LANGKAH SEM-PLS (Partial Least Square)

Tidak semua penelitian kuantitatif di dalam ilmu sosial dapat diestimasi dengan alat analisis CB-SEM, apalagi untuk data yang tidak memenuhi asumsi CB-SEM. Oleh karena itu perlu menggunakan pendekatan variance based dengan menggunakan PLS. PLS dikembangkan sebagai alternatif apabila teori yang digunakan lemah atau indikator yang tersedia tidak memenuhi model pengukuran reflektif seperti yang telah dibahas pada MENGAPAMENGGUNAKAN SEM (Structural Equation Modeling)? Terdapat dua hal penting dari PLS yang menggunakan pendekatan variance based yaitu kemampuan menghindari dua masalah serius yaitu :

·         Inadmissible Solution

Pada PLS tidak akan pernah terjadi masalah matriks singularity. Selain itu, karena PLS bekerja pada model struktural yang bersifat rekursif, maka masalah unidentified, under-identified atau over identified juga tidak akan terjadi.

·         Factor Indeterminacy

Jika terjadi adanya lebih dari satu faktor yang terdapat dalam sekumpulan indikator sebuah variabel, khusus indikator yang bersifat formatif tidak memerlukan adanya common factor, sehingga selalu diperoleh variabel laten merupakan kombinasi linier dari indikator-indikatornya.

 

Sebelum membahas langkah-langkah dalam analisa PLS ini, kita perlu mengulang kembali perbedaan pendekatan covariance dan variance based, sehingga kita dapat mengetahui kapan kita menggunakan CB-SEM dan kapan menggunakan PLS. Pada tabel berikut perbedaan CB-SEM dan PLS:

Aspek	CB-SEM	PLS-SEM
Landasan Teori	Kuat	Kuat, lemah dan eksploratif
Hubungan	Linier	Linier dan non linier
Model Struktural	Rekursif dan resiprokal	Rekursif
Asumsi Distribusi	Normal atau tidak diperlukan, pendekatan resampling dengan bootstraping	Tidak diperlukan
Model Pengukuran	Reflektif	Reflektif dan formatif
Ukuran Sampel	Diatas 100	Minimal 30
Modifikasi Model	Jika model tidak fit, dapat dilakukan modifikasi	Tidak diperlukan
Goodness of fit	RMSEA, Chisquare/DF, dan lain-lain terdapat 26 jenis GOF	Q-square predictive relevance, prinsipnya sama dengan Rsquare
Pengujian Model	Theory Triming, membuang jalur yang tidak signifikan	Theory Triming, membuang jalur yang tidak signifikan
Output	Pengukuran model dan uji model struktural	Pengukuran model dan uji model struktural
Dasar Penggunaan	Pengujian Model	Prediksi Model

Sedikit berbeda dengan Covarian Based SEM yang telah dibahas pada TujuhLangkah Structural Equation Modeling (SEM), Variance Based atau PLS ini memiliki langkah yang sedikit berbeda dengan CB-SEM. Tahapan dalam model SEM PLS adalah :

a.       Tahap Pertama : Spesifikasi Model dengan estimasi berulang (iterative) skor variabel laten.

Langkah 1 : Aproksimasi Outer Model, yaitu perhitungan skor variabel laten, berdasarkan skor indikator dan koefisien outer (loading) dari langkah 4.

Langkah 2 : Estimasi proksi model struktural atau hungan antar variabel laten (Inner Model)

Langkah 3 : Aproksimasi inner skor variabel laten berdasarkan skor variabel dari langkah 1 dan proksi model struktural dari langkah 2.

Langkah 4 : Estimasi proksi untuk koefisien model pengukuran (hubungan atara indikator dan variabel laten dari langkah 3).

b.      Weight Relation: Estimasi final untuk koefisien (outer weight dan loadingnya serta model struktural) yang ditentukan dengan metode ordinary least squares (OLS) untuk setiap regresi parsial dalam model SEM-PLS.

 

Beberapa perbedaan tahap CB SEM dengan PLS yaitu dengan PLS tidak diperlukan pengembangan model teoritis, tidak munculnya maslaah identifikasi, evaluasi kriteria goodness of fit hanya Q-Square dan tidak ada modifikasi model.

Demikianlah alur atau langkah-langkah dalam menggunakan analisa PLS. Semoga ulasan ini dapat memudahkan dan membantu kawan-kawan. Bagi kawan-kawan yang masih mendapat kendala dengan SEM dan olah data (termasuk SPSS), kita bisa sharing disini atau contact saya.