Structural Equation Modelling SEM dan Partial Least Squares PLS
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.
Tabel 4. Perbandingan antara PLS dan SEM
Kriteria PLS
SEM
Tujuan Orientasi prediksi
Orientasi parameter Pendekatan
Berdasarkan variance Berdasarkan covariance
Asumsi Spesifikasi prediktor non
parametrik Multivariate normal
distribution, independence observation parametrik
Estimasi parameter Konsisten sebagai indikator
dan jumlah sampel meningkat Konsisten
Skore peubah laten Secara eksplisit di estimasi
Indeterminate Hubungan peubah laten
– indikatornya Dapat dalam bentuk reflective
maupun formative indikator Hanya dengan reflective
indikator Implikasi
Optimal untuk ketepatan prediksi
Optimal untuk ketepatan parameter
Kompleksitas model Kompleksitas besar 100
konstruk dan 1000 indikator Kompleksitas kecil sampai
menengah kurang dari 100 indikator
Besar sample Kekuatan analisis didasarkan
pada porsi dari model yang memiliki jumlah prediktor
terbesar. Minimal direkomendasikan berkisar
dari 30 sampai 100 kasus Kekuatan analisis
didasarkan pada model spesifikasi. Minimal
direkomendasikan berkisar dari 200 sampai 800 kasus