[HAIR 1998] mengajukan tahapan pemodelan
dan analisis persamaan struktural menjadi 7 (tujuh) langkah yaitu :
(1). Pengembangan Model Berdasarkan Teori
Model persamaan struktural
didasarkan pada hubungan kausalitas,
yaitu perubahan suatu variabel
diasumsikan akan berakibat pada perubahan variabel yang lainnya. Hubungan
kausalitas dapat berarti hubungan yang erat atau kuat. Kuatnya hubungan
kausalitas antara dua varaiabel yang diasumsikan oleh peneliti atau pengguna,
bukan terletak pada metode analisis yang dipilihnya tetapi terletak pada
justifikasi (pembenaran) secara teoritis untuk mendukung analisis. Jadi, dapat
dikatakan bahwa hubungan antar variabel
dalam model merupakan deduksi dari teori.
(2).
Membangun Diagram Jalur (Path diagram)
Pada langkah kedua, model teoritis
yang telah dibangun tersebut kemudian akan digambarkan didalam sebuah path diagram. Biasanya diketahui bahwa
hubungan-hubungan kausal dinyatakan dalam bentuk persamaan. Tetapi dalam SEM
hubungan kausalitas cukup digambarkan dalam
sebuah path diagram. Selanjutnya, bahasa
program akan mengkonversikan gambar menjadi persamaan, dan persamaan menjadi
estimasi. Tujuan dibuatnya path diagram adalah
untuk memudahkan peneliti dalam melihat hubungan-hubungan kausalitas yang ingin
diuji.
(3). Konversi Diagram Jalur Ke dalam Persamaan Struktural
Setelah mengembangkan model teoritis
yang kemudian dituangkan ke dalam diagram
jalur, maka langkah selanjutnya adalah menerjemahkan model tersebut ke dalam
persamaan struktural dengan cara, setiap konstruk endogen merupakan dependen
variabel di dalam persamaan yang terpisah. Sehingga variabel dependen adalah semua konstruk yang mempunyai
garis dengan anak panah yang menghubungkannya ke konstruk endogen.
(4). Memilih Matriks Input dan Estimasi Model
Dalam SEM
hanya menggunakan matriks varians-kovarians atau matriks korelasi sebagai data
input untuk keseluruhan estimasi yang dilakukannya. Matriks kovarians digunakan karena memiliki keunggulan dalam menyajikan perbandingan yang valid antara
populasi yang berbeda dengan sampel yang berbeda. Matriks varians-kovarians
umumnya lebih banyak digunakan dalam penelitian, sebab standar error yang dilaporkan dari berbagai
penelitian umumnya menunjukkan angka yang lebih akurat bila dibandingkan dengan
matriks korelasi yang digunakan sebagai data input.
(5). Evaluasi Masalah Identifikasi Model
Salah satu masalah yang akan
dihadapi adalah masalah identifikasi. Masalah identifikasi pada prinsipnya
adalah masalah mengenai ketidakmampuan dari model
yang dikembangkan untuk menghasilkan estimasi yang unik. Cara melihat ada
tidaknya masalah identifikasi adalah dengan melihat hasil estimasi.
(6). Evaluasi Asumsi dan Kesesuaian Model
Tindakan yang dilakukan adalah mengevaluasi apakah data
yang digunakan telah memenuhi asumsi-asumsi SEM adalah : uji asumsi model, uji
kesesuaian model dan uji parameter model.
(7). Interpretasi
dan Modifikasi model
Langkah terakhir adalah menginterpretasikan model dan memodifikasikan
model bagi yang tidak memenuhi syarat
pengujian yang dilakukan. Strategi untuk memodifikasi model bila tidak memenuhi
syarat-syaratnya ini disebut dengan Model
Development Strategy. Strategi ini adalah yang paling banyak digunakan dan
yang paling baik untuk mendapatkan model yang lebih baik.