yang merupakan ukuran dari variabel eksogen ξ adalah X, sedangkan
yanng merupakan efek dari variabel laten endogen adalah Y.
2.3.4 Bentuk Structural Equation Modelling SEM dengan Partial Least
Squares PLS
PLS pertama kali dikembangkan oleh Herman Wold 1966 sebagai metode umum untuk mengestimasi path model yang menggunakan konstruk
laten dengan multiple indikator. Pendekatan PLS adalah distribution free tidak mengasumsikan data berdistribusi tertentu, dapat berupa nominal, kategori,
ordinal, interval, dan rasio. PLS merupakan metode analisis powerfull karena tidak didasarkan banyak asusmsi, jumlah sampel kecil dan residul distribusi.
Walaupun PLS juga dapat digunakan untuk mengkonfirmasi teori, tetapi juga untuk menjelaskan ada tidaknya hubungan antara variabel laten.
Model analisis jalur semua variabel laten dalam PLS terdiri dari 3 tiga set hubungan, yaitu :
1. Inner Model Inner relation, structural model dan substantive theory yang menspesifikasi hubungan antar variabel laten berdasarkan teori.
Model struktural dievaluasi dengan melihat R-square untuk konstruk laten dependen, Stone Geisser Q-square test untuk predictive relevance
dan uji t, serta signifikansi dari koefisien parameter jalur struktural. Perubahan nilai R-square dapat digunakan untuk menilai pengaruh
variabel laten indpenden terhadap variabel laten dependen. Model persamaan dapat ditulis dalam bentuk :
...............................................1
Keterangan : η = vektor variabel laten endogen dependen
ξ = vektor variabel laten eksogen independen
ζ = vektor variabel residual unexplained variance β = matriks koefisien variabel laten tak bebas endogen terhadap
endogen berukuran m x m Г = matriks koefisien variabel laten bebas eksogen terhadap endogen
berukuran m x n dengan, m = jumlah variabel endogen
n = jumlah variabel eksogen 2. Outer model Outer relation atau measurement model yang
menspesifikasi hubungan antar variabel laten dengan indikator. Outer model terdiri dari 2 dua macam mode, yaitu mode reflective mode A
dan mode formative mode B. Mode reflektif merupakan relasi dari peubah latem ke peubah indikator
atau ”effect”. Sedangkan mode formatif merupakan relasi dari peubah indikator membentuk peubah laten ”causal”.
Model persamaan untuk indikator refleksif dapat ditulis dalam bentuk :
.................................2
Keterangan : x dan y = indikator atau manifest variabel untuk variabel laten eksogen
ξ dan variabel laten endogen η x dan y = matriks loading yang menggambarkan koefisien regresi
sederhana yang menghubungkan variabel laten dengan indikatornya
ε
x
dan ε
y
= residual atau kesalahan pengukuran model persamaan untuk indikator refleksif dapat ditulis dalam bentuk :
ξ = Π
ξ
x + δ η = Π
ξ η
x + δ
η
..................................3
Keterangan : Π
x
dan Π
y
= koefisien regresi berganda dari variabel laten dan blok indikator
δ
x
dan δ
y
3. Weight Relation, Inner dan Outer model memberikan spesifikasi yang diikuti dalam estimasi algoritma PLS. Nilai kasus untuk setiap variabel
laten diestimasi dalam PLS sebagai berikut : = residual dari regresi
ξ
b
= Σ
kb
W
kb
X
kb
η
i=
Σ
ki
W
ki
X
ki
keterangan : W
kb
dan W
ki
= k weight yang digunakan untuk membentuk estimasi variabel laten
ξ
b
dan
η
i
a. Model Pengukuran atau Outer Model
.
Seperti telah dijelaskan sebelumnya bahwa tujuan Partial Least Square PLS adalah membantu peneliti untuk mendapatkan variabel laten untuk
tujuan prediksi. Menurut Chin dalam Ami Pujiwati 2012, 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. Dalam model evaluasi PLS terdapat tahap-tahap sebagai berikut :
Model pengukuran dengan indikator refleksif dievaluasi dengan convergent validity dan discriminant validity dari indikatornya.
Convergent validity dari model pengukuran dengan refleksif indikator dengan penilaian didasarkan pada korelasi antara item score dengan
konstruk score. Discriminant validity dari model pengukuran dengan refleksif indikator dinilai berdasarkan cross loading pengukuran dengan
konstruk, atau membandingkan dengan nilai square root of average
variance extracted AVE setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model Chin, 1998 dalam
Imam Ghozali, 2006. Convergent validity dari model pengukuran dengan indikator refleksif
dinilai berdasarkan korelasi antara item score atau component score dengan construct score yang dihitung dengan PLS. Ukuran refleksif
individual dikatakan tinggi jika berkorelasi lebih dari 0,70 dengan konstruk yang ingin diukur. Namun demikian untuk penelitian awal dari
pengembangan skala pengukuran nilai loading 0,50 sampai dengan 0,60 dianggap baik Chin, 1998 dalam Imam Ghozali, 2006.
Discriminant validity dari model pengukuran dengan indikator refleksif dinilai berdasarkan cross loading pengukuran dengan konstruk. Jika
korelasi konstruk dengan item pengukuran lebih besar daripada ukuran konstruk lainnya, maka hal itu menunjukkan bahwa konstruk laten
memprediksi ukuran pada blok mereka lebih baik daripada ukuran blok lainnya. Cara lain adalah melihat nilai square root of average variance
extracted AVE setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model, maka dikatakan memiliki nilai
discriminant validity yang baik Fornell dan Larcker, 1981 dalam Imam Ghozali, 2006. Selain itu dievaluasi juga composite reliability dari blok
indikator. Composite reliability blok indikator yang mengukur suatu konstruk dapat dievaluasi dnegan dua macam ukuran yaitu internal
consistency dan Cronbach’s Alpha. b. Model Struktural atau Inner Model
Model struktural atau inner model dievaluasi dengan melihat persentase variance yang dijelaskan yaitu dengan melihat nilai R-square untuk
konstruk laten dependen, Stone-Geisse Q-square untuk predictive relevance dan uji-t serta signifikansi dari koefisien parameter jalur
struktural. Interpretasinya sama dengan interpretasi pada analisis regresi.
2.4 Penelitian Terdahulu yang Relevan
