Struktural Equation Model

Struktural Equation Model (SEM) yang juga disebut sebagai analisis jalur dengan variabel laten, digunakan untuk spesifikasi dan analisis ketergantungan antara variabel-variabel observasi dan variabel laten (Hwang, 2009).
Dalam SEM variabel kunci yang menjadi perhatian adalah variabel laten. Variabel laten merupakan konsep abstrak yang dapat diamati secara tidak langsung dan tidak sempurna melalui efeknya pada variabel teramati (Wijanto,2008). Variabel laten diukur tidak langsung berdasarkan pada variabel-variabel observasi atau indikator. Variabel laten sendiri terdiri dari dua jenis yaitu endogen dan eksogen yang dibedakan berdasarkan keikutsertaan mereka sebagai variabel. Variabel laten eksogen selalu muncul sebagai variabel bebas pada semua persamaan yang ada pada model. Sedangkan variabel laten endogen merupakan variabel terikat pada paling sedikit satu persamaan dalam model, meskipun pada persamaan yang lainnya variabel tersebut adalah variabel bebas.
Dalam penggunaannya, metode SEM terbagi menjadi 3 pendekatan, yaitu:
- Covariance Structure Analysis (CSA)
- Partial Least Square (PLS)
- Generalized Structured Component Analysis (GSCA)
CSA merupakan pendekatan SEM yang berbasis kovarian, sedangkan PLS dan GSCA merupakan pendekatan SEM yang berbasis varian atau componen. CSA dikembangkan pertamakali oleh Joreskog (1973), Kessling (1972), dan Willey (1973). Penggunaan CSA sangat dipengaruhi oleh asumsi parametrik yang harus dipenuhi seperti variabel yang diobservasi harus berdistribusi normal multivariat dan observasi harus independen satu sama lain. Selain itu, pendekatan ini juga mengharuskan dalam membentuk variabel laten, indikator-indikatornya bersifat refleksif. Dalam model indikator refleksif dipandang sebagai variabel yang dipengaruhi oleh variabel laten. Perubahan dalam satu indikator akan berakibat pada perubahan indikator lainnya dengan arah yang sama.
Berbeda dengan CSA, PLS dan GSCA tidak didasarkan pada banyak asumsi. Data tidak harus berdistribusi normal multivariat (indikator dengan skala kategori, ordinal, interval, sampai rasio dapat digunakan pada model yang sama), sampel tidak harus besar (Ghazali,2008). PLS dan GSCA dapat menganalisis sekaligus variabel laten yang dibentuk dengan indikator formatif dan refleksif. Model formatif memandang (secara matematis) indikator seolah-olah sebagai variabel yang mempengaruhi variabel laten, jika salah satu indikator meningkat, tidak harus diikuti oleh peningkatan indikator lainnya dalam satu konstruk, tapi jelas akan meningkatkan variabel latennya.