26
yang
makin
rumit.
Secara umum
analisis
dalam
LISREL
dapat dipilah
dalam dua
bagian
:
pertama
yang
terkait
dengan
model
pengukuran
(measurement
model)
dan
kedua
yang
terkait
dengan
model
struktual
(structural equation model).
Dengan
menggunakan
LISREL,
kita
dapat
menganalisis
struktur
covariance
yang
rumit.
Variabel
latent, saling
ketergantungan
antar
variabel,
dan sebab
akibat
yang
timbal
balik
dapat
ditangani
dengan
mudah dengan menggunakan model pengukuran dan persamaan yang terstruktur.
Pada dasarnya pengolahan SEM
dengan LISREL dapat dilakukan
dengan empat cara,
yaitu
menggunakan
PRELIS
Project,
SIMPLIS
Project,
LISREL
Project
maupun
PATH
DIAGRAM. Dalam buku ini akan dijelaskan konsep-konsep terkait dan
prosedur Path
Diagram
serta Simplis secara
sangat sederhana sehingga memudahkan pembaca memahami
Penggunanaan
Lisrel
untuk
menyelesaikan
permasalahan
yang
berkaitan
dengan Structural
Equation
Model.
Pada
edisi
selanjutnya
secara
bertahap
akan
dilakukan
penyempurnaan
pemaparan mencakup empat cara tersebut berikut penjabarannya secara mendetil.
2.6.3
Prosedur SEM
Penerapan
SEM
didasarkan
atas kovarian
dari
nilai-nilai
yang ada
di
dalam
sampel,
sedangkan kovarian kurang stabil jika diestimasi dari sampel yang berukuran kecil. Karena itu
penerapan
SEM
membutuhkan
sampel
yang
yang berukuran
besar.
Jika
dalam
analisis
statistika lainnya, residual yang ingin diminimumkan diperoleh
dari perbedaan model
dengan
nilai
amatan,
maka
dalam
SEM,
residual
merupakan
perbedaan antara kovarian yang
diprediksi dengan kovarian yang diamati. Dalam SEM fungsi yang diminimumkan adalah
perbedaan antara kovarian
sampel dengan kovarian yang diprediksi oleh model. Untuk itu
hipotesis
nol
ditetapkan S
=
S
(?),
dengan
adalah
matrik
kovarian
populasi
dari
variabel-
variabel teramati
dan adalah matrik
kovarian
dari model yang
didefisiasikan (dihipotesiskan).
Jika
pada
statistik
biasanya
yang
dipentingkan
adalah
signifikansi atau
yang
dicari
adalah
penolakan terhadap
H
0
(seperti pada regresi
berganda),
pada SEM yang diusahakan adalah
 |