no comments

MENGAPA MENGGUNAKAN SEM (STRUCTURAL EQUATION MODELING)?

Persoalan ini timbul dalam fikiran saya apabila seminar cadangan tesis. Pemeriksa mencadangkan bahawa analisis yang digunakan untuk tesis saya lebih tepat menggunakan SEM. Saya lebih keliru apabila dia berkata aplikasi perisian yang digunakan adalah LISREL. Apakah makhluk ini? Tetapi saya masih berkata, (kerana peperiksaan: D). Terdapat juga kawan saya yang sudah lulus bertanya “mengapa penggunaan SEM?, Apakah perbezaannya dengan analisis regresi atau laluan?, Adakah ia hanya untuk gaya?” Kerana ini sesuatu yang baru bagi saya, sudah tentu saya akan mencari orang yang boleh memproses data menggunakan analisis SEM. Tetapi pencarian saya tidak sia-sia. Selepas melakukan perjalanan di sekitar bandar Pekanbaru, hanya sedikit yang dapat memproses data dengan analisis SEM (lebih pemprosesan data SPSS).

Anda mungkin berfikir, anda boleh meneka dengan jari anda. Saya membatalkannya kerana alasan:

1. Pemprosesan data sibuk, jadi jika anda mahu, anda tidak dapat menentukan bila sudah siap.

2. Anda boleh, kos 4.5 juta (bro bro …),

3. Cuba terlebih dahulu, sudah siap selama seminggu dan kosnya tidak terlalu mahal (saya fikir ini adalah titik paling terang). Tetapi selepas seminggu saya bertemu lagi, hanya ada sebab (ada keluarga yang telah berkahwin, pulang ke rumah, sehingga komputer rosak oleh virus). Itulah kesakitan saya dalam mencari data SEM. Kerana begitu sukar untuk mencari data ini, saya akhirnya memutuskan untuk belajar sendiri (sepertinya lebih sukar untuk mencari tempat untuk memproses data daripada untuk mengkaji data: D). Walaupun saya berjuang untuk mempelajarinya, ia akhirnya berjaya, sehingga tesis saya selesai dan peperiksaan mendapat nilai yang Alhamdulillah.

Kembali ke topik kami, sudah tentu kita tidak bercakap mengenai sejarah SEM. Selepas saya belajar dan memahami tentang Model Persamaan Struktur SEM, pada pendapat saya SEM adalah analisis yang tepat yang digunakan untuk analisis multivariate dalam kajian sosial selain daripada pembiayaan atau pembolehubah yang digunakan menggunakan skala nominal / nisbah. Kerana dalam beberapa kes, penyelidik mesti menggunakan pemboleh ubah laten (pembolehubah yang tidak boleh diukur secara langsung).

Misalnya kepuasan pelanggan, motivasi, komitmen organisasi, dll. Pemboleh ubah ini tidak boleh diukur secara langsung jadi penyelidik mesti menggunakan beberapa petunjuk atau soalan soal selidik. Berbeza dengan pemboleh ubah yang diukur langsung seperti pendapatan bersih, gaji bulanan, berat badan, dll. Jika kita menggunakan analisis regresi, maka setiap pembolehubah diandaikan untuk diukur secara langsung supaya kita menggunakan markah purata atau jumlah item tersebut. Walau bagaimanapun, kaedah ini mengabaikan kewujudan ralat pengukuran. Jika kita tidak mengambil kira kesilapan pengukuran ini, pekali jalan boleh berat sebelah (Smith dan Langfield, 2004, Hair 2011).

Selain itu SEM mampu menguji penyelidikan yang kompleks dan banyak pembolehubah serentak. SEM boleh menyelesaikan analisis dengan satu anggaran di mana yang lain diselesaikan oleh beberapa persamaan regresi. SEM boleh melakukan analisis faktor, regresi dan laluan sekaligus.

SEM adalah satu jenis analisis multivariate generasi kedua. Mengapa generasi kedua berkata? Kemajuan sains dan teknologi membolehkan pembangunan alat analisis statistik, terutama statistik penyelidikan yang bersifat inferensial dengan analisis multivariate. Hair (2013) membahagikan kaedah analisis multivariat kepada dua kumpulan mengikut masa perkembangannya, iaitu teknik generasi pertama dan generasi kedua. Untuk butiran lanjut, lihat jadual 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

Kerana terdapat dua jenis SEM, penyelidik mesti benar-benar memahami beberapa keperluan dalam menggunakan jenis SEM supaya hasil pemprosesan adalah serasi dan tepat. Jenis berikut SEM dan perisian komputer sesuai 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 di atas, agak jelas mengapa kita menggunakan SEM. Saya sedang meneroka beberapa aplikasi perisian SEM di atas. Jadi, untuk rakan-rakan yang mempunyai masalah dengan SEM dan pemprosesan data (termasuk SPSS).

Sumber: Yrasemsi

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL