UJI KEVALIDAN ANALISIS STRUCTURAL EQUATION MODELLING DENGAN LISREL (Absolute, Incremental dan Parsimonious Fit Indices)

UJI KEVALIDAN ANALISIS STRUCTURAL EQUATION MODELLING DENGAN LISREL

(Absolute, Incremental dan Parsimonious Fit Indices)

Halooo selamat malam sobat semuanyaa..

Hemmh, kali ini tepat di pertengahan akhir tahun 2013 saya kembali menyapa sobat semua neeh hehehe.. Wah apa kabar neh soob? Semoga sehat dan sukses selalu yaaa hehehe

Naaah, kali ini saya masih akan berbagi pengetahuan dengan sobat dan masih terkait dengan kelanjutan analisis Structural Equation Modelling (SEM) sebelumnya. Kalau sebelumnya sobat sudah mampu untuk melakukan prosedur analisis SEM mulai dari impor data/membuat file .psf, membuat path diagram, menggambar model bahkan sampai menghasilkan output model penelitian, maka kali ini saya akan bahas mengenai uji kevalidan analisis SEM. 

Uji kevalidan yang dimaksud disini akan dipandang dari sisi uji kevalidan absolute (absolute fit indices), uji kevalidan tambahan (incremental fit indices) dan uji kevalidan kesederhanaan model (parsimony fit indices).  Untuk lebih  jelasnya, sobat bisa baca kembali postingan saya terkait uji kevalidan, disini.

Yaaap, oke deeeh tanpa berlama-lama, ayoo kita masuk ke pembahasan fit indices untuk analisis SEM. Silahkan, sobat buka kembali path diagram (sudah ada modelnya) yang sudah pernah sobat buat sebelumnya.  Atau kalau sobat belum mencoba ilustrasi yang pernah saya berikan, berikut saya berikan path diagramnya untuk sobat hehehe.. Download disini yaa. Naaah, dari tampilan path diagram tersebut, silahkan sobat pilih menu Output dan pilih Fit Indices. Berikut ilustrasinya:

 

Berikut hasil uji fit indices yang ditampilkan oleh Lisrel:

  

Untuk mempermudah sobat, output pengujian fit indices Lisrel diringkas ke dalam bentuk tabulasi sebagai berikut:

 

Nah, dari ringkasan output sekarang sudah jelas terlihat bahwa sebenarnya model SEM yang sudah kita buatkan tadi belum bisa dikatakan valid untuk diajukan apalagi digunakan hehehe.. Kasian yaaa hahahaha.. Bayangkan jika sobat berada dalam kondisi seperti ini. Makanya gak usah dibayangin ya sooob,, Setiap penelitian pasti punya kendalanya masing-masing.

Lalu bagaimana? Yaaap, hal yang perlu kita lakukan adalah identifikasi dari output model yang digambarkan tadi. Misalnya, kita perlu mengecek kembali nilai loading factor yang menurut beberapa sumber (salah satunya buku Multivariate Analysis karangan bapak Prof. Michael dan Winchern) minimal 0,6-0,7.

Sebenarnya, saya rasa sobat sobat sudah paham loading factor ini karena sudah beberapa kali saya singgung baik dalam tulisan saya tentang analisis SEM maupun tulisan tentang Confirmatory Factor Analysis (CFA). Silahkan buka-buka kembali lagi aja ya sooob hehehe..

Next, kita juga perlu mengecek konsistensi jalur pada output yang dihasilkan dan jangan lupa cek juga nilai signifikansi (t-value).

Okee deeh berikut saya tampilkan output loading factornya. Nah, dalam lisrel silahkan buka bagian Standardized Residual yang terdapat dalam dropdown submenu Estimates. Berikut gambarannya:

  

 

Nah, output loading factor juga sudah saya ringkaskan dalam tabulasi sebagai berikut soob

Selanjutnya sudah teridentifikasi bahwa terdapat beberapa loading factor yang rendah bahkan sangat rendah sampai di bawah 0,1. Selanjutnya, nanti variable laten/konstruk “kemudahan” hanya akan memiliki 4 buah indikator untuk proses Re-Faktor SEM (Lihat kembali nilai loading factor yang di-backlight biru pada table di atas) yaitu indikator fleksibilitas (flex), studi, penerapan (terap) dan interaksi (inter). Selanjutnya untuk konstruk “Kemanfaatan” hanya kana menyisakan tiga buah variable manifest/indikator. Konstruk “Sikap” dan “Kepuasan” masing-masing hanya menyisakan tiga buah indikator sedangkan variable laten minat sebenarnya sudah harus tidak memiliki indikator apapun, dalam artian variable laten yang satu ini seharusnya kita buang dari analisis.

Akan tetapi?? Naah akan tetapinya ada sooob huhuhuhu.. Karena dulu orang yang punya penelitian ini mengatakan bahwa dosen pembimbing beliau tidak memperbolehkan membuang variabel apapun dalam penentuan kebijakan SIMAK BMN karena sudah standar terhadap beberapa penelitian sejenis, namun secara pribadi sebagai penulis, saya harus menulis tulisan yang idealis kendati memang hak setiap peneliti untuk beradu argumen setelah berkonsultasi dengan orang lain yang dianggap lebih paham.

Sekali lagi, sering kasus sedemikian kita alami dalam penelitian entah itu skripsi, thesis atau apapun, dimana diperlukan keberanian peneliti dalam menulis, keterbukaan peneliti dalam mengungkapkan/menuliskan kekurangan penelitiannnya, kemampuan dalam komunikasi untuk interpretasi hasil serta yang gak kalah penting adalah pengalaman dalam bidang riset.

Yaap back to our topic, saat ini kita akan lanjut ke proses Refaktor yaitu  kita akan lakukan pemodelan ulang menggunakan indikator yang memiliki loading factor diatas 0,6 dengan pengecualian terhadap variabel laten minat tadi.

Kita akan membuang indikator yang memiliki loading factor yang tidak memenuhi syarat dan juga variabel laten minat. Caranya klik seluruh indikator yang akan dihapus beserta dengan variabel minat lalu pada menu Edit, sobat akan menemukan submenu Delete. Cara lain, kita bisa juga menggunakan tombol delete pada keyboard. Berikut ilustrasinya:

 

 

Selanjutnya setelah kita menghapus indikator yang tidak memenuhi syarat sebuah loading factor dan variabel minat, maka kita akan memperoleh gambaran model sebagai berikut:

 

Selanjutnya dari rancangan seperti di atas, maka kita akan mengolah model tersebut dengan memilih menu Setup dan klik kembali Build Simplis Syntax. Berikut gambarannya ya soooob hehehe.. Semangaaaat

Yaaap, maka akan muncul syntax pengolahan seperti gambaran di bawah ini:

  

Selanjutnya tinggal klik submenu Run dan keluar peringatan yang mengatakan “The Model Does Not Converge”. Hal ini menandakan adanya kesalahan dalam penulisan syntax pengerjaan akibat penghapusan beberapa indikator dan sebuah variabel laten. Dengan demikian kita harus kembali memperbaharui syntax pengolahan yang harus sesuai dengan model yang sudah kita gambar/rancang. Nah looooo hehehe..

Yaap, perbaikan syntax model pengolahan SEMnya adalah sebagai berikut:

SYSTEM FILE from file 'D:\ALL ABOUT BLOG\DATA-DATA PENGUJIAN\mahendra\SIMAK HENDRA-WAJIBSTAT.DSF'

Sample Size = 90

Latent Variables  mudah manfaat sikap puas Relationships

FLEX = mudah

STUDI = mudah

TERAP = mudah

INTER = mudah

EFEK = manfaat

EFIS = manfaat

PROD = manfaat

IMPLEM = sikap

MODEL = sikap

IDE = sikap

SENANG = puas

PUASTRP = puas

TERBANTU = puas

sikap = mudah manfaat

puas = sikap 

Path Diagram

End of Problem

Jika sudah selesai, maka sobat tinggal Run ulang model dengan syntax yang sudah diperbaharui tadi dan akan muncul hasil estimasi sebagai berikut:

  

 

Yaaap, selanjutnya kita cek kembali Loading Factornya. Ternyata masih ada sebuah indikator yang harus kita eliminasi yaitu indikator IDE pada konstruk “Sikap” yang memiliki nilai loading factor relatif jauh di bawah 0,6-0,7.

Yaaap, sampai disini saya berharap sobat masih bisa mengikuti yaaa hehehe.. Next, seperti sebelumnya kita akan membuang indikator IDE ini dan akan menjalankan rancangan model SEM sebagai berikut:

Selanjutnya, sobat tinggal munculkan lagi Fit Indicesnya untuk pemeriksaan kevalidan model SEM. Jika sudah, maka sobat akan memperoleh hasil sebagai berikut:

  

Untuk mempermudah pengamatan terhadap hasil pengujian validitas, maka output Fit Indices hasil pengolahan program Lisrel ditabulasikan sebagai berikut:

Yaaap, silahkan sobat bandingkan dengan hasil yang sebelum di refaktorkan. Hasilnya menunjukkan lebih banyak kriteria uji yang lolos. Jika sebelum refaktor, hanya Parsimony Fit Indices yang terpenuhi, maka setelah di refaktor, Incremental Fit Indices juga sudah terpenuhi. Setidaknya kondisi pemenuhan setelah direfaktor lebih baik dibandingkan sebelum yang direfaktor. Sayangnya, walaupun kedua buah kriteria sudah secara baik terpenuhi, model SEM tetap belum valid kalau Absolut Fit Indicesnya belum terpenuhi. Justru, Absolut kriteria uji dalam Absolut Fit Indices yang wajib dipenuhi terutama nilai RMSEA dan Chi Square.

Yaaaap, bagaimana teknik untuk memenuhi ketiga uji Fit Indices bisa terpenuhi? Caranya dengan melakukan modifikasi model yang disarankan oleh Lisrel (Modification Indices). Teknik ini akan segera terbit pada postingan selanjutnya ya soooob hehehe..

Oke deeeh, sampai disini dulu yang bisa saya sampaikan. Mohon maaf jika masih banyak terjadi kesalahan atau mungkin kurang berkenan dalam hal penyampaiannya yaaaa.. Tetap semangat.. Ingaaaat harus ada semangat untuk bisa. Semangat terus belajarnya. Ingat pepatah mengatakan When there is a will, there is a way. Sukses buat kita semua :)