- Spesifikasi model, mempunyai landasan teori yang kuat kemudian didefinisikan secara konseptual konstruk yang diteliti dan menentukan dimensionalitasnya, lalu tentukan arah kausalitas antar konstruk dengan menunjukkan hubungan yang dihipotesiskan dengan jelas.
- Identifikasi model, harus memiliki nilai yang unik dalam artian informasi yang terkumpul pada data empiris itu memiliki nilai yang unik yang cukup untuk menghasilkan solusi yang unik dalam menghitung parameter estimasi model.
- Estimasi model, setelah memenuhi spesifikasi dan identifikasi model selanjutnya tentukan metode estimasi apa yang akan digunakan dan tentukan besarnya jumlah sampel yang dibutuhkan.
Ada 3 metode estimasi, yaitu : - Maximum Likelihood (ML), akan menghasilkan estimasi parameter yang terbaik (unbiased), apabila data yang digunakan memenuhi asumsi multivariate normality, dengan ukuran sampel antara 100 - 200. Goodness of fit model akan buruk jika ukuran/jumlah sampel lebih besar dari 400.
- Generalized Least Square (GLS), hampir sama dengan ML namun disini masih diperkenankan robust (dilanggarnya asumsi multivariate normality) dengan ukuran sampel 200 - 300. Goodness of fit model akan buruk jika ukuran/jumlah sampel kurang dari 200.
- Asymptotically Distribution Free (ADF) atau Weight Least Square (WLS) untuk ini tidak mensyaratkan data harus normal secara multivariate, dengan ukuran jumlah sampel yang dibutuhkan minimal 2000 - 3000, disamping itu kelemahan lainnya metode ini hanya bisa menggunakan 10 - 15 variabel.
- Evaluasi model, menentukan fit tidaknya model dengan menilai hasil pengukuran model (measurement model) melalui CFA (Confirmatory Factor Analysis) dengan menguji validitas dan reliabilitas konstruk laten, kemudian dilanjutkan dengan evaluasi model struktural (Structured Model) secara keseluruhan dengan menilai kelayakan model melalui kriteria goodness of fit.
- Respesifikasi model, setelah melalui ke empat tahapan tersebut di atas jika penilaian tidak fit maka perlu dilakukan respesifikasi model dengan ketentuan harus didukung teori yang memadai.
Respesifikasi model juga tidak melulu harus mendapatkan model yang fit, jika model telah direspesifikasi maka model yang baru harus di cross-validated dengan data yan baru.
| Jumlah Variabel Laten | Jumlah Indikator | Communalities | Jumlah Sampel |
| lebih dari 6 | kurang dari 3 | Low | kurang dari 500 |
| kurang dari / sama dengan 5 | lebih dari 3 | High | 100 - 150 |
| kurang dari / sama dengan 5 | kurang dari 3 | Modest | lebih dari 200 |
| kurang dari / sama dengan 5 | kurang dari 3 | Low | lebih dari 300 |
Ayo Like Facebooknya
