STATISTIKA LANJUTAN 396 lebih kompleks dapat dihipotesiskan. Jika data sampel tidak mendukung model teoretis, maka model asli dapat dimodifikasi dan diuji, atau model teoretis lainnya perlu dikembangkan dan diuji. Akibatnya, SEM menguji model teoretis menggunakan metode ilmiah pengujian hipotesis untuk memajukan pemahaman kita tentang hubungan yang kompleks di antara konstruk. Lebih jauh lagi, pentingnya SEM secara praktis telah diakui melalui penerapannya di sejumlah disiplin ilmu, termasuk psikologi, sosiologi, ekonomi, penelitian lintas budaya, studi lingkungan, studi pemasaran, pariwisata dan manajemen (Reisinger & Mavondo, 2007). Peneliti seperti Dastgeer dan Rehman (2012), Bulut dan Culha (2010), dan D’Netto et al. (2008), menggunakan SEM di bidang pengembangan manajemen dan melaporkan manfaat dan efektivitas SEM untuk penelitian. Pilihan dan preferensi teknik statistik tertentu bergantung pada permintaan data. Namun, begitu pilihan dibuat, peneliti diharuskan memiliki pengetahuan dasar tentang teknik tersebut khususnya dalam teknik perhitungan statistika berkaitan dengan SEM. Lebih jauh lagi, analisis teknis praSEM mencakup spesifikasi model, dan analisis model pengukuran sebelum mengukur model struktural. Yang dimaksud dengan analisis pra-SEM adalah pemeriksaan
STATISTIKA LANJUTAN 397 karakteristik data dan pemenuhan asumsi statistik dasar sebelum melakukan analisis SEM. Analisis data mungkin merupakan langkah yang memakan waktu tetapi sangat penting yang membantu peneliti untuk mendapatkan pemahaman dasar tentang data dan hubungan antar variabel (Hair, et al., 2006). Namun langkah penting ini diabaikan oleh sebagian besar peneliti khususnya sebelum menggunakan teknik SEM. Misalnya, Reisinger dan Mavondo (2007) melaporkan bahwa terlalu sering peneliti menggunakan ukuran sampel yang kecil (kurang dari 100) dalam studi SEM tanpa membahas apakah sampel tersebut cukup besar untuk menjalankan SEM atau tidak. Demikian pula, dalam analisis skala besar menggunakan SEM, Schreiber, et al. (2006) menemukan bahwa peneliti tidak memberikan pembahasan mengenai asumsi dasar analisis data seperti normalitas, linearitas, atau multikolinearitas. Demikian juga, seorang peneliti diharuskan menentukan model sebelum memulai analisis. Dalam spesifikasi ini seorang peneliti biasanya berpedoman pada kombinasi teori dan hasil empiris dari penelitian sebelumnya (Hox & Bechger, 1998). Analisis model pengukuran berarti melihat hubungan antar variabel (laten dan teramati) dan menguji hipotesis hubungan antara konstruk model (Cheng, 2001; Anderson & Gerbing, 1988). Model pengukuran diuji
STATISTIKA LANJUTAN 398 validasi instrumen pengukurannya. Itu berarti melewatkan langkah penting atau spesifikasi yang salah dari model pengukuran dapat menyebabkan masalah yang berpotensi menimbulkan kesalahan dalam proses atau analisis selanjutnya dari model SEM. Setelah analisis studi yang komprehensif yang menggunakan analisis SEM, Schreiber, et al. (2006) mengeluhkan bahwa peneliti tidak sepenuhnya mengetahui spesifikasi dan estimasi model pengukuran. Dalam literatur manajemen dan sumber daya manusia (SDM), studi seperti Dastgeer dan Rehman (2012), Bulut dan Culha (2010), dan D'Netto, Bakas, dan Bordia (2008) menggunakan analisis SEM tetapi pada tahap pertama spesifikasi dan estimasi model pengukuran, satu atau lebih langkah hilang dalam penelitianpenelitian ini. Terkait dengan tahapan analisis data, Fan, et al. (2016) menjelaskan bahwa dalam melakukan analisis data menggunakan SEM yaitu: spesifikasi model, identifikasi, estimasi parameter, evaluasi model, dan modifikasi model. Tiap tahapan memiliki karakteristiknya sendiri untuk mendukung proses analisis sehingga bisa menghasilkan data yang relevan dan bisa digunakan dalam penelitian. Berdasarkan hal tersebut maka perlu dibahas lebih lanjut
STATISTIKA LANJUTAN 399 mengenai aplikasi dan tahapan analisis data, interpretasi hasil dan rekomendasi dari hasil analisis. B. Pembahasan 1. Prosedur Analisis SEM Enam langkah dasar terdiri dari sebagian besar analisis SEM, dan dalam kondisi yang sempurna dua langkah opsional tambahan akan dilakukan di setiap analisis. Tinjauan langkah-langkah dasar akan membantu pemakalah untuk memahami hubungan spesifikasi dengan langkah-langkah selanjutnya dan untuk mengenali spesifikasi yang paling penting. Adapun langkah-langkah yang ditempuh adalah: 1) Tentukan modelnya. 2) Evaluasi apakah model teridentifikasi (jika tidak, lanjutkan kembali ke langkah 1). 3) Pilih ukuran (mengoperasionalkan konsep) dan mengumpulkan, menyiapkan, dan menyaring data. 4) Analisis model: a. Evaluasi kecocokan model; jika buruk, sebutkan modelnya, asalkan hal itu dibenarkan oleh teori (lewati ke langkah 5); jika tidak, jangan pertahankan model (lewati ke langkah 6).
STATISTIKA LANJUTAN 400 b. Dengan asumsi bahwa model dipertahankan, interpretasikan estimasi parameter. c. Pertimbangkan model yang setara atau hampir setara (lewati ke langkah 6). d. Tentukan kembali model yang dianggap teridentifikasi (kembali ke langkah 4). e. Laporkan hasilnya. 2. Spesifikasi Dalam SEM, spesifikasi melibatkan representasi hipotesis peneliti sebagai serangkaian persamaan atau sebagai diagram model (atau keduanya) yang menentukan hubungan yang diharapkan antara variabel yang diamati atau tidak diamati. Bergantung pada teorinya, hubungan ini dapat ditentukan sebagai kausal atau nonkausal. Yang terakhir (nonkausal) mengacu pada hubungan statistik yang muncul karena asosiasi palsu, seperti ketika dua variabel dipengaruhi oleh penyebab umum, atau perancu, tetapi tidak terkait satu sama lain secara kausal. Model secara keseluruhan dengan demikian harus mewakili semua cara variabel diharapkan berhubungan satu sama lain. Variabel hasil (tergantung) dalam SEM disebut sebagai variabel endogen, yang masing-masing memiliki setidaknya satu dugaan penyebab di antara variabel lain
STATISTIKA LANJUTAN 401 dalam model. Variabel endogen biasanya memiliki istilah kesalahan, yang mewakili variasi yang tidak dijelaskan oleh penyebab variabel tersebut. Mengingat hipotesis, variabel endogen dapat ditentukan sebagai penyebab variabel endogen yang berbeda. Variabel endogen seperti yang baru saja dijelaskan merupakan variabel intervening (antara) yang berperan sebagai penghubung sebab akibat antara variabel lainnya. Artinya, perantara ditentukan sebagai dipengaruhi oleh variabel kausal-sebelumnya, dan pada gilirannya mereka mempengaruhi variabel lain lebih lanjut "hilir" di jalur kausal. Variabel intervening tidak identik dengan mediator—juga disebut variabel mediasi—tetapi mediator selalu merupakan variabel intervening. Penyebab lain dari beberapa variabel endogen dalam model adalah variabel independen, yang disebut variabel eksogen dalam SEM, yang dengan sendirinya bersifat kausal. Ini karena apa pun yang menyebabkan variabel eksogen tidak terwakili dalam model; yaitu, penyebabnya tidak diketahui sejauh menyangkut modelnya. Apakah suatu variabel endogen atau eksogen ditentukan oleh teori yang diuji, bukan oleh analisis. Ini berarti bahwa (1) model ditentukan sebelum data dikumpulkan, dan model mewakili himpunan total hipotesis
STATISTIKA LANJUTAN 402 yang akan dievaluasi dalam analisis dan (2) teknik SEM umumnya bukan metode untuk penemuan kausal sehingga jika diberikan model kausal yang benar, maka SEM dapat diterapkan untuk memperkirakan arah dan besaran efek kausal yang diwakili dalam model. Namun, ini bukan cara SEM biasanya digunakan: Sebaliknya, model kausal dihipotesiskan, dan model tersebut disesuaikan dengan data sampel dengan asumsi bahwa itu benar. Oleh karena itu, spesifikasi adalah langkah yang paling penting. Ada tiga konteks umum untuk spesifikasi model di SEM (Jöreskog, 1993). Dalam aplikasi konfirmasi yang dibuat secara ketat, peneliti memiliki satu model yang dipertahankan atau ditolak berdasarkan korespondensinya dengan data. Tetapi ruang lingkup pengujian model ini sangat sempit sehingga hanya terjadi pada beberapa kesempatan yang relatif kecil. Konteks kedua yang agak kurang restriktif melibatkan pengujian model alternatif, dan mengacu pada situasi di mana ≥ 2 model apriori tersedia. Model alternatif biasanya menyertakan variabel yang diamati sama tetapi mewakili pola yang berbeda atau hubungan yang dihipotesiskan di antara mereka. Konteks ini membutuhkan dasar yang cukup untuk menentukan lebih dari satu model, seperti setidaknya dua teori bersaing dalam
STATISTIKA LANJUTAN 403 membuat prediksi berbeda untuk variabel yang sama. Contoh lain adalah di area penelitian yang relatif baru ketika ada ketidakpastian tentang pola hubungan yang diharapkan. Dalam kasus yang lebih eksplorasi ini, para peneliti dapat menguji berbagai model dari yang sederhana hingga yang kompleks daripada membandingkan model berdasarkan teori yang berbeda (MacCallum, 1995). Dalam kedua kasus tersebut, model tertentu dengan kecocokan terbaik dapat diterima dengan data yang dapat dipertahankan, tetapi sisanya akan ditolak. Mungkin konteks spesifikasi yang paling sering di SEM adalah pembuatan model, di mana model awal disesuaikan dengan data. Jika kecocokan model ternyata tidak memuaskan, biasanya model tersebut dispesifikasi ulang dengan menambahkan efek, atau parameter, ke model asli, yang membuat model menjadi lebih kompleks dan juga secara umum meningkatkan kecocokannya. Tetapi jika model awal memiliki kecocokan yang dapat diterima, model itu mungkin disederhanakan dengan menghilangkan parameter, atau membuat model lebih sederhana, yang umumnya menurunkan tingkat kecocokan. Dalam kedua skenario yang baru saja dijelaskan, model yang ditentukan ulang diuji lagi dengan data yang sama. Tujuan dari
STATISTIKA LANJUTAN 404 pembuatan model adalah untuk "menemukan" model dengan tiga atribut: masuk akal secara teoritis, akurat, dan memiliki korespondensi yang cukup dekat yang dapat diterima dengan data. 3. Identifikasi Meskipun model grafis heuristik berguna untuk mengatur pengetahuan dan mewakili hipotesis, hal tersebut akhirnya harus diterjemahkan ke dalam model statistik yang dapat dianalisis menggunakan program komputer. Sebuah model statistik dalam SEM adalah satu set persamaan simultan. Selain itu, penggunaan komputer pada akhirnya harus memperoleh satu perkiraan untuk menyelesaikan nilai yang tidak diketahui, atau parameter model, atas semua persamaan dari data yang diberikan. Model statistik umumnya harus mengikuti aturan atau batasan tertentu. Salah satu syaratnya adalah identifikasi, atau apakah setiap parameter model dapat dinyatakan sebagai fungsi varians, kovarians, atau rata-rata dalam matriks data hipotetis. Memenuhi persyaratan tersebut berarti memungkinkan untuk menemukan nilai unik untuk parameter tersebut, dengan mempertimbangkan metode estimasi tertentu dan kriteria statistiknya. Namun jika parameter tidak teridentifikasi, nilai tertentu apa pun
STATISTIKA LANJUTAN 405 mungkin tidak unik. Ini berarti bahwa seorang peneliti tidak dapat membedakan nilai benar dan salah untuk parameter tersebut bahkan dengan akses ke data populasi (Bollen, 2002). Pembuktian matematis untuk identifikasi umumnya melibatkan penyelesaian persamaan untuk parameter dalam hal simbol untuk elemen dalam matriks data hipotetis, dan simbol ini umumnya tidak mengacu pada nilai numerik tertentu dalam sampel yang diberikan. Sebagai contoh, Dunn (2005) menggambarkan bukti simbolis dari klaim bahwa nilai kuadrat terkecil dari koefisien regresi dan perpotongan meminimalkan jumlah residu kuadrat (yaitu, kriteria kuadrat terkecil) dalam analisis regresi standar. Perhatikan bahwa identifikasi adalah atribut yang melekat pada parameter dalam model tertentu. Artinya, parameter yang tidak teridentifikasi tetap demikian terlepas dari matriks data dan ukuran sampelnya (N = 100, 1.000, dll.). Upaya untuk menganalisis model dengan setidaknya satu parameter yang tidak teridentifikasi mungkin tidak membuahkan hasil. Oleh karena itu, model yang tidak teridentifikasi harus dispesifikasi ulang (kembali ke Langkah 1).
STATISTIKA LANJUTAN 406 Model persamaan struktural seringkali cukup rumit sehingga tidak praktis bagi peneliti terapan tanpa latar belakang aljabar linier yang kuat untuk memeriksa persamaan model atau parameter untuk identifikasi. Sebagai gantinya, ada metode grafis dan heuristik identifikasi, atau aturan praktis, yang dapat menentukan apakah beberapa, tetapi tidak semua, jenis model dapat diidentifikasi. Ada juga alat perangkat lunak yang menganalisis representasi grafis dari beberapa, tetapi tidak semua, jenis model jalur untuk identifikasi (Textor et al., 2021), yang nyaman dan lebih sedikit kesalahan dibandingkan dengan penerapan heuristik secara manual. Berurusan dengan identifikasi adalah salah satu tantangan terbesar bagi pendatang baru di SEM (Kenny & Milan, 2012). Misalkan seorang peneliti menentukan model persamaan struktural yang sesuai dengan teori tertentu, tetapi model yang dihasilkan tidak teridentifikasi. Dalam hal ini, ada sedikit pilihan dalam SEM selain untuk menspesifikasi ulang model sehingga teridentifikasi, tetapi menspesifikasi ulang model asli dapat serupa dengan membuat kesalahan spesifikasi yang disengaja dari perspektif teori. Ada dua opsi dasar: (1) Menerapkan metode identifikasi grafis untuk menentukan parameter mana dalam
STATISTIKA LANJUTAN 407 model asli yang diidentifikasi, dan kemudian mengestimasi hanya parameter tersebut; yaitu, analisis apa yang mungkin dan lewati sisanya (yaitu, parameter yang kurang teridentifikasi). Opsi pertama ini berarti seluruh model tidak dianalisis. (2) Respesifikasi model dengan menambahkan variabel, seperti kovariat atau variabel instrumental, sehingga semua parameter teridentifikasi dengan tetap terkait dengan teori aslinya. Pilihan kedua ini dengan demikian merupakan tindakan penyeimbangan antara identifikasi dan keterkaitan pada teori. Namun poin utamanya adalah bahwa identifikasi harus dievaluasi saat merencanakan penelitian dan sebelum data dikumpulkan. Jika tidak, akan sulit untuk menambahkan variabel ke model untuk memperbaiki masalah identifikasi, jika data sudah dikumpulkan. 4. Analisis Langkah dalam melakukan analisis SEM dilakukan dengan langkah yang disebutkan di bawah ini: 1) Evaluasi kecocokan model, artinya menentukan seberapa baik model menjelaskan data. Mungkin lebih sering daripada tidak, model awal tidak sesuai dengan data dengan baik. Bukan jika, tetapi ketika ini terjadi pada Anda, lewati sisa langkah ini dan pertimbangkan
STATISTIKA LANJUTAN 408 pertanyaan, "Dapatkah respesifikasi model asli dibenarkan, mengingat teori yang relevan dan hasil studi empiris sebelumnya?" 2) Asumsikan jawabannya adalah “ya” dan model yang dispesifikasikan memuaskan, lalu interpretasikan estimasi parameternya. 3) Selanjutnya, pertimbangkan model yang ekuivalen atau hampir ekuivalen. Ingat bahwa model ekuivalen menjelaskan data yang sama sebaik model pilihan peneliti tetapi dengan pola efek kausal yang kontradiktif di antara variabel yang sama. Untuk model tertentu, mungkin ada banyak — dan dalam beberapa kasus sangat banyak — versi yang setara. Dengan demikian, peneliti harus menjelaskan mengapa model favorit mereka tidak boleh ditolak demi model yang setara. Mungkin juga ada model yang hampir setara yang cocok dengan data yang hampir sama dengan model pilihan peneliti, tetapi tidak persis demikian. Model yang hampir setara sering kali sama kritisnya dengan ancaman validitas seperti model yang setara. Jika tidak lebih dari itu, saat menguji model alternatif, bukan model dengan kecocokan relatif terbaik dengan data yang akan dipertahankan secara otomatis. Ini karena model yang paling pas di antara alternatif
STATISTIKA LANJUTAN 409 mungkin tidak dengan sendirinya memiliki kecocokan yang dapat diterima dengan data jika dilihat dari standar yang lebih absolut. Juga, peneliti dalam konteks ini seharusnya tidak semata-mata memperhatikan kesesuaian model. Ini karena estimasi parameter untuk model kandidat juga harus masuk akal secara teoritis. Seperti dicatat oleh MacCallum (1995), model yang cocok tetapi menghasilkan estimasi parameter yang tidak masuk akal memiliki nilai ilmiah yang kecil. Prinsip ini juga berlaku dalam aplikasi pembuatan model dan konfirmasi ketat dari konsep analisis SEM. 5. Respesifikasi Seorang peneliti biasanya sampai pada langkah ini karena kecocokan model awal mereka buruk. Dalam konteks pembuatan model, sekarang saatnya merujuk ke daftar alternatif perubahan yang dapat diterima secara teoritis. Jika tidak ada daftar seperti itu—atau jika peneliti telah kehabisan daftar alternatifnya dan model yang ditentukan ulang masih kurang cocok—mungkin lebih baik untuk tidak mempertahankan model yang telah ditetapkan (Hayduk, 2014). Ini karena ada risiko untuk menspesifikasi ulang model yang lebih didasarkan pada peningkatan
STATISTIKA LANJUTAN 410 kecocokan data dalam sampel tertentu dengan pertimbangan substantif (MacCallum, 1995): 1) Respesifikasi berdasarkan data dapat sangat memanfaatkan kesalahan pengambilan sampel sehingga model yang dipertahankan tidak mungkin dapat direplikasi, terutama ketika model kompleks dianalisis dalam sampel kecil. 2) Estimasi beberapa parameter dalam model yang ditentukan ulang murni berdasarkan data mungkin memiliki sedikit atau tidak ada makna substantif. 3) Karena model dievaluasi berdasarkan data yang sama yang digunakan untuk memodifikasinya, setiap model yang dipertahankan harus divalidasi dengan data dari sampel baru; yaitu, bukti validasi model harus berasal dari sampel yang berbeda. Dengan demikian, model yang ditentukan ulang tidak boleh diperlakukan sebagai konfirmasi tanpa menyesuaikannya dengan data baru. MacCallum (1995) mencatat bahwa akan tepat bagi editor jurnal untuk menolak manuskrip untuk studi SEM berdasarkan pembuatan model jika masalah yang baru saja dicantumkan tidak ditangani. Oleh karena itu, peneliti harus memiliki solusi dari permasalahan yang ditemukan dalam penggunaan SEM dalam penelitiannya.
STATISTIKA LANJUTAN 411 6. Pelaporan Langkah dasar terakhir adalah deskripsi analisis yang akurat dan lengkap dalam laporan tertulis. Kekurangan yang mencolok mengenai kekurangan maupun kesalahan dalam aplikasi dan penulisan teknik SEM ini cukup variatif walaupun sudah ada pedoman untuk penggunaan SEM dalam penelitian. Misalnya, deskripsi standar APA terbaru untuk analisis SEM (Appelbaum et al., 2018) didasarkan pada standar SEM sebelumnya untuk jurnal Archives of Scientific Psychology oleh Hoyle dan Isherwood (2013) dan Boomsma et al. (2012) membahas prinsip-prinsip umum untuk melaporkan hasil dalam SEM, dan ada karya tentang bagaimana menerapkan SEM dalam berbagai disiplin ilmu, termasuk perjalanan dan pariwisata, farmasi sosial dan administrasi, dan pemasaran, antara lain (masing-masing, Nunkoo et al., 2013; Schreiber, 2008; Richter et al., 2016). 7. Langkah Opsional Dua langkah opsional dapat ditambahkan ke enam langkah dasar baru saja dijelaskan (yaitu, langkah 1–6): 7. Ulangi hasilnya. 8. Terapkan hasilnya.
STATISTIKA LANJUTAN 412 Persyaratan untuk sampel besar di dalam perhitungan SEM mempersulit replikasi. Ini karena mungkin cukup sulit untuk mengumpulkan satu sampel yang cukup besar untuk analisis SEM apalagi mengumpulkan dua kali lebih banyak kasus atau lebih untuk juga memiliki sampel replikasi. Pelaporan hasil yang buruk dalam studi SEM juga dapat menyebabkan masalah: Jika sampel, ukuran, model, dan analisis tidak semuanya dijelaskan dengan jelas, upaya replikasi dapat terhalang. Fakta bahwa banyak, dan mungkin sebagian besar, klaim dalam studi SEM dibuat dengan sedikit bukti untuk generalisasinya di luar sampel asli seharusnya membuat peneliti sedikit lebih memperhatikan fakta tersebut. Titik terang tentang replikasi dalam SEM menyangkut evaluasi invarian pengukuran, atau apakah sekumpulan indikator mengukur konsep teoretis yang sama pada populasi, waktu, metode administrasi yang berbeda, dan seterusnya. Invarian pengukuran dapat diestimasi dalam Analisis faktor confirmatory (CFA) dengan menguji apakah model pengukuran memiliki kecocokan yang serupa atas data yang dikumpulkan dari sampel yang diambil dari populasi yang berbeda, seperti wanita dan pria. Sekarang ada banyak studi CFA tentang invarian
STATISTIKA LANJUTAN 413 pengukuran (Dong & Dumas, 2020), dan sebagian besar melibatkan replikasi pada sampel berbeda yang dikumpulkan oleh peneliti. Ada lebih sedikit contoh replikasi pada sampel berbeda yang dikumpulkan oleh peneliti berbeda, atau replikasi eksternal. Salah satunya adalah Tunca (2019), yang melakukan replikasi pra-registrasi dari studi SEM sebelumnya oleh Hollebeek et al. (2014). Analisis asli melibatkan model statistik keterlibatan merk pelanggan yang dikonseptualisasikan sebagai tiga dimensi — pemrosesan kognitif, afeksi terkait merek, dan interaksi perilaku yang dianggap memengaruhi koneksi merk diri dan niat penggunaan merk (Hollebeek et al., 2014). Tunca (2019) memasang model yang sama ke data dari sampel baru. Meskipun beberapa temuan asli konsisten dengan sampel asli dan replikasi, bukti validitas diskriminan dari dimensi keterlibatan merk pelanggan lebih bermasalah. Perbedaan gender dalam keterlibatan merk konsumen dicatat oleh Tunca (2019) sebagai kemungkinan penjelasan untuk perbedaan hasil dibandingkan dengan yang dilaporkan oleh Hollebeek et al. (2014). Ada ratusan, mungkin ribuan, studi di mana SEM telah diterapkan untuk menguji teori (Thelwall & Wilson,
STATISTIKA LANJUTAN 414 2016). Seseorang harus mencari lebih keras untuk menemukan aplikasi praktis dari SEM, tetapi studi semacam itu ada. Sebagai contoh, revisi terbaru dari Stanford–Binet Intelligence Scales, Edisi Kelima (Roid, 2003) dipengaruhi oleh hasil studi analitik faktor, termasuk temuan CFA, tentang struktur internalnya (DiStefano & Dombrowski, 2006). Rebueno et al. (2017) menggunakan teknik analisis jalur untuk mengevaluasi atribut program pelatihan klinis pra-sarjana dalam sampel mahasiswa keperawatan yang dipilih secara acak. Verdam et al. (2017) menjelaskan ukuran efek yang dapat dihitung dalam analisis SEM pada berbagai jenis pergeseran respons dalam hasil yang dilaporkan dari waktu ke waktu di antara pasien dalam pengobatan. Ukuran efek berasal dari penguraian perubahan yang diamati menjadi elemen yang mencakup tiga jenis pergeseran respons—termasuk (1) perubahan standar internal pasien (kalibrasi ulang), (2) perubahan nilai tentang pentingnya hasil tertentu (reprioritization), dan (3) perubahan makna hasil bagi pasien (rekonseptualisasi)—versus perkiraan perubahan sebenarnya dalam konstruk yang mendasarinya.
STATISTIKA LANJUTAN 415 C. Penerapan Aplikasi Analisis SEM Pemakalah mencoba menganalisis penelitian yang berjudul SEM-PLS Analysis of Factors Affecting The Effectiveness of English Course Online Learning During Covid-19 Pandemic yang ditulis oleh Ely Trianasari, Ika Yuniwati, dan Made Destri Suryantini pada tahun 2022. Adapun Aplikasi dan Tahapan Analisis yang Dilakukan: 1. Peneliti melakukan analisis Nilai Loading Factor Pada tabel 1 ini, peneliti melakukan analisis validitas didasarkan pada loading factor. Nilai loading factor digunakan untuk menentukan validitas konvergen dengan melihat dependabilitas item (indikator validitas). Loading factor adalah statistik yang menggambarkan hubungan skor item pertanyaan dengan skor indikator konstruk dalam
STATISTIKA LANJUTAN 416 mengukur konstruk. Dari tabel tersebut bisa dilihat bahwa outer loading yang dihasilkan telah melebihi angka 0.5. peneliti menjelaskan bahwa skor tersebut masuk ke dalam kategori signifikan. Hal tersebut merujuk pada tinjauan awal matriks faktor pemuatan, faktor pemuatan sekitar 0.3 diasumsikan telah memenuhi ambang minimum, faktor pemuatan sekitar 0.4 dianggap lebih baik, dan faktor pemuatan lebih besar dari 0.5 umumnya dianggap signifikan (Hair et al., 1998). 2. Peneliti melakukan analisis Correlation Value Between Constructs with The Square Root Value of AVE Pada tahapan ini, peneliti melakukan analisis validitas diskriminan dengan hasil di atas. Lebih jauh lagi, Nilai loading factor digunakan untuk melakukan uji validitas diskriminan. Nilai cross-loading dari pengukuran konstruk digunakan untuk menentukan validitas diskriminan. Nilai cross-loading merepresentasikan tingkat korelasi antara
STATISTIKA LANJUTAN 417 setiap konstruk dengan indikatornya, serta indikasi dari konstruksi blok lainnya. Sebuah model pengukuran memiliki validitas diskriminan yang baik, jika korelasi konstruk dengan indikatornya lebih kuat daripada korelasi dengan indikator dari blok konstruk lainnya. Nilai akar kuadrat AVE untuk setiap konstruk lebih besar dari nilai korelasi sebagaimana terlihat pada tabel 2. Hal ini menunjukkan bahwa konstruk dalam model penelitian ini memiliki validitas diskriminan yang baik. Artinya indikator tersebut valid untuk membentuk model. 3. Peneliti melakukan analisis Composite Reliability Value Model luar dapat dievaluasi dengan melihat reliabilitas konstruk atau variabel laten seperti yang ditunjukkan oleh skor reliabilitas komposit, selain memeriksa validitas konvergen dan diskriminan. Jika nilai composite reliability lebih dari atau sama dengan 0,7 maka konstruk dianggap reliabel. Nilai composite reliability untuk semua konstruksi lebih besar dari 0,70, sesuai dengan hasil
STATISTIKA LANJUTAN 418 dari Smart PLS pada tabel 3, semua konstruksi memiliki reliabilitas yang baik akibat dari nilai yang dihasilkan yaitu masih dalam batas nilai minimum yang ditentukan. 4. Peneliti melakukan analisis R-Square Value Model dalam, atau model struktural, diuji setelah model luar diuji. Pada tabel 1 nilai loading factor menunjukkan lebih dari 0.4 sehingga dapat dikatakan baik. R-square (reliabilitas indikator) untuk konstruk dependen dan nilai t-statistik dari uji koefisien jalur dapat digunakan untuk mengevaluasi inner model. Semakin tinggi nilai rsquare, semakin baik model prediksi dari model penelitian yang disarankan. Nilai koefisien rute menunjukkan tingkat signifikansi dalam pengujian hipotesis. Koefisien determinasi Analisis Varian (R2) atau Uji Determinasi yang digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Pada tabel 4 kualitas media, kualitas modul ajar, kualitas metode pembelajaran, kualitas pendidik, dan kualitas peserta didik dapat menjelaskan 99,6% variabilitas konstruk faktor-faktor yang
STATISTIKA LANJUTAN 419 mempengaruhi efektivitas pembelajaran. pembelajaran online dalam kursus bahasa Inggris, dengan sisa 0,4 persen dijelaskan oleh konstruksi yang tidak dipelajari dalam penelitian ini. 1. Peneliti melakukan Analisis Path Coefficient Hasil pengujian Inner Model (model struktural), yang meliputi output r-square, koefisien parameter, dan tstatistik, digunakan untuk menguji hipotesis. Nilai signifikan antara konstruksi, statistik-t, dan nilai-p, di antara faktor-faktor lain, digunakan untuk memutuskan apakah suatu hipotesis harus diterima atau ditolak. Asumsi untuk penyelidikan ini diuji dengan menggunakan
STATISTIKA LANJUTAN 420 program Smart PLS (Partial Least Square). Nilai-nilai ini dapat dilihat pada hasil bootstrap. Sebagai patokan, Tstatistik > 1,96 dengan ambang signifikansi nilai p 0,05 (5%) dan koefisien beta positif digunakan dalam penelitian ini. Tabel 5 menunjukkan pentingnya menganalisis premis penelitian ini dengan hasil model sebagai berikut. Dari model di atas ada beberapa hal yang bisa disimpulkan dari model penelitian di atas. Hal pertama adalah bahwa keseluruhan variabel laten tersebut memberikan pengaruh kepada efektivitas pembelajaran. Kualitas siswa memberikan dampak 0.311 satuan terhadap efektivitas pembelajaran. Kualitas media memberikan dampak 0.305 terhadap efektivitas pembelajaran. Kualitas modul memberikan dampak 0.304 terhadap efektivitas pembelajaran. Kualitas metode pembelajaran memberikan pengaruh sebesar 0.25 terhadap efektivitas pembelajaran dan terakhir kualitas pengajar memberikan dampak sebesar
STATISTIKA LANJUTAN 421 0.209 terhadap efektifitas pembelajaran. Kedua loading factor indikator pada tiap variabel laten sudah cukup baik dengan rerata nilai di atas 0.5 sehingga sudah melampaui batas minimum yang berkisar 0.3. Ketiga, pemakalah menemukan bahwa hubungan antar variabel laten dengan efektivitas pembelajaran dianggap signifikan. Hal tersebut bisa dilihat dari analisis pada Tabel 5. Nilai T-statistik pada tiap variabel sudah lebih dari 1.96. Hal tersebut membuktikan bahwa tiap variabel laten tersebut memiliki pengaruh yang “signifikan” terhadap efektivitas pembelajaran.
STATISTIKA LANJUTAN 422 DAFTAR PUSTAKA Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended twostep approach. Psychological Bulletin, 103(3) 411–423. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board Task Force report. American Psychologist, 73(1), 3–25 Boomsma, A., Hoyle, R. H., & Panter, A. T. (2012). The structural equation modeling research report. In R. H. Hoyle (Ed.), Handbook of structural equation modeling (pp. 341–358). Guilford Press. Bollen, K. A. (2002). Latent variables in psychology and the social sciences. Annual Review of Psychology, 53(1), 605–634. Bulut, C., and Culha, O. (2010). The Effects of Organizational Training on Organizational Commitment. International Journal of Training and Development, 14(4), 309-322 Cheng, E. W. (2001). SEM Being More Effective than Multiple Regression in Parsimonious Model Testing for Management Development Research. Journal of Management Development, 20 (7), 650-667. D'Netto, B., Bakas, F., & Bordia, P. (2008). Predictors of Management Development Effectiveness: An Australian Perspective. International Journal of Training and Development, 12 (1), 2-23.
STATISTIKA LANJUTAN 423 Dastgeer, G., and Rehman, A. (2012). Effectiveness of Management Development in Pakistani Corporate Sector: Testing the D'Netto Model. Journal of Management Development, 31(8), 740-75 DiStefano, C., & Dombrowski, S. C. (2006). Investigating the theoretical structure of the Stanford-Binet—Fifth Edition. Journal of Psychoeducational Assessment, 24(2), 123–136. Dong, Y., & Dumas, D. (2020). Are personality measures valid for different populations? A systematic review of measurement invariance across cultures, gender, and age. Personality and Individual Differences, 160, Article 109956. Dunn, W. M., III. (2005) A quick proof that the least squares formulas give a local minimum. College Mathematics Journal, 36(1), 64–65. Fahrurazi. (2018). Hakikat Pembelajaran yang Efektif. Jurnal AtTafkir Vol. XI, No. 1, 85-99Fan, Y., Chen, J., Shirkey, G., John. R., Wu, S. R., Park, H., & Shao, C. (2016). Applications of structural equation modeling (SEM) in ecological studies: an updated review. Ecological Processes, 5(19), 1-12. Hair, J. F., W. C. Black, B. J. Babin, R. E. Anderson, and R. L. Tatham. (2006). Multivariate Data Analysis. Upper Saddle River, NJ: Prentice Hall. Hayduk, L. A. (2014). Shame for disrespecting evidence: The personal consequences of insufficient respect for structural equation model testing. Medical Research Methodology, 14(1), Article 124
STATISTIKA LANJUTAN 424 Hershberger, S.L. (2003). The Growth of Structural Equation Modeling: 1994-2001. Structural Equational Modeling, 10(1), 35-46. Hollebeek, L. D., Glynn, M. S., & Brodie, R. J. (2014). Consumer brand engagement in social media: Conceptualization, scale development and validation. Journal of Interactive Marketing, 28(2), 149–165. Hox, J.J., and Bechger, T.M. (1998). An Introduction to Structural Equation Modeling. Family Science Review, 11, 354-373. Hoyle, R. H., & Isherwood, J. C. (2013). Reporting results from structural equation modeling analyses in Archives of Scientific Psychology. Archives of Scientific Psychology, 1, 14–22 Jöreskog, K. G. (1993). Testing structural equation models. In K. A. Bollen & J. S. Lang (Eds.), Testing structural equation models (pp. 294–316). Sage. Kenny, D. A., & Milan, S. (2012). Identification: A nontechnical discussion of a technical issue. In R. H. Hoyle, (Ed.), Handbook of structural equation modeling (pp. 145–163). Guilford Press. MacCallum, R. C. (1995). Model specification: Procedures, strategies, and related issues. In R. H. Hoyle (Ed.), Structural equation modeling: Concepts, issues, and applications (pp. 16–36). Sage Nunkoo, R., Ramkissoon, H., and Gursoy, D. (2013). Use of structural equation modeling in tourism research: Past,
STATISTIKA LANJUTAN 425 present, and future. Journal of Travel Research, 52(6), 759– 771. Rebueno, M. C. D. R., Tiongco, D. D. D., Macindo, J. R. B. (2017). A structural equation model on the attributes of a skills enhancement program affecting clinical competence of pre-graduate nursing students. Nurse Education Today, 49, 180–186. Reisinger, Y., and Mavondo, F. (2007). Structural Equation Modeling. Journal of Travel& Tourism Marketing, 21(4), 41- 71. Roid, G. H. (2003). Stanford-Binet Intelligence Scales, Fifth Edition. Riverside Publishing. Schreiber, J.B., Frances, K.S., Jamie, K., Amaury, N., and Elizabeth, A. (2006). Reporting Structural Equation Modeling and Confirmatory Factor Analysis Results: A Review. The Journal of Educational Research, 99(6), 323- 337. Textor, J., van der Zander, B., & Ankan, A. (2021). dagitty: Graphical analysis of structural causal models (R package 0.3-1.) https://CRAN.R-project.org/package=dagitty Thelwall, M., & Wilson, P. (2016). Does research with statistks have more impact? The citation rank advantage of structural equation modeling. Journal of the Association for Information Science and Technology, 67(5), 1233–1244. Tunca, B. (2019). Consumer brand engagement in social media: A pre-registered replication. Journal of Empirical Generalisations in Marketing Science, 19(1), 1–20
STATISTIKA LANJUTAN 426 Verdam, M. G. E., Oort, F. J., & Sprangers, M. A. G. (2017). Structural equation modeling–based effect-size indices were used to evaluate and interpret the impact of response shift effects. Journal of Clinical Epidemiology, 85, 37–44. Wilson, A. (2020). Penerapan Metode Pembelajaran Daring (Online) Melalui Aplikasi Berbasis Android Saat Pandemi Global. SAP (Susunan Artikel Pendidikan) Vol. 5, No. 1.
STATISTIKA LANJUTAN 1 BIODATA PENULIS Ahmad Khoiril Anam. Lahir di Jakarta, 31 Oktober 1990. Beralamat di Jalan Benda, Gang Macan, RT 001, RW 003, Kelurahan Jatiluhur, Kecamatan Jatiasih, Kota Bekasi. Anak ketiga dari Alm. Bapak Sudiman dan Ibu Triyanti dari empat bersaudara. Riwayat Pendidikan Lulus dari SDN Jatimekar II pada tahun 2002, MTsN Jatiasih Bekasi pada tahun 2005, SMAN 7 Bekasi pada tahun 2008, S1 Pendidikan Bahasa dan Sastra Indonesia, Universitas Indraprasta PGRI pada tahun 2012, S2 Pendidikan Bahasa Indonesia, Universitas Indraprasta PGRI pada tahun 2015. Saat ini sedang melanjutkan S3 di Universitas Negeri Jakarta, Program Studi Linguistik Terapan. Riwayat Pekerjaan antara lain sebagai Tutor Bimben Be Smart Jakarta Timur (2010-2013), Tutor Smart Bimbel Bekasi (2012-2014), Guru SDIT Ar-Rayhan Bekasi (2012-2015), Tutor Bimbel “Karantina UI” (2016), Dosen STKIP Kusumanegara (2015-2016), Dosen ESQ Bussiness School (2015-2022), Dosen Universitas Pembangunan Nasional “Veteran” Jakarta (2016 s.d. saat ini), dan Dosen Universitan Indraprasta PGRI (2016 s.d. saat ini). Adapun Buku yang pernah ditulis antara lain: 1. Bahasa Indonesia Masa Kini pada tahun 2016 pada penerbit Pustaka Mandiri, Tangerang bersama Nicky Rosadi. 2. Penyuntingan Naskah pada tahun 2017 pada penerbit Pustaka Mandiri, Tangerang Bersama Prof. Dr. E Zainal Arifin, M.Hum. dkk.
STATISTIKA LANJUTAN BIODATA PENULIS Ahmad Muzaki. Lahir di Bogor, 20 November 1987. Beralamat di Jalan A.Rahim RT 01/03 Kelurahan Meruyung Kecamatan Limo Kota Depok. Anak ketiga dari lima bersaudara. Riwayat Pendidikan Lulus S1 Pendidikan Bahasa dan Sastra Indonesia, Universitas Indraprasta PGRI pada tahun 2010, S2 Pendidikan Bahasa Indonesia, Universitas Indraprasta PGRI pada tahun 2013.Saat ini sedang melanjutkan S3 di Universitas Negeri Jakarta, Program Studi Linguistik Terapan. Riwayat Pekerjaan antara lain sebagai Guru di SMP IT Darus-Sholihin Depok (2011-2014), SMPIT Al-Hikmah Depok (2012- 2014), SMK Prisma Depok 2013-2014), sebagai Dosen di Universitas Indraprasta PGRI (2014 s.d. saat ini), Universitas Pembangunan Nasional “Veteran” Jakarta (2018 s.d. saat ini). STIKES Pamentas (2020 s.d. saat ini), dan Universitas Bhayangkara Jakarta Raya (2021 s.d. saat ini). Adapun Buku yang pernah ditulis antara lain: 1. Bahasa Indonesia Korespondensi pada tahun 2016 pada penerbit Global Graha Media, Jakarta bersama Heppy Atma Pratiwi. 2. Konsep dan Praktik Kehumasan pada tahun 2017 pada penerbit LMK, Jakarta bersama Heppy Atma Pratiwi 3. Fonologi Bahasa Indonesia pada tahun 2017 pada penerbit Pustaka Mandiri, Tangerang Bersama Prof. Dr. E Zainal Arifin, M.Hum. dkk. 4. Analisis Kesalahan Berbahasa Indonesia pada tahun 2017 pada penerbit Pustaka Mandiri, Tangerang Bersama Dr. Junaiyah Matanggui. dkk.
STATISTIKA LANJUTAN BIODATA PENULIS David Darwin, lahir di kota Mempawah provinsi Kalimantan Barat pada tanggal 19 April 1982. Anak ketujuh dari delapan bersaudara, buah kasih pasangan dari Ayahanda “Ahmad” dan Ibunda “Nurhayati”. Penulis pertama kali menempuh pendidikan Sekolah Dasar di SDN 39 Mempawah dan lulus pada tanggal 15 April 1996, kemudian melanjutkan pada jenjang pendidikan Sekolah Menengah Pertama di SMP Negeri 1 Mempawah dan tidak sampai lulus karena keterbatasan ekonomi sehinga penulis tepat pada tanggal 17 Agustus 1997 merantau ke kota Bogor, Jawa Barat. Setelah sampai di Bogor penulis mencari pekerjaan dan mulai bekerja hingga akhirnya bisa mempunyai usaha sendiri lalu karena keinginan menempuh pendidikan sangat tinggi akhirnya penulis berhasil lulus paket B pada tahun 2009 di PKBM ANNASHR Gunung-Putri Bogor, lalu melanjutkan ke jenjang pendidikan paket C dan lulus pada tahun 2012 PKBM AN-NASHR Gunung-Putri Bogor. Setelah itu pada tahun 2016 penulis melanjutkan kembali menempuh pendidikan di Universitas Darma Persada pada jurusan Bahasa Mandarin dan Kebudayaan Tiongkok dan berhasil lulus dengan predikat Cumlaude pada tanggal 12 Februari 2020 dengan judul skripsi “Alegori Kesetiaan Dalam Cerpen Báishuǐ Qīngcài (白水青菜) “Sup Sayur Bening”. Penulis melanjutkan pendidikan ke jenjang Magister di Universitas Negeri Jakarta pada program studi Pendidikan Bahasa pada tahun 2020 dan berhasil lulus dengan pada tanggal 21 Februari 2022 dengan judul tesis “Pengembangan Media Pembelajaran Menyimak Bahasa Mandarin Berbasis Android Pada Siswa Kelas X”. Saat ini sedang menempuh jenjang pendidikan Doktoral di Universitas Negeri Jakarta program studi Lingusitik Terapan. Selain berwiraswasta penulis juga membuka kursus bahasa Mandarin, sebagai interpreter bahasa Mandarin di Yayasan Dharma Bunda Kasih Kasih Indonesia serta menjadi dosen pada prodi Bahasa Mandarin dan Kebudayaan Tiongkok di Universitas Darma Persada.
STATISTIKA LANJUTAN BIODATA PENULIS Fairus Sintawati. Lahir di Serang, 13 Mei 1989. Beralamat di Perumahan Metro Cilegon Blok N15 A No. 2, kelurahan Kebondalem, Kecamatan Purwakrta, Kota Cilegon. Anak keempat dari Bapak Sabihis Hamdani dan Ibu Saptunah dari lima bersaudara. Riwayat Pendidikan dari SDN Tegalwangi pada tahun 2021, MTsN 3 Cilegon pada tahun 2004, SMKN 1 Kota Serang pada tahun 2007, S1 Pendidikan Bahasa Inggris , Universitas Sultan Ageng Tirtayasa pada tahun 2012, S2 Pendidikan Bahasa Inggris, Universitas UIN Syarif Hidayatullah Jakarta pada tahun 2018. Saat ini sedang melanjutkan S3 di Universitas Negeri Jakarta, Program Studi Linguistik Terapan. Riwayat Pekerjaan antara lain sebagai tutor di Lembaga Pasadena English Course (2008-2011), Tutor English Center (ENTER) (2009-2011), Guru SMA Al Munawaroh (2012-2014), Dosen STIE Al Khairiyah (2012-2019), Dosen LP3I Cilegon (2013-2015), dan Universitas Faletehan (2019 s/d saat ini). Adapun Buku yang pernah ditulis: 1. Model-model Pembelajaran pada tahun 2021 pada penerbit CV. Media Jaya Abadi Bersama Dr. H. Nano Sukmana, M.Pd. dkk
STATISTIKA LANJUTAN BIODATA PENULIS Istihayyu Buansari. Lahir di Jakarta, 14 Januari 1985. Beralamat di Perum Griya Padma blok D5 no.24 rt/rw 04/32 Jl. Teratai V Karang Satria Tambun Utara Kabupaten Bekasi, Jawa Barat. Anak pertama dari Bapak Markiman dan Alm. Ibu Titin Riwayati dari tiga bersaudara. Riwayat Pendidikan formal SDN Rawatembaga I Bekasi kelas 1 sampai kelas 3, lalu melanjutkan di English Medium Academy, Dar Es Salam Tanzania lulus tahun 1995. SMPN 4 Bekasi lulus tahun 1999. SMA Islam Al-Azhar 5 Cirebon lulus tahun 2002. S1 Bahasa dan Sastra Inggris Universitas Negeri Jakarta lulus tahun 2008. S2 Linguistik Terapan Univeristas Negeri Jakarta lulus tahun 2016. Saat ini sedang melanjutkan studi S3 di Program Studi Linguistik Terapan, Universitas Negeri Jakarta. Pendidikan nonformal Steps level English for Teenagers LBPP LIA Bekasi (1996-1998). Basic, Intermediate dan Advance English Level LBPP LIA Cirebon (1999-2001). TEFL-TESOL Trainning 126-hours, IE TEFL TESOL Institute Jakarta (2012). Pekerjaan antara lain Tutor British English Bekasi (2005-2006), Guru Bahasa Inggris SMP Pangeran Jayakarta Bekasi (2006-2008), Tutor Victory English Course Bekasi (Maret-September 2008). Tutor Universitas Terbuka (2008- 2011). Guru Bahasa Inggris SMPN 255 Jakarta (2008-2016). Dosen Bahasa Inggris Universitas Binawan (2017-2019), Korektor Universitas Terbuka (2019 s.d. saat ini) dan Dosen di Universitas Bina Sarana Informatika (2017 s.d. saat ini).
STATISTIKA LANJUTAN BIODATA PENULIS IRA ANISA PURAWINANGUN, M.Pd. dilahirkan di Tangerang pada tanggal 10 Desember 1986. Anak pertama dari pasangan Bapak Embong Nachrowi S.H. dan Ibu DRA. N. Sukartinah. Pendidikan formal yang pernah ditempuh adalah di SDN Karawaci Baru 2 Kota Tangerang kemudian melanjutkan tingkat Sekolah Menengah Pertama (SMP) di Islamic Village Tangerang. Setelahlulus SMP pada tahun 2002 melanjutkan ke jenjang Sekolah Menengah Atas (SMA) di SMA Negeri 5 Kota Tangerang dan lulus pada tahun 2005. Pada tahun 2005 diterima di Universitas Sultan Ageng Tirtayasa (UNTIRTA) pada Program Studi Pendidikan Bahasa dan Sastra Indonesia (S1) dan lulus tahun 2010. Pada tahun 2013 lulus Program Magister (S2) padaProgram Studi Pendidikan Bahasa Indonesia di Universitas Sultan Ageng Tirtayasa. Saat ini sedang melanjutkan studi S3 di Program Studi Linguistik Terapan, Universitas Negeri Jakarta. Dosen tetap di Universitas Muhammadiyah Tangerang FakultasKeguruan dan Ilmu Pendidikan, Program Studi Pendidikan Bahasa dan Sastra Indonesia. Editor Jurnal terindeks sinta “Lingua Rima”, dan Editor buku SD serta SMP Kemendikbud. Karya bahan ajar yang pernah dipublikasi ISBN adalah buku Teori Belajar Bahasa di tahun 2007 dan Media Pendidikan 2019, Kumpulan Cerpen “Kabut Asap” 2016, Kumpulan Cerpen “Jangan Marah Ibu 2020, dan Buku Membumikan Bahasa Indonesia 2022.
STATISTIKA LANJUTAN BIODATA PENULIS Lutfi Syauki Faznur, lahir di Cianjur pada tanggal 29 Mei 1989, sebagai Putra tunggal dari tiga bersaudara pasangan Bapak K.H. Anwar Sanusi, S.Ag. dan Ibu Hj. Iyok Sa’diyah, S.Sy. Pendidikan yang pernah ditempuh di antaranya, Pendidikan sekolah dasar ditempuh di SDN Cipta Bina Mandiri tamat tahun 2001, setelah lulus melanjutkan sekolah di MTS Syamsul Ulum Sukabumi tamat tahun 2004. Kemudian melanjutkan Pendidikan ke MA Syamsul Ulum Sukabumi tamat tahun 2007. Setamat SLTA ia melanjutkan pendidikannya di Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta Jurusan Pendidikan Bahasa dan Sastra Indonesia meraih gelar sasrjana pada tahun 2011. Lalu melanjutkan Pendidikan Strata dua S-2 Program Pascasarjana Program Studi Pendidikan Bahasa Universitas Negeri Jakarta dan meraih gelar Magister pada tahun 2014. Tahun 2022 ia melanjutkan Pendidikan dan menjadi mahasiswa Program Pascasarjana Program Studi Doktor Lingustik Terapan Universitas Negeri Jakarta. Karya buku yang terlah diterbitkan antara lain: Bahasa Indonesia untuk Perguruan Tinggi pada tahun 2017 yang diterbitkan In Media, Kajian Puisi pada tahun 2019 diterbitkan UM Jakarta Press, Kumpulan Puisi “Terlambat Mendendam Rindu” tahun 2019 diterbitkan CV Al Chalief, Modul Apresiasi Sastra Berbasis Project Method pada tahun 2021 diterbitkan UM Jakarta Press dan Modul Pengembangan Pembelajaran Bahasa & Sastra Indonesia Berbasis Project Method pada tahun 2021 diterbikan UM Jakarta Press.
STATISTIKA LANJUTAN BIODATA PENULIS Mohammad Fadli. Lahir di Jakarta, 25 Desember 1984. Beralamat di jalan Kayumanis Barat, No. 48, Jakarta Timur. Anak pertama dari dua bersaudara keluarga Bapak Deltamri dan Ibu Erna Welly. Riwayat Pendidikan formal SDN Kenari 12 Pagi lulus tahun 1996. SMPN 216 Jakarta Pusat lulus tahun 1999. SMA 77 Jakarta Pusat lulus tahun 2002. S1 Bahasa dan Sastra Indonesia Universitas Negeri Jakarta lulus tahun 2009. S2 Pendidikan Bahasa Indonesia lulus tahun 2018. Saat ini sedang melanjutkan studi S3 di Program Studi Linguistik Terapan, Universitas Negeri Jakarta. Pendidikan nonformal menjalankan proses teater di berbagai komunitas teater di Jakarta, antara lain; workshop teater di teater Satu Merah Panggung pimpinan Ratna Sarumpaet (2003- 2004), workshop teater di Bengkel Teater Rendra pimpinan WS Rendra (2007-2009), workshop teater di Teater Koma (2008-2018). Pada bidang pendidikan, mengikuti program Sekolah Guru Kebinekaan (2020). Penghargaan yang didapatkan antara lain; pemenang ketiga penulisan Cerita Pendek pada Kompetisi Penulisan Meja Budaya (2004), pemain pria terbaik pada Festival Teater Jakarta Dewan Kesenian Jakarta Timur (2007), pemenang kedua penulisan naskah drama Federasi Teater Jakarta (2010), pemenang ketiga Festival Teater Anak Dewan Kesenian Jakarta (2016, 2017, 2019), pemenang pertama Festival Sitti Nurbaya Balai Pustaka (2019), finalis lomba monolog Putu Wijaya (2020), pemenang kategori naskah terbaik Festival Teater Anak Dewan Kesenian Jakarta (2022). Profesi saat ini sebagai Guru Bahasa Indonesia SMA Garuda Cendekia (2016- saat ini), dosen Universitas Muhammadiyah Jakarta (2018-saat ini).
STATISTIKA LANJUTAN BIODATA PENULIS M. Yanuardi Zain. Lahir pada 31 Januari 1996 di kota Bandar Lampung. Putra bungsu dari pasangan Wayan Satria Jaya dan Ema Agustina. Memulai pendidikan di TK Kartika II-5, Bandar Lampung diselesaikan pada 2002; SD Kartika II-5, Bandar Lampung diselesaikan pada 2008; SMPN 25 Bandar Lampung diselesaikan pada 2011; SMAN 3, Bandar Lampung diselesaikan pada 2014; Strata-1 (S-1) Program Studi Pendidikan Bahasa dan Sastra Indonesia dan Daerah di STKIP Bandar Lampung diselesaikan pada 2018. Menyelesaikan pendidikan Strata-2 (S-2) Program Studi Magister Pendidikan Bahasa dan Sastra Indonesia, Universitas Lampung pada 2020. Saat ini sedang melanjutkan Program Studi S3 yaitu Linguistik Terapan di Universitas Negeri Jakarta. Pekerjaan sekarang ini adalah dosen tetap di STKIP PGRI Bandar Lampung. Penulis mengajar di Prodi Pendidikan Bahasa dan Sastra Indonesia. Kemudian penulis aktif di beberapa organisasi salah satunya tergabung dalam Asosiasi Dosen Bahasa dan Sastra Indoenesia (ADOBSI), PGRI (Persatuan Guru Republik Indonesia) dan Hiski (Himpunan Sarjana Kesusastraan Indonesia). Adapun Buku yang pernah ditulis antara lain: 1. Antologi Puisi Para Dosen pada tahun 2021 pada penerbit Siger Publisher, Bandar Lampung. 2. Suara dari Lampung (Kumpulan Puisi Esai) pada tahun 2023 pada penerbit PT Cerah Budaya Indonesia, Jakarta Selatan Bersama Isbedy Setiawan ZS. dkk.
STATISTIKA LANJUTAN BIODATA PENULIS Novi Triana Dewi. Lahir di Indramayu, 08 Desember 1997 Beralamat Blok Bangunarja RT.010 RW.013 Desa Purwajaya Blok Bangunarja Kecamatan Krangkeng Kabupaten Indramayu. Anak ketiga dari Bapak Ermanto dan Ibu Wasmi dari tiga bersaudara. Riwayat Pendidikan Lulus S1 Pendiddikan Bahasa dan Sastra Indonesia Universitas Swadaya Gunungjati pada Tahun 2019, Lulus S2 Pendiddikan Bahasa dan Sastra Indonesia Universitas Swadaya Gunungjati pada Tahun 2022. Saat ini sedang melanjutkan S3 di Universitas Negeri Jakarta, Program Studi Lingustik Terapan.
STATISTIKA LANJUTAN BIODATA PENULIS Paramita Ida Safitri. Lahir di kota tunas kelapa, Purworejo, 19 April 1992. Bungsu dari empat bersaudara ini menyelesaikan wajib belajar 12 tahunnya di kota kelahirannya. Selanjutnya melanjutkan studi S1 jurusan Pendidikan Bahasa dan Sastra Indonesia (2014), S2 Pendidikan Bahasa Indonesia (2017), dan pada pertengahan tahun 2022 melanjutkan studi dengan mengambil konsentrasi Linguistik Terapan. Perjalanan pekerjaan penulis antara lain sebagai; Guru dan Pembina Pramuka di SMP Negeri 33 Purworejo (2012-2014), Guru dan Pembina Pramuka di SMA Negeri 10 Purworejo (2014-2015), Guru dan Pembina Palang Merah Remaja di SMA Negeri 1 Salaman (Magelang) (Mei 2017-2020). Pada Februari 2020 penulis merantau ke Jakarta dan bekerja sebagai Analis Tayangan. Beberapa antologi puisi penulis terangkum dan diterbitkan dalam: Tengara Getar Lengkara (2014), Kaloka Tanah Pusaka (2020) yang ditulis bersama Kelompok Peminat Seni Sastra (KOPISISA) Purworejo.
STATISTIKA LANJUTAN BIODATA PENULIS Prayogo Hadi Sulistio lahir di Jakarta, 8 Februari 1988. Beralamatkan di Kp. Tanah Koja RT/RW 006/002 Kelurahan Jatinegara Kaum, Kecamatan Pulo Gadung, Jakarta Timur Prov. DKI Jakarta. Kode Pos 13250. Anak pertama dari tiga bersaudara dari Alm. Budi Setiono dan Ibu Supriati. Riwayat pendidikan dari penulis adalah SD Kranji IV lulus pada tahun 2000, SMPN 05 Bekasi lulus pada tahun 2003, SMAN 4 Bekasi pada tahun 2006. S1 Pendidikan Bahasa dan Sastra Inggris, Universitas Negeri Jakarta lulus pada tahun 2010, S2 Pendidikan Bahasa konsentrasi Pendidikan Bahasa Inggris, Universitas Negeri Jakarta lulus pada tahun 2013. Saat ini penulis sedang menempuh studi lanjut S3 di program studi Linguistik Terapan, Universitas Negeri Jakarta. Riwayat pekerjaan dari penulis antara lain sebagai Dosen di Universitas Pakuan (2013-2013), Dosen di Universitas Indraprasta PGRI (2014-2016), Tutor di Universitas Terbuka (2013-sekarang), Dosen di Universitas Esa Unggul (2016-2019), Dosen di Universitas Jenderal Soedirman (2019-sekarang). Adapun Buku yang pernah ditulis adalah: 1. Manajemen Pendidikan pada tahun 2023 pada penerbit Tohar Media berkolaborasi dengan beberapa penulis lain.
STATISTIKA LANJUTAN BIODATA PENULIS Rahmat Basuki. Lahir di Lampung, 22 November 1985. Tumbuh kembang di Desa Sidodadi Kec. Bandar Surabaya Lampung Tengah. Anak ke 5 dari 12 bersaudara dari keluarga petani ulung Bapak Warjiman dan Ibu Pasinah. Mulai belajar pendidikan formal di SDN 1 Cempaka Putih lulus 1998. Kemudian mondok di pondok pesantren Ash-shiddiqy yang diasuh Al Magfurllah KH. Ahmad Zuhri (alm) sejak 1998- 2004 di Sragen Mataram Ilir Seputih Surabaya Lampung Tengah. Bersamaan dengan di pesantren, penulis juga sekolah formal di MTs Roudlatul Ulum Ma’arif 13 Lampung Tengah lulus 2001, dan lulus MA Roudlatul Ulum Ma’arif 13 tahun 2004. Pada tahun 2005, dengan niat kuat bedol desa, Penulis melanjutkan pendidikan S1 Pendidikan Bahasa Inggris di STAI Ma’arif Metro Lampung (kini Bernama UMALA) hingga lulus tahun 2010. Selain menjadi mahasiswa, penulis juga aktif diberbagai organisasi intra maupun ekstra kampus diantaranya Presiden Mahasiswa (Presma) BEM STAI Ma’arif Metro Lampung periode 2008-2010. Sedangkan organisasi Intra adalah PMII, IPNU. Dua organisasi tersebut merupakan tempat kuliah diluar kampus sebagai aktifis. Dengan tekad yang lebih kuat lagi, tahun 2012, penulis melanjutkan pendidikan di S2 Program Studi Pendidikan Bahasa Program Pascasarjana Universitas Negeri Jakarta dan lulus tahun 2014. Sejak 2022 hingga saat ini tercatat sebagai mahasiswa Doktoral Linguistik Terapan Program Pascasarjana Universitas Negeri Jakarta. Selain sebagai mahasiswa, penulis adalah dosen di Universitas Nahdlatul Ulama sejak 2015 hingga saat ini. Selain itu, penulis juga pendiri dalana.co sejak 2021 hingga saat ini. Buku yang sudah diterbitkan penulis adalah “2024 memilih tanpa kotak-kota: Sebuah Antologi” tahun 2022. “Perempuan Jingga” karya novel penulis yang saat ini sedang proses editing untuk diterbitkan.
STATISTIKA LANJUTAN