Reliabilitas suatu konstruk variabel dikatakan baik jika memiliki nilai Cronbach’s Alpha dari 0.06 Nugroho, 2005. Nilai cronbach’s Alpha
dapat dihitung dengan bantuan software SPSS 16.
2.13. Structural EquationModeling SEM
Bagozzi dan Fornell dalam Ghozali 2005 menyatakan bahwa model persamaan struktural SEM adalah generasi kedua teknik analisis
multivariat yang memungkinkan peneliti menguji hubungan antar variabel yang kompleks baik recursive maupun non-recursive untuk memperoleh
gambaran keseluruhan tentang model. Ghozali 2008 menyatakan, manfaat utama SEM dibandingkan generasi pertama multivariate seperti principal
component analysis, factor analysis, discriminant analysis, atau multiple regression, SEM memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk
menghubungkan antara teori dengan data. Bollen dalam Ghozali 2005, menyatakan SEM tidak seperti analisis
multivariat biasa, SEM dapat menguji secara bersama-sama hal berikut ini: 1. Model structural
: hubungan antara konstruk independen dependen.
2. Model measurement : hubungan nilai loading antara indikator
dengan konstruk variabel laten Terdapat beberapa istilah variabel yang biasa digunakan dalam SEM, yaitu:
1. Variabel laten : variabel yang tidak bisa diukur secara
langsung dan memerlukan beberapa indikator sebagai proksi.
2. Variabel manifest
: indikator-indikator yang dapat diukur 3.
Variabel eksogen : variabel yang tidak dipengaruhi oleh variabel
lainnya dalam model 4.
Variabel endogen : variabel yang dipengaruhi oleh variabel
lainnya dalam suatu model penelitian Secara teknis SEM dibagi dalam dua kelompok,yaitu SEM berbasis
covariance dan SEM berbasis variance atau sering disebut component based SEM yang mempergunakan software SmartPLS dan PLS Graph.
Covariance Based SEM lebih bertujuan memberikan pernyataan tentang hubungan kausalitas atau memberikan deskripsi mekanisme hubungan
kausalitas sebab-akibat. Sedangkan Component Based SEM bertujuan mencari hubungan linear prediktif antar variabel Ghozali 2008. Berikut
adalah tabel yang menunjukkan perbedaan antara Covariance Based SEM dengan Variance Based SEM:
Tabel 3. Perbedaan Covariance Based SEM dengan Variance Based
SEM PLS No
Kriteria PLS
CBSEM
1. Tujuan
Berorientasi prediksi Berorientasi pendugaan
parameter 2.
Pendekatan Berbasis varian ragam
Berbasis kovarian peragam 3.
Asumsi Spesifikasi prediktor
nonparametric Multivariate normal
distribution,independence , observation parametric
4. Estimasi
Parameter Konsisten sebagai
indikator dan sample size meningkat consistency at
large Konsisten
5. Skor Variabel
Laten Secara eksplisit diestimasi
indeterminate 6.
Hubungan Epistemik antara
variabel laten dan indikatornya
Dapat dalam bentuk reflective maupun
formative indicator Hanya
dengan reflektif
indikator
7. Implikasi
Optimal untuk ketepatan prediksi
Optimal dengan
ketepatan parameter
8. Kompleksitas
Model Kompleksitas besar 100
konstruk dan 1000 indikator
Kompleksitas kecil sampai menengah 100 indikator
9. Besar Sample
Kekuatan analisis didasarkan pada porsi dari
model yang memiliki jumlah prediktor terbesar.
Minimal direkomendasikan berkisar dari 30-100 kasus
Kekuatan analisis berdasarkan pada model spesifik minimal
direkomendasikan berkisar dari 200-800
Sumber : Ghozali 2008
2.14. Analisis Diskriminan