Pengenalan Path Analysis & SEM

Path analysis (PA) atau analisis jalur adalah analisis model kausal dari variabel independent (exogenous), variabel antara (endogenous), dan variabel dependen (endogenous) dan semua variabel terukur. Aplikasi PA biasanya menggunakan metode analisis regresi.

Structural Equation Model (SEM) adalah analisis model kausal dari variabel independent (exogenous), variabel antara (endogenous), dan variabel dependen (endogenous) dan semua variabel tidak terukur. Variabel tak terukur ini disebut variabel LATENT yang diukur melalui indikator indikatornya (yang terdiri dari komponen komponen dan setiap komponen terdiri dari butir butir). Dalam SEM ada dua komponen ialah model struktural dan pembentukan variabel latent. Analisis model struktural dengan analisis regresi dan pembentukan variabel latent dengan factor analisis.


Pengertian

Path analysis (PA) atau analisis jalur adalah keterkaitan antara variable independent, variable intermediate, dan variable dependen yang biasanya disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang menunjukkan arah pengaruh antara variable-variabel exogenous, intermediary, dan variabel dependent. Terkadang besaran pengaruh di gambarkan dengan ketebalan anak panah. Path analysis hanya berkaitan dengan REGRESI GANDA dengan VARIABEL YANG TERUKUR.

Analisis jalur merupakan teknik statistik untuk menguji hubungan kausal antara dua atau lebih variabel, berdasarkan persamaan linier. Teknik ini dikembangkan sejak tahun 1939 oleh Sewall Wright.

Hubungan kausal ini ada yang langsung X→Z dan juga ada yang tak langsung tetapi melalui variabel antara Y ialah X →Y → Z. Jalur yang di gambarkan dengan tanda panah ini merupakan hipotesis yang akan di uji berdasarkan data lapangan.

Structural Equation Modeling (SEM) merupakan model analisis yang padaumumnya menggabungkan antara dua bagian ialah i). pembentukan variabel LATENT dan ii). Pembangunan model struktural. Analisis jalur merupakan bagian (subset) dari SEM adalah gabungan antara REGRESI GANDA dengan variabel LATENT yang di bangun dengan analisis faktor dari butir butir/indikator/ item atas variabel laten tersebut.
Hox dan Bechger (2002) menyebutkan bahwa SEM adalah suatu kombinasi analisis faktor dan analisis regresi atau analisis jalur. Selanjutnya dikatakan bahwa dalam penyusunan variabel latent didasarkan atas theoretical constructs yang juga di hitung berdasarkanmetode regresi. Selanjutnya model structural didasarkan atas covariances antara variabel exogen,variabel antara, dan variabel endogen. Oleh karenanya model structural ini juga sering disebut covariance structure modeling. Disana juga dikatakan bahwa “ Nowdays structural equation models need not be linear, and the possibilities of SEM extend well beyond the original Lisrel program”.

Variabel eksogen (exogenous) adalah variabel yang tidak ada anak panah mengarahnya. Jika dua varaibel eksogen berkorelasi di tunjukkan dengan panah dua arah.

Variabel endogen (endogenous) yang terdiri dari variabel antara dan variabel dependen. Variabel antara terdapat anak panah yang datang dan juga yang pergi. Sedangkan variabel dependen hanya terdapat panah yang datang menujunya.

Variabel LATENT adalah variabel yang diukur dengan indikator-indikator (item-tem atau butir-butir) nya, misalnya variabel kesejahteraan, kepuasan, partisipasi, pemahaman, dll. Cara klasik data variabel latent dengan menjumlahkan skor butir-butir yang valid dan reliable. Cara yang terbaik dalam SEM adalah di hitung dengan menggunakan metode confirmatory factor analysisis (CFA) . Dalam CFA dirancang sedemikian rupa agar setiap butir/item menyumbang (Loading) kepada satu variabel latent saja. Besaran sumbangan ini biasa disebut LOADING yang berbeda beda sesuai dengan derajat variabilitas dan tingkat korelasi terhadap item item yang lainnya. Hox dan Bechger (2002) menyebutkan CFA confirmatory (restricted) factor analysis menjamin bahwa setiap item hanya akan memberikan loading kepada satu variabel latent saja .

Path coefficient/ path weight pada umumnya adalah koefisien regresi yang distandarkan (artinya regresi dimana semua variabelnya dalam bentuk z-score).
Disturbance terms adalah residual error yang besarannya sama dengan(1 - R2). Dia mengukur sisa pengaruh faktor lain kepada suatu variabel exogen.
Significance and Goodness of Fit. Testing setiap koefisien dengan t-tes atau F-test. Sedangkan untuk test kecocokan suatu model dengan jika Chi-square dg P > 0.05 dan RMSEA < 0.05. Hox dan Bechger (2002) menyebutkan Goodness of fit (Tuna Cocok) dengan chi squared dengan p-value lebih besar dari 0.05 persen baru dikatakan model SEM cocok pada data empiris.

Asumsi yang diperlukan

1. Linearity: keterkaitan/ hubungan antar variabel adalah linier.
2. Interval level data disarankan jangan menngunakan variabel dummy.
3. Residual (unmeasured) variables hanya berkorelasi dengan satu variabel dalam model yang ada panah langsung.
4. Low multicollinearity secara teoretis taka ada korelasi yang signifikan antar variabel exogen.
5. No under identification or under determination of the model is required. For underidentified models there are too few structural equations to solve for the unknowns. Overidentification usually provides better estimates of the underlying true values than does just identification.
6. Adequate sample size diperlukan agar signifikan. Kline (1998) merekomendasikan 10 sd 20 kali parameter yang akan di estimasikan.

Catatan: Dalam aplikasi dengan menggunakan software tertentu seperti LISREL secara otomatis akan terakomodasi dalam proses pengolahannya. Misalnya jika ada dua variabel independen yang mempunyai korelasi sangat signifikan, maka secara otomatis oleh program akan di hilangkan salah satu variabel independen saja dan analisis regresi.