Metode Analisis Deskriptif Metode Analisis Data

38 dapat digunakan pada model yang sama, ukuran sampel tidak harus besar seperti halnya SEM berbasis covariance yang diwakili oleh software AMOS dan LISREL. Atas keunggulan-keunggulan dari PLS tersebut, maka PLS disebut sebagai metoda analisis yang powerfull dan sering disebut juga sebagai soft modeling karena meniadakan asumsi-asumsi OLS Ordinary Least Squares regresi dan tidak adanya problem multikolonieritas antar variabel eksogen. PLS bukan saja dapat digunakan untuk mengkonfirmasi teori, tetapi dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan prediktif antara variabel laten. Menurut Jogiyanto 2011, metode PLS ini lebih unggul karena dapat mengatasi masalah indeterminancy, yaitu skor faktor yang berbeda dihitung dari model faktor tunggal yang dihasilkan dan admissible data, yaitu ambiguitas data karena adanya varian unik dan varian error. PLS sebagai model prediksi tidak mengasumsikan distribusi tertentu untuk mengestimasi parameter dan memprediksi hubungan kausalitas. Karena itu, teknik parametrik untuk menguji signifikansi parameter tidak diperlukan. Langkah-langkah analisis menggunakan PLS adalah sebagai berikut ini : a. Merancang model Struktural inner model Menggambarkan hubungan prediktif antar variabel laten berdasarkan pada substantif teori. Pada SEM perancangan model adalah berbasis teori, akan tetapi pada PLS bisa berupa teori, hasil penelitian empiris, analogi, hubungan antar variabel pada bidang ilmu yang lain, normatif misal peraturan pemerintah, undang-undang, dan lain sebagainya, dan rasional. b. Merancang model pengukuran Mendefinisikan hubungan prediktif antar variabel laten dengan variabel manifesnya indikatornya atau dapat dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya. Pada SEM berbasis covariance semua bersifat refleksif, model pengukuran tidak penting. Pada PLS perancangan outer model sangat penting: refleksif atau formatif, dasarnya dapat berupa