Friday, April 15, 2016

SEM Metode Partial Least Squares (PLS-SEM)



PLS-SEM adalah salah satu alternatif estimasi model persamaan struktural selain menggunakan CB-SEM. PLS-SEM digunakan pada penelitian yang bersifat eksploratori. Sesuai namanya, PLS-SEM menggunakan metode regresi dengan Partial Least Squares.

I. Inner dan Outer Model

Langkah awal di dalam PLS-SEM adalah membuat analisis jalur (path model). Model analisis jalur PLS-SEM terdiri dari dua unsur yaitu model struktural atau inner model dan model pengukuran (measurement model) atau outer model. Inner model menunjukkan hubungan antara variabel laten, yang terdiri dari variabel laten dependen dan variabel laten independen. Di lain pihak, outer model menggambarkan hubungan variabel laten dengan variabel indikator. Selain itu di dalam analisis jalur juga terdapat error yaitu variasi variabel yang tidak dijelaskan dalam model. Error ini dihubungkan terhadap variabel dependen laten dan variabel indikator yang reflektif.


II. Pengukuran Reflektif dan Formatif

Model Pengukuran reflektif berangkat dari asumsi bahwa variabel laten mempengaruhi indikator. Indikator yang bersifat reflektif ini hanya menggambarkan sampel dari semua kemungkinan indikator yang ada di dalam variabel laten. Dengan demikian, indikator pembentuk variabel laten ini berkorelasi tinggi, setiap indikator bisa saling mengganti dan penghilangan salah satu indikator tidak mempengaruhi variabel laten. Di dalam analisis jalur, model pengukuran reflektif ini ditandai dengan anak panah yang mengarah dari variabel laten ke indikator.

Sedangkan model pengukuran formatif berangkat dari asumsi bahwa indikator mempengaruhi variabel laten. Setiap indikator menangkap aspek yang spesifik terhadap variabel laten. Maka setiap indikator tidak dapat saling mengganti dan penghilangan salah satu indikator akan mempengaruhi variabel laten. Contoh dari pengukuran formatif ini adalah pengukuran variabel laten tingkat stres. Variabel laten stres ini bisa diukur dengan variabel indikator kehilangan pekerjaan, perceraian, dan kecelakaan. Ketiga indikator ini tidak bisa saling mengganti. Di dalam analisis jalur, model pengukuran formatif ditunjukkan dengan anak panah mengarah dari indikator ke variabel laten.

Chin (1998) memberikan contoh yang baik dalam membedakan indikator reflektif dan formatif ini. Banyaknya bir, anggur, dan minuman keras yang dikonsumsi merupakan indikator formatif dari variabel laten 'mabuk'. Sementara itu indikator reflektif yang potensial dari variabel laten 'mabuk' adalah kadar alkohol dalam darah, kemampuan mengemudi, MRI brain scan, dan kemampuan melakukan kalkulasi. Jika memang benar-benar reflektif, maka perbaikan kadar alkohol dalam darah juga akan menandakan perbaikan dalam aktivitas MRI dan indikator-indikator yang lain, karena mereka berasal dari konsep atau fenomena yang sama. Sebaliknya, pada indikator formatif, peningkatan konsumsi bir tidak menandakan peningkatan serupa dalam mengkonsumsi anggur atau minuman keras. Jadi meskipun bisa terjadi, indikator-indikator formatif tidak perlu berkorelasi atau mempunyai konsistensi internal yang tinggi seperti Cronbach's Alpha.


III. CB-SEM dan PLS-SEM

Ada dua pendekatan dalam mengestimasi SEM yaitu pendekatan berdasarkan kovarian (covariance based approach) dikenal dengan CB-SEM, dan pendekatan varians (Variance Based Approach) dikenal dengan PLS-SEM. CB-SEM digunakan untuk penelitian yang bertujuan untuk membuktikan kebenaran teori, sedangkan PLS-SEM digunakan untuk mengembangkan teori di dalam penelitian yang bersifat eksploratori sehingga tujuan utama penggunaan PLS-SEM di dalam persamaan struktural adalah untuk melakukan prediksi dan penjelasan variabel laten.

Tujuan dari CB-SEM dalah meminimumkan perbedaan antara kovarian populasi dengan kovarian sampel. Sedangkan PLS-SEM adalah untuk memaksimumkan varians dari variabel dependen yang dijelaskan oleh variabel independen.

Software yang digunakan untuk CB-SEM dalah Lisrel, Amos, Mplus, dan EQS. Sedangkan untuk PLS-SEM adalah SmartPLS, PLS graph, dan Visual PLS.


IV. Pemilihan antara CB-SEM dan PLS-SEM

Persamaan dan Perbedaan PLS-SEM dan CB-SEM:

1. Spesifikasi model dalam PLS-SEM tidak harus tepat, sedangkan dalam CB-SEM spesifikasi model harus tepat.

2. Hubungan variabel dalam PLS-SEM adalah linier, sedangakan dalam CB-SEM linier dan non linier.

3. Model struktural dalam PLS-SEM adalah model satu arah, sedangkan dalam CB-SEM adalah satu arah dan dua arah.

4. Model pengukuran variabel laten dalam PLS-SEM adalah reflektif dan formatif, sedangkan dalam CB-SEM adalah reflektif.

5. PLS-SEM tetap dapat dianalisis meskipun jumlah (ukuran) sampel kecil.

6. Dalam PLS-SEM data tidak harus berdistribusi normal.

7. PLS-SEM tidak memerlukan Overall goodness of fit test.

8. Jika model tidak fit, dalam PLS-SEM tidak memerlukan adanya respesifikasi.


V. Evaluasi Model

Setelah melakukan estimasi model PLS-SEM, langkah selanjutnya adalah mengevaluasi seberapa baik model yang kita bangun berdasarkan data sampel yang diambil. Evaluasi model struktural (inner model), dan model pengukuran (outer model) didasarkan pada evaluasi non parametrik dengan menggunakan prosedur seperti bootstrapping dan blindfolding. Evaluasi diawali dengan evaluasi model pengukuran dan selanjutnya evaluasi model struktural.

Evaluasi Outer Model Reflektif terdiri dari:

1. Indicator Reliability

Indicator Reliability didasarkan pada outer loading. Jika nilai outer loading lebih dari 0,7 maka variabel indikator perlu dipertahankan untuk penelitian uji teori, sedangkan untuk penelitian eksplorasi antara 0,5 - 0,7. Dan bila kurang dari 0,5 maka variabel indikator harus dihilangkan.


2. Discriminant Validity

Ada dua metode yaitu cross loading variabel indikator dan Fornell - Larcker. Cross Loading variabel indikator terhadap variabel laten harus lebih besar nilainya terhadap variabel laten yang lain. Fornell-Larcker yaitu akar dari AVE untuk setiap laten variabel harus lebih besar dari korelasi antar variabel laten. Cross loading adalah kriteria yang longgar, sedangkan Fornell Larcker merupakan kriteria yang konservatif.


3. Internal Consistency

Composite reliability digunakan untuk mengevaluasi konsistensi internal. Penelitian uji teori nilainya seharusnya lebih dari 0,7. Sedangkan penelitian eksplorasi nilainya lebih dari 0,6. Selain itu juga bisa digunakan Cronbach's alpha dimana nilainya harus lebih dari 0,7 untuk uji teori dan di atas 0,6 untuk penelitian eksplorasi.


4. Convergent Validity.

Average Variance Extracted (AVE) digunakan untuk mengevaluasi convergent validity. Nilai AVE harus lebih dari 0,5.



Evaluasi Inner Model

1. Signifikansi dan besarnya pengaruh variabel laten independen terhadap variabel laten dependen.

Uji ini untuk mengetahui apakah variabel laten independen signifikan mempengaruhi variabel laten dependen melalui uji t. Selain itu dapat dievaluasi besarnya pengaruh masing-masing variabel laten independen dengan melihat koefisien analisis jalurnya (path coefficient).


2. Koefisien determinasi R kuadrat.

Koefisien determinasi mengukur seberapa besar variasi variabel laten dependen dijelaskan oleh variabel laten independen.


SmartPLS adalah salah satu program komputer yang dapat digunakan untuk mengestimasi model PLS-SEM. Program ini dapat didownload gratis www.smartpls.com dengan memilih option penggunaan untuk student atau versi trial 30 hari.


Referensi lebih lanjut silakan baca buku-buku berikut ini:
1. Analisis Multivariat Terapan dengan Program SPSS, Amos, dan SmartPLS. Penulis: Agus Widarjono, Ph.D.
2. Panduan Structural Equation Modeling Tingkat Dasar (Metodologi, konsepsi, aplikasi dengan Amos). Penulis: Usman Dachlan.
3. Structural Equation Modeling dengan Lisrel 8.8. Penulis: DR. Setyo Hari Wijanto
4. Modul Lisrel Statistika Unpad. Penulis: DR. Achmad Bachrudin, M.Si.
5. Structural Equation Modelling. Penulis: Bollen

No comments:

Post a Comment