Olah Data Statistik AMOS

AMOS merupakan kependekan dari Analisis of Moment Structures yang digunakan sebagai pendekatan umum analisis data dalam Model Persamaan Struktural (Structural Equation Model) atau yang dikenal dengan SEM. SEM dikenal juga sebagai Analysis of Covariance Structures atau disebut juga model sebab akibat (causal modeling) Dengan menggunakan AMOS maka perhitungan rumit dalam SEM akan jauh lebih mudah dilakukan dibandingkan dengan menggunakan perangkat lunak lainnya. Lebih lagi penggunaan AMOS akan mempercepat dalam membuat spesifikasi, melihat serta melakukan modifikasi model secara grafik dengan menggunakan tool yang sederhana.

Selama ini SEM dikenal sebagai perhitungan analisis statistik yang sangat rumit dan sulit dilakukan secara manual maupun dengan menggunakan perangkat lunak yang sudah ada sebelumnya. Dengan menggunakan AMOS proses penghitungan dan analisis menjadi lebih sederhana bahkan orang-orang awam yang bukan ahli statistik akan dapat menggunakan dan memahami dengan mudah.

Kelebihan yang paling utama yang banyak dijadikan alasan oleh peneliti untuk menggunakan SEM.
1. Pelibatan koreksi terhadap atenuasi.
Pengukuran aleksitimia maupun depresi didalamnya selalu mengandung eror, sehingga skor 10 yang didapatkan Harun pada skala aleksitimia, didalamnya terkandung eror. Bisa saja tingkat aleksitima Harun Al Rasyid sebenarnya 9 atau malah 11. Demikian juga pada depresi, SKOR TAMPAK yang muncul dari skala di dalamnya selain SKOR MURNI depresi, terdapat unsur EROR. Jika kita mengkorelasikan aleksitimia dan depresi hanya melalui skor tampak, maka korelasinya menjadi melambung karena yang dikorelasikan adalah skor tampak. Idealnya, yang dikorelasikan adalah skor murni aleksitimia dan depresi. Korelasi skor murni ini dapat dicapai jika kita menggabungkan : (a) properti psikometris aleksitimia dan depresi serta (b) korelasi aleksitimia-depresi. SEM mampu memfasilitasi penggabungan ini bukan?
2. Keluwesan mengembangkan model.
Baik model pengukuran (psikometri) maupun model struktural (statistika) dapat luwes dikembangkan. Maksudnya luwes di sini dimodifikasi oleh peneliti sesuai dengan teori yang mendukung. Saya akan membahas satu per satu, diawali dari model pengukuran. Di dalam kajian psikometri ada beberapa model pengukuran, yaitu model paralel, kesetaraan nilai tau dan konjenerik. Model paralel mengasumsikan semua butir memiliki kapasitas atau akurasi yang sama dalam mengukur variabel sedangkan model konjerik mengasumsikan bahwa butir-butir di dalam skala memiliki kapasitas ukur yang berbeda. Hasil-hasil penelitian saya menunjukkan bahwa pengukuran psikologi relatif sesuai dengan model konjenerik dibanding dengan model paralel yang selama ini sering dipakai. Ada dua aitem untuk mengukur depresi, aitem pertama “saya mudah merasa lelah”, sedangkan aitem kedua, “saya sering berpikir untuk bunuh diri”. Jelas aitem kedua memiliki kapasitas ukur depresi yang lebih dalam dibanding dengan aitem pertama. Skala yang memuat kedua aitem masuk dalam model konjenerik. Nah, melalui SEM bisa luwes untuk menentukan model pengukuran mana yang sesuai dengan alat ukur yang kita pakai.
Sekarang membahas keluwesan model struktural. Analisis regresi yang biasa kita lakukan hanya menguji peranan X terhadap Y saja, atau peranan X1, X2, Xk terhadap Y. Keluwesan SEM di sini terletak pada (a) banyaknya variabel yang bisa dilibatkan (kalau regresi biasa variabel dependen Y hanya satu saja, SEM bisa memuat banyak Y). (b) pola hubungan yang diuji. Kalau regresi peranan X1, X2, Xk terhadap Y, maka SEM bisa menguji peranan X1 terhadap Y yang dimediasi oleh X2 (X1 mempengaruhi X2 baru X2 mempengaruhi Y). Bisa juga X1 mempengaruhi X2, lalu X2 mempengaruhi Y, di sisi lain ada X3 yang mempengaruhi Y juga.
3. Pengujian secara komprehensif.
Coba baca hipotesis SEM pada salah satu penelitian yang dilakukan oleh Prof. Sofia Retnowati mengenai depresi. “Kejadian menekan mendukung munculnya depresi secara tak langsung (melalui sumber daya pribadi, dukungan sosial, dan strategi mengatasi masalah. Kejadian menekan yang dialami individu yang memiliki sumber daya pribadi yang optimal, dukungan sosial maksimal serta strategi mengatasi masalah yang efektif, tidak memunculkan simtom depresi. Di sisi lain sumber daya pribadi dan dukungan sosial mendukung pemilihan strategi mengatasi masalah yang efektif yang mampu menahan dampak kejadian menekan dalam memunculkan simtom depresi”.
Dilihat dari komprehensifnya, salah satu kelebihan SEM dibanding dengan uji konvensional adalah sebagai berikut. SEM menguji konsep teoritis yang dikembangkan sedangkan uji konvensional tidak. Uji konvensional hanya menguji salah satu bagian kecil dari konsep tersebut. Karena mengembangkan konsep teoritis, di penelitian psikologi, SEM banyak dimanfaatkan oleh penelitian doktoral yang memang diminta untuk mengembangkan konsep yang nantinya menjadi model untuk menjelaskan permasalahan dan sekaligus pengatasannya.
Kelebihan SEM dibandingkan dengan kebanyakan metode statistik terletak pada hal-hal berikut: (1) perlakuan baik variabel endogen dan eksogen sebagai variabel acak yang memiliki kesalahan pengukuran, (2) adanya variabel laten yang mampu memuat banyak indikator, (3) adanya pemisahan antara kesalahan pengukuran dengan kesalahan mengembangkan spesifikasi model, (4) adanya penguji model secara keseluruhan daripada koefisien per koefisien, (5) SEM memungkinkan pemodelan dengan menggunakan variabel mediator, (6) SEM memberikan keluwesan untuk mengembangkan model yang memiliki hubungan antar eror, (7) SEM memberikan kesempatan pengujian koefisien pada beberapa kelompok di sampel, (8) SEM memberikan pemodelan yang dinamis, (9) SEM mampu mengatasi data hilang, dan (10) SEM mampu menangani data yang tidak normal dengan baik (Golob, 2003).
4. SEM mampu mengatasi masalah ketidaknormalan distribusi (dengan beberapa syarat)
Ketangguhan estimasi SEM misalnya maximum likelihood (ML) dan faktor koreksi yang telah dikembangkan untuk data tidak normal menunjukkan bahwa SEM dengan estimasi ML dapat digunakan dalam banyak situasi. Meskipun menggunakan skala ordinal untuk mengumpulkan data tentang perasaan dan persepsi (skala Likert) dan beberapa aitem dihapus atau disensor, SEM masih mampu memberikan hasil estimasi yang akurat.
SEM memiliki beberapa keunggulan antara lain : Pertama, memungkinkan adanya asumsi-asumsi yang lebih fleksibel; Kedua, penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten; Ketiga, daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis; Keempat, kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri; Kelima, kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung; Keenam, kemampuan untuk membuat model terhadap variabel-variabel perantara; Ketujuh, kemampuan untuk membuat model gangguan kesalahan (error term); Kedelapan, kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok subyek; Kesembilan kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
Tahapan dalam SEM
SEM terdiri atas beberapa tahapan:
• Pengembangan model berdasarkan teori
Tujuannya adalah untuk mengembangkan sebuah model yang mempunyai justifikasi (pembenaran) secara teoritis yang kua guna mendukung upaya analisis terhadap suatu maslah yang sedang dikaji/diteliti.
• Pengembangan diagram lintasan (path diagram)
Tujuannya adalah menggambarkan model teoritis yang telah dibangun pada langkah pertama kedalam sebuah diagram jalur agar peneliti dengan mudah dapat mencermati hubungan kausalitas yang ingin diujinya.
• Mengkonversi diagram jalur kedalam persamaan struktural
Langkah ini membentuk persamaan-persamaan pada model struktural dan model pengukuran.
• Pemilihan data input dan teknik estimasi
Tujuannya adalah menetapkan data input yang digunakan dalam pemodelan dan teknik estimasi model
• Evaluasi masalah identifikasi model
Tujuannya adalah untuk mendeteksi ada tidaknya masalah identifikasi berdasarkan evaluasi terhadap hasil estimasi yang dilakukan program komputer
• Evaluasi Asumsi dan Kesesuaian model
Tujuannya adalah untuk mengevaluasi pemenuhan asumsi yang disyaratkan SEM, dan kesesuaian model berdasarkan kriteria goodness-of-fit tertentu.
• Interpretasi dan modifikasi model
Tujuannya adalah untuk memutuskan bentuk perlakuan lanjutan setelah dilakukan evaluasi asumsi dan uji kesesuaian model.