BAB I PENDAHULUAN
1.1.Latar Belakang Structural Equation Modeling (SEM) merupakan tehnik multivariat yang digunakan untuk menentukan hubungan kausal antara variabel yang tidak diobservasi secara langsung, melainkan diukur melalui indikator-indikator sebagai manifest dari konsep atau variabel yang diukur. Konsep seperti ini disebut sebagai faktor atau konstruk atau variabel latent atau unobserved variable. Sedangkan indikator-indikator yang diukur disebut sebagai variabel manifest atau observed variable. SEM dapat menyisihkan galat pengukuran sehingga setiap variabel indikator dapat diukur tingkat kesalahannya (error), Galat pengukuran ini tidak dapat diketahui apabila menggunakan metode analisis lainnya. SEM mempunyai dua komponen model, yaitu model pengukuran (measurement model) dan model struktural (structural model). Model pengukuran merupakan suatu model yang menghubungkan variabel manifest atau indikator dengan variabel laten. Model struktural menetapkan hubungan-hubungan antar variabel-variabel laten yang dibentuk dari variabel-variabel manifest. SEM mempunyai dua tujuan utama, yaitu menilai goodness of fit model terhadap data dan mengestimasi sekaligus menguji parameter yang dihipotesiskan. Dalam ilmu sosial seringkali ditemukan sekumpulan data yang memiliki struktur bertingkat atau struktur multilevel. Pada data multilevel, sering juga disebut sebagai data berkluster atau berstruktur, orde unit yang lebih rendah tersarang dalam orde unit yang lebih tinggi (misalnya, siswa dalam kelas, individu dalam rumah tangga, pasien dalam suatu rumah sakit, karyawan dalam perusahaan, dll). Dalam data multilevel, mungkin terdapat variabel-variabel pada level lebih rendah (misalnya, nilai prestasi siswa, gender) dan variabel-variabel pada level yang lebih tinggi (misal, pengalaman mengajar guru, banyak kelas)
1
2
Model regresi multilevel digunakan ketika struktur data hierarkis dengan unit dasar pada level 1 tersarang dalam kluster pada level 2, yang selanjutnya akan tersarang di (super) kluster pada level 3, dan seterusnya. Variabel latent, atau random effects, diintepretasikan sebagai heterogenitas yang tidak terobservasi pada level yang berbeda yang menyebabkan ketergantungan diantara semua unit level lebih rendah dimiliki oleh unit level yang lebih tinggi. Random intersep mewakili heterogenitas antara kluster-kluster dalam respons keseluruhan dan koefisien random mewakili heterogenitas dalam hubungan antara variabel respons dan variabel penjelas. Salah satu asumsi dalam SEM adalah variabel observasi yang independen dan identik. Data dalam bidang ilmu sosial sering kali gagal memenuhi asumsi pengamatan yang independen. Ketika data memiliki struktur yang multilevel yaitu individu tersarang dalam suatu kluster atau kelompok, asumsi independensi seringkali dilanggar, karena individu dalam kluster yang sama cenderung lebih homogen daripada dari kluster yang berbeda. Model SEM digunakan untuk menunjukan hubungan antara variabel laten dengan variabel teramati (observed), tetapi kurang fokus pada struktur data yang berhierarki. Sedangkan model multilevel digunakan ketika struktur data hierarkis tetapi memliki keterbatasan yaitu sulit memasukan model pengukuran untuk hasil dan pada proses kausal yang kompleks tidak dapat dimodelkan secara langsung. Mengingat kekuatan dan keterbatasan model SEM dan model multilevel maka sejumlah peneliti telah mensintesis keduanya dan berkembang menjadi model multilevel structural equation modeling yang dapat menganalisa hubungan antara variabel laten dalam data yang berstruktur hierarkis. Multilevel Structural Equation Modeling diperlukan ketika unit-unit observasi membentuk suatu kelompok hierarki yang tersarang dan beberapa variabel interest tidak bisa diukur secara langsung tetapi diukur melalui sekumpulan item atau indikator pengukuran. Multilevel SEM merupakan metode statistika untuk menganalisis data multivariat multilevel. Misalnya terdapat suatu data dikumpulkan dari N individu yang tersarang dalam J gup atau kelompok. Grup merupakan sampel random sederhana dari suatu populasi, dan individu juga
3
merupakan sampel random sederhana dalam setiap grup. Dengan kata lain, grup independen satu dengan yang lainnya dalam level grup, dan individu juga diasumsikan independen dalam setiap grup. Terdapat p variabel level-individu dan q variabel level-grup. i dan j masing-masing digunakan untuk menyatakan individu dan grup. Seperti aplikasi lain dari SEM, multilevel SEM juga mempunyai dua tujuan utama. Tujuan pertama yaitu untuk menilai goodness of fit dari model dengan data, dan tujuan yang kedua adalah untuk mengestimasi parameter dari model hipotesis. Salah satu metode estimasi informasi terbatas yang merupakan perluasan dari Muthen (1984) adalah metode estimasi weighted least squares (WLS) yang dapat digunakan untuk mengestimasi model variabel laten multilevel dengan variabel observasi biner, ordered polytomous, kontinu dan variabel tersensor atau bahkan kombinasi diantaranya. Metode ini dapat digunakan untuk mengestimasi model dengan sejumlah efek random. Selain itu presisi dari estimasi tidak terpengaruh oleh jumlah dari efek random. Metode WLS ini pada dasarnya menggantikan estimasi model kompleks yang memiliki integrasi dimensi tinggi dengan beberapa model sederhana dengan integrasi satu dan dua dimensi. Metode ini merupakan generalisasi langsung dari estimasi WLS Muthen (1984) untuk model level satu. Pembahasan tesis meliputi : model multilevel, SEM, multilevel SEM , estimasi parameter multilevel SEM untuk variabel observasi non-normal dengan menggunakan metode WLS, yang kemudian akan digunakan untuk melihat variasi antar level dan fitting model untuk melihat kecocokan data dengan model yang digunakan. Dalam penelitian ini ditetapkan arah hubungan antar konstruk dan dilakukan model pengukuran single level dan model pengukuran dua level.
1.2.Rumusan Masalah Berdasarkan latar belakang di atas maka dapat diidentifikasi masalah yang akan diteliti, yaitu 1. Bagaimana konsep dasar Multilevel SEM?
4
2. Bagaimana cara mendapatkan estimasi parameter multilevel SEM dengan metode WLS untuk variabel observasi non-normal? 3. Bagaimana aplikasi metode estimasi WLS pada multilevel SEM?
1.3.Batasan Masalah Dalam penelitian ini, ada beberapa hal yang menjadi batasan permasalahan, yaitu: 1. Model multilevel SEM yang digunakan adalah model dua level analisis faktor konfirmatori (confirmatory factor analysis) 2. Sampel data yang diambil adalah data berbentuk biner (data nonnormal) 3. Metode estimasi parameter yang digunakan adalah metode WLS
1.4.Tujuan Penelitian Penelitian ini bertujuan untuk menguraikan konsep multilevel SEM dan penggabungannya dengan metode estimasi WLS serta bertujuan untuk mengetahui langkah-langkah dalam mengestimasi multilevel SEM dengan menggunakan metode estimasi WLS. Tujuan yang ketiga adalah untuk mengetahui aplikasi metode estimasi WLS pada multilevel SEM.
1.5.Manfaat Penelitian Diharapkan penelitian ini berkontribusi dalam bidang keilmuan mengenai manfaat penggunaan metode estimasi WLS pada multilevel SEM dengan variabel observasi non-normal.
1.6.Tinjauan Pustaka Dalam penelitian ini diperlukan beberapa buku, jurnal, tugas akhir, artikel sebagai bahan referensi untuk mendukung penelitian ini seperti (Muthen & Asparouhov, 2007) merupakan jurnal yang membahas mengenai multilevel SEM dengan metode WLS untuk data kategorik, (Tytti Pasanen, 2012) yang membahas mengenai model dua level SEM dengan variabel observasi non-normal,
5
(Chiandotto & Masserini, 2011) merupakan jurnal yang membahas mengenai SEM dua level untuk mengevaluasi keefektifan PHD, (Jimmy Kent Byrd, 2008) merupakan disertasi yang membahas mengenai multilevel SEM pada variabel observasi non-normal dan ukuran sampel, (Joop J.Hox, 2012) mengenai regresi multilevel dan multilevel SEM, (Sophia; Anders Skrondal & Xiaohui, 2007) mengemukakan konsep multilevel SEM, ( Jan de Leeuw & Erik Meijer, 2007) merupakan handbook yang membahas mengenai analisis multilevel yang termasuk di dalamnya multilevel SEM, (du Toit & Mathilda du Toit, 2007) menjelaskan mengenai multilevel SEM, (Setyo Hari Wijanto, 2008) dalam bukunya membahas tentang SEM dan metode estimasi parameter WLS.
1.7.Sistematika Penulisan Sistematika yang digunakan dalam tesis ini sebagai berikut BAB I
PENDAHULUAN Bab ini berisi tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, tinjauan pustaka dan sistematika penulisan.
BAB II
LANDASAN TEORI Bab ini berisi tentang teori-teori yang akan digunakan dalam bab-bab selanjutnya, diantaranya model multilevel, SEM, multilevel SEM, metode estimasi parameter WLS, uji kelayakan model yang meliputi RMSEA, CFI dan SRMR.
BAB III
METODOLOGI PENELITIAN Bab ini berisi inti dari alur penelitian yang akan dilakukan dan hasil sementara yang diperoleh, yaitu model multilevel SEM dengan metode estimasi WLS untuk variabel observasi non-normal dan tahapan untuk menganalisis data.
BAB IV
PEMBAHASAN Bab ini berisi hasil data SDKI 2012 yang dianalisis dengan multilevel SEM dengan metode estimasi WLS
BAB V
KESIMPULAN DAN SARAN
6
Bab ini berisi kesimpulan hasil analisis data SDKI 2012 dengan model multilevel SEM dan metode WLS serta berisi saran bagi peneliti lain untuk mengembangkan penelitian ini lebih lanjut
