SEM-PLS tidak berasumsi bahwa data distribusi normal.
Sehingga pada SEM-PLS berlaku metode bootstrap yaitu metode
statistika nonparametrik untuk mengestimasi parameter suatu
distribusi, varians sampel, dan menaksir tingkat kesalahan
(Davison dan Hinkley 1997). Pada proses bootsrap, dilakukan
pengambilan sampel secara resampling with replacement untuk
mendapatkan kesalahan standar untuk pengujian hipotesis.
Metode bootstrap telah dikembangkan oleh Efron (1979) sebagai
alat untuk membantu mengurangi ketidakandalan yang
berhubungan dengan kesalahan penggunaan distribusi normal dan
penggunaannya. Boostrap membuat pseudo data (data bayangan)
dengan menggunakan informasi dari data asli dengan
memperhatikan sifat-sifat data asli, sehingga data bayangan
memiliki karakteristik yang sangat mirip dengan data asli. Metode
resampling pada partial least square dengan sampel kecil menggunakan bootstrap standard error untuk menilai level
signifikansi dan memperoleh kestabilan estimasi model
pengukuran dan model struktural dengan cara mencari estimasi
dari standard error (Chin, 1998).
Tidak ada komentar:
Posting Komentar