Structural Equation Modeling (SEM): Definisi hingga Jenisnya

Data survei dalam ilmu sosial, perilaku, kesehatan, dan lainnya, sering kali memiliki banyak variabel. Nah, structural equation modeling adalah sebuah ‘alat’ yang biasanya digunakan untuk menganalisis data itu.

Melansir situs Frontiers, dengan jumlah partisipan yang cukup, structural equation modeling (SEM) memungkinkan peneliti dengan mudah menyusun dan menguji secara andal hubungan hipotesis antara konstruksi teoretis serta antara konstruksi dan indikator yang diamati.

Akan tetapi, analisis SEM dengan jumlah partisipan yang kecil atau variabel besar, bisa jadi bermasalah.

Apa Itu Structural Equation Modeling (SEM)?

Teknik analisis data multivariat generasi pertama, seperti regresi berganda, regresi logistik, dan analisis varians, termasuk dalam rangkaian metode statistik inti yang digunakan peneliti untuk menguji secara empiris hubungan yang dihipotesiskan antar variabel yang diminati.

Mengutip Springer Link, banyak peneliti di berbagai disiplin ilmu telah menerapkan metode ini untuk menghasilkan temuan yang secara signifikan membentuk cara pandang kita terhadap dunia saat ini.

Teknik-teknik ini memiliki tiga batasan penting yang sama, yaitu (1) postulasi struktur model yang sederhana, (2) mengharuskan semua variabel dianggap dapat diamati, dan (3) asumsi bahwa semua variabel diukur tanpa kesalahan (Haenlein & Kaplan, 2004).

Berkaitan dengan batasan pertama, analisis regresi berganda dan perluasannya mendalilkan struktur model sederhana yang melibatkan satu lapisan variabel dependen dan independen.

Hubungan sebab-akibat, seperti “A mengarah ke B mengarah ke C” atau jaringan nomologis yang lebih kompleks yang melibatkan sejumlah besar variabel intervensi, hanya dapat diperkirakan secara sepotong-sepotong dengan metode ini dan bukan secara bersamaan, sehingga dapat menimbulkan konsekuensi yang parah terhadap kualitas hasil. (Sarstedt, Rambut, Nitzl, Ringle, & Howard, 2020).

Kemudian, berkenaan dengan batasan kedua, metode tipe regresi dibatasi pada pemrosesan variabel yang dapat diamati, seperti usia atau penjualan (dalam unit atau mata uang).

Konsep teoretis, yang merupakan “sifat atau atribut unit sosial suatu entitas yang abstrak dan tidak dapat diobservasi” (Bagozzi & Philipps, 1982, hal. 465), hanya dapat dipertimbangkan setelah validasi mandiri sebelumnya melalui, misalnya, confirmatory factor analysis (CFA). Namun, dimasukkannya ukuran-ukuran konsep teoretis secara ex post memiliki berbagai kekurangan.

Sementara itu, sehubungan dengan batasan ketiga dan terkait dengan poin sebelumnya, perlu diingat bahwa setiap pengamatan terhadap dunia nyata disertai dengan tingkat kesalahan pengukuran tertentu, yang dapat bersifat sistematis atau acak.

Baca juga: Chi-Square: Definisi, Jenis, Rumus

Teknik generasi pertama, sebenarnya, hanya dapat diterapkan jika variabel yang diukur tak mengandung kesalahan sistematik atau acak.

Situasi itu, bagaimanapun, jarang ditemui dalam kenyataan, terutama ketika tujuannya adalah untuk memperkirakan hubungan antara ukuran-ukuran konsep teoritis.

Karena ilmu-ilmu sosial, dan banyak bidang penyelidikan ilmiah lainnya, secara rutin berhubungan dengan konsep-konsep teoritis, seperti persepsi, sikap, dan niat, keterbatasan teknik generasi pertama ini sangatlah mendasar.

Untuk mengatasi keterbatasan ini, para peneliti semakin beralih ke teknik generasi kedua. Metode ini, disebut sebagai structural equation modeling (SEM) atau Permodelan Persamaan Struktural.

Metode SEM memungkinkan peneliti secara bersamaan memodelkan dan memperkirakan hubungan kompleks antara beberapa variabel dependen dan independen.

Konsep-konsep yang dipertimbangkan biasanya tidak dapat diobservasi dan diukur secara tidak langsung dengan berbagai indikator. Dalam memperkirakan hubungan, SEM memperhitungkan kesalahan pengukuran pada variabel yang diamati.

Hasilnya, metode tersebut memperoleh pengukuran yang lebih tepat terhadap konsep teoritis yang diminati (Cole & Preacher, 2014).

Baca juga: Snowball Sampling: Definisi, Jenis, dan Contoh

Langkah Melakukan Structural Equation Modeling (SEM)

Terdapat 5 langkah logis dalam SEM, yakni:

• Spesifikasi model
• Identifikasi
• Estimasi parameter
• Evaluasi model
• Modifikasi model

Spesifikasi Model: Mendefinisikan hubungan yang dihipotesiskan antar variabel dalam SEM berdasarkan pengetahuan seseorang.

Identifikasi Model: Untuk memeriksa apakah model tersebut teridentifikasi berlebihan, teridentifikasi saja, atau kurang teridentifikasi.

Estimasi Parameter: Koefisien model hanya dapat diestimasi pada model yang baru teridentifikasi atau model yang terlalu teridentifikasi.

Evaluasi Model: Menilai kinerja atau kesesuaian model, dengan indeks kuantitatif dihitung untuk kesesuaian keseluruhan.

Modifikasi Model: Menyesuaikan model untuk meningkatkan model fit, yaitu modifikasi model post hoc.

Baca juga: Variabel Kontrol: Definisi, Jenis, Contohnya

Jenis Pendekatan Metode SEM

Dalam praktiknya, terdapat dua metode populer yang mendominasi SEM, yakni SEM berbasis kovarians (CB-SEM) dan SEM kuadrat terkecil parsial (PLS-SEM, disebut juga pemodelan jalur PLS).

CB-SEM umumnya digunakan untuk mengonfirmasi (atau menolak) teori dan hipotesis yang mendasarinya. Pendekatan ini mengonformasi ataupun menolak hipotesis dengan menentukan seberapa dekat model teoretis yang diusulkan dapat memproduksi matriks kovarians utuk kumpulan data sampel yang diamati.

Sementara itu, PLS telah diperkenalkan sebagai pendekatan “kausal-prediktif” terhadap SEM (Jöreskog & Wold, 1982, hlm. 270), yang berfokus pada penjelasan varians variebel dependen model (Chin et al., 2020).

***

Dalam era digital yang terus berkembang, penggunaan structural equation modeling (SEM) telah menjadi alat yang sangat berharga untuk menganalisis data survei online.

Dengan SEM, peneliti dapat mengungkap hubungan kompleks antara berbagai variabel dalam survei tersebut, menghasilkan wawasan yang mendalam tentang perilaku dan preferensi responden.

Dengan demikian, layanan Poplite by Populix memberikan platform yang kuat untuk menerapkan structural equation modeling (SEM) dalam konteks survei online, membantu perusahaan dan peneliti untuk membuat keputusan yang lebih cerdas dan berorientasi data.

Baca juga: Penelitian Kausal: Definisi, Manfaat, dan Contohnya