SEM memiliki tujuh proses diantaranya adalah mengembangkan model berdasarkan landasan teori yang kuat, membuat diagram jalur, mengkonversi jalur kedalam model persamaan dan model struktural, memilih tipe input matriks, menguji identifikasi model, mengevaluasi kriteria uji kecocokan dan terakhir mengintepretasi dan memodifikasi model jika diperlukan. Berikut adalah penjelasan dari masing-masing proses:
Mengembangkan Model
Pada tahap ini peneliti mengembangkan suatu model dari landasan teori yang kuat karena pada dasarnya SEM adalah tipe hubungan sebab akibat. Jika satu variabel berubah maka akan menghasilkan perubahan pada variabel lain. Penelitian yang cocok untuk SEM adalah confirmatory dimana melihat pola dari suatu model dan explanatory yaitu mencari laten dari suatu model. Meskipun SEM memiliki kelebihan dari segi fleksibilitas, SEM memiliki tantangan tersendiri yaitu jika ditemukan specification error. Jika suatu model lalai untuk tidak memasukan variabel kunci dimana maka akan menyebabkan bias pengukuran pada variabel lainnya sehingga pentingnya membangun model dari landasan teori yang kuat dan mengidentifikasi variabel kunci untuk menghindari specification error tersebut
Membuat jalur
Setelah membangun suatu model dari landasarn teori yang kuat, maka proses selanjutnya adalah membuat jalur dari masing-masing variabel yang diusulkan. SEM berdasarkan hubungan kausal. Lazimnya regresi linier, maka masing-masing variabel terdapat unsur sebab akibat didalamnya. Pada proses ini pentingnya untuk mengidentifikasi mana yang termasuk variabel endogen dan eksogen serta hubungan antara masing-masing variabel tersebut. Korelasi tidak hanya sebatas pada korelasi antar konstruk (hubungan korelasi variabel terikat atau endogen dan variabel bebas atau exogen) tapi juga korelasi masing-masing indikator pada kosntruk. Konstruk merupakan suatu konsep yang dibangun dari toeri yang kuat dan digunakan untuk mengidetifikasi adanya suatu hubungan sebab akibat. Konstruk dalam SEM digambarkan dalam bentuk oval, sedangkan hubungan kausal antar kosntruk digambarkan dengan tanda panah.
Mengkonversi diagram Jalur ke dalam model pengukuran dan model struktural
Pada tahap ini konstruk yang sudah diberikan jalur dikonversikan ke dalam format yang lebih formal yaitu kedalam bentuk persamaan. Hal-hal yang harus diperhatikan dalam tahap ini adalah mengkonversi persamaan untuk model struktural, mengkonversi model pengukuran yang menjelaskan bagaimana hubungan konstruk dengan indikatornya dan matriks yang menunjukan korelasi konstruk yang diusulkan dalam hipotesis penelitian. Variabel endogen memiliki persamaan yang terpisah, dan variabel eksogen mengikuti atau mengekor variabel endogen.
Memilih tipe input matrix
Input dalam pengolahan SEM adalah matriks covariance atau matriks korelasi. Untuk kebutuhan penelitian yang bersifat konfirmasi (Confirmatory Factor Analysis) maka keduanya bisa dimasukan kedalam input pengolahan. Selanjutnya melakukan estimasi terhadap model struktural dan model pengukuran. Model struktural menjelaskan hubungan indikator terhadap konstruknya sedangkan model pengukuran menjelaksan hubungan antar laten konstruk. SEM memiliki asumsi yang sama dengan metode multivariat lainnya seperti: pengamatan harus independen, sampling acak, dan hubungan linier. SEM sangat sensitif terhadap distribusi data, untuk software tertentu data yang harus distribusi normal sangat diperhatikan seperti LISREL. Namun jika mengalami keterbatasan data yang dapat menyebabkan data tidak berdistribusi normal maka software untuk pengolahan data bisa menggunakan SmartPLS contohnya. Ukuran sampel sangat diperhatikan, namun untuk data yang kurang dari 100, smart PLS bisa mengakomodasinya.
Menguji Identifikasi Model
Pada tahap ini mulai menentukan besarnya degree of freedom (dof). Dof merepresentasikan besarnya korelasi atau kovarians dengan besarnya nilai koefisiens dari model yang diususlkan. Permasalahan yang muncul pada proses ini biasanya adalah identification model. Identification model problem adalah ketidakmampuan untuk mencapatkan estimasi yang unik dari model usulan. Jika hal ini terjadi maka dapat diatasi dengan memberikan lebih banyak pembatas ke dalam model seprti menghilangkan estimasi dari koefisien (menghilangkan suatu jalur dari diagram jalur pada SEM).
Menguji kecocokan data (Goodness of Fit)
Menguji kecocokan data dilakukan untuk keseluruhan data lalu pengujian kecocokan data untuk model pengukuran dan model struktural dilakukan secara terpisah. Goodness of fit mengukur perbedaan korelasi atau kovarian yang diprediksi dari model usulan dengan keadaan yang sebenarnya (actual). Evaluasi terhadap model pengukuran dapat dilakukan dengan uji Unidimensionality dan Reliability. Unidimensionality adalah menghitung reliabilitas setiap indikator, dimana masing-masing indikator hanya menjelaskan satu faktor saja (one-dimensional). Sedangkan reliability mengukur konsistensi internal dari indikator konstruk. Reliabilitas secara umum dapat dilihat dari nilai Cronbach’s Alpha namun khusus untuk SEM nilai Composite Reliability diperhitungkan juga.
Nilai yang diinginkan untuk reliabilitas indikator laten harus lebih besar sama dengan 0,7 sedangkan Cronbach’s Alpha . reliabilitas tidak berarti menunjukan ke validan suatu data. Validitas dinilai dari variance extracted, dimana mengukur varians dari indikator untuk menyusun konstruk. Semakin tinggi nilai variance exracted maka semakin baik indikator mampu merepresentasikan laten kosntruknya. Nilai yang dikehendaki oleh variance extracted adalah lebih besar sama dengan 0,5 dari tiap konstruk. Validitas mengukur seakurat apa indikator mampu mengukur apa yang harus diukur. Hal yang harus dilakukan setelah menguji reliabilitas dan kapabilitas adalah menguji model secara keseluruhan (Structural Model fit) dimana menguji signifikansi koefisien estimasi dari persamaan model structural keseluruhan. Selain dapat mengetahui signifikansi dari koefisien esrtimasi, juga dihitung pula nilai koefisien determinasi (R2) yang menjelaskan seberapa besar variabel eksgoen mampu menjelaskan variabel endogen dari persamaan struktural.
Mengintepretasi Model
Dari uji signifikansi, maka dapat diketahui variabel mana yang terbukti secara signifikan meperngaruhi variabel lain. Mengintepretasi model adalah menilai hipotesis yang diusulkan peneliti sebelumnya dari hasil perhitungan uji signifikansi. Pada tahap ini juga dapat dilakukan model spesifikasi artinya mengubah parameter dari diagram jalur model untuk mendapatkan hasil tertentu. Jika pengubahan model didukung oleh toeri maka model usulan diubah, namun jika tidak maka model telah final.