Perbandingan Metode Pendugaan Parameter dalam Pemodelan Persamaan Struktural

Abstract

Pemodelan persamaan struktural (Structural Equation Modeling, SEM) adalah salah satu teknik peubah ganda yang dapat menganalisis secara simultan hubungan beberapa peubah laten endogenous dan eksogenous (Bollen 1989). Model ini terdiri dari dua bagian yaitu model pengukuran dan model struktural. Model pengukuran digunakan untuk menduga hubungan antar peubah laten dengan peubah-peubah manifesnya, sedangkan model struktural digunakan untuk menduga hubungan antar peubah laten. Pendugaan parameter model persamaan struktural umumnya menggunakan Model Struktur Koragam atau lebih populer dengan LISREL (Linear Structural Relationship). Metode pendugaan parameter yang umum digunakan adalah Maximum Likelihood (ML), Weighted Least Squares (WLS), Generalized Least Squares (GLS) dan Unweighted Least Squares (ULS). Masing-masing metode tersebut memerlukan asumsi tertentu tentang ukuran contoh dan bentuk sebaran. Oleh karena itu, sangatlah penting apabila diketahui metode-metode mana yang lebih baik digunakan pada suatu data pengamatan dengan sebaran dan ukuran contoh tertentu. Ini erat kaitannya dengan kekonsistenan dan ketepatan suatu metode dalam menduga parameter model. Hasil kajian menunjukkan bahwa metode ML dan GLS memerlukan asumsi kenormalan ganda pada data pengamatan, metode WLS baik digunakan pada data yang tidak menyebar normal ganda, sedangkan metode ULS tidak memerlukan asumsi sebaran pada data pengamatan. Berdasarkan hal tersebut di atas maka dalam penelitian ini akan dilakukan kajian terhadap kekonsistenan dan ketepatan serta sensitivitas masing-masing metode dalam menduga parameter model persamaan struktural ditinjau dari ukuran contoh dan bentuk sebaran dan mengaplikasikannya pada suatu data. Data yang digunakan merupakan hasil bangkitan komputer dengan ukuran contoh 100, 200, 300, 400 dan 500. Masing-masing ukuran contoh digunakan asumsi menyebar normal ganda dan tidak menyebar normal ganda. Kekonsistenan masing-masing metode diukur dari nilai MARB (Mean Absolute Relative Bias), sedangkan ketepatan metode dinilai dari ukuran kelayakan model.