Apa itu SEM?

SEM (Struktural Equation Modeling) adalah teknik statistik yang menggabungkan analisis faktor dan analisis jalur dalam melakukan pengujian dan estimasi hubungan antar variabel. Pemodelan dalam SEM dibagi menjadi dua tahapan. Tahapan pertama yaitu validasi model pengukuran. Tahapan kedua yaitu pengujian model struktural. Pemodelan SEM lebih cocok digunakan untuk pengujian yang bersifat konfirmatori dibandingkan dengan pengujian yang bersifat eksploratori.

SEM mampu mengukur variabel laten. Variabel laten merupakan variabel yang tidak dapat diukur, misalnya tingkat kepuasan dan tingkat loyalitas. Variabel tersebut tidak dapat diukur secara langsung, namun diukur melalui estimasi indikator. SEM juga mampu melakukan analisis faktor, analisis jalur, dan analisis regresi.

SEM dapat dibagi menjadi dua, yaitu SEM yang berbasis varian dan SEM yang berbasis kovarian. SEM berbasis varian menggunakan varian dalam proses iterasinya sehingga tidak perlu mengkorelasikan indikator-indikator pada variabel laten. SEM berbasis varian ini kemudian disebut sebagai PLS-SEM (Partial Least Square). Sedangkan SEM berbasis kovarian mengestimasi variabel laten dengan mengkorelasikan indikator-indikator variabel laten dalam satu model penelitian. SEM berbasis kovarian ini kemudian disebut CB-SEM (Covariance Based). Contoh software PLS-SEM yaitu SmartPLS dan WarpPLS. Sedangkan contoh software CB-SEM yaitu Lisrel dan AMOS.

Secara umum, CB-SEM dan PLS-SEM memiliki tujuan penggunaan yang berbeda. CB-SEM digunakan untuk melakukan estimasi model yang didasarkan pada teori yang kuat dalam menguji hubungan kausalitas antar konstruk dan mengukur kelayakan model yang dikonfirmasikan dengan data empirisnya. Konsekuensinya, CB-SEM menuntut dasar teori yang kuat, pemenuhan berbagai asumsi parametrik, dan memenuhi kelayakan model (goodness of fit). Sedangkan PLS-SEM digunakan untuk menguji hubungan prediktif antar konstruk. Konsekuensinya, pengujian PLS-SEM dapat dilakukan tanpa dasar teori yang kuat, mengabaikan beberapa asumsi dan parameter ketepatan model prediksi dilihat dari nilai koefisien determinasi (R-square). Oleh karena itu, CB-SEM sangat cocok jika digunakan untuk penelitian yang melakukan pengujia teori, sedangkan PLS-SEM sangat cocok jika digunakan untuk penelitian yang bertujuan untuk mengembangkan teori.

Referensi:

Ghazali, I., dan Latan, H. 2015. Partial Least Square: Konsep, Teknik dan Aplikasi Menggunakan Program SmartPLS 3.0 untuk Penelitian Empiris. Semarang: Badan Penerbit UNDIP.

Jogiyanto, H.M., dan Abdillah, W. 2016. Konsep dan Aplikasi PLS untuk Penelitian Empiris. Yogyakarta: BPFE Yogyakarta.