ini, akhirnya saya memutuskan untuk belajar sendiri (sepertinya lebih susah cari tempat olah datanya daripada mempelajari olah datanya :D). Meskipun dengan bersusah payah mempelajarinya akhirnya bisa juga, hingga tesis saya selesai dan ujiannya mendapat nilai yang Alhamdulillah.

Kembali ke topik kita, tentunya kita tidak bicara tentang sejarah SEM. Setelah saya pelajari dan pahami tentang SEM alias Structural Equation Modeling ini, menurut saya SEM merupakan analisis yang tepat digunakan untuk analisis multivariat dalam penelitian sosial selain keuangan atau variabel yang digunakan menggunakan skala nominal/rasio. Karena dalam beberapa kasus, peneliti harus menggunakan variabel laten (variabel yang tidak dapat diukur secara langsung). Misalnya kepuasan konsumen, motivasi, komitmen organisasional, dll. Variabel tersebut tidak dapat diukur secara langsung sehingga peneliti harus menggunakan beberapa indikator atau pertanyaan kuesioner. Berbeda dengan variabel yang terukur langsung seperti laba bersih, gaji bulanan, berat badan, dll. Jika kita menggunakan analisa regresi, maka setiap variabel tersebut diasumsikan dapat diukur secara langsung sehingga kita menggunakan skor rata-rata atau total dari item-item tersebut. Namun, metode ini mengabaikan adanya kesalahan pengukuran (measurement error). Jika kita tidak memperhitungkan kesalahan pengukuran tersebut maka koefisien jalur dapat menjadi bias (Smith dan Langfield, 2004, Hair 2011). Selain itu SEM mampu menguji penelitian yang kompleks dan banyak variabel secara simultan. SEM dapat menyelesaikan analisis dengan satu kali estimasi dimana yang lain diselesaikan dengan beberapa persamaan regresi. SEM dapat melakukan analisis faktor, regresi dan jalur sekaligus.

SEM merupakan salah satu jenis analisis multivariat generasi kedua. Kenapa dibilang generasi kedua? Kemajuan ilmu dan teknologi memungkinkan perkembangan alat analisis statistika, khususnya statistik inferensial penelitian dengan analisis multivariat. Hair (2013) membagi metode analisis multivariat menjadi dua kelompok menurut waktu perkembangannya yaitu teknik generasi pertama dan generasi kedua. Untuk lebih jelasnya dapat dilihat pada tabel berikut:

	Tujuan Utama Eksplorasi	Tujuan Utama Konfirmasi
Teknik Generasi I	-          Analisis kluster -          Exploratory factor analysis -          Multidimensional scalling	-          Analysis of Variance -          Regresi -          Korelasi
Teknik Generasi II	-          Partial Least Squares/ Variance SEM (SEM-PLS)	-          Covariance-based SEM (CB-SEM)

Dari tabel diatas dapat kita lihat bahwa ternyata ada 2 SEM yaitu CB-SEM dan VB-SEM/PLS. Dua-duanya adalah SEM. Namun kapan kita menggunakan CB-SEM atau SEM-PLS. Berikut panduan singkat (rule of tumb) memilih CB-SEM atau PLS-SEM:

	CB-SEM	PLS-SEM
Tujuan Penelitian	menguji teori, konfirmasi teori atau membandingkan berbagai alternatif teori	Bersifat eksploratoris atau perluasan teori, mengidentifikasi variabel determinan utama atau memprediksi konstruk tertentu
Spesifikasi Model Pengukuran	Erorr term memerlukan spesifikasi tambahan seperti kovariasi	Terdapat konstruk formatif. (CB-SEM hanya reflektif)
Model Struktural	Konstruk terdapat hubungan nonrecursive (timbal balik)	Tidak terdapat hubungan nonrecursive (timbal balik)
Karakteristik Data dan Algoritma	Data memenuhi asumsi-asumsi CB-SEM seperti minimal ukuran sampel dan distribusi normal.	Jika ukuran sampel relatif kecil dan tidak memenuhi asumsi-asumsi CB-SEM (spesifikasi model, identifikasi, nonconvergence, distribusi data, dsb)
Evaluasi Model	Penelitian yang memerlukan indeks goodness of fit yang lengkap secara keseluruhan	Tidak memerlukan indeks goodness of fit yang lengkap

Karena terdapat dua jenis SEM, maka peneliti harus benar-benar memahami beberapa persyaratan dalam penggunakaan jenis software SEM sehingga hasil pengolahan compatible dan akurat. Berikut jenis SEM dan software komputer yang cocok untuk digunakan :

Jenis SEM	Software yang sesuai
Covariance Based (CB-SEM)	AMOS LISREL  EQS  M-Plus
Variance/Component Based (VB-SEM/PLS)	TETRAD GSCA Smart PLS Warp PLS

Dari penjelasan diatas cukup jelas rasanya kenapa kita menggunakan SEM. Saat ini saya sedang mendalami beberapa aplikasi software SEM diatas. Jadi, bagi teman-teman yang punya masalah dengan SEM dan olah data (termasuk SPSS), kita bisa sharing disini atau contact saya.