Structural Equation Modelling (SEM) dan Partial Least Squares (PLS) (skripsi dan tesis)

 

SEM merupakan suatu teknik pemodelan statistika yang mampu menganalisi hubungan antar peubah laten, peubah indikator dan kesalahan pengukuran secara langsung. Di samping hubungan kausal searah, metode SEM

juga memungkinkan untuk melakukan analisis hubungan dua arah (Ghozali, dkk. 2005). Peubah laten adalah peubah yang tidak dapat diobservasi, sehingga tidak dapat diukur secara langsung. Pengamatan pada peubah laten melalui efek pada peubah-peubah terobservasi. Peubah terobservasi adalah indikator-indikator yang dapat diukur (Ghozali, et al. 2005). Ghozali (2008) memaparkan bahwa SEM dikembangkan berdasarkan 2 (dua) kelompok yaitu SEM berbasis covariance (CBSEM) dan SEM berbasis varian/Partial Least Squares (PLS). Perbedaan utama CBSEM dan PLS adalah pada CBSEM model yang dianalisis harus dikembangkan berdasarkan pada teori yang kuat dan bertujuan untuk mengkonfirmasi model dengan data empirisnya. Sedangkan PLS lebih menitikberatkan pada model prediksi sehingga dukungan teori yang kuat tidak begitu menjadi hal terpenting (Ghozali, 2008). CBSEM bertujuan memberikan pernyataan tentang hubungan kausalitas atau memberikan deskripsi mekanisme hubungan kausalitas (sebab-akibat). Sedangkan PLS memiliki tujuan untuk mencari hubungan linear prediktif antar peubah (Ghozali, 2008). Wold (1985) dalam Ghozali (2008) menyatakan bahwa PLS merupakan metode analisis yang powerfull, data tidak harus berdistribusi normal multivariate (indikator dengan skala kategori ordinal, interval sampai ratio dapat digunakan pada model yang sama), dan sampel tidak harus besar. PLS dapat digunakan untuk mengkonfirmasi teori dan juga untuk menjelaskan ada atau tidak adanya hubungan antar peubah laten. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif dan indikator formatif. Menurut Chin (1998) dalam Ghozali (2008) menyatakan bahwa karena PLS tidak mengasumsikan adanya distribusi tertentu untuk estimasi parameter, maka teknik parametrik untuk menguji signifikansi parameter tidak diperlukan. Model evaluasi PLS berdasarkan pada pengukutan prediksi yang mempunyai sifat non parametrik. PLS tidak hanya dapat digunakan untuk mengkonfirmasi teori, namun dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antara peubah laten. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif dan indikator formatif dan hal ini tidak mungkin dijalankan dalam SEM karena akan terjadi unidentified model.