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

Structural Equation Modeling (SEM) merupakan salah satu analisis data multivariat. Salah satu syarat penggunaan SEM adalah bahwa minimal data berskala interval. Beberapa peneliti menganggap bahwa skala Likert merupakan skala interval, namun banyak juga beranggapan bahwa data jenis ini merupakan data berskala ordinal sehingga perlu dilakukan transformasi terlebih dahulu untuk meningkatkan skala pengukurannya. Berdasarkan kenyataan tersebut maka pada penelitian ini ingin diketahui apakah terdapat perbedaan hasil analisis Structural Equation Modeling menggunakan data kuisioner yang menggunakan skala Likert tanpa transformasi dan skala Likert dengan transformasi. Dalam penelitian ini digunakan 2 data sekunder. Didapatkan nilai RMSEA ( Root Mean Square Error of Approximation ) untuk data 1 tanpa transformasi sebesar 0.081 dan untuk data dengan transformasi 0.084. RMSEA untuk kedua data relatif sama, yang termasuk kategori poor fit . Untuk data 2 tanpa transformasi dan hasil transformasi didapatkan RMSEA berturut-turut 0.000 dan 0.000 dan disimpulkan keduanya termasuk kriteria close fit . Maka dapat disimpulkan bahwa data kuisioner berskala Likert tanpa transformasi dan hasil transformasi menghasilkan kesimpulan yang sama