Langkah Ketiga: Mengkonstruksi diagram Jalur Langkah Keempat: Konversi diagram Jalur ke dalam Sistem Persamaan

refleksif atau formatif. Merancang model pengukuran yang dimaksud di dalam PLS adalah menentukan sifat indikator dari masing-masing variabel laten, apakah refleksif atau formatif. Kesalahan dalam menentukan model pengukuran ini akan bersifat fatal, yaitu memberikan hasil analisis yang salah. Dasar yang dapat digunakan sebagai rujukan untuk menentukan sifat indikator apakah refleksif atau formatif adalah: teori, penelitian empiris sebelumnya, atau kalau belum ada adalah rasional. Pada tahap awal penerapan PLS, tampaknya rujukan berupa teori atau penelitian empiris sebelumnya masih jarang, atau bahkan belum ada. Oleh karena itu, dengan merujuk pada definisi konseptual dan definisi operasional variabel, diharapkan sekaligus dapat dilakukan identifikasi sifat indikatornya, bersifat refleksif atau formatif.

3. Langkah Ketiga: Mengkonstruksi diagram Jalur

Bilamana langkah satu dan dua sudah dilakukan, maka agar hasilnya lebih mudah dipahami, hasil perancangan inner model dan outer model tersebut, selanjutnya dinyatakan dalam bentuk diagram jalur. Contoh bentuk diagram jalur untuk PLS dapat dilihat pada gambar berikut: Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Gambar 3 Contoh Diagram Jalur untuk PLS.

4. Langkah Keempat: Konversi diagram Jalur ke dalam Sistem Persamaan

a Outer model, yaitu spesifikasi hubungan antara variabel laten dengan indikatornya, disebut juga dengan outer relation atau measurement model, mendefinisikan karakteristik variabel laten dengan indikatornya. Model indikator refleksif dapat ditulis persamaannya sebagai berikut: x =  x  +  x y =  y  +  y Daya Tanggap X4 X 2.1. X 2.2. Jaminan X3 Kehandalan X2 Empati X5 Kualitas Layanan X Kepuasan Pelanggan Y Y 1.1. Y 1.2. Y 1.3. Bukti Fisik X1 X 3.1. X 3.2. X 4.1. X 4.2. X 5.1. X 5.2. X 1.1. X 1.2. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Di mana X dan Y adalah indikator untuk variabel laten eksogen  dan endogen . Sedangkan  x dan  y merupakan matriks loading yang menggambarkan seperti koefisien regresi sederhana yang menghubungkan variabel laten dengan indikatornya. Residual yang diukur dengan  x dan  y dapat diinterpretasikan sebagai kesalahan pengukuran atau noise. Model indikator formatif persamaannya dapat ditulis sebagai berikut:  =   X i +  x  =   Y i +  y Dimana , , X, dan Y sama dengan persamaan sebelumnya. x dan y adalah seperti koefisen regresi berganda dari variabel laten terhadap indikator, sedangkan  x dan  y adalah residual dari regresi. Pada model PLS Gambar 3 terdapat outer model sebagai berikut: Untuk variabel latent eksogen 1 reflektif x 1 =  x1  1 +  1 x 2 =  x2  1 +  2 x 3 =  x3  1 +  3 Untuk variabel latent eksogen 2 formatif  2 =  x4 X 4 +  x5 X 5 +  x6 X 6 +  4 Untuk variabel latent endogen 1 reflektif y 1 =  y1  1 +  1 y 2 =  y2  1 +  2 Untuk variabel latent endogen 2 reflektif Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. y 3 =  y3  2 +  3 y 4 =  y4  2 +  4 b Inner model, yaitu spesifikasi hubungan antar variabel laten structural model, disebut juga dengan inner relation, menggambarkan hubungan antar variabel laten berdasarkan teori substansif penelitian. Tanpa kehilangan sifat umumnya, diasumsikan bahwa variabel laten dan indikator atau variabel manifest diskala zero means dan unit varian sama dengan satu, sehingga parameter lokasi parameter konstanta dapat dihilangkan dari model. Model persamaannya dapat ditulis seperti di bawah ini:  =  +  +  Dimana  menggambarkan vektor vaariabel endogen dependen,  adalah vektor variabel laten eksogen dan  adalah vektor residual unexplained variance. Oleh karena PLS didesain untuk model rekursif, maka hubungan antar variabel laten, berlaku bahwa setiap variabel laten dependen , atau sering disebut causal chain system dari variabel laten dapat dispesifikasikan sebagai berikut:  j =  i  ji  i +  i  jb  b +  j Dimana  jb dalam bentuk matriks dilambangkan dengan  adalah koefisien jalur yang menghubungkan variabel laten endogen  dengan eksogen . Sedangkan  ji dalam bentuk matriks dilambangkan dengan  adalah koefisien jalur yang menghubungkan variabel laten endogen  dengan endogen ; untuk range indeks i dan b. Parameter  j adalah variabel inner residual. Pada model PLS Gambar 3 inner model dinyatakan dalam sistem persamaan sebagai berikut: Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.  1 =  1  1 +  2  2 +  1  2 =  1  1 +  3  1 +  4  2 +  2 c Weight relation, estimasi nilai variabel latent. Inner dan outer model memberikan spesifikasi yang diikuti dengan estimasi weight relation dalam algoritma PLS:  b =  kb w kb x kb  i =  ki w ki x ki Dimana w kb dan w ki adalah k weight yang digunakan untuk membentuk estimasi variabel laten  b dan  i . Estimasi data variabel laten adalah linear agregat dari indikator yang nilai weight-nya didapat dengan prosedur estimasi PLS.

5. Langkah Kelima: Estimasi