Olah Data SEM (Structural Equation Modelling) dengan LISREL

LISREL adalah software statistik yang digunakan paling luas dikalangan peneliti aupun praktisi. LISREL mempunyai kemampuan mengidentifikasi hubungan antar variabel yang kompleks, mempunya pilihan pengolahan baik degan menuliskan bahasa pemrogaman maupun yang tidak.

SEM adalah singkatan dari Structural Equation Modelling, yaitu teknik statistik yang mampu menganalisis pola hubungan antara variabel laten dan idikatornya, variabel laten yang satu dengan lainnya, serta kesalahan pengukuran secara langsung, dimana SEM memungkinkan dilakukannya analisis di antara beberapa variabel secara langsung. Tujuan dari Teknik analisis data menggunakan SEM adalah untuk menjelaskan secara menyeluruh hubungan antar variable yang ada dalam penelitian tersebut. Melakukan olah data SEM berbeda dengan melakukan olah data regresi atau analisis jalur. Olah data SEM lebih rumit, karena SEM dibangun oleh model pengukuran dan model struktural.

Kelebihan LISREL

Lisrel dikembangkan oleh Karl Jöreskog and Dag Sörbom. Kelebihan dari software Lisrel adalah kemampuannya mengidentifikasi hubungan antara variabel yang kompleks. Cara mengoperasikannya yang terdiri dari bebagai pilihan, baik dengan syntax maupun dengan program sederhana, menjadikannya lebih banyak digunakan berbagai kalangan. Syntax tentu akan disukai bagi pengguna yang memang faham dengan bahasa pemograman. Sementara Simplis atau Simple Lisrel merupakan alternatif bagi mereka yang awam dengan bahasa pemograman.

Pilihan berbagai metode estimasi sudah tersedia di Lisrel, sehingga tidak terpaku kepada satu metode estimasi Maximum Likelihood. Itu tergantung kondisi data, metode estimasi mana yang akan kita gunakan.

Kekurangan Lisrel

Satu hal kekurangan dari software Lisrel ini adalah ketidakmampuannya mengolah data sem dengan jumlah sampel yang sedikit. Ketika kita memiliki sampel kurang dari 200, sementara modelnya kompleks, maka terkadang hasil estimasi tidak sesuai dengan harapan kita.

Konsepsi SEM merupakan gabungan pemahaman kita terhadap analisis regresi, analisis jalur dan analisis faktor konfirmatori, karena berbasis metode-metode tadi secara fungsi dan interpretasi keluaran dari SEM akan tidak jauh berbeda, hanya saja dikarenakan gabungan dari metode-metode tadi SEM kadang kala dipandang rumit dan kompleks.

Sebelum kita langsung dalam pengoperasian program LISREL untuk SEM, ada baiknya kita telaah alur atau tahapan yang harus dipahami oleh peneliti dalam menggunakan metode Structural Equation Modeling (SEM), sebagai berikut:

Prosedur aplikasi SEM

Umumnya LISREL digunakan untuk memecahkan masalah model persamaan struktural (SEM). Hair, Anderson, Tatham dan Black1 mengemukakan 7 langkah dalam mengaplikasikan SEM sebagai berikut :

    1. Merumuskan model berbasis teori: teridentifikasi variabel laten endogen dan eksogen, argumentasi hubungan kausal antar variabel laten, serta mengidentifikasi indikator atau variabel manifest eksogen dan endogen.
    2. Mengkontruksi diagram jalur: tergambar dengan jelas setting atau adegan hubungan antar variabel laten dan teridentifikasi jumlah parameter yang akan diestimasi
    3. Merumuskan persamaan: model pengukuran dan model struktural
    4. Menentukan data input dan metode estimasi: menentukan matrik korelasi atau matriks kovarians dan metode estimasi maximum likelihood, dan lain-lain.
    5. Identifikasi model: model dapat menghasilkan estimasi yang bersifat unik (tunggal) atau tidak. Syarat suatu model menghasilkan estimasi unik adalah model tersebut bersifat just-identified atau over identified. Model dikatakan just-identified apabila derajat bebas model tersebut nol (0) dan dikatakan over identified apabila derajat bebas model lebih dari nol (> 0)
    6. Uji kesesuaian model: pendekatan dua tahap, secara individual digunakan uji t dan secara keseluruhan digunakan kriteria Goodness of Fit (GOF).
    7. Interpretasi dan modifikasi model: menjawab masalah penelitian dan memodifikasi model berdasarkan justifikasi teoritis tertentu.

Yang patut menjadi perhatian bersama adalah point No. 1, dimana dalam penggunaan SEM haruslah berbasis suatu teori tertentu. Ini dikarenakan fungsi SEM adalah mengkonfirmasikan model yang dibentuk pada data riil yang diperoleh dilapangan. Selain itu, penentuan arah hubunngan yang dibangun dalam model haruslah dikuatkan secara teori. Hal, ini juga yang akan berpengaruh pada penentuan jumlah data atau sampel penelitian yang layak digunakan dalam SEM dan layak dilihat dari sisi kecukupan sampel dalam menguji suatu model yang berbasiskan teori.


1. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. 2010. Multivariate Data Analysis (7th ed.).New Jersey: Pearson Prentice Hall.

Leave a Reply