Partial Least Square

Dalam metode SEM terdapat dua metode statistic untuk
mengestimasi structural equation models, yaitu covariance-
based SEM (CB-SEM) dan variance based partial least squares
(PLS) path modelling atau biasa disebut dengan PLS-SEM
(Hair et al, 2012). CB-SEM menggunakan matriks kovarian
dan fungsi maximum likelihood untuk meminimalisasi
perbedaan antara kovarian sampel dengan parameter uang
diestimasi. Sementara itu PLS bertujuan untuk menguji
hubungan prediktif antar konstruk dengan melihat apakah ada
hubugannya dengan konstruk lainnya. Pengujian PLS dapat
dilakukan dengan mengabaikan asumsi dan normalitas data.
Parameter ketepatan model prediksi dapat dilihat dari nilai
keofisien determinasi (R2) (Ghozali & Latan, 2012). PLS juga
dapat menerima skala pengukuran dengan jumlah sampel lebih
sedikit dari CB-SEM (Wold, 1982).
Menurut Wold, (1982) PLS merupakan metode analisis
yang menghilangkan asumsi regresi Ordinary Least Squares
(OLS), salah satunya seperti harus terdistribusi normal secara
multivariate dan tidak adanya multikolinearitas antar variabel
eksogen (Ghozali & Latan, 2012). Wold, (1982) juga
mengembangkan PLS untuk menguji teori dan data yang lemah
seperti karena adanya normalitas data (Ghozali & Latan, 2012).
PLS juga bisa digunakan untuk mengkonfirmasi teori (Chin &
Newsted, 1999). Dalam menggunakan PLS ini perlu dilakukan
dua langkah evaluasi yaitu evaluasi measurement model dan
evaluasi structural model.