Pengertian SEM-PLS (skripsi, tesis, disertasi)

Menurut Ghozali (2006), Partial Least Square (PLS) merupakan orientasi model
persamaan struktural yang digunakan untuk menguji teori atau untuk mengembangkan
teori (tujuan prediksi). (Ghozali, 2006). PLS ini adalah pendekatan alternatif yang
bergeser dari pendekatan Structur Equation Modelling (SEM) berbasis kovarian
(mengukur besarnya hubungan antara dua variabel) menjadi berbasis varian (ukuran
korelasi antara dua variabel acak yang sama). PLS ini sering diterapkan karena tiga
alasan yaitu diatribusi data, ukuran sampel, dan penggunaan indikator formatif.
Dinyatakan oleh Wold dalam Ghozali (2006), metode ini merupakan metode yang
sangat kuat, karena tidak didasarkan oleh banyak asumsi, data tidak harus terdistribusi
dengan normal multivariate (indikator dengan skala kategori sampai rasio dapat
digunakan pada model yang sama) dan untuk bahan sampel tidak harus besar dengan
minimal sampel 30-50 sudah dapat diaplikasikan dan sudah layak untuk dijadikan
sampel penelitian. (Ghozali, 2006). Sedangkan, menurut Wold dalam Hoyle (1999), PLS
merupakan metode analisis yang “powerfull” karena dapat diterapkan pada semua skala
data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar. (Ghozali,
2006). Walaupun PLS dapat juga digunakan untuk mengkonfirmasi teori, tetapi dapat
juga digunakan untuk menjelaskan ada atau tidaknya hubungan antara variabel laten.
Selain dapat digunakan untuk mengeksplorasi hubungan antar variabel dengan landasan
teori lemah atau belum ada, PLS juga dapat digunakan untuk pengujian hipotesis. PLS
merupakan pendekatan yang lebih tepat untuk tujuan prediksi. Konstrak terbagi menjadi
dua, yaitu konstrak eksogen dan konstrak endogen. Konstrak eksogen merupakan
konstrak penyebab, konstrak yang tidak dipengaruhi oleh konstrak lainnya. Konstrak
eksogen memberikan efek kepada konstrak lainnya, sedanhkan konstrak endogen
merupakan konstrak yang dijelaskan oleh konstrak eksogen. Konstrak endogen adalah
efek dari konsrrak eksogen. (Yamin dan Kurniawan, 2010)
2.2.1.1 Identifikasi Indikator pada SEM-Partial Least Square (SEM-PLS)
a. Indikator Variabel Physical Aspects (Aspek Fisik)
b. Indikator Variabel Reliability (Kehandalan)
c. Indikator Variabel Personal Interaction (Interaksi Pribadi)
d. Indikator Variabel Problem Solving (Pemecahan Masalah)
e. Indikator Variabel Policy (Kebijakan)
SmartPLS bertujuan untuk memprediksi suatu model dan mengkonfirmasi teori
yang telah ada, tetapi bisa juga digunakan untuk menjelaskan ada tidaknya hubungan
antar peubah atau variabel laten. Model analisis jalur semua variabel laten dalam
smartPLS terdiri dari tiga set hubungan:
a. Inner model yang menspesifikasi hubungan antar variabl laten (structural
model). Inner model menggambarkan hubungan antar variabel laten
berdasarkan substantive theory.
b. Outer model yang menspesifikasi hubungan antara variabel laten dengan
indikator atau variabel manifestnya (measurment model). Outer model juga
mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel
latennya.
c. Weight relation di mana nilai kasus dari variabel laten dapat diestimasi. Tanpa
kehilangan generalisasi, dapat diasumsikan bahwa variabel laten dan indikator
atau manifest variabel diskala zero means dan unit variance sehingga parameter
lokasi dapat dihilangkan dalam model.
Pengolahan dalam penelitian ini menggunakan model Structural Equation
Model (SEM) dengan smartPLS. Hubungan kausalitas model SEM ini untuk lebih
jelasnya dapat dilihat melalui diagram path. Ada beberapa hal yang membedakan
analisis PLS dengan model analisis SEM yang lain:
a. Data tidak harus berdistribusi normal.
b. Dapat digunakan sampel kecil. Minimal sampel>30 dapat digunakan.
c. PLS selain dapat digunakan untuk mengkonfirmasikan teori, dapat juga
digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten.
d. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator
reflektif dan formatif.
e. PLS mampu mengestimasi model yang besar dan kompleks dengan ratusan
variabel laten dan ribuan indicator. (Sanjiwani & Jayanegara, 2015)