PENGANTAR MENUJU PEMODELAN PERSAMAAN STRUKTURAL Wahyu Widhiarso Fakultas

PENGANTAR MENUJU PEMODELAN PERSAMAAN STRUKTURAL Wahyu Widhiarso |Fakultas Psikologi UGM

Pengantar Melihat lebih komprehensif � Memilih t-test atau anova, korelasi atau regresi ? SEM adalah penggabungan antara analisis faktor dengan

Kelebihan dan Kelemahan SEM Kelebihan Kelemahan Komprehensif Sangat tergantung pada software Mengakomodasi model-model yang kompleks Kompleks Pemodelan variabel laten Terbatas pada hubungan linier Ukuran sampel besar

Hubungan Antar Variabel Eror True Di dalam variasi skor tampak terdapat variasi skor murni dan eror Eror True Eror masuk dalam Korelasi True Eror dikeluarkan Korelasi

Teori Skor Murni Klasik X=T+E Di dalam sebuah skor hasil pengukuran (skor tampak), didalamnya terkandung dua komponen, yaitu a) komponen yang menjelaskan atribut yang diukur dan b) komponen yang terkait dengan atribut lain yang tidak diukur (eror).

Variabel Laten Variabel yang tidak didapatkan langsung dari pengukuran akan tetapi dari proses estimasi dan penyimpulan LINK BLOG 1 LINK BLOG 2

Bagian SEM

Bagian-Bagian SEM LINK

Sub Model : Model Pengukuran Gambar 3. a (Model Unidimensi Gambar 3. b (Model Multidimensi) Model pengukuran menggambarkan hubungan antara item dengan konstrak yang diukur. Model pengukuran memiliki ketepatan model yang memuaskan ketika item-item yang dilibatkan mampu menjadi indikator dari konstrak yang diukur yang dibuktikan dengan nilai eror pengukuran yang rendah dan nilai komponen asertivitas yang tinggi.

Sub Model : Model Pengukuran Arah Kejelasan Arah Konstruk Harga Diri Rendah Pola Pikir Negatif Lokus Eksternal Introvert Feeler Intutitive Harga Diri Tinggi Pola Pikir Positif Lokus Internal Ekstrovert Thinker Sensing Meskipun memuat indikator yang berbeda, satu konstrak ukur haruslah merupakan satu kontinum Ex. Besar - kecil, rendah - tinggi, efektif – tidak efektif

Sub Model : Model Pengukuran Model Paralel Model Tau Ekivalen Model Konjenerik LINK Artikel

Manifestasi vs Penyebab

Contoh Kasus Formatif or Reflektif ? Koping Proaktif � � � Efikasi diri Optimisme Dukungan sosial Kepuasan Kerja � � LINK Komunikasi Otonomi Rekan Kerja Clinical Encounter

Sub Model : Model Struktural Model struktural menggambarkan hubungan satu variabel dengan variabel lainnya. Hubungan tersebut dapat berupa korelasi maupun pengaruh/peranan/prediksi. Korelasi antar variabel ditunjukkan dengan garis dengan berpanah di kedua ujungnya sedangkan pengaruh ditandai dengan satu ujung berpanah.

KONSTRUK UKUR Konstruk adalah atribut yang menunjukkan variabel. Konstruk Empirik. Merupakan konstrak yang terukur (observed). Dinamakan terukur karena kita dapat mengetahui besarnya konstrak ini secara empirik Konstruk Laten. Konstruk yang tidak terukur (unobserved). Dinamakan tidak terukur karena tidak ada data empirik yang menunjukkan besarnya konstruk ini. Konstruk laten dapat berupa: � � � common factor unique factor (eror measurement) residu

JALUR (PATH) Jalur (path) adalah informasi yang menunjukkan keterkaitan antara satu konstrak dengan konstrak lainnya. Jalur di dalam SEM terbagi menjadi dua jenis yaitu jalur hubungan kausal dan non kausal. Jalur kausal digambarkan dengan garis dengan panah salah satu ujungnya (� ) dan jalur hubungan non kausal ditandai dengan gambar garis dengan dua panah di ujungnya (� ).

Constraint Parameter Upaya pembatasan parameter sesuai dengan kriteria yang kita inginkan

Contoh Model SEM

Model Analisis Faktor Konfirmatori Model analisis faktor konfirmatori (CFA) merupakan model yang murni berisi model pengukuran. Tujuannya adalah untuk mengidentifikasi model yang tepat yang menjelaskan hubungan antara seperangkat item-item dengan konstrak yang diukur oleh item tersebut. Note EFA. Exploratory factoring is used when you have little or no idea of what components exist in the data. CFA. Confirmatory factor analysis is used to test hypotheses about what factors underlie a set of results.

Model Analisis Faktor Konfirmatori Perbandingan CFA dan EFA

Model Analisis Faktor Konfirmatori Model MIMIC model filosofinya adalah analisis faktor konfirmatori yang melibatkan variabel kontrol. Dalam hal ini, kontrol tersebut diwujudkan dalam kovariat. Dengan kata lain, MIMIC adalah analisis faktor dengan melibatkan kovariat. LINK – MODEL MIMIC

Model Analisis Faktor Konfirmatori Second Order CFA

Model Uji Regresi Model regresi terdiri dari prediktor dan kriterium yang kesemuanya berupa konstrak empirik. Konstrak empirik tersebut dapat berupa skor total hasil pengukuran yang memiliki banyak item maupun satu item pengukuran Antara prediktor satu dengan prediktor lainnya, harus diberi hubungan panah korelasi

Model Utuh (Full Model) Model ini dinamakan model utuh karena didalamnya menggabungkan antara model pengukuran (analisis faktor) dan model struktural (regresi). Melalui model ini kita dapat mengetahui peranan item dalam mengukur konstrak ukur serta peranan konstrak ukur terhadap konstrak ukur lainnya.

Model Penelitian Eksperimen ID item 1 a Item 2 a item 1 b item 2 b Group 23 27 23 25 1 24 27 23 26 1 25 26 22 26 2 23 27 24 27 2 Nilai panah dari perlakuan ke postest yang signifikan menunjukkan bahwa perlakuan memberikan efek yang signifikan Link Contoh Desain

Model Penelitian Eksperimen

Mediator & Moderator STRESS MEDIATING MODEL Kejadian Menekan Simtom Patologis Sumber Daya Pribadi dan Sosial STRESS BUFFERING MODEL Kejadian Menekan Simtom Patologis Sumber Daya Pribadi dan Sosial

Grafik Berfungsinya Moderator Jika ada persilangan antar garis variabel moderator yang displit menjadi dua (misalnya high vs low) maka variabel moderator terbukti berfungsi

Model dg Variabel Moderator Untuk menganalisis model yang menyertakan variabel moderator, kita harus membuat variabel baru yang merupakan perkalian antara prediktor dan moderator (variabel interaksi) Berfungsi tidaknya moderator dilihat dari signifikan tidaknya path variabel tersebut pada variabel dependen LINK Artikel

Model dg Variabel Moderator Contoh gambar konseptual analisis, bukan gambar model yang dipakai dalam analisis program SEM

Model dg Variabel Mediator Sebagai gambaran kasar, peranan variabel terbukti sebagai mediator ketika jalur A dan B signifikan dan jalur C tidak signifikan.

Langkah Pemodelan

Langkah Analisis Membuat Persamaan � Skrining Data � � Outliers, Missing Value, Normalitas dsb Dilakukan melalui SPSS Pengujian Model � � Memastikan bahwa model teridentifikasi Uji Ketepatan Model Uji Parameter Modifikasi Model � Modifikasi

Pilih Model yang Mana? Tanpa Konstruk Laten � � Model Regresi Biasa Tanpa pengujian model fit Dengan Konstruk Laten � � Model Penuh Dengan pengujian model fit LINK

Konstruk dalam Psikologi Berdasarkan Arah Skor A B C Searah Mengukur atribut psikologis secara koheren Aspek memiliki arah yang sama sehingga ketiganya dapat dijumlahkan A B C Bipolar Mengukur atribut psikologis secara berlawanan Aspek mengukur hal yang berkebalikan, sehingga besarnya nilai satu aspek merupakan kecilnya aspek yang lain Orthogonal Mengukur atribut psikologis yang berbeda Aspek mengukur arah yang berbeda sehingga tidak dapat dijumlahkan

Konstruk dalam Psikologi Berdasarkan Pengkategorian Ordinal � Angka menunjukkan jenjang (ex. Pendidikan) � Bisa langsung dipakai dalam model Nominal � Angka tidak menunjukkan jenjang (ex. Pria, Wanita) � Perlu dibuat dummy variable sebelum dimasukkan dalam model

Ukuran Sampel Ratio of Sample Size to the Number of Free Parameters Tanaka (1987): 20 to 1 Bentler & Chou (1987): 5 to 1 Sample Size 200 is seen as a goal for SEM research Lower sample sizes are needed for Models with no latent variables Models where all loadings are fixed (usually to one) Models with strong correlations Simpler models Models for which there is an upper limit on N (e. g. , countries or years as the unit), 200 might be an unrealistic standard. Power Analysis Best way to determine if you have a large enough sample is to conduct a power analysis. Either use the Sattora and Saris (1985) method or conduct a simulation. For models with about 75 to 200 cases, the chi square test a reasonable measure of fit. But Kalkulator Sample Size Link Program

Ketepatan Model LINK

Indeks Modifikasi

Identifikasi Model Sampel Moment = p(p+1)/2 p adalah jumlah indikator Sampel Moment = 3(3+1)/2 = 6 Parameter Jumlah panah yang diestimasi oleh model Identifikasi Model 1. Overidentified. Model memiliki jumlah parameter yang lebih kecil dibanding observasinya 2. Underidentified. Tidak dapat diestimasi karena terlalu banyak

Identifikasi Model overidentified if: underidentified if: • A model has fewer parameters than observations • There are more equations than are necessary for the purpose of estimating parameters • It is not theoretically possible to derive a unique estimate of each parameter • There is insufficient information for the purpose of obtaining a determinate solution of parameters. • There an infinite number of solutions that may be obtained

Membandingkan Model

Membandingkan Model Nested - Satu template Model Non-Nested - Beda template LINK

Membandingkan Model – Contoh Kasus Menggunakan Kai Kuadrat Indeks Model 1 Model 2 Model 1 -2 Kai-Kuadrat 20 30 10 (kai hitung) db 1 4 3 - Kai tabel (db=3) adalah 7. 815 - Kai hitung > Kai Tabel - Terdapat perbedaan ketepatan Menggunakan Akaike Information Criterion (AIC)

Akaike Information Criterion (AIC) Bukan Koefisien Tunggal. AIC adalah ukuran komparatif fit dan sehingga bermakna hanya ketika diestimasikan pada dua atau lebih model yang berbeda. Semakin Rendah, Lebih Baik. Nilai yang lebih rendah menunjukkan lebih cocok dan model dengan AIC terendah adalah model pas terbaik.

Pemaketan Butir

Pemaketan Butir Tanpa pemaketan Dengan pemaketan Keuntungan Pemaketan 1. Sebagai alternatif untuk mentransformasi data dan teknik estimasi alternatif ketika bekerja dengan variabel terdistribusi tidak normal. 2. Memerlukan ukuran sampel yang lebih kecil 3. Peluang fit lebih besar 4. Model sederhana LINK 1 LINK 2

Contoh Penelitian Influence of caring youth sport contexts on efficacy-related beliefs and social behaviors. By Gano-Overway, Lori A. ; Newton, Maria; Magyar, T. Michelle; Fry, Mary D. ; Kim, Mi-Sook; Guivernau, Marta R. Developmental Psychology, Vol 45(2), Mar 2009, 329 -340.

Contoh Pemaketan Butir dan Non Pemaketan Butir dalam satu model A longitudinal evaluation of a social support model of medication adherence among HIV-positive men and women on antiretroviral therapy. By Simoni, Jane M. ; Frick, Pamela A. ; Huang, Bu Health Psychology, Vol 25(1), Jan 2006, 74 -81.

Tematik Link Forum Psikologi

Korelasi Antar Eror = Korelasi antar eror menunjukkan bahwa pengukuran mengukur konstrak yang tidak tunggal (multidimensi) Korelasi antar eror bisa disebabkan oleh : � � � Jumlah butir terlalu banyak Domain terlalu luas Multi direction (favorable – non favorable)

Indeks Ketepatan tidak Keluar

SEM Software LISREL: Amos: EQS: Mplus: SEPATH RAMONA Proc. Calis Lincs MECOSA Fox‘s SEM MX STREAMS http: //www. ssicentral. com/ http: //www. spss. com/amos http: //www. mvsoft. com/ http: //www. statmodel. com/ (Statistica) (Systat) (SAS) (GAUSS) (R)

Regression analysis Path analysis Exploratory factor analysis Confirmatory factor analysis Observed outcome variables -continuous -censored -binary -ordered categorical (ordinal) -unordered categorical (nominal) -counts Structural equation modeling Growth modeling Discrete-time survival analysis Continuous-time survival analysis or a combinations of these variable types observed outcomes variables can be unordered categorical (nominal).

SEM - Strategies Strictly confirmatory approach • A model is tested using SEM goodness-of-fit tests to determine if the pattern of variances and covariances in the data is consistent with a structural path model specified by the researcher. However as other unexamined models may fit the data as well or better, an accepted model is only a notdisconfirmed model. Alternative models approach Model development approach

SEM - Strategies Strictly confirmatory approach Alternative models approach • Alternative models approach: One may test two or more causal models to determine which has the best fit. There are many goodness-of-fit measures, reflecting different considerations, and usually three or four are reported by the researcher. Although desirable in principle, this AM approach runs into the real-world problem that in most specific research topic areas, the researcher does not find in the literature two well-developed alternative models to test. Model development approach

SEM - Strategies Strictly confirmatory approach Alternative models approach Model development approach • In practice, much SEM research combines confirmatory and exploratory purposes: a model is tested using SEM procedures, found to be deficient, and an alternative model is then tested based on changes suggested by SEM modification indexes. This is the most common approach found in the literature. • The problem with the model development approach is that models confirmed in this manner are post-hoc ones which may not be stable. Researchers may attempt to overcome this problem by using a crossvalidation strategy under which the model is developed using a calibration data sample and then confirmed using an independent validation sample.

For models with about 75 to 200 cases, the chi square test a reasonable measure of fit. But for models with more cases (400 or more), the chi square is almost always statistically significant.