PPT advance sem pls

8/19/2019 PPT advance sem pls

1/40

Advanced SEM Topics

and PLSDina AntariskasariIka Shohihah


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


3/40

Indikator Konstruk Formatif

Gambar :Contoh dari Indikator Konstruk Formatif


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


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


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.


7/40


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


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)


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


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


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.


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.


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.


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.


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


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


18/40

Pedoman untuk Tingkat Varian


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.


20/40

Proses Enam Tahap Pengujian invariance.


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.


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


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.


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


25/40

MediasiModeration

JENIS HUBUNGAN:

MEDIATION DAN MODERATION


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


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


28/40

ILUSTRASI HBAT PADA MODEL MEDIATION


29/40


30/40


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)


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.


33/40

HBAT ILUSTRASI DARI

MODERATION


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)


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


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


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


38/40

Perbandingan LISREL & 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


40/40

THANKS

Documents

PPT advance sem pls