Upload
ika-shohihah
View
309
Download
4
Embed Size (px)
Citation preview
8/19/2019 PPT advance sem pls
1/40
Advanced SEM Topics
and PLSDina AntariskasariIka Shohihah
8/19/2019 PPT advance sem pls
2/40
Pengukuran Reflektif VS Formatif
Variabel Laten bisa berupa hasil pencerminan indikatornya, diistilahkan denganindikator refleksif .
Variabel Laten bisa dibentuk (disusun) oleh indikatornya, diistilahkan denganindikator formatif
8/19/2019 PPT advance sem pls
3/40
Indikator Konstruk Formatif
Gambar :Contoh dari Indikator Konstruk Formatif
8/19/2019 PPT advance sem pls
4/40
Kriteria Apakah indikator merupakan
konsekuensi atau penyebabkonstruk?
Apakah konstruk merupakansebuah sifat (trait) yg menjelaskan
indikator atau kombinasi dariindikator?
Apakah jika penilaian konstruk berubah maka semua indikatorakan berubah dalam pola yang
sama? Apakah indikator dapat
dipertukarkan secara sama?
Keputusan Jika konsekuensi : Reflektif Jika Penyebab : Formatif
Jika Sifat : Reflektif Jika Kombinasi : Formatif
Jika ya : Reflektif Jika tidak : Formatif
Jika ya : Reflektif Jika tidak : Formatif
Pengukuran Reflektif VS Formatif
8/19/2019 PPT advance sem pls
5/40
Konstruk Reflektif VS Formatif
Karakteristik
Kasualitas konstruk
Hubungan konseptualantara item
Domain Item
Kovarian antara item
Konsistensi internal Validitas bentuk konstruk
Reflektif
Item yang disebabkankonstruk
Seluruh item terhubung secara konseptual karena
adanya sebab umum Sampel representatif
dari item potensial Kolinearitas yang
diharapkan antar item
Yang dibutuhkan Internal dan eksternal
Formatif
Konstruk yang dibentuk dari item
Tidak ada kebutuhanketerkaitan konseptual
untuk item lainnya Persedian telah habis dari
item yang mungkin Tak ada ekspektasi
kolinearitas tinggi antar
item formatif yang dapatjadi masalah
Tidak dibutuhkan Hanya eksternal
8/19/2019 PPT advance sem pls
6/40
HIGHER ORDER FACTOR ANALYSIS
Yang paling umum aturan Higher Order Model adalah Sebuah model
order kedua. Sebuah second order faktor latent disebabkan multiple
first order latent factor , dimana yang pada gilirannya menyebabkan
variabel yang diukur (x). Dalam arti sederhana,aturan pertama konstrukslatent menjadi "indikator" dari the second order konstruk latent .
Sebagai salah satu harapan , konstruk tingkat tinggi lebih abstrak
karena memiliki hanya konstruk latent sebagai indikator nya. ketika
dukungan toeritis dapat ditemukan untuk Higher Order Model, maka
setiap Program SEM dapat memperkirakan Higher Order Model.
8/19/2019 PPT advance sem pls
7/40
8/19/2019 PPT advance sem pls
8/40
Konstruks psikologis : order pertama termasuk skala untuk kegelisahan, pesimisme, kreativitas,imaginativeness, dan harga diri, dan lainnya. .
Kepribadian dapat diwakili oleh berbagai faktor order pertama terkait. Masing-masing dapatdiukur dengan menggunakan puluhan skala multiple-item yang menekan dimensi kepribadian
tertentu. Faktor individu(untuk menilai seberapa termotivasi satu adalah untuk berhasil di sekolah
pascasarjana) adalah faktor order pertama dan “Likelihood of Success” (Kemungkinan Sukses)bisa dianggap sebagai faktor order kedua
Indikator dari tes standar (kinerja verbal,kuantitatif, dan karakteristik ujian lainnya) Setelah mengidentifikasi semua faktor yang berhubungan dengan kinerja di sekolah pascasarjana,
kita mungkin berakhir dengan variabel indikator ,beberapa faktor seperti pemahaman membaca,kemampuan kuantitatif, pemecahan masalah, kinerja sekolah, dan keinginan. Masing-masing aspek
merupakan faktor itu sendiri. Namun, mereka semua didorong oleh faktor tinggi-agar kita bisadilabeli '' Kemungkinan Sukses. "Mungkin sulit untuk melihat kepentingan seseorang dan
langsung menilai kemungkinan keberhasilan. Namun, dapat diindikasikan cukup baik oleh lebihfaktor nyata seperti kemampuan memecahkan masalah. Pada akhirnya, keputusan penting dapat
dibuat berdasarkan faktor keberhasilan yang lebih abstrak, dan mudah-mudahan keputusan inilebih baik daripada mengandalkan individu faktor yang lebih spesifik.
Contoh yang menggambarkan peran faktor order kedua
8/19/2019 PPT advance sem pls
9/40
Multiple Group Analysis Suatu kerangka kerja SEM untuk menguji nomor atau jenis perbedaan antara model
serupa diperkirakan untuk berbagai kelompok responden. Tujuan umum adalah untuk melihat apakah ada perbedaan antara model kelompok
individu dengan prosedur berbeda dari pengujian model dengan spesifikasi yang
berbeda untuk sampel yang sama dari responden. Di sini kita membandingkan model yang sama di seluruh sampel yang berbeda dari
responden.Pengukuran Model Comparisons
Manfaat utama untuk mencapai validitas konstruk adalah bahwa konstruk akan memenuhisemua persyaratan keandalan dan validitas tidak hanya dalam satu situasi, tapi mudah-mudahan di semua situasi potensial di mana dapat diterapkan.
Meskipun pengujian ketat dalam tahap pengembangan dapat mendukung validitas konstruk,
para peneliti telah lama menyadari kebutuhan untuk menilai kembali konstruk, terutamaketika perbandingan yang dibuat dalam penelitian yang sama
Keduanya memiliki kesamaan yaitu penggunaanmultisample confirmatory factors analysis (MCFA)
8/19/2019 PPT advance sem pls
10/40
Pengujian Invarian
Tahap 1: Configural Invariance
Tahap 2: Metric invariance
Tahap 3: Scalar invariance
Tahap 4: Factor Covariance invariance
Tahap 5: Factor Variance invariance
Tahap 6: Error Variance invariance
8/19/2019 PPT advance sem pls
11/40
Tahap 1: Configural Invariance
Menegaskan configural invarian bahwa Struktur aktor dasar yang sama ada disemua kelompok.
Para peneliti harus mengkonfirmasi bahwa masing-masing kelompok ModelCFA memiliki jumlah yang sama dari construct dan barang-barang yang terkaitdengan setiap construct.
Bahkan, hal tesebut menunjukkan bahwa masing-masing model kelompok memenuhi tingkat yang tepat dari model fit dan validitas konstruk.Inmeasurement istilah teori, kita sekarang memastikan bahwa construct yang congeneric seluruh kelompok.
Model ini kadang-kadang disebut totally free multiple (TF) karena semuakebebasan parameter diperkirakan secara terpisah dan karena itu bebas untuk
mengambil nilai yang berbeda di masing-masing kelompok. Itu Model TF jugamenjadi model dasar untuk perbandingan
8/19/2019 PPT advance sem pls
12/40
Tahap 2: Metric invariance
Memberikan perbandingan empiris pertama antara MCFA model kelompok dan melibatkan kesetaraan loadings faktor.
Invarian metrik menetapkan kesetaraan dasar ''makna" dari konstruk karenaloading menunjukkan hubungan antara indikator dan construct laten.
Jumlah ∆X 2. yang dihitung antara model ini dan model TF (Free Multiple)dengan derajat kebebasan menyamai jumlah perkiraan constrain loading
seluruh kelompok.
8/19/2019 PPT advance sem pls
13/40
Tahap 3: Scalar invariance
Invarian skalar, yang tes untuk kesetaraandari intercept variabel diukur (yaitu, rata-rata) pada construct.
Dukungan untuk skalar invarian adalah diperlukan jika ada perbandingantingkat (misalnya, nilai rata-rata) yang dibuat di seluruh kelompok.
Invarian skalar memungkinkan jumlah relatif konstruk laten yang akandibandingkan antara kelompok-kelompok.
8/19/2019 PPT advance sem pls
14/40
Tahap 4: Factor Covariance invariance
Covariances antara construct tersebut dibatasi. Tes invarian
faktor kovarians jika construct terkait satu sama lainnya dengancara yang sama di seluruh kelompok.
Perhatikan bahwa dalam tahap derajat kebebasan berasal darihambatan (constrainings) covariances faktor daripada loading untuk masing-masing variabel diukur.
8/19/2019 PPT advance sem pls
15/40
Tahap 5: Factor Variance invariance
Tes untuk faktor varians invarian, di mana
menilai kesetaraan varians dari construct seluruh kelompok.
JIka faktor variances dancovariances setara di seluruh kelompok, maka korelasikonstruk laten juga akan sama.
8/19/2019 PPT advance sem pls
16/40
Tahap 6: Error Variance invariance
Tes tahap akhir untuk Error Term Invariance untuk masing-masing variabel diukur di seluruh kelompok.
Tes ini untuk kesalahan jumlah pengukuran disajikan dalamindikator dan sejauh mana itu kesetaraan antar model
8/19/2019 PPT advance sem pls
17/40
• Test perbedaan uji chi-square untuk invarian penuh, yang berartibahwa constrain dari semua parameter relatif terhadap jenisinvarian menjadi sama di masing-masing kelompok tidak signifikan memperburuk fit (kecocokan).
• Dalam hal metrik invarian, ini berarti membatasi setiap loading yang sesuai harus sama di setiap group
FullInvariance
.
• Standar kurang konservatif yang melibatkan setidaknya beberapaperkiraan per konstruk untuk menjadi setara di dalam kelompok
• Sebuah konsensus umum telah dikembangkan di mana jika duaparameter per konstruk (misalnya, loading di metrik invarian,(intercept) dalam skalar invariance, atau bahkan error term dalamkesalahan varians invarian) ditemukan untuk menjadi invarian,
maka invariance parsial ditemukan dan proses dapat dilanjutkanke tahap berikutnya.
PartialInvariance
Full vs Partial Invariance
8/19/2019 PPT advance sem pls
18/40
Pedoman untuk Tingkat Varian
8/19/2019 PPT advance sem pls
19/40
ANALISIS INVARIAN HBAT
Analisa untuk membandingkan karyawan penuh waktu versus paruh waktu. Perhatian adalah bahwa hanya mengambil perspektif keseluruhan tentang
karyawan mungkin mengabaikan perbedaan mencolok antara dua kelompok ini.
Hal ini dirasa bahwa langkah pertama harus diambil untuk memastikan bahwakedua kelompok ini memiliki persepsi umum tentang sikap kerja yang HBATdianggap penting dalam upaya melihat retensi karyawan mereka.
Hal ini menyebabkan panggilan untuk perbandingan empiris dari duakelompok lima konstruk dalam model Retensi Karyawan.
Kelompok dibentuk dari responden survei HBAT karyawan berdasarkanpekerjaan status pegawai full-time atau paruh waktu. Dalam hal ini, kelompok mempunya ukuran hampir sama (191 karyawan paruh waktu, dan 209karyawan penuh waktu).
Dengan kelompok dan tanggapan mereka didefinisikan, proses pengujianinvariance dapat dilaksanakan.
8/19/2019 PPT advance sem pls
20/40
Proses Enam Tahap Pengujian invariance.
8/19/2019 PPT advance sem pls
21/40
Kesimpulan Pengukuran Invarian.
Proses pengujian pengukuran invarian menunjukkanbahwa lima konstruksi yang digunakan dalam modelRetensi Karyawan (Employee Retention Model)memenuhi kriteria untuk invarian configural, invariancemetrik penuh dan invarian skalar parsial. Akibatnya,sebagian besar bentuk perbandingan kelompok dapatdibuat tanpa kekhawatiran bahwa perbedaan adalahkarena perbedaan sifat pengukuran antara keduakelompok.
8/19/2019 PPT advance sem pls
22/40
Structural Model Comparisons
Dibangun berdasarkan proses model pengukuran dan kemudianmelakukan jenis yang sama dari perbandingan untuk menilaiperbedaan dalam model struktural
Memberikan tes khusus untuk menangani sejumlah hipotesispenelitian, tetapi yang paling umum digunakan adalah uji moderasi
Untuk membandingkan alat konstruks laten. Dalam membuat perbandingan ini, program SEM membandingkan
cara hanya dalam arti relatif. Dengan kata lain, mereka dapatmemberitahu Anda apakah berarti lebih tinggi atau lebih rendah
dibandingkan dengan kelompok lain Untuk melakukannya mengharuskan rata-rata konstruksi laten tetapnol dalam satu kelompok
8/19/2019 PPT advance sem pls
23/40
MEASUREMENT BIAS
Metode konstan Bias adalah contoh dari apayang dikenal faktor gangguan. Faktorgangguan adalah sesuatu yang dapatmempengaruhi respon tapi bukan yang utamauntuk pertanyaan penelitian
jika dampak dari faktor gangguan substansialatau cukup untuk mempengaruhi hasil yang
sistematis, maka harus dimasukkan dalammodel.
8/19/2019 PPT advance sem pls
24/40
Model yang terlibat dalam menilai dampak
dari faktor gangguan
Model Specification Fokusnya adalah pada efek
yang berhubungan dengandesain kuesioner danadministrasi, tetapipendekatan yang bisadiperluas untuk setiap jenisefek gangguan.
Model Interpretation Menilai dampak dari
konstanta metode bias (ataufaktor pengganggu lainnya) Caranya , model keseluruhan
yang cocok dibandingkanuntuk melihat apakah faktortambahan memiliki dampakyang signifikan. Hal inidilakukan melalui ujiperbedaan chi-square (Δx2)dan pemeriksaan indeksmodel fit
8/19/2019 PPT advance sem pls
25/40
MediasiModeration
JENIS HUBUNGAN:
MEDIATION DAN MODERATION
8/19/2019 PPT advance sem pls
26/40
MEDIATION
Diagram berikut menunjukkan baik efek langsung (K - E) dan efek tidak langsung dari K pada E dalam urutan K - M - E
Konsep dasar mediation yang paling umum adalah untuk "menjelaskan"mengapa hubungan antara dua konstruk ada. Proses Intervensi adalahefek Mediasi . Dalam pengertian yang lebih luas konsep mediasi adalah
umum dalam model struktural pada umumnya
8/19/2019 PPT advance sem pls
27/40
TESTING UNTUK MEDIATION
Mediasi membutuhkan korelasi signifikan antara ketiga konstruk.Secara teoritis, suatu konstruks mediasi memfasilitasi hubungan antaradua construct lain yang terlibat. Jika konstruk mediasi sepenuhnyamenjelaskan hubunga antara dua konstruk asli (misalnya, K dan E),maka kita sebut complete mediaton ini. Tetapi jika kita menemukanbahwa masih ada beberapa hubungan K dan E yang tidak dijelaskanoleh mediator, maka kita menunjukkan partial mediation
8/19/2019 PPT advance sem pls
28/40
ILUSTRASI HBAT PADA MODEL MEDIATION
8/19/2019 PPT advance sem pls
29/40
8/19/2019 PPT advance sem pls
30/40
8/19/2019 PPT advance sem pls
31/40
Moderation
Efek moderating terjadi ketika variabel ketiga ataukonstruk mengubah hubungan antara dua variabel
yang terkait / konstruks. Variabel moderating harus dipilih dengan
dukungan teoritis yang kuat
Analisis moderation paling mudah ketika moderatortidak memiliki hubungan linear signifikan dengansalah satu dari konstruksi
Kurangnya hubungan antara moderator dankonstruksi lainnya membantu membedakanmoderator dari mediator (ingat bahwa mediator
harus terkait dengan kedua konstruks dalam
hubungan yang sedang dimediasi)
8/19/2019 PPT advance sem pls
32/40
MODERATION NETRIK DAN NON METRIK
METRIK
Variabel kontinu / metrik dan dievaluasi denganmenggunakan SEM.
Jika variabel kontinu dapatdikategorikan dengan carayang masuk akal (yaitu,didasarkan pada teori ataulogika), maka kelompok dapat diciptakan dan
prosedur yang samadigunakan untuk moderationnon metrik dapat diterapkan
NONMETRIC
Variabel kategori sering dihipotesiskan menjadimoderation
Moderation ini biasanyaadalah variabel klasifikasibeberapa jenis. Salah satujenis umum dari moderationadalah karakteristik responden, seperti jenis
kelamin, usia, ataukarakteristik lainnya.
8/19/2019 PPT advance sem pls
33/40
HBAT ILUSTRASI DARI
MODERATION
8/19/2019 PPT advance sem pls
34/40
PLS mrpkan pendekatan alternatif untuk pemodelan SEMdan cocok untuk
Ukuran sampel yg lbh kecil /besasr dari pada yg umumnyadiakomodasi oleh pendekatan SEM
Situasi dimana penekanan lebih pada prediksi melawanpenjelasan
Sifat model pengukuran ridak mengizinkan penggunaan SEM SEM ( software : AMOS, LISREL) berbasis kovarian, sedangkan
PLS ( software : SmartPLS atau Visual PLS) berbasis varian PLS dapat memberikan hasil dengan sampel terlalu kecil
untuk digunakan dalam pendekatan lain
PLS (PARTIAL LEAST SQUARES)
8/19/2019 PPT advance sem pls
35/40
PEMODELAN di dalam PLS:
Inner model model struktural yang
menghubungkan antar variabel laten
Outer model model pengukuran yang menghubungkan indikator dengan variabellatennya
Metode PLS
PLS menentukan hubungandalam hal pengukuran danmodel struktural
PLS diperkirakan denganmetode regresi berbasis daripada MLE(maximumlikelihood estimation).
PLS berfokus padapenjelasan varians (prediksikonstruks) daripadakovarians (penjelasan itemantara hubungan ), dan
signifikansi pengujianestimasi parameter tidakmungkin tanpamenggunakan boot trapping
8/19/2019 PPT advance sem pls
36/40
Keunggulan PLS1. Mampu memodelkan banyak variabel dependen dan variabel independen(model
kompleks)2. Mampu mengelola masalah multikolinearitas antar variabel independen3. Hasil tetap kokoh (robust) walaupun terdapat data yang tidak normal dan hilang
(missing value)4. Menghasilkan variabel laten independen secara langsung berbasis cross productyg melibatkan variabel laten dependen sebagai kekuatan prediksi
5. Dapat digunakan pada konstruk reflektif dan formatif 6. Dapat digunakan pada sampel kecil7. Tidak mensyaratkan data berdistribusi normal8. Dapat digunakan pada data dengan tipe skala berbeda yaitu nominal, ordinal
dan kontinus
8/19/2019 PPT advance sem pls
37/40
Kelemahan PLS
1. Sulit menginterpretasi loading variabel laten independen jikaberdasarkan pada hubungan cross product yang tidak ada
2. Fokus pada prediksi dari pada penjelasan
3. Faktor beban yang jauh lebih tinggi
8/19/2019 PPT advance sem pls
38/40
Perbandingan LISREL & PLS
8/19/2019 PPT advance sem pls
39/40
Kesimpulan Meluasnya penggunaan model SEM di hampir setiap disiplin juga
telah meningkatkan minat dalam menggunakan metode SEM untuk masalah yang lebih maju.
Apakah menggunakan tingkat tinggi model faktor, pengujianmediasi atau moderasi, atau menilai konstruks invarian di seluruhkelompok, peneliti SEM dapat memanfaatkan fleksibilitas modelSEM untuk mengatasi semua pertanyaan
Namun karena ini aplikasi baru muncul, peneliti harus berhati-hatidan memahami dasar-dasar teoritis untuk pendekatan dan isu-isuestimasi dan interpretasi yang terlibat. Sebagai model SEM menjadi
lebih diterima mereka yang menggunakan untuk pertanyaanpenelitiany yang lebih spesifik serta menjadi yang lebih luas
8/19/2019 PPT advance sem pls
40/40
THANKS