Tabel 2. Perbandingan PLS dengan CBSEM
Kriteria PLS
CBSEM 1.
Tujuan 2.
Pendekatan 3.
Asumsi 4.
Estimasi parameter 5.
Score variabel laten 6.
Hubungan epistemic
antara variabel laten dan indikatornya
7. Implikasi
8. Kompleksitas model
9. Besar sampel
1. Orientasi prediksi
2. Berdasar variance
3. Spesifikasi
predictor nonparametric
4. Konsisten sebagai indikator
dan ukuran contoh meningkat consistency at large
5. Secara eksplisit diestimasi
6. Dapat dalam bentuk reflektif
dan formatif indicator 7.
Optimal untuk ketepatan prediksi
8. Kompleksitas besar 100
konstruk dan 1000 indikator 9.
Kekuatan analisis didasarkan pada porsi dari model yang
memiliki jumlah
predictor terbesar.
Minimal rekomendasi 30 hingga 100
kasus. 1.
Orientasi parameter 2.
Berdasar covariance 3.
Multivariate normal
distributor, independency
observation parametric 4.
Konsisten 5.
Indeterminate 6.
Hanya dengan
reflektif indicator
7. Optimal
untuk ketepatan
parameter 8.
Kompleksitas kecil kurang dari 100 indikator
9. Kekuatan analisis didasarkan
pada model spesifik-minimal direkomendasikan berkisar 200
hingga 800.
2.4.2 Perbandingan antara soft modelling dengan hard modelling
Model CBSEM sering disebut dengan hard modelling, sedangkan PLS sering disebut dengan soft modelling. Hard modelling
bertujuan memberikan pernyataan tentang hubungan kausalitas atau memberikan deskripsi mekanisme hubungan kausalitas sebab-akibat
dan hal ini memberikan gambaran yang ideal secara ilmiah dalam analisa data.
Jika data yang akan dianalisa tidak memenuhi kriteria ideal sehingga tidak dapat dianalisa dengan hard modelling. Soft modelling
mampu menganalisa data yang tidak ideal tersebut. Soft mempunyai arti tidak mendasarkan pada asumsi alat pengukuran, distribusi data dan
jumlah sampel. Pada hard modelling bertujuan menguji hubungan kausalitas antar variabel yang sudah dibangun berdasarkan teori,
sedangkan pada soft modelling bertujuan mencari hubungan linear prediktif antar variabel. Hubungan kausalitas tidak sama dengan
hubungan prediktif.
Pada hubungan kausalitas, CBSEM mencari invariant parameter yang secara struktural atau fungsional menggambarkan bagaimana
dunia ini bekerja. Invariant parameter menggambarkan hubungan kausalitas antar variabel dalam suatu sistem yang tertutup sehingga
kejadian yang ada dapat dikendalikan secara penuh. Sedangkan dalam PLS, hubungan linear yang optimal antar variabel laten dihitung dan
diinterpretasikan sebagai hubungan prediktif terbaik yang tersedia dengan segala keterbatasan yang ada. Sehingga kejadian yang ada tidak
dapat dikendalikan secara penuh. Jadi PLS hanya digunakan jika data yang dimiliki tidak dapat diselesaikan dengan CBSEM.
2.4.3 Variabel laten dengan indikator refleksif dan indikator formatif
Metode persamaan struktural merupakan gabungan antara model ekonometrik yang ingin melihat hubugan antar variabel laten yang
sering disebut dengan model struktural serta model psikometrik yang berkembang pada ilmu psikologi dan sosiologi yang mengukur variabel
laten berdasarkan indikator-indikator pembentuk variabel laten dengan kesalahan pengukuran atau sering disebut model pengukuran. Pada
CBSEM variabel laten diukur dengan indikator yang bersifat reflektif. Model reflektif mengasumsikan bahwa konstruk atau variabel laten
mempengaruhi indikator arah hubungan kausalitas dari konstruk ke indikator atau manifest. Dalam kenyataan variabel laten dapat juga
dibentuk oleh indikator yang bersifat formatif yang mengasumsikan bahwa indikator-indikator mempengaruhi konstruk arah hubungan
kausalitas dari indikator ke konstruk. 1.
Model indikator reflektif Menurut Bollen Ghozali, 2008 pemilihan konstruk
berdasarkan model reflektif atau formatif tergantung dari prioritas hubungan kausalitas antara indikator dan variabel laten.
Model indikator refleksif dikembangkan berdasarkan pada classical test theory yang mengasumsikan bahwa variasi skor
pengukuran konstruk merupakan teori dari true score ditambah error. Jadi konstruk laten mempengaruhi variasi pengukuran dan
asumsi hubungan kausalitas dari konstruk laten ke indikator. Model reflektif sering disebut juga pricipical factor model dimana
covariance pengukuran indikator dipengaruhi oleh konstruk laten atau mencerminkan variasi dari konstruk laten. Pada model
refleksif konstruk unidimensional yang digambarkan dengan bentuk elips dengan beberapa anak panah dari konstruk ke
indikator. Model ini menghipotesiskan bahwa perubahan pada konstruk laten akan mempengaruhi perubahan pada indikator.
Model indikator refleksif harus memiliki internal konsistensi oleh karena semya ukuran indikator diasumsikan semuanya valid
indikator yang mengukur semua konstruk, sehingga dua ukuran indikator yang sama reliabilitasnya dapat saling dipertukarkan.
Walaupun reliabilitas cronbach alpha suatu konstruk akan rendah jika hanya ada sedikit indikator, tetapi validitas konstruk tidak akan
berubah jika satu indikator dihilangkan.
Gambar 2. Principal factor reflective model Ghozali, 2008 2.
Model indikator formatif Asal usul model formatif dapat ditelusuri kembali pada
model “operational definition”. Berdasarkan pada model oprationalism dinyatakan bahwa setiap konsep akan menjadi
pengukuran dan tidak memiliki makna diluar pengukuran itu sendiri. Jika keseluruhan makna dari konsep dikaitkan dengan
pengukurannya dan konsep teoritis hanya satu dan mempunyai satu pengukuran. Jika menggambarkan suatu konsep variabel laten
dan x adalah ukuran empiris indicator atau variabel manifest, maka:
= x ……………………...…….. 3
X
1
X
2
X
3
Principical factor
Pandangan lebih kontemporer memungkinkan adanya multiple pengukuran multiple indicator x
i
i = 1,β,γ,….. Sehingga suatu konsep diasumsikan merupkan fungsi dari
pengukurannya indikatornya. Menurut definisi ini maka model formatif dapat diformulasikan secara matematik sebagai berikut:
=
1
x
1
+
2
x
2
+
3
x
3
+ ………… 4 Persamaan 3 merupakan karakteristik riset yang dilakukan
di bidang pemasaran pada tahun 1960an hingga 1970an dimana hanya menggunakan satu indikator untuk mengukur suatu konstruk.
Penggunaan model ini terbatas karena menolak kemungkinan multiple pengukuran suatu konsep teoritis. Persamaan 4
merupakan model pengukuran yang sekarang umum dilakukan. Pada model formatif, komposit faktor variabel laten dipengaruhi
ditentukan oleh indikatornya. Jadi arah hubungan kausalitas dari indicator ke variabel laten.
Pada model komposit variabel laten, perubahan pada indikator dihipotesiskan mempengaruhi perubahan dalam konstruk
variabel laten. Tidak seperti pada model reflektif, model formatif tidak mengasumsikan bahwa indikator dipengaruhi oleh konstruk
mengasumsikan bahwa semua indikator mempengaruhi single konstruk. Arah hubungan kausalitas mengalir dari indikator ke
konstruk laten dan indikator sebagai grup secara bersama-sama menentukan konsep atau makna empiris dari konstruk laten. Oleh
karena diasumsikan bahwa indikator mempengaruhi konstruk laten maka ada kemungkinan antar indikator saling berkorelasi, tetapi
model formatif tidak mengasumsikan perlunya korelasi antar indikator atau secara konsisten bahwa model formatif berasumsi
tidak ada hubungan korelasi antar indikator. Oleh karena diasumsikan bahwa antar indikator tidak saling
berkorelasi maka ukuran internal konsistensi reliabilitas cronbach alpha tidak diperlukan untuk menguji reliabilitas konstruk
formatif. Seperti yang dinyatakan oleh Bollen dan Lennox
Ghozali, 2008 kausalitas hubungan antar indikator tidak menjadi rendah nilai validitasnya hanya karena memiliki internal
konsistensi yang rendah cronbach alpha. Untuk menilai validitas konstruk yang perlu dilihat dari variabel lain yang mempengaruhi
konstruk laten. Jadi untuk menguji validitas dari konstruk laten, peneliti harus menekankan pada nomological dan criterion-related
validity. Implikasi lainnya dari model formatif adalah dengan
menghilangkan droping satu indikator dalam model akan menimbulkan persoalan yang serius. Menurut para ahli psikometri,
indikator formatif menimbulkan memerlukan sensus semua konsep yang menjadi konstruknya. Jadi menghilangkan satu indikator akan
menghilangkan bagian yang unik dari suatu konstruk. Komposit variabel laten memasukkan error term dalam model, hanya error
term diletakkan pada konstruk laten dan bukan pada indikator. Berikut ini adalah contoh gambar konstruk dengan model indikator
formatif.
Gambar 3. Composite laten variabel formative model Ghozali, 2008
3. Kriteria membedakan antara model indikator reflektif dan formatif
dapat dilihat pada Tabel 3.
Tabel 3. Kriteria untuk menentukan konstruk formatif atau reflektif
Kriteria Model formatif
Model reflektif 1.
Arah hubungan kausalitas antara konstruk dan
indikator a.
Apakah indikator a mendefinisikan
karakteristik konstruk atau b manifestasi dari
konstruk?
b. Apakah perubahan pada
indikator mengakibatkan perubahan pada konstruk
atau tidak? c.
Apakah perubahan pada konstruk mengakibatkan
1. Arah kausalitas dari indikator
ke konstruk a.
Indikator mendefinisikan karakteristik konstruk
b. Perubahan pada indikator
harus mengakibatkan perubahan pada konstruk
c. Perubahan pada konstruk
tidak mengakibatkan 1.
Arah kausalitas dari konstruk ke indikator
a. Indikator manifest dari
konstruk
b. Perubahan pada indikator
tidak harus menyebabkan perubahan pada konstruk
c. Perubahan pada konstruk
mengakibatkan perubahan
X
1
X
2
X
3
Composite factor
Zeta
perubahan pada indikator?
2. Interchangeability antar
indikator a.
Haruskah indikator memiliki content yang
sama? b.
Apakah indikator share common theme?
c. Apakah dengan
menghilangkan satu indikator akan merubah
makna konstruk? 3.
Covariance antar indikator a.
Apakah perubahan satu indikator berhubungan
dengan perubahan indikator lainnya
b. Nomological dari
konstruk indicator c.
Apakah indikator diharapkan memiliki
antesenden dan konsekuen yang sama?
perubahan pada indikator 2.
Indikator tidak interchangeable
a. Indikator tidak harus
memiliki konten yang sama atau mirip
b. Indikator tidak perlu
share common theme c.
Menghilangkan satu indikator akan mengubah
makna konstruk 3.
Tidak perlu adanya kovariansi antar indicator
a. Tidak harus
b. Nomological net
indikator mungkin berbeda
c. Indikator tidak perlu
menggunakan anteseden dan konsekuen yang
sama pada indikator
2. Indikator harus
interchangeable a.
Indikator harus memiliki konten yang sama atau
mirip b.
Indikator harus share common theme
c. Menghilangkan satu
indikator tidak akan mengubah makna
konstruk 3.
Indikator diharapkan memiliki kovariansi satu
sama lainnya a.
Harus
b. Nomological net
indikator tidak harus berbeda
c. Indikator harus
menggunakan anteseden dan konsekuen yang
sama
2.4.4 Metode Partial Least Square PLS