Pendekatan Sem Berbasis Komponen Menggunakan Generalised Structured Component Analysis (GSCA)

Abstract

Structural Equation Modeling(SEM) merupakan teknik pengembangan statistik yang menggabungkan antara analisis faktor, analisis jalur dan analisis regresi yang bertujuan untuk mengukur hubungan antara peubah laten dan indikatornya. SEMPartial Least Square (PLS) dan Generalized Structured Component Analysis (GSCA) adalah SEM yang berbasis varian atau sering disebut juga berbasis komponen merupakan metode analisis yang power full. Banyak asumsi SEM berbasis komponen bertujuan untuk mengembangkan teori atau membangun teori (orientasi prediksi), evaluasi GSCA dapat dilakukan dalam tiga tahap model pengukuran. Model struktural dan model keseluruhan. Tujuan penelitian ini adalah Menentukan prosedur model GSCA, Menentukan estimasi parameter dan mengimplementasikan menggunakan data tentang prestasi mahasiswa ditinjau dari karakteristik lingkungan kampus. Hasil dari penelitian ini adalah semua variabel indikator merupakan alat ukur yang valid dan reliabel untuk mengukur variabel latennya. Koefisien jalur dari sikap terhadap dosen dan motivasi sebesar 0.465 sehingga dapat disimpulkan bahwa, kualitas sikap terhadap dosen berpengaruh positif terhadap motivasi atau semakin tinggi sikap terhadap dosen maka motivasi mahasiswa juga semakin baik. Nilai FIT dan AFIT diatas 0.485 yang menunjukkan bahwa model mampu menjelaskan sekitar 48.5% variasi dari data. Nilai FIT terkoreksi (AFIT) yang diperoleh juga menunjukkan hasil yang tidak jauh berbeda yaitu 0.474 yang menunjukkan bahwa model mampu menjelaskan sekitar 47.4%.