1. SEM adalah teknik statistik multivariat yang menggabungkan analisis faktor dan analisis regresi untuk menguji hubungan antar variabel laten dan manifest dalam sebuah model.
2. SEM lebih digunakan untuk analisis konfirmatoris daripada eksploratoris untuk menguji kesesuaian model berdasarkan teori.
3. Software yang digunakan untuk SEM antara lain AMOS, LISREL, dan PLS.
menghitung skewness dan kurtosis pada distribusi normal
Analisis Structural Equation Modelling
1. MATA KULIAH STATISTIK:
MODEL PERSAMAAN STRUKTURAL
(STRUCTURAL EQUATION MODELLING)
DR. IR. LA ODE MUH. MAGRIBI, MT
2. • SEM adalah teknik statistik multivariat yang merupakan
kombinasi antara analisis faktor dan analisis regresi
(korelasi), yang bertujuan untuk menguji hubungan-
hubungan antar variabel yang ada pada sebuah model, baik
itu antar indikator-indikator dengan konstruknya, ataupun
hungan antar konstruk.
• SEM lebih digunakan untuk melakukan confirmatory
analysis daripada exploratory analysis.
• Sebuah model dibuat berdasarkan teori tertentu, SEM
digunakan untuk menguji apakah model tersebut dapat
diterima ataukah ditolak.
• SEM tidak digunakan untuk membangun sebuah model
baru tanpa dasar teori yang sudah ada sebelumnya.
PENDAHULUAN
3. PENDAHULUAN
• SEM adalah gabungan dari ANALISIS FAKTOR dan REGRESI
• Variabel dalam SEM:
1. Variabel LATEN (unobserved, konstruk)
Contoh: komitmen, kepercayaan, kepuasan, kesetiaan,
kebebasan, kebahagiaan, dll
2. Variabel MANIFEST (observed, indikator, measured)
Contoh: kepastian bertindak, keinginan mengulang
tindakan, kepastian menolak alternatif lain, dll
• Antar variabel LATEN akan terdapat sejumlah hubungan
• Analisis SEM lebih advanced dibandingkan dengan analisis seperti
uji t, anova, korelasi atau regresi berganda.
• Software : AMOS, LISREL, PLS
4. KEUNGGULAN-KEUNGGULAN SEM
1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel;
2. Penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk
mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu
variabel laten;
3. Daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca
keluaran hasil analisis;
4. Kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-
koefesien secara sendiri-sendiri;
5. Kemampuan untuk menguji model – model dengan menggunakan beberapa variabel
tergantung;
6. Kemampuan untuk membuat model terhadap variabel-variabel perantara;
7. Kemampuan untuk membuat model gangguan kesalahan (error term);
8. Kemampuan untuk menguji koefesien-koefesien di luar antara beberapa kelompok
subyek;
9. Kemampuan untuk mengatasi data yang sulit, seperti data time series dengan
kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
5. CONTOH MODEL SEM
• LOYALTY, SATISFACTION, TRUST ?
• Perlu ada keterangan tambahan yang berfungsi sebagai indikator
(manifest dari ketiga variabel laten di atas)
• Apas saja yang membuat seseorang merasa percaya, puas dan setia?
TRUST
(KEPERCAYAAN)
SATISFACTION
(KEPUASAN)
LOYALTY
(KESETIAAN)
6. VARIABEL LATEN DAN INDIKATOR
SATISFACTION
(KEPUASAN)
LETAK TOKO
KELENGKAPAN
PRODUK
HARGA KOMPETITIF
PELAYANAN
KARYAWAN
TRUST
(KEPERCAYAAN)
KEJUJURAN
CITRA
PERHATIAN
LOYALTY
(KESETIAAN)
BRAND
SWITCHING
WORD OF MOUTH
COMM
PEMBELIAN
ULANG
7. KONSEP DASAR SEM
VARIABEL LATEN DAN VARIABEL MANIFEST
• Sebuah variabel Laten sebaiknya dijelaskan oleh paling
tidak tiga variabel Manifest.
• Sebuah variabel Laten diberi simbol lingkaran (elips)
dan harus selalu disertai variabel Manifest.
• Variabel Manifest adalah variabel yang digunakan
untuk menjelaskan/ mengukur sebuah variabel Laten.
• Variabel Manifest diberi simbol kotak.
• Dapat saja terjadi sebuah variabel Manifest
ditampilkan tanpa harus menyertai sebuah variabel
Laten.
9. STRUCTURAL EQUATION MODEL
TRUST
SATISFAC
TION
LOYALTY
CITRA CARE JUJUR
LETAK
LENG
KAP
HARGA
LAYA
NAN
BRAND WORD BELI
1 1 1
1 1 1
1
1
1
1111
FREKUENSI IKLAN
VARIABEL FREKUENSI IKLAN BUKANLAH VARIABEL LATEN,
KARENA FREKUENSI IKLAN DAPAT LANGSUNG DIUKUR,
SEPERTI 3 X DALAM SEBULAN DI KORAN LOKAL, ATAU 1 X
DI RADIO, DSB.
10. VARIABEL LATEN EKSOGEN DAN ENDOGEN
• Variabel Eksogen adalah Variabel Independen yang
mempengaruhi Variabel Dependen.
• Variabel Eksogen ditunjukkan dengan adanya anak panah
yang berasal dari variabel tersebut menuju ke Variabel
Endogen.
• Variabel Endogen adalah Variabel Dependen yang
dipengaruhi oleh Variabel Independen (Eksogen).
• Variabel Endogen ditunjukkan dengan anak panah yang
menuju variabel tersebut.
• Dalam sebuah model SEM, sebuah variabel dependen dapat
saja menjadi variabel independen untuk variabel yang lain.
11. VARIABEL LATEN EKSOGEN DAN ENDOGEN
VARIABEL BEBAS DAN VARIABEL TERIKAT
TRUST
SATISFAC
TION
LOYALTY
CITRA CARE JUJUR
LETAK
LENG
KAP
HARGA
LAYA
NAN
BRAND WORD BELI
1 1 1
1 1 1
1
1
1
1111
KOMITMEN
A B C
1
1 1 1
12. MEASUREMENT MODEL
• Measurement Model adalah bagian dari model SEM yang menggambarkan
hubungan antara Variabel Laten dengan indikator – indikatornya.
• Pada contoh sebelumnya terdapat 3 buah Measurement Model, yakni:
1) Variabel Laten TRUST dengan tiga indikatornya,
2) Variabel Laten SATISFACTION dengan empat indikatornya
3) Variabel Laten LOYALTY dengan tiga indikatornya
• Variabel FREKUENSI IKLAN bukan sebuah Measurement Model, karena tidak
memiliki indikator.
TRUST
CITRA CARE JUJUR
1 1 1
1
SATISFAC
TION
LETAK
LENG
KAP
HARGA
LAYA
NAN
1
1111
LOYALTY
BRAND WORD BELI
1 1 1
1
13. STRUCTURAL MODEL
• Structural Model menggambarkan hubungan antara variabel-variabel Laten, atau antara variabel
Eksogen dengan variabel Laten.
• Dapat pula sebuah structural model menggambarkan hubungan antara variabel eksogen dan
endogen, tanpa harus berupa variabel laten.
TRUST
SATISFAC
TION
LOYALTY
TRUST
SATISFAC
TION
LOYALTY
FREKUENSI IKLAN
Tampilan model ini dinamakan
Path Diagram, yakni tampilan
Visual model SEM
Dari Path Diagram ini akan dilakukan
Path Analysis, yakni mencari kekuatan
Hubungan di anatara variabel-variabel
Yang ada
14. ERROR PADA SEBUAH PENGUKURAN
1. Measurement Error (Error pada Measurement Model)
Pada indikator selalu akan ada kesalahan (error) dalam pengukuran.
Sebagai contoh Layanan pada konstruk SATISFACTION, tidak semua item
pertanyaan dapat mengukur secara tepat kepuasan seseorang (kepuasan
seseorang berbeda dengan yang lainnya atau sebab lainnya).
2. Structural Error (Error pada Structural Model)
Pada contoh sebelumnya, dua variabel independen (Trust dan
Satisfaction) tidaklah dapat menjelaskan semua hal pada variabel
dependen (Loyalty), akan ada kesalahan (error) saat melakukan prediksi
pada variabel dependen.
Error pada Structural Model sering disebut dengan Residual Error atau
Disturbance Terms, yang merefleksikan varians yang tidak dapat
dijelaskan dalam variabel endogen (dependen) yang disebabkan semua
faktor yang tidak dapat diukur.
15. ALAT ANALISIS PADA SEM
CONFIRMATORY FACTOR ANALYSIS (CFA)
• Digunakan untuk menguji sebuah Measurement Model.
• Dengan alat ini, akan diketahui apakah indikator-indikator
yang ada memang benar-benar dapat menjelaskan sebuah
konstruk.
• Dengan melakukan CFA, dapat saja sebuah indikator dianggap
tidak secara kuat berpengaruh atau dapat menjelaskan
sebuah konstruk.
• Pada contoh model sebelumnya, diuji apakah indikator-
indikator Citra Perusahaan, Care (Perhatian) dari para
karyawan terhadap pelanggan, serta Kejujuran dari para
karyawan dan pemilik benar-benar dapat menjelaskan
konstruk Kepercayaan (Trust) yang bersifat laten ?
16. • Alat analisis ini dapat digunakan untuk menguji sebuah structural
model.
• Dengan alat ini, dapat diketahui apakah ada hubungan yang
signifikan di antara variabel-variabel eksogen (independen) dengan
endogen (dependen). Jika ada hubungan, seberapa kuat hubungan
tersebut?
• Pada contoh sebelumnya, dengan alat ini dapat dianalisis apakah
Trust konsumen memang secara nyata mempengaruhi Loyalitas
konsumen tersebut? Apakah Satisfaction konsumen benar-benar
mempengaruhi loyalitas seorang konsumen? Atau apakah frekuensi
iklan yang ditayangkan berpengaruh terhadap loyalitas seseorang?
• Selain regresi, alat analisis lain adalah korelasi dan kovarians yang
bertujuan untuk mengukur hubungan dua variabel.
ALAT ANALISIS PADA SEM
MULTIPLE REGRESSION ANALYSIS
17. TAHAPAN MENGGUNAKAN SEM
1. Membuat sebuah model SEM (Model
Specification) berupa persamaan matematis dan
atau diagram berdasarkan teori tertentu.
2. Menyiapkan desain penelitian dan pengumpulan
data
3. Model Identification dengan menghitung besar
degree of freedom.
4. Menguji Model (Model Testing dan Model
Estimation)
5. Membuat model baru dari hasil uji model
(Model Respecification)
18. MENENTUKAN DEGREE OF FREEDOM
• Identifikasi sebuah model SEM berkaitan dengan apakah tersedia cukup informasi
untuk mengidentifikasi adanya sebuah solusi dari persamaan struktural.
• Jika model dianggap tidak dapat diidentifikasi, maka proses pengolahan data tidak
dapat dilakukan.
• Tiga jenis identifikasi yang ungkin terjadi dalam analisis SEM:
1. Just Identified, besar nilai df = 0 (saturated)
Karena sudah teridentifikasi, maka estimasi dan penilaian model tidak perlu
dilakukan.
2. Under Identified, besar nilai df adalah negatif.
Jika terjadi underidentified, maka estimasi dan penilaian model tidak perlu
dilakukan.
3. Overidentified, besar nilai df adalah positif.
Jika terjadi overidentified, maka estimasi dan penilaian model bisa
dilakukan.
19. df = ½ [(p).(p+1)] - k
Dimana,
df = Degree of Freedom
p = Jumlah Variabel Manifest (observed variables atau indikator)
k = Jumlah parameter yang akan diestimasi
Contoh:
MENENTUKAN DEGREE OF FREEDOM
ANTAR VARIABEL MANIFEST
B
A
C error
1
Diketahui,
p = 3 (yakni A, B dan C)
Menghitung nilai k,
1. Jumlah koefisien regresi yang diestimasi adalah 2
(2 anak panah dari A dan B ke C).
2. Jumlah varians dari error, hanya 1 error.
3. Varians dari variabel independen adalah 2 (yakni A dan B)
4. Kovarians antara variabel independen adalah 1
(antara variabel A dan B, panah antara keduanya)
5. Total K = 2+1+2+1 = 6
df = ½[3.4] – 6 = 0
Just Identified, estimasi dan penilaian model tidak perlu
dilakukan.
20. • Jumlah variabel manifest (p) = 3
• Menghitung nilai k:
1. Jumlah koefisien regresi yang
diestimasi adalah 3 (yakni LATEN ke
INDIKATOR 1, INDIKATOR 2, dan
INDIKATOR 3).
2. Jumlah varians dari error (jumlah
anak panah dari variabel error ke
masing-masing indikator) adalah 3.
3. Varians dari variabel laten adalah 1
(karena hanya ada 1 variabel laten).
4. Total k = 3+3+1 = 7
• df = ½[3.4] – 7 = -1
• Underidentified, pengujian lebih lanjut
tidak dapat dilakukan.
MENENTUKAN DEGREE OF FREEDOM
ANTAR VARIABEL MANIFEST DAN LATEN
LATEN
INDIKATOR 1 INDIKATOR 2 INDIKATOR 3
Err
1
Err
2
Err
3
1 1 1
1
21. MENENTUKAN DEGREE OF FREEDOM
ANTAR VARIABEL MANIFEST DAN LATEN
LATEN
INDIKATOR
1
INDIKATOR
2
INDIKATOR
3
Er
1
Er
2
Er
3
1 1 1
1
LATEN 2
INDIKATOR
2.1
INDIKATOR
2.2
Er
1
Er
2
1 1
1
• Jumlah variabel manifest (p) = 5
• Menghitung nilai k:
1. Jumlah koefisien regresi yang diestimasi
adalah 5 (yakni LATEN ke INDIKATOR 1,
INDIKATOR 2, dan INDIKATOR 3 serta
dari LATEN 2 ke INDIKATOR 2.1 dan
INDIKATOR 2.2).
2. Jumlah varians dari error (jumlah anak
panah dari variabel error ke masing-
masing indikator) adalah 5.
3. Varians dari variabel laten adalah 2
4. Covariance antar variabel LATEN dengan
LATEN 2 (anak panah 2 arah) adalah 1
5. Total k = 5+5+2+1 = 13
• df = ½[5.6] – 13 = 2 (positif)
• Overidentified, pengujian lebih lanjut
dapat dilakukan.
22. DASAR PENILAIAN DAN ESTIMASI MODEL
KOVARIANS
• SEM sering disamakan dengan “Analysis of Covarians Structures”.
• Dalam statistik kita lebih sering mendengar Korelasi daripada
Kovarians.
• Kedua istilah tersebut mengacu pada hal yang sama, yakni melihat
hubungan antar dua variabel.
• Pada penghitungan Kovarians, penekanan lebih pada variasi kedua
variabel yang terjadi secara bersama-sama.
• Rumus Covarians:
Cov(x,y) = E(x,y) – E(x).E(y)
Dimana,
E = nilai rata-rata
23. No X Y XY
1 8 7 56
2 5 8 40
3 4 3 12
4 3 7 21
5 7 7 49
Rerata 5.4 6.4 35.6
DASAR PENILAIAN DAN ESTIMASI MODEL
CONTOH KOVARIANS
Cov (x,y)= 35,6 – (5,4 . 6,4)
= 1,04
Kesimpulan:
• Nilai kovarians positif.
• Nilai x dan y bervariasi dalam
Arah yang sama (saling ber-
hubungan).
24. • Model fiktif, semua variabel
adalah variabel manifest.
• Isi data adalah persepsi
responden dalam skala 1 (sangat
tidak setuju) sampai 15 (sangat
setuju) tentang empat variabel
tersebut
• Misal terdapat 20 sampel.
• Langkah awal adalah menghitung
degree of freedom (df) untuk
memastikan apakah proses dapat
dilanjutkan ataukah tidak.
DASAR PENILAIAN DAN ESTIMASI MODEL
CONTOH PERHITUNGAN KOVARIANS
SATISFACTION
TRUST LOYAL
ERR
1
KOMITMEN
ERR
2
1
1
MENGHITUNG DF
•p = 4 (variabel manifest)
• jumlah koef regresi, 3
•jumlah varians dari
error, 2
• jumlah varians dari
variabel independen, 3
• kovarians antar variabel, 1
• Nilai, k = ½ (4(4+1)) – 9 = 1
25. SATISFACTION TRUST KOMITMEN LOYAL
14 9 14 11
12 9 14 8
12 12 15 15
8 11 11 12
6 8 9 10
11 15 11 15
9 12 10 14
11 10 9 12
8 15 11 12
15 13 12 10
12 12 14 11
10 12 12 4
15 10 9 14
14 12 12 14
12 4 10 7
12 14 9 14
10 11 11 11
12 14 11 14
4 14 14 14
14 11 10 14
DASAR PENILAIAN DAN ESTIMASI MODEL
CONTOH PERHITUNGAN KOVARIANS (DATA)
VAR LATEN SATISFACTION TRUST KOMITMEN LOYAL
SATISFACTION 8.1475
TRUST -1.07 6.64
KOMITMEN 0.08 0.74 3.54
LOYAL 0.36 3.73 -0.47 8.06
• Kovarians antara variabel
satisfaction dengan variabel Trust
adalah -1,07, demikian untuk arti
data yang lain
• Untuk data yang sama, misal antara
Satisfaction dengan Satisfaction
BUKAN Kovarians namun Varians.
• Varians Satisfaction adalah 8,1475,
Demikian untuk arti data yang lain.
26. • Untuk dapat melihat hasil output Program AMOS terkait analisis Kovarians, maka
buka menu VIEW → ANALYSIS → PROPERTIES… Pada kotak dialog ANALYSIS
PROPERTIES, pilih tab OUTPUT, dan aktifkan SAMPLE MOMENTS dan IMPLIED
MOMENTS.
DASAR PENILAIAN DAN ESTIMASI MODEL
CONTOH PERHITUNGAN KOVARIANS (DATA)
TAMPILAN OUTPUT PROGRAM AMOS
TRUST SATISFACTION LOYAL KOMITMEN
TRUST 6,640
SATISFACTION -1,070 8,147
LOYAL 3,730 0,360 8,060
KOMITMEN 0,740 0,080 -0,470 3,540
Hasil Kovarians Sample (SAMPLE MOMENTS)
Hasil Kovarians Estimasi (IMPLIED MOMENTS)
TRUST SATISFACTION LOYAL KOMITMEN
TRUST 6,640
SATISFACTION -1,070 8,147
LOYAL 3,730 0,360 8,060
KOMITMEN -0,218 -0,021 -0,470 3,540
27. • Setelah kovarians sample dan kovarians estimasi diketahui, AMOS akan
membandingkan kedua kovarians tersebut.
• Perbandingan dilakukan dengan menghitung selisih dari kovarians sample
(kovarians dari hasil observasi) dengan kovarians hasil estimasi (proses komputasi),
hasilnya adalah Kovarians Residual.
DASAR PENILAIAN DAN ESTIMASI MODEL
CONTOH PERHITUNGAN KOVARIANS (DATA)
TAMPILAN OUTPUT PROGRAM AMOS
TRUST SATISFACTION LOYAL KOMITMEN
TRUST 0,000
SATISFACTION 0,000 0,000
LOYAL 0,000 0,000 0,000
KOMITMEN 0,958 0,101 0,000 0,000
Contoh Penafsiran Angka
• Variabel TRUST
Kovarians observasi TRUST adalah 6,640
Kovarians estimasi TRUST adalah 6,640
Kovarians residual TRUST adalah 0
Contoh Penafsiran Angka
• Variabel TRUST - KOMITMEN
Kovarians observasi adalah 0,74
Kovarians estimasi adalah -0,218
Kovarians residual adalah
[0,74-(-0,218)] = 0,958
28. SEMAKIN KECIL ANGKA KOVARIANS RESIDUAL
YANG DIDAPAT MENGINDIKASIKAN MODEL
SEMAKIN FIT ATAU DATA (OBSERVASI)
MENDUKUNG KEBERADAAN MODEL.
SEBALIKNYA:
SEMAKIN BESAR ANGKA KOVARIANS RESIDUAL
YANG DIDAPAT MENGINDIKASIKAN MODEL
TIDAK FIT DENGAN DATA YANG ADA.
DASAR PENILAIAN DAN ESTIMASI MODEL
CONTOH PERHITUNGAN KOVARIANS (DATA)
TAMPILAN OUTPUT PROGRAM AMOS
29. Dimana:
ρ = nilai korelasi
Cov (x,y)= kovarians antara x dan y
σx = deviasi standar x
σy = deviasi standar y
• Korelasi pada dasarnya adalah melakukan standardisasi pada hasil
kovarians yang didapat.
• Angka korelasi dibatasi dari -1 sampai +1.
• Tanda + atau – menunjukkan arah hubungan dua variabel, sedangkan
besar angka di belakangnya menunjukkan tingkat keeratan hubungan.
DASAR PENILAIAN DAN ESTIMASI MODEL
KORELASI
31. CONTOH MODEL DAN ANALISIS SEM
VARIABEL LATEN
• Dengan menggunakan model persamaan struktural (SEM) ingin diketahui
pengaruh faktor-faktor penentu kesiapan petani mengadopsi praktek
usaha tani kopi organik.
NOTASI VARIABEL LATEN
Y2 Kesiapan Petani Mengadopsi Praktik Usaha Tani Kopi Organik
Y1 Aplikasi Praktik Usaha tani Organik
X1 Pengetahuan Petani Tentang Kopi Organik
X2 Keterampilan Petani Membuat Pupuk Organik
X3 Pendapat Petani Tentang Ketersediaan Pupuk Organik di Pasar
X4 Dukungan Pemerintah Untuk Pengembangan Kopi
32. CONTOH MODEL DAN ANALISIS SEM
VARIABEL MANIFEST
NOTASI VARIABEL LATEN DAN MASING-MASING VARIABEL MANIFEST-NYA
Y2 Kesiapan Petani Mengadopsi Praktik Usaha Tani Kopi Organik
Y21 Kesediaan Mengadopsi Praktik Usaha Tani Kopi Organik
1 = Bersedia Mengadopsi Praktik Usaha tani Kopi Organik
2 = Belum Bersedia Mengadopsi Praktik Usaha tani Kopi Organik
3 = Tidak Bersedia Mengadopsi Praktik Usaha tani Kopi Organik
Y22 Harapan Petani Setelah Mengadopsi Praktik Usaha Tani Kopi Organik
1 = Pendampingan Praktik Usaha tani, Pasca Panen, Input, Peralatan dan Kemitraan
Pemasaran
2 = Fasilitasi Input dan Peralatan Usaha Tani, Panen dan Pasca Panen
3 = Fasilitasi Kemitraan Pemasaran
Y1 Aplikasi Praktik Usaha Tani Kopi Organik
Y11 Penggunaan Pupuk
1 = Hanya Menggunakan pupuk Organik
2 = Menggunakan Pupuk Organik dan Anorganik
3 = Hanya Menggunakan Pupuk Anorganik
Y12 Metode Pengendalian Gulma
1 = Cara Mekanis dengan Membabat Gulma digunakan Mulsa
2 = Cara Mekanis dengan Membabat, dibakar
3 = Cara Mekanis dengan Menggunakan Cangkul
4 = Kombinasi Mekanis dengan Herbisida
5 = Hanya Menggunakan Herbisida
Y13 Metode Pengendalian Hama dan Penyakit
1 = Metode Pengendalian Hama dan Penyakit Terpadu
2 = Hama dan Penyakit Tidak Perlu Dikendalikan
3 = Menggunakan Pestisida
33. NOTASI VARIABEL LATEN DAN MASING-MASING VARIABEL MANIFEST-NYA
Y14 Pemangkasan tanaman Kopi
1 = Dipangkas Secara Rutin
2 = Dipangkas Secara Insidentil
3 = Tidak Dilakukan Pemangkasan
Y15 Pohon Pelindung
1 = Populasi Pohon Pelindung > 70 Pohin/Ha
2 = Populasi Pohon Pelindung 50-69 Pohon/Ha
3 = Populasi Pohon Pelindung 30-49 Pohon/Ha
4 = Populasi Pohon Pelindung 10-29 Pohon/Ha
5 = Populasi Pohon Pelindung < 10 Pohon/Ha
Y16 Konservasi Lahan
1 = Melakukan Praktik Knservasi lahan, seperti: Teras, Tapak Kuda, Rorak, dan lain-lain
2 = Ada Keinginan Mengkonservasi lahan Tetapi Belum Melakukan
3 = Tidak Ada Keinginan Mengkonservasi lahan
X1 Pengetahuan Tentang Kopi Organik
X11 Informasi tentang Kopi Organik
1 = Menegetahui Informasi Kopi Organik
2 = Pernah Mendengar Informasi Kopi Organik
3 = Tidak Mengetahui Informasi Kopi Organik
X12 Partisipasi mengikuti Pelatihan Mengenai Kopi Organik
1 = Partisipasi Tinggi (Mengikuti Pelatihan > 4 Kali Setahun)
2 = Partisipasi Sedang (Mengikuti Pelatihan 1 – 3 kali setahun)
3 = Partisipasi Pasif (Tidak Pernah Mengikuti Pelatihan Kopi Organik)
CONTOH MODEL DAN ANALISIS SEM
VARIABEL MANIFEST
34. CONTOH MODEL DAN ANALISIS SEM
VARIABEL MANIFEST
NOTASI VARIABEL LATEN DAN MASING-MASING VARIABEL MANIFEST-NYA
X13 Perbedaan Kebutuhan Tenaga Kerja Dibandingkan Usaha tani Konvensional
1 = Berbeda, Usaha Tani Organik > Konvensional
2 = Tidak Berbeda
3 = Berbeda, Usaha tani Organik < Konvensional
X14 Perbedaan Biaya Input Dibandingkan Usaha Tani Konvensional
1 = Berbeda, Usaha Tani Organik < Konvensional
2 = Tidak Berbeda
3 = Berbeda, Usaha tani Organik > Konvensional
X15 Perbedaan Produktifitas Dibandingkan Usaha Tani Konvensional
1 = Berbeda, Produktifitas Usaha Tani Organik < Konvensional
2 = Tidak Berbeda
3 = Berbeda, Produktifitas Usaha tani Organik > Konvensional
X16 Perbedaan Harga Dibandingkan Usaha Tani Konvensional
1 = Berbeda, Harga Kopi Organik > Kopi Konvensional
2 = Tidak Berbeda
3 = Berbeda, Harga Kopi Organik < Kopi Konvensional
X17 Usaha Tani Organik Mendukung Keberlanjutan Produksi Kopi
1 = Sangat Mendukung
2 = Mendukung
3 = Tidak Tahu
4 = Tidak mendukung
5 = Sangat Tidak mendukung
35. CONTOH MODEL DAN ANALISIS SEM
VARIABEL MANIFEST
NOTASI VARIABEL LATEN DAN MASING-MASING VARIABEL MANIFEST-NYA
X2 Keterampilan Membuat Pupuk Organik
X21 Urgensi Penggunaan Pupuk Organik
1 = Sangat Mendukung
2 = Mendukung
3 = Tidak Tahu
4 = Tidak mendukung
5 = Sangat Tidak mendukung
X22 Ketersediaan bahan Organik Sebagai bahan Baku Pupuk Organik
1 = Sangat Tersedia
2 = Cukup Tersedia
3 = Tidak Tahu
4 = Tidak Tersedia
5 = Sangat Tidak Tersedia
X23 Cara Pembuatan Pupuk Organik
1 = Mengetahui Cara Pembuatan Pupuk Organik Secara Lengkap
2 = Mengetahui Sebagian Cara Pembuatan Pupuk Organik
3 = Tidak Mengetahui Cara Pembuatan Pupuk Organik
X24 Membuat Sendiri pupuk Organik
1 = Sering/Rutin
2 = Kadang-Kadang/ Tidak Rutin
3 = Tidak Pernah
X25 Menggunakan pupuk Organik Yang Dibuat Sendiri
1 = Sering/Rutin
2 = Kadang-Kadang/ Tidak Rutin
3 = Tidak Pernah
36. CONTOH MODEL DAN ANALISIS SEM
VARIABEL MANIFEST
NOTASI VARIABEL LATEN DAN MASING-MASING VARIABEL MANIFEST-NYA
X3 Ketersediaan Pupuk Organik di Pasar
X31 Tempat Membeli Pupuk Organik
1 = Mengetahui Tempat Membeli
2 = Tidak Mengetahui Tempat Membeli
X32 Kecukupan Pupuk Organik di Pasar
1 = Sangat Cukup
2 = Cukup
3 = Tidak Cukup
4 = Sangat Tidak Cukup
5 = Tidak Tahu
X33 Akses Memperoleh Pupuk Organik di Pasar
1 = Sangat Mudah
2 = Mudah
3 = Kadang-Kadang Mudah, Kadang-Kadang Sulit
4 = Sulit
5 = Sangat Sulit
X34 Kualitas Pupuk Organik di Pasar
1 = Baik
2 = Sedang
3 = Rendah
X35 Harga Pupuk Organik di Pasar
1 = Murah
2 = Sedang
3 = Mahal
37. NOTASI VARIABEL LATEN DAN MASING-MASING VARIABEL MANIFEST-NYA
X4 Dukungan Pemerintah
X41 Penyediaan Bibit Kopi Berkualitas dan Bibit Pelindung Yang Sesuai
1 = Ada Bibit Kopi Berkualitas dan Bibit Penaung Yang Sesuai
2 = Hanya Ada Bibit Kopi Berkualitas
3 = Hanya Ada Bibit Pelindung Yang Sesuai
4 = Tidak Ada Bibit Kopi dan Bibit Pohon Pelindung
5 = Tidak tahu
X42 Bantuan Teknis Usaha tani Kopi Organik
1 = Ada Bantuan teknis Berupa Demplot di Lapangan
2 = Ada Bantuan teknis Berupa Pelatihan/ Penyuluhan di kelas
3 = Tidak Ada Bantuan Teknis
X43 Fasilitasi Pemasaran
1 = Ada, Harga Kopi Lebih Tinggi
2 = Ada, Harga sama Saja
3 = Tidak Ada
CONTOH MODEL DAN ANALISIS SEM
VARIABEL MANIFEST
39. CONTOH MODEL DAN ANALISIS SEM
PEMERIKSAAN VALIDITAS
• Validitas suatu indikator (Variabel Manifest) dilihat dari nilai koefisien (Loading Factors) Lambda
• Jika λ > 0,5 maka indikator dikatakan Valid
• Ukuran Reliabel (R2) variabel manifes (indikator) yang bersangkutan terhadap variabel latennya
sebaiknya > 0,70.
• Kesalahan pengukuran (Errorvar) sebaiknya < 0,51.
Variabel Indikator Koefisien Keterangan R2 Errorvar
Y1 Y11 0,29 Tidak Valid 0,078 0,97
Y12 0,08 Tidak Valid 0,007 1,00
Y13 -0,15 Tidak Valid 0,022 0,99
Y14 -0,51 Tidak Valid 0,250 0,79
Y15 -0,09 Tidak Valid 0,008 1,00
Y16 -0,11 Tidak Valid 0,011 1,00
Y2 Y21 0,23 Tidak Valid 0,053 0,96
Y22 0,09 Tidak Valid 0,008 1,01
X1 X11 0,08 Tidak Valid 0,007 0,95
X12 0,03 Tidak Valid 0,001 1,00
X13 -0,08 Tidak Valid 0,006 0,99
X14 -1,01 Valid 1,020 -0,03
X15 -0,91 Valid 0,830 0,17
40. • Reliabilitas masing-masing indikator diperiksa berdasarkan nilai T mutlak
pada error.
• Jika nilai ІTІ > 1,96 maka indikator dikatakan reliabel
CONTOH MODEL DAN ANALISIS SEM
PEMERIKSAAN RELIABILITAS
Variabel Indikator Nilai T Mutlak Keterangan
Y1 Y11 10,73 Reliabel
Y12 9,98 Reliabel
Y13 9,98 Reliabel
Y14 3,72 Reliabel
Y15 9,92 Reliabel
Y16 9,95 Reliabel
Y2 Y21 4,02 Reliabel
Y22 9,51 Reliabel
X1 X11 7,17 Reliabel
X12 9,78 Reliabel
X13 9,57 Reliabel
X14 -1,69 Tidak Reliabel
X15 8,44 Reliabel
41. • Pemeriksaan reliabilitas variabel laten dilakukan melalui
perhitungan CONSTRUCT RELIABILITY (CR). Jika CR > 0,7 maka
variabel dinyatakan reliabel.
CONTOH MODEL DAN ANALISIS SEM
PEMERIKSAAN RELIABILITAS VARIABEL LATEN
VARIABEL INDIKATOR LOADING (λ) 1 - (LOADING)2 = e
Y2 Y21 0,230 0,947
Y22 0,091 0,992
S 0,321 1,939
42. • Tujuan utama dari analisis SEM adalah untuk menguji kesesuaian model
teoritis dengan data empiris.
CONTOH MODEL DAN ANALISIS SEM
UJI KESESUAIAN MODEL (OVERALL MODEL FIT)
NO URAIAN NILAI KRITERIA KETERANGAN*
1 CMIN = X2 644,09 < Ctabel
2 P 0,00 > 0,05
3 CMIN/DF 644,09/335=1,922 < 2 (Byrne, 1988) TERPENUHI
4 RMSEA 0,068 < 0,08 TERPENUHI
5 GFI 0,81 > 0,90
6 AGFI 0,77 > 0,90
7 TLI/NNFI 0,82 > 0,90
8 CFI 0,84 > 0,90
9 NFI 0,74 > 0,90
• Terdapat 2 kriteria terpenuhi yaitu CMIN/DF dan RMSEA, maka secara overall model fit, artinya model yang disusun fit
(sesuai) dengan data empiris.
43. PENGARUH KOEFISIEN t-hitung KESIMPULAN*
X1→Y1 -2,01 -15,57 SIGNIFIKAN
X2→Y1 3,95 17,98 SIGNIFIKAN
X3→Y1 3,01 18,96 SIGNIFIKAN
X4→Y1 0,35 3,68 SIGNIFIKAN
X1→Y2 -2,08 -7,02 SIGNIFIKAN
X2→Y2 3,01 5,61 SIGNIFIKAN
X3→Y2 4,06 7,80 SIGNIFIKAN
X4→Y2 0,03 0,19 TIDAK SIGNIFIKAN
Y1→Y2 0,69 0,73 TIDAK SIGNIFIKAN
CONTOH MODEL DAN ANALISIS SEM
PERSAMAAN STRUKTURAL (PENGARUH LANGSUNG)
T-hitung > + 1,96, berpengaruh signifikan
Y1 = -2,01(X1) + 3,95 (X2) + 3,01 (X3) + 0,35 (X4)
Y2 = 0,69 (Y1) – 2,08 (X1) + 3,01 (X2) + 4,06 (X3) + 0,03 (X4)
NOTASI VARIABEL LATEN
Y1
Aplikasi Praktik Usaha tani
Organik
Y2
Kesiapan Petani Mengadopsi
Praktik Usaha Tani Kopi
Organik
X1
Pengetahuan Petani Tentang
Kopi Organik
X2
Keterampilan Petani Membuat
Pupuk Organik
X3
Pendapat Petani Tentang
Ketersediaan Pupuk Organik di
Pasar
X4
Dukungan Pemerintah Untuk
Pengembangan Kopi
44. VARIABEL EKSOGEN MELALUI VARIABEL ENDOGEN (Y2)
X1
Y1
-1,387
X2 2,726
X3 2,712
X4 0,242
CONTOH MODEL DAN ANALISIS SEM
PERSAMAAN STRUKTURAL (PENGARUH TIDAK LANGSUNG DAN PENGARUH TOTAL)
Pengaruh tak langsung
variabel eksogen X2
melalui variabel Y1 relatif
kuat terhadap variabel Y2
yaitu sebesar 2,726.
VARIABEL EKSOGEN VARIABEL ENDOGEN (Y2)
X1 -3,467
X2 5,736
X3 6,772
X4 0,273
Y1 0,690
Pengaruh total variabel
eksogen X3 relatif kuat
terhadap variabel endogen Y2
yaitu sebesar 6,772 kemudian
berturut-turut disusul oleh
variabel X2, X1, Y1 dan X4
45. REFERENSI
Santoso, 2015, AMOS 22 Untuk Structural Equation
Modelling (Konsep dasar dan Aplikasi), PT Elex
media Komputindo, Jakarta.
Latan, Hengky, 2013, Model Persamaan Struktural
(Teori dan Implementasi AMOS 21,0), Penerbit
Alfabeta, Bandung.
Saragih, Rudiantho, 2015, Perencanaan Wilayah dan
Pengembangan Ekonomi Lokal Berbasis Pertanian
(Teori dan Aplikasi), Penerbit Pustaka pelajar,
Yogyakarta