Apa sebenarnya  structural equation modeling  (SEM) itu? Terdapat beberapa definisi SEM, diantaranya ialah sebagai berikut:
Structural equation modeling adalah suatu teknik modeling statistik yang bersifat sangat cross-sectional, linear dan umum. Termasuk dalam SEM ini ialah analisis faktor (factor analysis),

analisis jalur (path analysis) dan regresi (regression ).


Definisi lain menyebutkan structural equation modeling (SEM) adalah teknik analisis multivariat yang umum dan sangat bermanfaat yang meliputi versi-versi khusus dalam jumlah metode analisis lainnya sebagai kasus-kasus khusus.

Definisi berikutnya mengatakan bahwa  Structural equation modeling (SEM) merupakan teknik statistik yang digunakan untuk membangun dan menguji model statistik yang biasanya dalam bentuk model-model sebab akibat. SEM sebenarnya merupakan teknik hibrida yang meliputi aspek-aspek penegasan (confirmatory) dari analisis faktor, analisis jalur dan regresi yang dapat dianggap sebagai kasus khusus dalam SEM.

Sedikit berbeda dengan definisi-definisi sebelumnya  mengatakan structural equation modeling (SEM) berkembang dan mempunyai fungsi mirip dengan regresi berganda, sekalipun demikian nampaknya SEM menjadi suatu teknik analisis yang lebih kuat karena mempertimbangkan pemodelan interaksi, nonlinearitas,  variabel – variabel bebas yang berkorelasi (correlated independents), kesalahan pengukuran, gangguan kesalahan-kesalahan yang berkorelasi (correlated error terms), beberapa variabel bebas laten (multiple latent independents) dimana masing-masing diukur dengan menggunakan banyak indikator, dan satu atau dua variabel tergantung laten yang juga masing-masing diukur dengan beberapa indikator. Dengan demikian menurut definisi ini SEM dapat digunakan alternatif lain  yang lebih kuat dibandingkan dengan menggunakan regresi berganda., analisis jalur, analisis faktor, analisis time series, dan analisis kovarian

Salah satu keunggulan SEM ialah kemampuan untuk membuat  model konstruk-konstruk sebagai variabel laten atau variabel – variabel  yang tidak diukur secara langsung,  tetapi diestimasi dalam model dari variabel-variabel yang diukur yang diasumsikan mempunyai hubungan dengan variabel tersebut– variabel latent. Dengan demikian hal ini memungkinkan pembuat model secara eksplisit dapat mengetahui ketidak-reliabilitas suatu pengukuran dalam model yang mana teori mengijinkan relasi – relasi struktural antara variabel-variabel laten yang secara tepat dibuat suatu model. Kenggulan-keunggulan SEM lainnya dibandingkan dengan regresi berganda diantaranya ialah
  1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel;
  2. Penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangikesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten;
  3. Daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis;
  4. Kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri;
  5. Kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung;
  6. Kemampuan untuk membuat model terhadap variabel-variabel perantara;
  7. Kemampuan untuk membuat model gangguan kesalahan (error term);
  8. Kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok subyek;
  9. Kemampuan  untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
Meskipun tidak merupakan hal yang wajib, sangat direkomendasikan untuk mengetahui teknik analisis faktor, jika seorang peneliti ingin menggunakan SEM. Aplikasi utama structural equation modeling meliputi:
  1. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur (path analysis), yang menyusun hipotesa hubungan-hubungan sebab akibat  (causal relationships) diantara variabel – variabel dan menguji model-model sebab akibat  (causal models) dengan menggunakan sistem persamaan linier. Model-model sebab akibat dapat mencakup variabel-variabel  manifest (indikator), variabel-variabel laten  atau keduanya;
  2. Analisis faktor penegasan (confirmatory factor analysis), suatu teknik kelanjutan dari analisis faktor dimana dilakukan pengujian  hipotesis – hipotesis struktur factor loadings dan interkorelasinya;
  3. Analisis faktor urutan kedua (second order factor analysis), suatu variasi dari teknik analisis faktor dimana matriks korelasi dari faktor-faktor tertentu ( common factors) dilakukan analisis pada faktornya sendiri untuk membuat faktor-faktor urutan kedua;
  4. Model-model regresi (regression models), suatu teknik lanjutan dari analisis regresi linear dimana bobot regresi dibatasi agar menjadi sama satu dengan lainnya, atau dilakukan spesifikasi pada nilai-nilai numeriknya;
  5. Model-model struktur covariance (covariance structure models),  yang mana model tersebut menghipotesakan bahwa matrix covariance mempunyai bentuk tertentu. Sebagai contoh, kita dapat menguji hipotesis yang menyusun semua variabel yang mempunyai varian yang sama dengan menggunakan prosedur yang sama;
  6. Model struktur korelasi (correlation structure models), yang mana model tersebut menghipotesakan bahwa matrix korelasi mempunyai bentuk tertentu. Contoh klasik adalah hipotesis yang menyebutkan bahwa matrix korelasi mempunyai  struktur circumplex.  
Demikian sekilas tentang teknik analisis statistik Structural Equation Modeling, semoga sedikit memberikan manfaat untuk penelitian atau survei anda. 

Sumber : My document