Bentuk Structural Equation Modelling SEM dengan Partial Least Squares PLS
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 ModelInner relation, structural modeldansubstantive theory yang
menspesifikasi hubungan antar variabel laten berdasarkan pada teori. Model struktural dievaluasi dengan melihat nilai 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 independen 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
B = Matriks koefisien variabel laten tak bebas endogen terhadap endogen berukuran m x m
Γ = matrik koefisien variabel laten bebas eksogen terhadap endogen berukuran m x ndengan,
m = jumlah variabel endogen n = jumlah variabel eksogen
2.
Outer ModelOuter
relationataumeasurementmodel yang menspesifikasihubunganantarvariabellatendenganindikator.
Outer Model terdiri dari 2 dua macam mode, yaitu mode reflective mode A dan mode
formative mode B. Mode reflektif merupakan relasi dari peubah laten ke peubah indikator atau
”effect”. Sedangkan mode formatif merupakan relasi dari perubah 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
Λ
x
dan Λ
y
ε = matrik loading yang menggambarkan koefisien regresi
sederhana yang menghubungkan variabel laten dengan indikatornya.
x
dan ε
y
= residual atau kesalahan pengukuran Model persamaan untuk indikator refleksif dapat ditulis dalam bentuk :
……………..3
Keterangan : Π
x
dan Π
y
δ = koefisien regresi berganda dari variabel laten dan blok indikator
x
dan δ
y
= residual dari regresi 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 :
Keterangan : W
kb
dan W
ki
= k weight yang digunakan untuk membentuk estimasi variabel laten
ξ
b
dan η
i
Seperti telah dijelaskan sebelumnya bahwa tujuan Partial Least Square PLS adalah membantu peneliti untuk mendapatkan variabel laten untuk tujuan
prediksi. Menurut Chin 1998 dalam Imam Ghozali, 2006, 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:
.
a. Model Pengukuran atau Outer Model
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 construk 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 cukup Chin, 1998 dalam Imam Ghozali, 2006.
Discriminat 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 pada 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. Jika nilai akar AVE setiap konstruk lebih besar daripada nilai
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 compositre reliability dari blok indikator. Composite reliabilty blok indikator yang
mengukur suatu konstruk dapat dievaluasi dengan dua macam ukuran yaitu internal consistensy 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 test untuk predictive relevance dan
uji t serta signifikansi dari koefisien parameter jalur struktural. Interpretasinya sama dengan interpretasi pada analisis regresi.