umumnya orang akan keberatan untuk menjawab berapa besar pendapatannya, dan lebih mudah mengungkapkan berapa besar pengeluaran rutin sehari-harinya.
Dengan demikian maka akan lebih mudah mengetahui tingkat kesejahteraan seseorang dengan melihat dari sisi pengeluarannya
http:sme.marketing.co.id .
Pada umumnya para peneliti mendefinisikan pengeluaran dalam pengertian yang relatif sama, yaitu pengeluaran rutin untuk barang dan jasa seperti
membeli makanan dan minuman, biaya sekolah anak, biaya listrik, gaji pembantu, transportasi, dan lainnya dalam sebulan—tidak termasuk pengeluaran untuk kredit
kendaraan atau
rumah. Namun
yang membedakan
adalah basis
pengelompokannya. Pengelompokan ini sering juga disebut Socioeconomic Status SES. Tinggi rendahnya SES seseorang ditentukan oleh pendidikan, pekerjaan,
dan penghasilan. Dalam lingkup riset pemasaran, SES tergambar dalam 5 lima kelompok, yaitu: SES E, SES D, SES C, SES B. dan SES A. Pengelompokkan ini
akan berbeda jika melihat versi Badan Pusat Statistik BPS, menjadikan patokan dalam pengelompokan tetap sama, yakni kelompok pengeluaran per kapita per
bulan, yang terdiri dari kelompok pengeluaran di atas Rp 500.000, kelompok Rp 300.000–499.999, kelompok Rp 200.000–299.999, dan seterusnya. Frontier
2011 menjelaskan kategori dari SES berdasarkan tingkat pengeluaran di kota- kota besar adalah sebagaimana disajikan pada Tabel 3.
Tabel 3. Tingkat Pengeluaran di Kota-kota Besar
Pengeluaran SES
Jumlah
Kurang dari Rp 600.000 E
4,2 Rp 600.000 – Rp 1.000.000
D 19,8
Rp 1.000.000 – Rp 1.800.000 C
38,8 Rp 1.800.001 – Rp 3.000.000
B 22,3
Lebih dari Rp 3.000.000 A
15
Sumber: Frontier 2011
2.1.9 Structural Equation Modelling SEM dan Partial Least Squares PLS
SEM merupakan suatu teknik pemodelan statistika yang mampu menganalisi hubungan antar peubah laten, peubah indikator dan kesalahan
pengukuran secara langsung. Di samping hubungan kausal searah, metode SEM
juga memungkinkan untuk melakukan analisis hubungan dua arah Ghozali, dkk. 2005. Peubah laten adalah peubah yang tidak dapat diobservasi, sehingga tidak
dapat diukur secara langsung. Pengamatan pada peubah laten melalui efek pada peubah-peubah terobservasi. Peubah terobservasi adalah indikator-indikator yang
dapat diukur Ghozali, et al. 2005. Ghozali 2008 memaparkan bahwa SEM dikembangkan berdasarkan 2
dua kelompok yaitu SEM berbasis covariance CBSEM dan SEM berbasis varianPartial Least Squares PLS. Perbedaan utama CBSEM dan PLS adalah
pada CBSEM model yang dianalisis harus dikembangkan berdasarkan pada teori yang kuat dan bertujuan untuk mengkonfirmasi model dengan data empirisnya.
Sedangkan PLS lebih menitikberatkan pada model prediksi sehingga dukungan teori yang kuat tidak begitu menjadi hal terpenting Ghozali, 2008. CBSEM
bertujuan memberikan pernyataan tentang hubungan kausalitas atau memberikan deskripsi mekanisme hubungan kausalitas sebab-akibat. Sedangkan PLS
memiliki tujuan untuk mencari hubungan linear prediktif antar peubah Ghozali, 2008.
Wold 1985 dalam Ghozali 2008 menyatakan bahwa PLS merupakan metode analisis yang powerfull, data tidak harus berdistribusi normal multivariate
indikator dengan skala kategori ordinal, interval sampai ratio dapat digunakan pada model yang sama, dan sampel tidak harus besar. PLS dapat digunakan
untuk mengkonfirmasi teori dan juga untuk menjelaskan ada atau tidak adanya hubungan antar peubah laten. PLS dapat menganalisis sekaligus konstruk yang
dibentuk dengan indikator refleksif dan indikator formatif. Menurut Chin 1998 dalam Ghozali 2008 menyatakan bahwa karena PLS tidak mengasumsikan
adanya distribusi tertentu untuk estimasi parameter, maka teknik parametrik untuk menguji signifikansi parameter tidak diperlukan. Model evaluasi PLS berdasarkan
pada pengukutan prediksi yang mempunyai sifat non parametrik. PLS tidak hanya dapat digunakan untuk mengkonfirmasi teori, namun dapat
juga digunakan untuk menjelaskan ada atau tidaknya hubungan antara peubah laten. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator
refleksif dan indikator formatif dan hal ini tidak mungkin dijalankan dalam SEM karena akan terjadi unidentified model.
