ESTIMASI BAYESIAN PADA MODEL PERSAMAAN STRUKTURAL DENGAN VARIABEL KATEGORIK TERURUT

Abstract This article explains about parameter estimation of structural equation model with ordered categorical variable using Bayes method. The basic assumptions of SEM are the data type is continuous, minimum scale is interval, and it has to satisfy the normality assumption. The categorical data is ordinal data which the observation is in discrete form, and to treat the categorical data as normally distributed continuous data is by finding threshold parameter for each categorical data. Bayes method only focuses on individual data by combining sample data and the research data before (prior information), in order to minimize the error rate. Hence, the parameter estimation of structural equation model can be obtained well. In this estimation process, it is done numerically by using Monte Carlo method, i.e. Gibbs Sampling and Metropolis Hasting. Keywords: Structural Equation Modeling ,categorical data, Threshold, Gibbs Sampling, Metropolis Hasting. Abstrak Dalam artikel ini dijelaskan tentang estimasi parameter dari model persamaan struktural dengan variabel kategorik terurut dengan menggunakan metode Bayes. Asumsi dasar dari SEM adalah jenis datanya kontinu dan minimal berskala interval serta memenuhi asumsi normalitas. Sementara data kategorik merupakan data ordinal dengan pengamatan dalam bentuk diskrit, untuk dapat memperlakukan data kategorik sebagai data kontinu berdistribusi normal yaitu dengan mencari treshold paramater untuk masing-masing data kategorik. Metode Bayes hanya berfokus pada data individu dengan menggabungkan antara data sampel dengan data penelitian sebelumnya (informasi prior), dengan tujuan untuk meminimalkan tingkat kesalahan. Sehingga estimasi parameter dari model persamaan struktural dapat dihasilkan dengan baik. Dalam proses estimasi, hal ini dilakukan secara numerik dengan menggunakan metode Monte Carlo, yaitu Gibbs Sampling dan Metropolis Hasting. Kata Kunci: Model Persamaan Struktural, data kategorik, Treshold, Gibbs Sampling, Metropolis Hastin