Tuesday, June 20, 2017

Perbedaan Analisis Jalur (Path Analysis) dengan Structural Equation Modeling (SEM).

Beberapa hari yang lalu, saya menghadap pada ketua penguji ujian tesis saya. Satu hal yang membuat saya kaget setengah mati bahwa beliau tidak mau menandatangani matriks jadwal ujian tutup yang harus saya laksanakan maksimal tanggal 22 Juni 2017 agar tidak membayar SPP semester 5. Alasannya sangat sederhana, karena beliau tidak srek dengan alat analisis yang saya gunakan dalam memecahkan permasalahan yang saya angkat dalam penelitian saya. Satu hal yang membuat saya tidak habis pikir, beliau terus-terusan menyudutkan saya dan tidak membiarkan saya berbicara satu kata pun, bahkan untuk menjelaskan alat analisis yang saya gunakan. Beliau mengaku bahwa penelitian saya adalah penelitian pertama yang beliau lihat menggunakan alat analisis tersebut untuk menjawab permasalahan yang diangkat.

FYI, judul tesis saya adalah Peran Profitabilitas dalam Memediasi Pengaruh Tata Kelola Perusahaan dan Ukuran Perusahaan terhadap Nilai Perusahaan (Studi Pada Perusahaan Pertambangan yang Terdaftar di BEI Periode 2013-2015). Dimana tata kelola diukur menggunakan dewan komisaris independen, ukuran perusahaan dikukur dari Ln total aset, profitabilitas diukur menggunakan ROE dan nilai perusahaan diukur dengan Tobin's Q. Berikut gambar kerangka konsep saya.


Saya menggunakan analisis jalur (path analysis) untuk menyelesaikan model tersebut, diolah dengan alat SPSS ver. 22. Kenapa saya menggunakan analisis jalur? berikut penjelasan dari buku-buku metode penelitian.

Analisis jalur merupakan perluasan dari analisis regresi linear berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model casual) yang telah ditetapkan sebelumnya berdasarkan teori (Ghozali, 2006).
Path analysis hanya dapat mengolah variabel yang dapat diukur (measured variables), sedangkan SEM dapat digunakan untuk mengolah data variabel yang dapat diukur (measured variables) ataupun yang tidak dapat diukur (constructs atau latent variables) (Gudono, 2011). 
Path analysis digunakan manakala peneliti menganalisis hubungan antarvariabel yang kompleks yang tidak dapat dikerjakan dengan memakai regresi berganda. Pada hubungan yang kompleks, ada lebih dari satu variabel dependen, sehingga diperlukan serangkaian persamaan regresi. Karena path analysis adalah perluasan analisis regresi, maka semua asumsi dalam analisis regresi juga berlaku dalam path analysis. Termasuk dalam konteks ini adalah (1) residual tidak saling berkorelasi, dan (2) hubungan antarvariabel adalah linier dan additive (pertambahan), dan jumlah data cukup banyak (minimum 10 data per variabel) (Gudono, 2011).
Prinsip-prinsip dasar yang sebaikrya dipenuhi dalam analisis jalur di antaranya adalah (Sarwono, 2007)

  1. Adanya linieritas (Linierity). Hubungan antarvariabel bersifat linier.
  2. Adanya aditivitas (Additivity). Tidak ada efek-efek interaksi.
  3. Data berskala interval. Semua variabel yang diobservasi mernpuryai data berskala interval (scaled values). Jika data belum dalam bentuk kala interval, sebaiknya data diubah dengan menggunakan metode suksesive interval (MSI) terlebih dahulu.
  4. Semua variabel residual (yang tidak diukur) tidak berkorelasi dengan salah satu variabel dalam model.
  5. Istilah gangguan (disturbance terms) atau variabel residual tidak boleh berkorelasi dengan semua variabel endogen dalam model. Jika dilanggar maka akan berakibat hasil regresi menjadi tidak tepat untuk mengestimasikan parameter-parameter jalur.
  6. Sebaiknya hanya terdapat multikolinearitas yang rendah. Maksud multikolinieritas adalah dua atau lebih variabel bebas (penyebab) mempunyai hubungan yang sangat tinggi. Jika terjadi hubungan yang tinggi maka kita akan rnendapatkan standar error yang besar dari koefisien beta (b) yang digunakan untuk menghilangkan varian biasa dalam melakukan analisis korelasi secara parsiat.
  7. Adanya rekursivitas. semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali (looping).
  8. Spesifikasi model sangat diperlukan untuk menginterpretasi koefisien-koefisien jalur. Kesalahan spesifikasi terjadi ketika variabel penyebab yang signifikan dikeluarkan dari model. Semua koefisien jalur akan merefleksikan kovarian bersama dengan semua variabel yang tidak diukur dan tidak akan dapat diinterpretasi secara tepat dalam kaitannya dengan akibat langsung dan tidak langsung.
  9. Terdapat masukan korelasi yang sesuai. Artinya, jika kita menggunakan matriks korelasi sebagai masukan maka korelasi Pearson digunakan untuk dua variabel berskala interval; korelasi polychoric untuk dua variabel berskala ordinal; tetracltoric untuk dua variabel dikotomi (berskala nominal); polyserial untuk satu variabel interval dan lainnya ordinal; dan biserial untuk satu variabel berskala interval dan laimrya nominal.
  10. Terdapat ukuran sampel yang memadai. Untuk mernperoleh hasil yang maksimal, sebaiknya digunakan sampel di atas 100.
  11. Sarnpel sarna dibutuhkan uttuk pengitungan regresi dalarn model jalur.


Berhubung penelitian saya memenuhi seluruh persyaratan di atas, maka saya menggunakan analisis jalur. Sudah sangat jelas ya, penelitian saya tidak menggunakan SEM karena data yang saya kumpulkan dapat diukur dan memenuhi SEMUA persyaratan asumsi klasik. Kerangka konsep saya hanya menguji hubungan satu arah, bukan dua arah. Jadi, sebenarnya apa yang dipermasalahkan oleh si ketua penguji? Hanya karena ketidaktauannya tentang analisis jalur dan memaksa saya menggunakan SEM, menghambat saya untuk maju ke ujian tutup, memaksa saya untuk membayar SPP semester 5 hanya untuk 1x ujian tutup. Menyulitkan pendidikan saya hanya karena ketidaktahuannya. 

Padahal, entah itu menggunakan PLS, AMOSH atau SPSS, hasil yang dikeluarkan akan tetap sama. Tata kelola tetap tidak signifikan terhadap profitabilitas dan nilai perusahaan. Ukuran perusahaan tetap tidak siginifikan terhadap profitabilitas dan nilai perusahaan. Profitabilitas tetap signifikan terhadap nilai perusahaan dan profitabilitas hanya signifikan memediasi ukuran perusahaan terhadap nilai perusahaan. Lantas, kenapa mempermasalahkan sebuah alat? Analoginya, saya dipersulit ketika menyalin sebuah KTP karena menggunakan alat scanner. Dengan alasan ybs taunya menyalin KTP hanya bisa dengan menggunakan mesin foto copy. Luar biasa, bukan?

Saya bukan sok tau, saya menulis dan melakukan sesuatu berdasarkan referensi yang terpercaya, bukan dari situs-situs tanpa sumber yang jelas, bukan dari katanya anu dan itu yang tidak jelas sumber keilmuannya. Percuma lah berstatus profesor ketika kita tidak mampu menguasai semua alat analisis, lantas menghambat orang lain dalam mencapai tujuan. Terlebih perannya hanya sebagai ketua penguji, bukan pembimbing akademik. Saya kira pembimbing akademik lah yang lebih berhak mengutak atik isi penelitian ketimbang penguji yang hanya berkewajiban memberikan masukan yang jelas tidak harus diterima 100%.

Yah, ini berat untuk saya menjelaskan pada orang yang tidak tau sama sekali dengan orang yang tau meski sedikit saja. Apalagi ditambah dengan ego yang tinggi karena merasa lebih hebat sehingga muncul keangkuhan yang berujung menghambat dan menyusahkan orang lain. Hal yang lebih mengesalkan adalah ketika kawan seangkatan lainnya yang jelas-jelas penelitiannya dikerjakan oleh orang lain (bahkan ada penguji sendiri), bisa lolos dengan mudahnya. Bahkan ketika mereka tidak mampu menjelaskan tentang variabel penelitian, mereka bisa lulus tanpa hambatan. Sangat luar biasa pendidikan pasca sarjana di negeri kita!

Pesan saya bagi yang membaca ini, ayolah jangan suka mempersulit orang lain dengan kebodohanmu. Yah, bodoh berarti bukan mereka yang tidak tau apa-apa, bodoh bagi saya adalah ketika seseorang ngotot dengan ketidaktahuannya sehingga semua pintu keilmuan tertutup oleh keangkuhan.

0 comments:

Post a Comment

Bagaimana Pendapatmu?