ARTIKEL

PERAN STRUCTURAL EQUATION MODELING (SEM) DALAM BIDANG

KEDOKTERAN GIGI

Diajukan untuk memenuhi tugas akhir kegiatan PKL IKGM/IKGP IV di Puskesmas

dan Rumah Sakit
RSD BALUNG
PUSKESMAS KENCONG
PUSKESMAS AMBULU

Disusun Oleh :
DistrinaFitrian Sari

(091611101106)

Hamidah Azzahra

(101611101147)

MilatiArifah

(101611101174)

BAGIAN ILMU KEDOKTERAN GIGI MASYARAKAT

FAKULTAS KEDOKTERAN GIGI
UNIVERSITAS JEMBER
2016

SURAT TANDA TERIMA

Kami yang bertanda tangan di bawah ini :
Nama

: drg. Ristya Widi E. Y., M.Kes

NIP

: 197704052001122001

Jabatan

: Dosen Pembimbing PKL IKGM/IKGP IV

Menerangkan bahwa saya mahasiswa di bawah ini :

Nama

: 1. Distrina Fitrian Sari

(091611101106)

2. Hamidah Azzahra

(101611101147)

3. MilatiArifah

(101611101174)

Telah menyerahkan Laporan Kegiatan Praktek Kerja Lapangan (PKL)

IKGM/IKGP IV periode 15 Februari 26 Maret 2016 di bagian IKGM Fakultas
Kedokteran Gigi Universitas Jember.
Demikian surat tanda terima ini dibuat untuk dipergunakan sebagaimana
mestinya.
Jember,2Juni 2016
Mengetahui,
Dosen Pembimbing PKL
IKGM/IKGP IV

drg. Ristya Widi E. Y., M.Kes.

197704052001122001
PENDAHULUAN

Structural Equation Modeling atau SEM adalah bidang yang luas dan banyak
digunakan untuk penelitian terapan. SEM mencakup berbagai teknik statistik
multivariat. Berawal dari pengembangan sejarah yang berbeda yaitu (1) Analisis Jalur
yang awalnya dikembangkan oleh ahli genetika Sewall Wright (1921), kemudian
disempurnakan oleh ahli sosiologi Duncan (1966), (2) Model Persamaan Simultan,
seperti yang dikembangkan di bidang ekonomi oleh Haavelmo (1943) dan Koopmans
(1945), (3) Analisis Faktor oleh Spearmen (1904), Lawley (1940), dan Anderson dan
Rubin (1956). Ketiga metode tersebut bergabung pada awal tahun 1970 meskipun
banyak peneliti yang berbeda-beda telah membuat kontribusi yang signifikan.
(Rossel, 2012)
SEM menggunakan berbagai jenis model untuk menggambarkan hubungan
antara variable yang diamati dengan tujuan dasar yang sama yaitu menyajikan
hipotesis test kuantitatif model oleh peneliti. Lebih khususnya, berbagai model
teoritis dapat di uji dengan menggunakan SEM yang berhipotesis bagaimana set
variable menentukan konstruksi dan bagaimana konstruksi tersebut berkaitan satu
sama lain. Sebagai contoh seorang tenaga kesehatan mungkin percaya bahwa diet
yang baik dan olahraga teratur mengurangi resiko serangan jantung. Dalam setiap
contoh, peneliti beranggapan berdasarkan teori dan empiris penelitian macam
variable menentukan keterkaitan dengan cara tertentu. Tujuan dari analisis SEM
untuk mengetahui model teoritis yang didukung oleh data sampel. Jika data sampel
mendukung model teoritis maka model teoritis yang lebih kompleks dapat
terhipotesis. Jika data sampel tidak mendukung model teoritis maka baik model asli
dapat dimodifikasi dan diuji. (Scumaker dan Lomax, 2010)
SEM mewakili model grafis sebagai diagram jalur. Sebagai persamaan
structural modeling yang popular, SEM memiliki kelebihan mudah digunakan,
flesibel, menghasilkan kualitas grafis. SEM dapat digunakan dalam penelitian untuk
menguji hubungan variable yang berbeda satu sama lain, meskipun sebab-akibat tidak

dapat disimpulkan kecuali studi eksperimental. SEM mudah dapat dengan mudah
dipahami jika peneliti memiliki landasan dalam statistic dasar, korelasi, dan analisis
regresi. (Kusurkar Dkk, 2012).
SEM merupakan teknik analisis yang banyak digunakan dalam ilmu-ilmu
social, psikologis, maupun penelitian medis. Dalam bidang medis, SEM digunakan
untuk struktur model persamaan melalui penjelasan dan metode demonstrasi dalam
upaya untuk menyebar luaskan penelitian ilmu kesehatan. Penggunaan SEM sebagai
alat statistic untuk menganalis hubungan yang kompleks antara variable, untuk uji
kausal hubungan dengan non-experimental data, memungkinkan peneliti untuk
menjelaskan pengembangan fenomena seperti penyakit dan perilaku kesehatan.
Beberapa gejala penyakit diukur dan digunakan dalam model faktor yang mewakili,
hubungan antara faktor dan perilaku serta karakteristik lingkungan ditentukan melalui
analisis jalur, kemudian dampak dari berbagai jenis obat digolongkan pada analisis
faktor, setelah itu dibandingkan seluruhnya dan diukur kondisi perilaku dan
lingkungan. Dalam psikologi frekuensi penggunaan SEM telah meningkat dari tahun
ke tahun. (Beran dan Violato, 2010).

PEMBAHASAN

Deskripsi dari SEM

Structural Equation Modeling (SEM) telah dibuat pada sekitar tahun 1900-an
sebagai hasil dari Spearman (1904) pengembangan analisis faktor dan Wrights
(1918, 1921) penemuan jalur analisis, buku teks pengantar dasar SEM tidak
dipublikasikan sampai tahun 1984. Dengan kemajuan program computer seperti EQS
(EquatiosS implementing Structural Equation Modeling), dan LISREL (Linear
Structural Relationship) para peneliti mulai menggunakan teknik SEM dalam
penelitiannya, hal ini telah menjadi teknik uji multivarian yang unggul dan
sekarang dapat diakses secara online tanpa biaya (Beran et al., 2010).
Ada beberapa teknik analisis terintegrasi dalam SEM, ini termasuk antar
kelompok dan dalam kelompok perbandingan beberapa varian, yang biasanya terkait
dengan ANNOVA. Hal tersebut juga mencakup jalur analisis (analisis regresi) dimana
mempersentasikan efek dari satu atau lebih variabel pada variabel lainnya yang dapat
memperkirakan hubungan antar variabel. Uji analisis ini untuk menunjukkan adanya
hubungan sebab akibat antara variabel. Analisis faktor yang lain adalah kasus khusus
dari SEM dimana variabel tidak terobservasi (fator atau variabel laten) dihitung
menjadi variabel yang dapat diukur. Analisis ini biasanya dapat dilakukan dengan
menggunakan data dalam bentuk korelasi dan kovarian. Data ini, bahkan, mungkin
diperoleh dari eksperimental, noneksperimental, dan studi observasi (Beran et al.,
2010).
Beberapa gejala dari suatu penyakit diukur dan digunakan dalam model faktor
yang mewakili gejala ini. Hubungan antara faktor dan perilaku dan atau karakteristik
lingkungan ditentukan melalui jalur analisi. diukur dampak dari berbagai jenis
medikasi yang dibandingkan dengan seluruh faktor kondisi prilaku dan lingkungan.
Untuk melakukan analisis tersebut baik struktural, dan model pengukuran yang
dirancang oleh para peneliti. Model strktural mengacu pada hubungan antara variabel

laten, dan peneliti menentukan derajat korelasi. Ini merupakan jalur koefisiensi yang
didefinisikan oleh Wright (1920), sebagai pengukur pentingnya diberikan jalur
pengaruh dari penyebab ke efek. masing-masing koefisien persamaan struktural
dihitung dan sementaraa variasi lainnya diperhitungkan. Koefisien dihitung secara
bersamaan untuk semua variabel endogen daripada berurutan seperti pada model
regresi umum (Beran et al., 2010).
Untuk menentukan besarnya koefisien ini, para peneliti menentukan struktur
model, ini digambarkan pada Gambar 1. Seperti yang ditunjukkan, peneliti mungkin
mengharapkan bahwa terdapat hubungan antara variabel A dan B, seperti yang
ditunjukkan oleh kepala panah ganda. mungkin tidak ada hubungan yang diharapkan
antara variabel A dan C , jadi tidak ada garis panah di gambar. akhirnya peneliti dapat
berhipotesis bahwa ada hubungan searah dari variabel C ke B seperti yang
ditunjukkan panah dari C ke B. Hubungan antara variabel A, B, dan C menunjukkan
struktur model. Peneliti merinci hubungan tersebut dengan menulis serangkaian
persamaan, maka ada istilah persamaan struktural (mengacu pada hubungan antar
variabel). Kombinasi ini menjelaskan hubungan pola persamaan (Beran et al., 2010).
komponen kedua yang harus spesifik adalah model pengukuran. Seperti yang
di tunjukkan pada Gambar 1. terdiri dari variabel yang diukur. (variabel 1-7), yang
biasanya digunakan dalam penelitian, serta variabel laten. Variabel laten adalah faktor
seperti yang berasal dari faktor analisis. yang diukur setidaknya terdiri dari dua
variabel yang saling terkait. Hal tersebut disebut laten karena variabel tersebut tidak
secara langsung diukur, melainkan merepresentasikan oleh variabel yang diukur
memiliki varian yang tumpang tindih. hal tersebut dikatakan lebih mewakili struktur
penelitian dari pada variabel yang diukur. karena mengandung kesalahan pengukuran
yang rendah. Seperti yang ditunjukkan pada Gambar 1, contohnya, model pengukuran
A menggambarkan variabel laten, yang mana mendasari pengukuran variabel 1 dan 2
(Beran et al., 2010).

Gambar 1. Structural Equation Model

Penerapan SEM di Kedokteran Gigi

Structural Equation Models (SEM) membuat model lebih realistis dari uji
statistic multivarian biasanya atau model regresi berganda saja. SEM adalah
perluasan dari model linear umum yang memungkinkan peneliti untuk menguji satu
set persamaan regresi secara simultan. SEM adalah suatu methodology uji statistic
yang mengambil pendekatan pengujian hipotesis dengan analisis multivarian dan
analisis waktu seri. Multivarian analisis pada dasarnya deskriptif atau eksplorasi sulit
dilakukan uji hipotesis. SEM nelibatkan jenis model regresi linear yang spesifik yang
menggabungkan hubungan

antara teramati atau variabel laten dengan sejumlah

indikator variabel yang dapat diamati dan diukur (Hasan et al., 2016).
Metodologi SEM berperan penting dalam dunia kedokteran gigi. Berikut
contoh aplikasi analisis SEM di dunia kedokteran gigi, Masood dkk (2015)

menggunakan SEM dalam penelitiannya tentang perkembangan konsep model

kesehatan rongga mulut pada pasien maloklusi. Survey dilakukan pada 323 orang
dewasa yang sedang mendapat perawatan orthodontic. Oral Health Related Quality
of Life (OHRQoL) diukur menggunakan 14 item Oral Health Impact Profile,
sedangkan maloklusi diukur menggunakan Dental Health Component (DHC) pada
Index of Orthodontic Treatment Need (IOTN). Tujuan penelitian ini adalah
melakukan tes empiris tentang konsep model Locker pada kesehatan rongga mulut
pasien maloklusi menggunakan SEM. Hasilnya menunjukkan bahwa konsep model
Locker tidak tepat untuk mendeskripsikan hubungan antara OHRQoL seseorang
dengan maloklusi.
Qiu dkk (2014) meneliti tentang factor-faktor yang mempengaruhi karies pada
anak-anak. Didapatkan hasil bahwa factor social ekonomi mempengaruhi kebiasaan
kesehatan rongga mulut anak melalui pengaruh pengetahuan dan kebiasaan kesehatan
rongga mulut pengasuhnya. Pengetahuan kesehatan rongga mulut pengasuh
mempengaruhi kebiasaan kesehatan rongga mulut anak melalui pengaruh kebiasaan
kesehatan rongga mulut pengasuh. Kesimpulan terakhir menyatakan kebiasaan
kesehatan rongga mulut anak berhubungan secara langsung kepada karies mereka.
Silvera dkk (2014) meneliti pengaruh kesehatan rongga mulut seseorang pada
dimensi fisik dan psikososial menggunakan SEM. Pengaruh kesehatan rongga mulut
dihitung dengan instrument Oral Health Impact Profile (OHIP-14). Kofariannya
terdiri dari satus sosioekonomi, kebiasaan menjaga kesehatan, penggunaan jasa
kesehatan dan kondisi normative kesehatan rongga mulut. Hasil penelitian
menyebutkan bahwa 15,6% terdapat pengaruh minimal terhadap 1 dimensi OHIP-14
pada orang dewasa. Dimensi yang paling tinggi mempengaruhi adalah sosioekonomi
dan sakit pada fisik.

DAFTAR PUSTAKA

Beran NT, Violato C. 2010. Structural Equation Modeling in Medical Research: a

primer. BMC Research Notes. Vol. 3 (267).
Hasan R, Ahmad WAMW, Aleng AN, Ramli R, Ghani N, Nurfadhlina, Halim A,
Mokhtar K, Zakaria S, Ali Z. 2016. Modeling on Tooth Filling Towards
Dental Caries and Dental Filling Among Children in Bachok, Kelatan,
Malaysia: A Structural Equation Modeling Approached. International Journal
od Applied Engineering Research. Vol. 11(6).
Kursurkar. RA, Cate Th. J Ten, Vos C.M.P, Westers P, Croiset.G. 2012. How
Motivation Affects Academic Performance : a Structural Equation Modelling
Analys. Http : Springerlink.com.
Masood, dkk. 2015. Development Of A Conceptual Model Of Oral Health For
Malocclusion Patients. Angle Orthodontist, Vol 85, No 6, 2016

Qiu, dkk. 2014. Factors Related To Childerns Caries: A Structural Equation

Modeling

Approach.Qiu

et

al.

BMC

Public

Health

2014,

14:1071

http://www.biomedcentral.com/1471-2458/14/1071.
Rossel Yves. 2012. Lavaan : An R Package for Structural Equation Modeling. May
2012, Volume 48, Issue 2. http:jstatsof.org.
Scumacker Randall E, Lomax Richard G. 2010. Structural Equation Modeling :
Third Edition. International Book by Taylor and France Group. New York.

Silveira, dkk. 2014. Impact of Oral Health on Physical and Psychosocial

Dimensions: an Analisis Using Structural Equation Modeling. Cad. Saudi
Publica, Rio de Janeiro, 30 (6):1169-1182, Jun, 2014