MODEL HUBUNGAN SEBAB-AKIBAT DENGAN NON-OBSERVABLE VARIABLES

By: Ir. Togar A. Napitupulu, MS., MSc., Ph.D

PDF Equation Formatted: Model Sebab-akibat dengan Non-observable variables

Many research questions can be categorized into cause and effect or causal problem. Cause and effect mean that a certain factor or variable has an impact or effect on another variable. In other words, variable or factor X for example is suspected to cause variable Y, a problem considered to be of main interest to the researcher. The intention then – if the assertion is true/proven – is to solve the problem (represented by variable Y) by removing variable X or by using variable X as policy instrument (the cause).

Banyak pertanyaan penelitian dapat dikategorikan kedalam hubungan sebab-akibat. Hubungan sebab-akibat maksudnya adalah bahwa factor atau variable tertentu mempengaruhi atau berdampak atau mempunyai effek terhadap variable lainnya. Dengan kata lain, variable atau factor X misalnya dicurigai sebagai penyebab terjadinya atau mempengaruhi variable Y, yang biasanya sebagai permasalahan utama bagi peneliti. Tujuan akhirnya tentu – apabila praduga itu benar atau bisa dibuktikan – , adalah untuk memecahkan masalah (yang diwakili oleh variable Y) dengan cara membuang variable X atau menggunakan variable X sebagai instrument kebijakan (sebagai penyebab masalah).

When variable X and variable Y are observable, or can be measured, the cause and effect problem can directly be solved or modeled as regression problem; or it can be modeled statistically as regression model. . Assume that satisfaction (X) has an impact on loyalty (Y). Suppose in the CASE, variable X = satisfaction can be measured or observable, and the values are the same as the one we have in the CASE. Similarly, supposed variable Y = loyalty can also be measured. Then as in the case, we have seen that we were able to show whether satisfaction affect loyalty by simply testing if H0 : β1 = 0, versus HA : β1 ≠ 0 in equation or model (1), from the data or sample.

` Y = β0 + β1 X + ε . . . . . . . . . . . . . . . . . . (1)
Manakala variable X dan Y dapat diamati, atau dapat secara langsung diukur, persoalan sebab-akibat langsung bisa dimodel menjadi permasalahan regressi; atau ia dapat dimodelkan langsung secara statistika sebagai model regressi. Mari kita asumsikan variable kepuasan (X) mempengaruhi loyalitas (Y). Misalkan pada kasus itu, variable X = kepuasan dapat diukur atau diamati secara langsung dan nilai pengamatannya adalah sama dengan nilai yang digunakan pada KASUS itu. Demikian pula dengan variable Y = loyalitas, misalkan nilainya juga dapat diamati dan nilai yang digunakan pada KASUS itu kita pakai di sini. Lalu, sebagaimana kita lihat pada KASUS itu, kita dapat menguji apakah benar-benar kepuasan pelanggan mempengaruhi loyalitas yaitu dengan menguji apakah β1 = 0, lawan HA : β1 ≠ 0, seperti pada persamaan atau model (1) di bawah, tentu dengan menggunakan data dari contoh (sample).

Y = β0 + β1 X + ε . . . . . . . . . . . . . . . . . . (1)

The problem become complicated when both variables or one of them could not be measured directly or they are unobservable. So the first thing to do when one or more variable in the theoretical framework (the model) are not observable – such variables are called concept or latent variables -, is to devise ways on how to measure them, hence this step is commonly known as measurement modeling.

Permasalahan menjadi tidak sederhana manakala kedua variable atau salah satu tidak dapat diukur atau tidak dapat diamati secara langsung. Oleh karena itu hal pertama yang kita perlu lakukan bila satu atau lebih variable pada kerangka teori (model) tidak dapat diamati – variable seperti itu disebut variable kosep atau variable laten -, adalah merancang bagaimana mengukurnya; oleh karena itulah langkah ini disebut perumusan model pengukuran.

The Measurement Model

Three things that must be done in this step are:
Ada tiga hal yang harus dilakuka dalam model pengukuran yaitu :

(1) To create indicators that characterized the concept. This is sometimes called “indicator variables”. They are variables because they or the values vary from respondent to respondent. However, it is not in the traditional sense of a variable, like the concept variable that is one that call for our attention or one of our interest in this research. It is simply a statement or a question that enable us to capture the characteristic of the respondent having the particular concept, in order to create value for the concept, or simply as an indicator of individual who has that concept variable. For this reason, the indicator should not be another concept even if they are correlated. Another terminology for indicator is “operational variable”, that is to indicate its role, i.e., to operationalize the concept variable. Since its role is only to capture the characteristics of the concept, then theoretically, It is always better to create many of them to capture all possible characteristics of the concept. However, the questionnaire could become tedious and may discourage respondent to seriously answer them. In addition, this could also create statistical estimation problem, that is, we might need more observations or enlarge sample size (this has to do with degrees of freedom in statistical estimation). Rule of thumb would be to have at least three indicators and may be less than five, except there is a necessity to have more than five.

Menciptakan indicator yang dapat menggambarkan kosep yang dimaksud. Kadang ini desebut “variable indicator”. Ini disebut variable karena memang nilainya berbeda atau bervariasi dari respoden ke responden. Akan tetapi, ini sebenarnya bukan variable dalam pengertian secara tradisional sebagai variabel, yaitu variable konsep misalnya yang menjadi pokok perhatian kita dalam penelitian ini. Ia hanya pernyataan atau pertanyaan yang kita ciptakan untuk memungkinkan kita menangkap karaktersitik dari responden yang memiliki konsep variable tersebut, atau sebagai indicator dari respondent yang memiliki konsep tersebut. Oleh karena itu, indicator tidak boleh merupakan konsep sekalipun mereka berkorelasi dengan variable konsepnya atau satu dengan lainnya. Terminologi yang lain untuk “variabel indikator” adalah “variable operasional”, yang menunjukkan perannya, yaitu mengoperasionalisasikan variable konsep. Karena peranannya hanya menangkap karakteristik dari suatu variable konsep agar bisa diukur, maka secara teoretis, selalu lebih baik menciptakan sebanyak-banyaknya indicator sehingga dapat menangkap semua kemungkinan karakteristik dari suatu konsep. Namun demikian, kuesioner bisa menjadi sangat panjang dan bisa jadi membosankan responden untuk mengisinya secara serius. Disamping itu, hal ini dapat pula menyebabkan persoalan estimasi secara statistika, yaitu, menyebabkan perlunya contoh yang lebih besar (hal ini berkaitan dengan aspek derajat bebas dalam pendugaan secara statistika). Rule of thumb yang bisa kita gunakan mungkin adalah menggunakan paling tidak tiga indikator dan lebih sedikit dari lima, kecuali memang diperlukan lebih dari lima.

EXAMPLE -#5 : A cause and effect case with latent variable
TELADAN – #5 : Model sebab akibat dengan variable laten
Because satisfaction and loyalty are concept variables they device two statements that characterized satisfied customers and two statements that characterized loyal customers as indicators or operational variables. Statements for satisfaction are (1) Doctors treated patients well, and (2) Nurses and staffs treated patients properly, measured with likert scale from 1 to 5 (1 = strongly disagree, 5 = strongly agree) . Statements for loyalty are (1) Recommend this hospital to others, and (2) Visit this hospital when in need of heath care, measured with likert scale from 1 to 5 (1 = very unlikely, 5 = very likely).

Karena Kepuasan dan Loyalitas merupakan variabel konsep, maka mereka merancang dua pernyataan yang merupakan karakteristik dari pelanggan yang puas dan dua pernyataan yang merupakan karakteristik dari pelanggan yang loyal sebagai indikator atau operasional variabel. Pernyataan untuk kepuasan adalah (1) Para dokter memperlakukan pasien dengan baik, dan (2) Para perawat dan staf memperlakukan pasien dengan baik, yang diukur dengan skala Likert dari 1 sd 5 (1 = sangat tidak setuju, 5 = sangat setuju). Pernyataan untuk loyalitas adalah (1) Akan merekomendasikan rumah sakit ini kepada orang lain, dan (2) Akan mengunjungi rumahsakit ini setiap kali memerlukan layanan kesehatan, juga dengan skala Likert 1 sd 5 ( 1 = sangat tidak mungkin, 5 = sangat mungkin sekali).

It Is common practice to use oval symbol for latent variable as in the following figure. This notation is also adopted by SPSS software.

Secara umum symbol untuk variabel laten adalah simbol oval seperti pada gambar berikut. Notasi ini diadopsi juga oleh perangkat lunak SPSS.

Selengkapnya di: PDF Equation Formatted: Model Sebab-akibat dengan Non-observable variables