Salah satu kelebihan SEM adalah kemampuannya untuk melakukan pengukuran pada faktor (disebut juga latent variable/latent construct) berdasarkan beberapa variabel yang diukur. Hal tersebut juga membedakan SEM dengan regresi linier.

Salah satu aplikasi yang sekarang dapat digunakan untuk pengolahan SEM adalah R, khususnya modul lavaan. R menjadi salah satu pilihan aplikasi untuk mengolah data secara statistik yang menarik karena sifatnya yang tidak berbayar. Pada tutorial ini akan dibahas langkah-langkah yang dibutuhkan untuk analisis data SEM dengan menggunakan modul tersebut. Sebagai persiapan, aplikasi yang sudah harus diinstall adalah R dan Rstudio.

Beikut adalah contoh Model yang akan dianalisa:

Kode untuk R studio:

#Belajar SEM dengan R Studio
#Oleh: Muhammad Burhanuddin

#Panggil Data dari Folder
library(haven)
ZAKAT <- read_sav("CPI-2021/DATA AMOS/Contoh 01/ZAKAT.sav")

#Tampilkan Tabel Data
View(ZAKAT)

#Spesifikasi Structural Equoation Modeling (SEM)
library(lavaan)
MODEL <- 'NP=~NP1+NP2+NP3+NP4
SZ=~SZ1+SZ2+SZ3
NS=~NS1+NS2+NS3
NZ=~NZ1+NZ2+NZ3
KP=~KP1+KP2+KP3
NZ ~ SZ + KP+NS
SZ ~ NP
'

#Model Fit yang diminta
fitsem<-sem(MODEL,data = ZAKAT) #Melakukan SEM Analysis
fitcfa<-cfa(MODEL,data = ZAKAT) #Melakukan Confirmatory Factor Analysis

#Laporan Awal Fit Model
fitsem
fitcfa

#Hasil Panjang Analysis
summary(fitsem,standardized=TRUE)
summary(fitcfa,standardized=TRUE)

#Menampilkan Hasil Analysa Pendek
show(fitsem)
show(fitcfa)

#Menampilkan Modifikasi yang dilakukan RStudio pada Model
modindices(fitsem,sort. = TRUE)

#Periksa yang sudah distandarisasi
inspect(fitsem,what="std")

#Inspect R-Square
inspect(fitsem,'r2')

#Ukur Model Fitness
fitmeasures(fitcfa)
fitmeasures(fitsem)
fitmeasures(fitsem,c("gfi","agfi","nfi","cfi","rmsea","tli","srmr"))

#Gambar Jalur Analysis
library(semPlot)

semPaths(fitcfa,what = "std")
semPaths(fitsem,what = "std")

#End Program

Output:

Untuk Data silahkan download disini.