Covariance Based –SEM dan Variance Based-SEM

Terdapat dua jenis pendekatan untuk mengestimasi
sebuah relasi dalam SEM yaitu pendekatan berbasis covariance
(Covariance Based Structural Equation Modeling) dan
pendekatan berbasis variance (Partial Least Square Structural
Equation Modeling). Pendekatan berbasis variance (PLS-SEM)
dikembangkan pertama kali oleh Wold (1965,1982,1985) dan
Lohmoller (1989) sedangkan pendekatan berbasis covariance
(CB-SEM) dikembangkan oleh Joreskog (1978) dan (Monecke
& Leisch, 2012).
CB-SEM berusaha meminimalkan perbedaan antara
sampel covariance yang diprediksi oleh model teoritis sehingga
proses estimasi menghasilkan matrik covariance dari data yang
diobservasi (Ghozali, 2006). Sedangkan PLS-SEM ingin
mendapatkan estimasi nilai terbaik untuk setiap blok indikator
dari setiap variabel laten yang didasarkan pada hasil estimasi
nilai indikator yang memaksimumkan variance explained
untuk variabel dependen (Ghozali, 2006).
CB-SEM sudah diaplikasikan secara luas dalam
lingkup ilmu sosial beberapa dekade terakhir. Hingga saat ini
masih merupakan metode analisis favorit yang digunakan
untuk mengkonfirmasi atau menolak sebuah teori melalui
pengujian hipotesis terutama ketika jumlah data sampel besar,
data terdistribusi secara normal, dan yang terpenting model
memiliki landasan teoritis yang kuat (Wong, 2013).
Menurut Vinzi, Trinchera & Amato, (2010), Partial
least Square Structural Equation Modeling (PLS-SEM)
merupakan suatu pendekatan yang halus dari Structural
Equation Modeling (SEM) yang tidak mengasumsikan tentang
distribusi data. Sedangkan menurut Reinartz et al (2012) PLS
merupakan metode statistik yang powerfull karena tidak
mengasumsikan data harus terdistribusi normal multivariate
dan juga mengenai jumlah sampel relatif kecil (Hair, Sarstedt,
Ringle & Mena 2012).