Tutorial Cara Mendapatkan Signifikansi atau P Value Direct, Indirect dan Total Effects SEM dengan AMOS

Tutorial Cara Mendapatkan Signifikansi atau P Value Direct, Indirect dan Total Effects SEM dengan AMOS menjadi panduan krusial ketika peneliti menghadapi kendala tidak munculnya nilai p-value, standard error, maupun t-statistik pada efek tidak langsung (indirect effects) dalam output standar IBM SPSS AMOS. Masalah teknis ini kerap membingungkan para analis karena tabel estimasi bawaan AMOS (Default Model Estimates) hanya menyajikan angka koefisien estimasi titik (point estimate) untuk pengaruh tidak langsung, sementara kolom p-value atau tingkat signifikansinya tampak kosong atau hanya berisi tanda hubung tanpa angka statistik.

Gejala ketidaklengkapan output ini terjadi karena algoritma dasar AMOS secara otomatis hanya menghitung uji signifikansi parsial untuk pengaruh langsung (direct effects) berbasis metode delta. Pengaruh tidak langsung, yang merupakan hasil perkalian antar koefisien jalur mediasi, memerlukan estimasi distribusi sampel non-parametrik melalui fitur Bootstrapping. Tanpa mengaktifkan dan mengonfigurasi prosedur bias-corrected bootstrap pada menu Analysis Properties, peneliti tidak akan pernah mendapatkan nilai p-value dari indirect effects maupun total effects secara otomatis, sehingga pengujian hipotesis mediasi menjadi terhambat.

Konsep Teori Dekomposisi Efek dan Pengujian Mediasi dalam SEM

Dalam analisis persamaan struktural (Structural Equation Modeling), dekomposisi efek membagi hubungan antar variabel menjadi tiga komponen utama, yaitu pengaruh langsung (direct effect), pengaruh tidak langsung (indirect effect), dan pengaruh total (total effect). Bollen (1989) menegaskan bahwa pengaruh total merupakan penjumlahan matematis antara pengaruh langsung dan seluruh pengaruh tidak langsung yang melalui satu atau beberapa variabel intervening. Pemahaman mendasar mengenai kalkulasi hubungan struktural ini dipaparkan secara rinci dalam literatur statistik multivariat oleh Hair et al. (2019).

Penjelasan mendalam mengenai pemodelan hubungan antar variabel latent dan penyusunan diagram jalur dapat dipelajari pada rujukan teori dasar Structural Equation Modeling SEM di www.statistikian.com. Pemahaman aspek teoretis spesifikasi model sangat diperlukan sebelum melakukan evaluasi tingkat signifikansi pada hubungan mediasi.

Secara tradisional, pengujian signifikansi efek tidak langsung mengandalkan Uji Sobel (Sobel, 1982) yang menghitung standard error gabungan berdasarkan perkalian koefisien jalur dari variabel independen ke mediasi serta dari mediasi ke variabel dependen. Namun, Preacher dan Hayes (2004, 2008) membuktikan bahwa Uji Sobel memiliki keterbatasan statistik yang serius, yaitu mengasumsikan bahwa distribusi produk koefisien mediasi berdistribusi normal. Pada sampel berukuran kecil hingga sedang, distribusi produk koefisien tersebut hampir selalu memiliki bentuk yang menjulur (asymmetric/skewed distribution), sehingga Uji Sobel menghasilkan daya uji statistik yang rendah dan sering memicu kesalahan Keputusan Tipe II.

Untuk mengatasi kelemahan distribusi parametrik tersebut, metode resampling non-parametrik Bootstrapping diakui oleh para pakar metodologi (Kline, 2016; Hayes, 2018) sebagai standar emas (gold standard) dalam menguji signifikansi efek tidak langsung. Prosedur Bias-Corrected (BC) Bootstrap secara berulang mengambil sampel acak dengan pengembalian dari data asli (misalnya 2.000 hingga 5.000 kali pengulangan) untuk membentuk distribusi empiris bagi efek tidak langsung, lalu mengoreksi bias median agar menghasilkan selang kepercayaan (confidence interval) dan nilai p-value yang sangat akurat.

Evaluasi peran mediasi juga mewajibkan pemeriksaan signifikansi pada ketiga efek secara bersamaan. Menurut Zhao, Lynch, dan Chen (2010), klasifikasi mediasi terbagi menjadi Complementary Partial Mediation (efek langsung dan tidak langsung sama-sama signifikan dengan arah koefisien searah), Competitive Partial Mediation (efek langsung dan tidak langsung signifikan namun berlawanan arah), Full Mediation / Indirect-Only (hanya efek tidak langsung yang signifikan), serta No Mediation jika efek tidak langsung tidak terbukti signifikan secara statistik.

Langkah-Langkah Teknis Mengeluarkan P-Value Direct, Indirect, dan Total Effects di AMOS

Berikut adalah panduan praktis tahap demi tahap untuk mengonfigurasi dan memunculkan tabel p-value serta selang kepercayaan untuk direct, indirect, dan total effects pada software IBM SPSS AMOS:

Langkah 1: Menyusun Diagram Jalur dan Memastikan Model Teridentifikasi
Pastikan diagram jalur (path diagram) telah terhubung dengan benar antara variabel independen, mediator, dan dependen. Pastikan nilai derajat kebebasan (degrees of freedom) bernilai lebih dari atau sama dengan nol (model identified).

Langkah 2: Membuka Jendela Analysis Properties
Klik menu utama pada AMOS Graphic melalui urutan perintah berikut:

View -> Analysis Properties (atau tekan tombol Alt + F7)

Langkah 3: Mengatur Opsi Output Standar
Pindah ke tab Output, lalu berikan tanda centang pada opsi Standardized estimates, Sample moments, dan Indirect, direct & total effects.

Langkah 4: Mengaktifkan Fitur Bootstrapping
Pindah ke tab Bootstrap, kemudian centang kotak Perform bootstrap. Pada kolom Number of bootstrap samples, masukkan angka 2000 (atau 5000 untuk tingkat presisi yang lebih tinggi pada publikasi jurnal bereputasi).

Langkah 5: Mengaktifkan Bias-Corrected Percentile Intervals
Pada tab yang sama, centang opsi Perform bias-corrected percentile intervals dan pastikan nilai BC confidence level terisi angka 95.

Langkah 6: Menjalankan Eksekusi Estimasi AMOS
Tutup jendela Analysis Properties, lalu jalankan proses kalkulasi dengan mengeklik ikon kalkulator atau melalui menu:

Analyze -> Calculate Estimates (atau tekan tombol Ctrl + F9)

Langkah 7: Membuka Jendela Output Text AMOS
Setelah proses iterasi selesai, buka jendela hasil analisis dengan mengeklik menu View Text (tombol Alt + F8).

Langkah 8: Navigasi ke Matriks Estimasi Efek
Pada panel navigasi sebelah kiri, klik menu Estimates, buka sub-menu Matrices, lalu klik pada pilihan Indirect Effects, Direct Effects, atau Total Effects.

Langkah 9: Mengakses Tabel P-Value Bootstrap (BC)
Di bagian bawah jendela tabel utama, klik pada tombol tab Two-Tailed Significance (BC) atau Bias-corrected percentile method. AMOS akan menampilkan matriks p-value presisi untuk setiap hubungan variabel.

Langkah 10: Mengambil Nilai Standard Error dan Batas Selang Kepercayaan
Untuk melengkapi laporan, klik tab Standard Errors, Lower Bounds (BC), dan Upper Bounds (BC) guna mencatat rentang estimasi empiris dari pengujian mediasi.

Contoh Tabel/Diagram Output Direct, Indirect, dan Total Effects SEM AMOS

Berikut disajikan gambaran ilustratif struktur matriks output estimasi p-value bias-corrected bootstrap pada IBM SPSS AMOS beserta petunjuk teknis pembacaannya secara statistik:

Pembahasan Ilmiah: Pengujian Hipotesis Mediasi dan Standar Pelaporan Publikasi

Berdasarkan hasil analisis bias-corrected bootstrap pada IBM SPSS AMOS, pengambilan keputusan statistik terhadap hipotesis mediasi dilakukan dengan mengevaluasi dua indikator utama, yaitu nilai p-value pada matriks Two-Tailed Significance (BC) dan rentang selang kepercayaan pada tingkat kepercayaan 95%. Jika p-value berada di bawah taraf nyata 0.05 serta selang kepercayaan antara Lower Bound dan Upper Bound tidak melewati angka nol, maka hipotesis nol yang menyatakan tidak ada efek tidak langsung ditolak secara tegas.

Dalam perkembangannya, MacKinnon, Lockwood, dan Williams (2004) melakukan studi simulasi Monte Carlo untuk membandingkan berbagai metode pengujian mediasi. Hasil penelitian mereka menyimpulkan bahwa metode Bias-Corrected Bootstrap memiliki tingkat daya uji statistik (statistical power) paling tinggi dan mampu mengendalikan tingkat Kesalahan Tipe I secara optimal dibandingkan metode Percentile Bootstrap biasa maupun Uji Sobel tradisional.

Peneliti kerap kali mendapati perbedaan antara hasil p-value yang dihitung melalui metode Percentile Bootstrap dan Bias-Corrected Bootstrap. Perbedaan ini wajar terjadi karena metode Bias-Corrected melakukan penyesuaian matematis terhadap porsi sampel bootstrap yang estimasinya berada di bawah estimasi titik data asli. Oleh karena itu, Preacher dan Hayes (2008) sangat merekomendasikan penggunaan Bias-Corrected Bootstrap sebagai rujukan utama dalam menyimpulkan signifikansi hubungan mediasi.

Ketika menyusun laporan ilmiah atau naskah jurnal internasionalbereputasi sesuai standar APA (American Psychological Association), peneliti wajib melaporkan lima komponen statistik secara transparan, yaitu: estimasi titik koefisien standar (standardized estimate), nilai standard error hasil bootstrap, batas bawah selang kepercayaan (lower bound), batas atas selang kepercayaan (upper bound), dan nilai p-value yang dihasilkan dari prosedur bias-corrected bootstrap (Hair et al., 2019).

Apabila selama proses pengujian AMOS mengeluarkan peringatan error berupa The matrix is not positive definite atau algoritma iterasi gagal mencapai konvergensi saat melakukan resampling bootstrap, masalah teknis ini umumnya disebabkan oleh adanya nilai pencilan (outlier) yang ekstrem, sampel yang terlalu kecil, atau tingginya tingkat multikolinearitas antar variabel independen. Penanganan masalah ini dapat dilakukan dengan menambah jumlah sampel data, melakukan transformasi variabel, atau menghapus indikator yang memiliki nilai loading factor sangat rendah.

Dengan demikian, penguasaan alur pengujian dari penyiapan diagram jalur, aktivasi fitur Perform Bootstrap dan Bias-Corrected Percentile Intervals pada Analysis Properties, hingga ekstraksi p-value pada matriks Two-Tailed Significance (BC) merupakan prosedur metodologis yang paling valid, akurat, dan kredibel dalam menyelesaikan masalah pengujian efek tidak langsung pada SEM AMOS.

Kesimpulan

Tidak munculnya p-value untuk indirect effects dan total effects pada output standar IBM SPSS AMOS bukan disebabkan oleh kesalahan model, melainkan karena AMOS memerlukan pengaktifan fitur Bootstrapping secara eksplisit. Dengan mengisikan jumlah sampel bootstrap sebesar 2000 hingga 5000 serta mengaktifkan opsi Bias-Corrected Percentile Intervals 95% pada menu Analysis Properties, AMOS akan menghasilkan p-value dan selang kepercayaan empiris yang sangat presisi. Nilai p-value yang terdapat pada matriks Two-Tailed Significance (BC) menjadi rujukan utama dalam menentukan signifikansi efek tidak langsung serta mengklasifikasikan jenis mediasi secara tepat dan ilmiah.

Daftar Pustaka