Structural Equation Modeling Pada Data Berskala Likert yang Ditransformasi Serta Tanpa Transformasi

Structural Equation Modeling (SEM) merupakan sekumpulan teknik–teknik statistika yang memungkinkan pengujian sebuah rangkaian hubungan secara simultan. Dalam suatu penelitian sering kali terdapat hal-hal yang sulit dihindari. Salah satunya adalah hilangnya sebagian observasi atau data tidak lengkap. Adanya missing value dapat terjadi karena beberapa alasan dan biasanya diluar kendali peneliti. Terdapat tiga metode untuk mengatasi missing value yaitu listwise deletion, pairwise deletion dan imputation . Berdasarkan kenyataan tersebut, dalam penelitian ini ingin diketahui apakah terdapat perbedaan hasil RSquare (R2) dalam analisis Structural Equation Modeling antara ketiga metode yang digunakan untuk mengatasi missing value . Digunakan tiga data sekunder yang masing-masing menghasilkan nilai R-Square (R2) yang relatif sama untuk ketiga metode. Pada Data 1 diperoleh nilai R2 untuk ketiga metode berturut-turut adalah 0.48, 0.53, 0.53. Pada Data 2 nilai R2 yang diperoleh adalah 0.18, 0.18, 0.19 dan Data 3 didapat nilai R2 berturut-turut sebesar 0.19, 0.18, 0.18. Sehingga dapat disimpulkana bahwa ketiga metode yang digunakan untuk mengatasi missing value yaitu listwise deletion, pairwise deletion dan imputation menghasilkan kesimpulan yang sama