Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM)
Tulisan ini mendiskusikan masalah ketidaknormalan distribusi data yang dianalisis dengan menggunakan SEM. Apa saja yang menyebabkan data tidak terdistribusi normal? Apa dampaknya dalam pengujian SEM? dan Bagaimana penanganannya? Mari kita diskusi bersama di halaman ini.Menurut Schumacker & Lomax...
| Main Author: | |
|---|---|
| Format: | Teaching Resource |
| Language: | English |
| Published: |
Fakultas Psikologi, UGM
2010
|
| Subjects: | |
| Online Access: | https://repository.ugm.ac.id/275983/1/Widhiarso%20-%202010%20-%20Distribusi%20Data%20Tidak%20Normal%20pada%20Pemodelan%20Persamaan%20Struktural%20%28%20SEM%20%29.pdf |
| _version_ | 1797037038488256512 |
|---|---|
| author | Widhiarso, Wahyu |
| author_facet | Widhiarso, Wahyu |
| author_sort | Widhiarso, Wahyu |
| collection | UGM |
| description | Tulisan ini mendiskusikan masalah ketidaknormalan distribusi data yang dianalisis dengan menggunakan SEM. Apa saja yang menyebabkan data tidak terdistribusi normal? Apa dampaknya dalam pengujian SEM? dan Bagaimana penanganannya? Mari kita diskusi bersama di halaman ini.Menurut Schumacker & Lomax (2004), jika data variabel tampak berbentuk interval dan memiliki distribusi multivariat normal, maka perkiraan maximum likelihood (ML), eror standar, dan uji chi square akan menghasilkan nilai yang akurat dan kuat (robust). Akurat artinya sesuai dengan nilai kenyataannya dan kuat artinya dapat diterapkan pada data/sampel yang lain dari populasi yang sama. Namun, jika variabel tampak berbentuk ordinal kemudian distribusi datanya miring atau runcing (distribusi tidak normal), maka estimasi ML, kesalahan standar, dan uji chi-kuadrat menghasilkan nilai yang akurat dan kuat. Jika variabel-variabel yang diamati adalah tidak normal, maka varians dari variabel produk dapat sangat berbeda dari nilai-nilai yang ditunjukkan oleh model dasar, dan efek interaksi akan menghasilkan hasil estimasi yang buruk. Lomax (1989) merekomendasikan bahwa teknik estimasi bebas distribusi (distribution free) maupun estimasi yang melibatkan prosedur tertimbang (misalnya, ADF, WLS, GLS) dapat digunakan jika peneliti mendapati distribusi tidak normal. Peneliti juga dapat melakukan transformasi dengan menggunakan transformasi logit atau probit. Transformasi diperbolehkan karena dapat menghasilkan distribusi normal sesuai untuk variabel-variabel yang diamati. |
| first_indexed | 2024-03-13T23:56:17Z |
| format | Teaching Resource |
| id | oai:generic.eprints.org:275983 |
| institution | Universiti Gadjah Mada |
| language | English |
| last_indexed | 2024-03-13T23:56:17Z |
| publishDate | 2010 |
| publisher | Fakultas Psikologi, UGM |
| record_format | dspace |
| spelling | oai:generic.eprints.org:2759832020-04-15T02:59:44Z https://repository.ugm.ac.id/275983/ Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM) Widhiarso, Wahyu Psychology and Cognitive Sciences not elsewhere classified Tulisan ini mendiskusikan masalah ketidaknormalan distribusi data yang dianalisis dengan menggunakan SEM. Apa saja yang menyebabkan data tidak terdistribusi normal? Apa dampaknya dalam pengujian SEM? dan Bagaimana penanganannya? Mari kita diskusi bersama di halaman ini.Menurut Schumacker & Lomax (2004), jika data variabel tampak berbentuk interval dan memiliki distribusi multivariat normal, maka perkiraan maximum likelihood (ML), eror standar, dan uji chi square akan menghasilkan nilai yang akurat dan kuat (robust). Akurat artinya sesuai dengan nilai kenyataannya dan kuat artinya dapat diterapkan pada data/sampel yang lain dari populasi yang sama. Namun, jika variabel tampak berbentuk ordinal kemudian distribusi datanya miring atau runcing (distribusi tidak normal), maka estimasi ML, kesalahan standar, dan uji chi-kuadrat menghasilkan nilai yang akurat dan kuat. Jika variabel-variabel yang diamati adalah tidak normal, maka varians dari variabel produk dapat sangat berbeda dari nilai-nilai yang ditunjukkan oleh model dasar, dan efek interaksi akan menghasilkan hasil estimasi yang buruk. Lomax (1989) merekomendasikan bahwa teknik estimasi bebas distribusi (distribution free) maupun estimasi yang melibatkan prosedur tertimbang (misalnya, ADF, WLS, GLS) dapat digunakan jika peneliti mendapati distribusi tidak normal. Peneliti juga dapat melakukan transformasi dengan menggunakan transformasi logit atau probit. Transformasi diperbolehkan karena dapat menghasilkan distribusi normal sesuai untuk variabel-variabel yang diamati. Fakultas Psikologi, UGM 2010 Teaching Resource NonPeerReviewed application/pdf en https://repository.ugm.ac.id/275983/1/Widhiarso%20-%202010%20-%20Distribusi%20Data%20Tidak%20Normal%20pada%20Pemodelan%20Persamaan%20Struktural%20%28%20SEM%20%29.pdf Widhiarso, Wahyu (2010) Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM). [Teaching Resource] (Unpublished) |
| spellingShingle | Psychology and Cognitive Sciences not elsewhere classified Widhiarso, Wahyu Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM) |
| title | Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM) |
| title_full | Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM) |
| title_fullStr | Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM) |
| title_full_unstemmed | Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM) |
| title_short | Distribusi Data Tidak Normal pada Pemodelan Persamaan Struktural (SEM) |
| title_sort | distribusi data tidak normal pada pemodelan persamaan struktural sem |
| topic | Psychology and Cognitive Sciences not elsewhere classified |
| url | https://repository.ugm.ac.id/275983/1/Widhiarso%20-%202010%20-%20Distribusi%20Data%20Tidak%20Normal%20pada%20Pemodelan%20Persamaan%20Struktural%20%28%20SEM%20%29.pdf |
| work_keys_str_mv | AT widhiarsowahyu distribusidatatidaknormalpadapemodelanpersamaanstrukturalsem |