Riset Pengujian Model — Desain Pengujian Teori Struktural
- Diperkenalkan oleh
- Karl G. Joreskog (SEM/LISREL framework); formalized through structural equation modeling tradition
- Tahun
- 1970s (Joreskog 1969–1973); widely adopted in social sciences by the 1980s–1990s
- Jenis
- Confirmatory quantitative research design
- Keluarga
- Survey / observational design
Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris
Apa fungsinya?
Riset pengujian model adalah desain kuantitatif konfirmatori di mana peneliti menetapkan model teoretis — yang menggambarkan hubungan hipotetis antar konstruk — dan kemudian menguji seberapa baik model tersebut sesuai dengan data empiris.
Mengacu terutama pada pemodelan persamaan struktural (SEM) dan analisis faktor konfirmatori (CFA), riset ini mengevaluasi apakah struktur kovarians yang tersirat oleh data konsisten dengan yang diturunkan secara teoretis, menghasilkan indeks kesesuaian yang menunjukkan korespondensi model-data.
Intuisi di balik metode
Anggap riset pengujian model sebagai mengambil cetak biru dan memeriksanya terhadap bangunan yang sebenarnya. Anda tidak mulai dengan bertanya 'apa yang terjadi dalam data ini?' — Anda mulai dengan gambaran yang diturunkan secara teoretis tentang bagaimana variabel seharusnya berhubungan satu sama lain, kemudian mengumpulkan data dan bertanya: apakah dunia terlihat seperti cetak biru saya? Indeks kesesuaian memberi tahu Anda seberapa dekat bangunan tersebut cocok dengan rencana, dan indeks modifikasi membantu Anda mengidentifikasi di mana cetak biru memerlukan revisi. Seluruh logika bersifat deduktif dan konfirmatori: teori terlebih dahulu, data kemudian.
Sejarah
Dasar statistik untuk riset pengujian model diletakkan oleh Karl Joreskog, yang karyanya tentang analisis faktor konfirmatori (1969) dan analisis struktur kovarians (1973) mengarah pada paket perangkat lunak LISREL. Selama tahun 1980-an, SEM berkembang pesat di psikologi, pendidikan, manajemen, dan sosiologi, dipopulerkan oleh peneliti seperti Peter Bentler (perangkat lunak EQS, 1985) dan Michael Browne. Buku teks Rex Kline, pertama kali diterbitkan pada tahun 1998 dan sekarang dalam edisi keempatnya (2015), tetap menjadi referensi metodologis standar untuk peneliti ilmu sosial terapan.
Kapan digunakan
Gunakan riset pengujian model ketika Anda memiliki teori yang dikembangkan dengan baik yang menetapkan bagaimana beberapa konstruk laten berhubungan, dan Anda perlu menilai apakah teori tersebut konsisten dengan data kovarians tingkat populasi. Ini ideal untuk memvalidasi instrumen pengukuran (CFA), menguji rantai mediasi dan moderasi, dan membandingkan kerangka teoretis yang bersaing. Membutuhkan setidaknya N = 200 dan beberapa indikator per konstruk. Jangan gunakan sebagai langkah pertama ketika teori masih baru — analisis faktor eksploratori atau pekerjaan kualitatif yang mendasar harus mendahului spesifikasi model. Hindari ketika ukuran sampel kecil, ketika konstruk hanya memiliki satu indikator, atau ketika tujuannya murni deskriptif daripada didorong oleh teori.
Batasan dan pertimbangan
- Membutuhkan sampel besar (biasanya N >= 200) yang tidak dapat diperoleh oleh banyak peneliti secara layak.
- Kesesuaian model dapat tampak dapat diterima bahkan ketika interpretasi teoretisnya salah — indeks kesesuaian mengonfirmasi konsistensi statistik, bukan kebenaran teoretis.
- Sangat sensitif terhadap mis spesifikasi model; menghilangkan jalur yang relevan secara teoretis akan meningkatkan koefisien lain dan mendistorsi kesesuaian.
- Mengasumsikan normalitas multivariat di bawah estimasi ML; pelanggaran memerlukan estimator yang kuat (MLR, WLSMV) yang kurang dikenal oleh banyak peneliti terapan.
- Modifikasi model post-hoc tanpa validasi silang mengubah studi konfirmatori menjadi studi eksploratori, merusak nilai ilmiahnya.
Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.
Kelebihan
- Menguji seluruh kerangka teoretis secara simultan daripada hipotesis bivariat yang terisolasi.
- Memisahkan kesalahan pengukuran dari hubungan struktural, menghasilkan estimasi parameter yang lebih tepat daripada regresi saja.
- Memungkinkan perbandingan formal model yang bersaing menggunakan indeks kesesuaian dan uji perbedaan chi-kuadrat.
- Mendukung penilaian mediasi, moderasi, dan efek tidak langsung dalam satu kerangka kerja terintegrasi.
- Menghasilkan koefisien terstandarisasi dan tidak terstandarisasi yang dapat diinterpretasikan secara langsung dalam istilah teoretis.
- Diakui dan diterima secara luas di jurnal berdampak tinggi di seluruh ilmu sosial, perilaku, dan kesehatan.
Penerapan
- Memvalidasi skala psikometri dan menilai validitas konvergen dan diskriminan melalui CFA.
- Menguji model mediasi struktural — misalnya, apakah efek tuntutan pekerjaan terhadap kelelahan dimediasi oleh kelelahan emosional.
- Membandingkan struktur faktor atau koefisien jalur di seluruh kelompok demografis melalui SEM multi-grup.
- Mengkaji lintasan pertumbuhan longitudinal dan kausalitas timbal balik melalui model panel silang-lag.
- Menguji kerangka teoretis dalam perilaku organisasi, psikologi kesehatan, dan penelitian pendidikan.
- Mengevaluasi akun teoretis yang bersaing dengan membandingkan kesesuaiannya dengan kumpulan data yang sama menggunakan AIC atau BIC.
Cara kerjanya
Cara kerjanya
Peneliti mengartikulasikan model teoretis formal — sering digambarkan sebagai diagram jalur — yang menetapkan konstruk laten apa yang ada, bagaimana variabel teramati (indikator) berhubungan dengan konstruk tersebut (model pengukuran), dan bagaimana konstruk berhubungan satu sama lain (model struktural). Setiap jalur yang dimasukkan atau dikecualikan mencerminkan komitmen teoretis substantif, bukan pilihan yang didorong oleh data.
Setiap konstruk laten dioperasionalisasikan dengan memilih atau mengembangkan skala multi-item dengan reliabilitas dan validitas yang telah ditetapkan atau dihipotesiskan. Persyaratan ukuran sampel diestimasi (tolok ukur umum adalah 10–20 kasus per parameter bebas), dan rencana pengambilan sampel diselaraskan dengan populasi target untuk mendukung generalisasi.
Data dikumpulkan — biasanya melalui survei laporan diri atau ukuran arsip — dari sampel yang cukup besar untuk memenuhi persyaratan estimasi (umumnya N >= 200 untuk SEM). Normalitas multivariat, pola data yang hilang, dan profil pencilan diperiksa sebelum melanjutkan ke estimasi model.
Model yang ditentukan dicocokkan dengan matriks kovarians teramati menggunakan metode estimasi seperti kemungkinan maksimum (ML). Estimasi menghasilkan matriks kovarians yang direproduksi; perbedaan antara matriks teramati dan yang direproduksi diringkas oleh statistik kesesuaian: uji chi-kuadrat, CFI, TLI, RMSEA, dan SRMR.
Rumus
\chi^2, \text{CFI}, \text{RMSEA}, \text{SRMR}Kesesuaian model dievaluasi terhadap tolok ukur konvensional (misalnya, CFI >= 0,95, RMSEA <= 0,06, SRMR <= 0,08). Koefisien jalur individual, kesalahan standar, dan nilai R-kuadrat diinterpretasikan berdasarkan prediksi teoretis. Kesesuaian yang buruk menandakan bahwa model teoretis tidak secara memadai mewakili proses penghasil data.
Ketika kesesuaian tidak memadai, indeks modifikasi dapat menyarankan amandemen yang dapat dibenarkan secara teoretis — menambahkan jalur, membebaskan residu yang berkorelasi, atau mempertimbangkan kembali struktur pengukuran. Setiap modifikasi post-hoc harus divalidasi ulang pada sampel independen untuk melindungi dari kapitalisasi kebetulan; jika tidak, studi tersebut bergeser dari konfirmatori menjadi eksploratori.
Kesalahan umum
- Menentukan model setelah memeriksa data — ini mengubah pengujian model menjadi pembangunan model; logika konfirmatori tidak valid.
- Menerima kesesuaian yang biasa-biasa saja sebagai memadai dengan secara selektif melaporkan hanya indeks kesesuaian yang menguntungkan sambil menghilangkan yang buruk.
- Memperlakukan indeks modifikasi sebagai resep untuk perbaikan tanpa justifikasi teoretis — setiap jalur yang ditambahkan harus mencerminkan penalaran substantif, bukan sekadar perbaikan statistik.
- Menggunakan terlalu sedikit indikator per konstruk (model indikator tunggal tidak dapat memisahkan varians konstruk dari kesalahan pengukuran, meniadakan keuntungan utama SEM).
- Mengabaikan pengujian invariansi saat membandingkan kelompok — pemuatan faktor dan intersepsi harus ditunjukkan setara di seluruh kelompok sebelum perbedaan rata-rata laten bermakna.
Pertanyaan yang sering diajukan
Bagaimana riset pengujian model berbeda dari riset konfirmatori pada umumnya?
Riset konfirmatori adalah kategori luas yang mencakup studi apa pun yang dirancang untuk menguji hipotesis yang telah ditentukan sebelumnya. Riset pengujian model adalah jenis desain konfirmatori spesifik yang mengevaluasi seluruh sistem hubungan hipotetis secara simultan — biasanya menggunakan SEM atau CFA — daripada menguji hipotesis individual satu per satu. Fitur yang menentukan adalah spesifikasi formal model struktural atau pengukuran sebelum data dikumpulkan.
Berapa ukuran sampel yang saya butuhkan?
Aturan praktis umum adalah 10–20 observasi per parameter yang diestimasi secara bebas, dengan minimum absolut yang sering disebut sebagai N = 200 untuk estimasi ML yang stabil. Model kompleks dengan banyak variabel laten dan jalur memerlukan sampel yang lebih besar. Perangkat lunak analisis kekuatan seperti WebPower atau simulasi Monte Carlo di Mplus dapat memberikan estimasi ukuran sampel yang lebih tepat untuk struktur model tertentu.
Indeks kesesuaian apa yang harus saya laporkan dan berapa nilai yang dapat diterima?
Laporkan minimal: chi-kuadrat dengan derajat kebebasan dan nilai p, CFI atau TLI (dapat diterima >= 0,90, baik >= 0,95), RMSEA dengan interval kepercayaan 90% (dapat diterima <= 0,08, baik <= 0,06), dan SRMR (dapat diterima <= 0,10, baik <= 0,08). Tidak ada satu indeks pun yang definitif; bukti konvergen di berbagai indeks diperlukan. Chi-kuadrat saja terlalu sensitif pada sampel besar.
Bisakah saya memodifikasi model saya setelah melihat data dan tetap menyebutnya pengujian model?
Jika modifikasi dibuat berdasarkan indeks modifikasi atau residu dari kumpulan data yang sama, studi tersebut telah bergeser dari konfirmatori menjadi eksploratori. Modifikasi post-hoc hanya diizinkan jika divalidasi silang pada sampel penahan independen. Jika tidak, studi tersebut harus digambarkan sebagai pengembangan model eksploratori, bukan pengujian model.
Apakah saya perlu menggunakan perangkat lunak SEM, atau bisakah saya menggunakan regresi sebagai gantinya?
Untuk model sederhana dengan variabel teramati saja, regresi berganda mungkin sudah cukup. Namun, regresi tidak dapat mengakomodasi variabel laten, memisahkan kesalahan pengukuran, atau menguji kesesuaian model secara keseluruhan. Perangkat lunak SEM khusus — Mplus, lavaan (R), AMOS, atau LISREL — diperlukan kapan pun model mencakup konstruk laten, efek tidak langsung, atau beberapa variabel dependen yang diukur secara simultan.
Metode terkait
Sumber
Kline, R. B. (2015). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
ISBN: 978-1462523344Disalin.Joreskog, K. G., & Sorbom, D. (1993). LISREL 8: Structural Equation Modeling with the SIMPLIS Command Language. Scientific Software International.
Buka referensi publikasiDisalin.