KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING (SEM)

Structural Equation Modelling (SEM) adalah suatu teknik analisis multivariabel yang dapat digunakan untuk mendeskripsikan keterkaitan hubungan linear secara simultan variabel-variabel pengamatan, yang sekaligus melibatkan variabel laten yang tidak dapat diukur secara langsung. Pada umunya, SEM mengasumsikan bahwa variabel pengamatan adalah variabel kontinu yang berdistribusi multinormal. Padahal dalam penelitian pemasaran maupun penelitian sosial sering dijumpai bahwa jenis data pengamatan dapat berupa variabel tak kontinu maupun variabel kontinu. Oleh karena itu bila digunakan prosedur pendugaan umum, diduga hasilnya akan bias. Penelitian ini bertujuan untuk mencari penduga korelasi poliserial, sebagai ukuran asosiasi antara data tak kontinu (ordinal) dengan data kontinu dan membandingkan bias yang ditimbulkan oleh penggunaan korelasi poliserial pada pendugaan parameter SEM dibandingkan dengan penggunaan korelasi produk momen Pearson. Dengan menggunakan metode Maksimum Likelihood, bentuk pendugaan korelasi poliserial adalah: ∑ n z k ρ ˆ = k= 1 . n τ j + τ j− 1 − φ ( τ * j) τ* j− 1 +φ ( τ* * j− 1 ) τ j φ ( τ j ) − φ ( τ j − 1 ) Hasil simulasi menunujukkan bahwa untuk model SEM yang diacu dari penelitian Wheaton et al. (1977), secara keseluruhan penggunaan matriks korelasi poliserial pada pendugaan parameter SEM untuk data berskala ordinal berdistribusi Uniform Diskrit (5) dan data kontinu berdistribusi Normal Standart lebih tidak berbias dibandingkan penggunaan matriks korelasi produk momen khususnya jumlah sampel kurang dari N=175. Jika jumlah sampel N=325 atau lebih, penggunaan korelasi poliserial dan korelasi produk momen Pearson pada pendugaan parameter SEM akan menghasilkan bias yang relatif sama. Korelasi poliserial lebih cocok digunakan pada pendugaan parameter SEM karena secara keseluruhan variansi dugaan parameter SEM oleh korelasi poliserial lebih kecil dibandingkan korelasi pearson