MULTILEVEL STRUCTURAL EQUATION MODELING: ANALISIS METODE WEIGHTED LEAST SQUARE PADA OBSERVASI NON-NORMAL

ERNI SEPTIANAWATI, Dr. Abdurakhman, M.Si.

2016 | Tesis | S2 Matematika

Structural Equation Modeling digunakan untuk menunjukkan hubungan antara variabel laten dengan variabel teramati, tetapi kurang fokus pada struktur data yang berhierarki. Model multilevel digunakan ketika struktur data hierarkis tetapi memiliki keterbatasan yaitu sulit memasukan model pengukuran untuk hasil dan pada proses kausal yang kompleks tidak dapat dimodelkan secara langsung. Sejumlah peneliti telah mensintesis keduanya dan berkembang menjadi model Multilevel Structural Equation Modeling (ML-SEM). Model ML-SEM dengan variabel observasi non-normal akan diestimasi dengan metode estimasi Weighted Least Square (WLS) karena metode ini tidak tergantung kepada jenis distribusi data artinya bahwa metode WLS menerima ketidaknormalan (nonnormality). ML-SEM diaplikasikan pada pelayanan kesehatan Ibu dengan sampel (n=8933) yang diperoleh dari data SDKI (Survey Demografi Kesehatan Indonesia) tahun 2012. Tujuannya adalah untuk melihat variasi pelayanan kesehatan ibu di level individu dan level propinsi dengan menggunakan indikator-indikator berkategori biner. Hasil penelitian ini menunjukan bahwa indikator-indikator dari faktor pelayanan antenatal dan pelayanan persalinan terlihat adanya variasi antar individu dalam propinsi maupun antar propinsi, sedangkan untuk indikator-indikator dari faktor pelayanan postnatal tidak terlihat adanya variasi antar individu dalam propinsi maupun antar propinsi.

Structural Equation Modeling is used to show how the relationship between latent variable and observed variable, however, it tends to be less focused on structural and hierarchical data. On the other hand, multilevel modeling is used when the structure of the data are in the hierarchical form, however, it has a limitation, that it often fails to have direct modulation result under complex causal process. Some studies synthesized both models and enhance them as Multilevel Structural Equation Modeling (ML-SEM). Multilevel Structural Equation Modeling (ML-SEM) is employed using non-normal observed variable and will be estimated under Weighted Least Square (WLS), because it does not depend on form of distributed data. It means Weighted Least Square (WLS) method accepting non-normality. In this study, Multilevel Structural Equation Modeling is applied on Maternal Health Care (MHC) sample (n=8933) using Survey Demografi Kesehatan Indonesia (SDKI) 2012 data. The objective is to know the variance of SDKI in the both of individual and province level using dichotomous categorical indicators.The result shows variance in the both of individual and province level under its indicators from SDKI and Delivery Care (DC) factors. On the other hand, invariance is generated in the both of individual and province level from Post Natal Care (PNC) factors.

Kata Kunci : Structural Equation Modeling (SEM), Model Multilevel, Weighted Least Square, Limited Information Estimation, Biner, SDKI 2012