Metode Baru Hierarchical Likelihood Structural Equation Model
Oleh: Rezzy Eko Caraka, Ph.D., Dosen Departemen Manajemen FEB UI
DEPOK – (13/11/2021) Hierarchical Likelihood Structural Equation Modelling atau dikenal HSEM merupakan metode baru dari pengembangan metode tradisional structural equation modelling yang banyak digunakan bidang ilmu manajemen, sosial untuk menganalisis hubungan variabel independent, dependent, dan juga moderate. Kelebihan metode statistika baru HSEM dapat digunakan untuk data berdimensi kecil dan juga tidak memerlukan asumsi yang perlu dipenuhi. Metode ini dapat mengatasi 2 masalah utama yang sebelumnya dari HSEM tradisional, yaitu inadmissible solution dan factor indeterminacy. Teknik ini sangat tepat digunakan untuk melihat bagaimana hubungan antara setiap informasi latent.
Selain itu, HSEM juga digunakan untuk uji kuantitatif terhadap model teoritis yang dihipotesiskan oleh peneliti dengan menggunakan berbagai macam efek random dan menggambarkan hubungan antara variabel yang diamati dan menguji hipotesis mengenai bagaimana sekumpulan variabel membentuk suatu model teoritis dan bagaimana variabel-variabel tersebut saling berhubungan. Tujuan utama dari analisis HSEM untuk menentukan seberapa besar cakupan data sampel yang mendukung model teoritis.
Pada metode HSEM dapat digunakan agar sesuai dengan model persamaan struktural hierarkis (HSEMs) yang memungkinkan model berbeda untuk variabel respon multivariat. Berbagai distribusi dan fungsi dipergunakan untuk memberikan informasi yang jelas dari hubungan respon dan efek acak dari data. Metode HSEM bisa menggunakan software R dengan package hsem yang dapat diakses melalui laman R pakcage archive (https://cran.r-project.org/web/packages/hsem/index.html).
Software R ialah salah satu perangkat lunak yang popular dalam analisis statistika dan berbagai bidang keilmuan. Kelebihan dari perangkat ini yakni mudah digunakan dan dikembangkan oleh peneliti. Sejauh ini banyak package yang sudah dibangun pada library R yang dapat digunakan oleh seluruh lapisan bidang ilmu. Ke depannya, riset akan lebih banyak mengembangkan metode hybrid yang tidak hanya fokus terhadap akurasi tinggi, namun juga bisa digunakan untuk menjelaskan fenomena dan informasi dari data. Masalah utama di model machine learning dikenal dengan black-box yang cukup sulit diinterpretasi.
Metode HSEM juga dapat menambah khazanah peneliti untuk memaksimalkan informasi dan interpretasi dalam data. Saat ini, era big data, peneliti sudah tidak lagi mengkaji sebuah masalah berawal dari hipotesis yang dikonfirmasi dengan data tapi bergerak eksplorasi data guna memperoleh informasi yang maksimal. Penelitian sekarang juga bergeser dari search (pencarian yang sangat terarah) menjadi discovery (lebih bersifat oportunitis).
Pergeseran Paradigman penelitian (Sumber: Rezzy Eko Caraka, Ph.D.)
R Package HSEM (https://cran.r-project.org/web/packages/hsem/index.html)