Pengolahan data statistik memakai Structural Equation Model (SEM), berdasarkan Fonnel (Ghozali, 2006: 1) menyatakan manfaat utama SEM dibandingkan dengan generasi pertama multivariate menyerupai principal component analysis, factor analysis, discrimant analysis, atau multiple regression. SEM mempunyai fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dan data. Berdasarkan pendapat ini, maka sanggup dikemukakan alasan penerapan Analisis SEM untuk mengolah hasil penelitian ialah diberikut :
Pertama, hipotesis yang diuji ialah Hipotesis Teoritik yang ditetapkan dengan landasan teori sehingga tercantum sejumlah variabel menifes yang dikembangkan dari dimensi-dimensi pada masing-masing variabel penelitian.
Kedua, dengan metode Analisis SEM akan sanggup diungkapkan keeratan kekerabatan variabel-varabel manifes pada masing-masing variabel laten. Keeratan kekerabatan inilah yang merefleksikan besarnya efek variabel eksogen (variabel bebas) terhadap variabel endogen (variabel tergantung).
Ketiga, dengan terungkapnya bantuan keeratan kekerabatan variabel-variabel manifes pada masing-masing variabel laten, maka selanjutnya sanggup dilakukan pendekatan analisis deskriptif berdasarkan masing-masing variabel menifes yang merujuk pada indikator-indikator penelitian yang tercakup pada masing-masing dimensi.
Pengolahan data memakai Structural Equation Model (SEM), berdasarkan Fonnel (dalam Ghozali, 2006: 1) menyatakan manfaat utama SEM dibandingkan dengan generasi pertama multivariate menyerupai principal component analysis, factor analysis, discrimant analysis, atau multiple regression. SEM mempunyai fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dan data.
Wijanto (2007:34) mengatakan bahwa secara umum mekanisme SEM berdasarkan Bollen dan Long, 1993) mengandung tahap-tahap diberikut :
Pertama, hipotesis yang diuji ialah Hipotesis Teoritik yang ditetapkan dengan landasan teori sehingga tercantum sejumlah variabel menifes yang dikembangkan dari dimensi-dimensi pada masing-masing variabel penelitian.
Kedua, dengan metode Analisis SEM akan sanggup diungkapkan keeratan kekerabatan variabel-varabel manifes pada masing-masing variabel laten. Keeratan kekerabatan inilah yang merefleksikan besarnya efek variabel eksogen (variabel bebas) terhadap variabel endogen (variabel tergantung).
Ketiga, dengan terungkapnya bantuan keeratan kekerabatan variabel-variabel manifes pada masing-masing variabel laten, maka selanjutnya sanggup dilakukan pendekatan analisis deskriptif berdasarkan masing-masing variabel menifes yang merujuk pada indikator-indikator penelitian yang tercakup pada masing-masing dimensi.
Pengolahan data memakai Structural Equation Model (SEM), berdasarkan Fonnel (dalam Ghozali, 2006: 1) menyatakan manfaat utama SEM dibandingkan dengan generasi pertama multivariate menyerupai principal component analysis, factor analysis, discrimant analysis, atau multiple regression. SEM mempunyai fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan antara teori dan data.
Wijanto (2007:34) mengatakan bahwa secara umum mekanisme SEM berdasarkan Bollen dan Long, 1993) mengandung tahap-tahap diberikut :
- Spesifikasi model (model specification). Tahap ini berkaitan dengan pembentukan model pertama persamaan struktural, sebelum dilakukan estimasi. Model pertama ini diformulasikan berdasarkan suatu teori atau penelitian sebelumnya.
- Identifikasi (identification). Tahap ini berkaitan dengan pengkajian wacana kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan simultan tidak ada solusinya.
- Estimasi (estimation). Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menuggunakan salah satu motode estimasi yang tersedia. Pemilihan motode estimasi yang dipakai seringkali ditentukan berdasarkan karakteristik dari variabel-variabel yang dianalisis.
- Uji Kecocokan (testing fit). Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa kriteria ukuran kecocokan atau Googness Of Fit (GOF) sanggup dipakai untuk melakukan langkah ini.
- Respesifikasi (respecification). Tahap ini berkaitan dengan menspesifikasikan model berdasarkan atas hasil uji kecocokan tahapan sebelumnya.
0 komentar
Posting Komentar