Taqobbalallahu Minna Wa Minkum, Minal Aidin Wal Faidzin. Selamat Idul Fitri 1435H, Mohon Maaf Lahir dan Bathin. Selamat Datang di Website STATSDATA (Statistical Data Analyst). Website ini Berisi Penawaran Jasa Pengolahan Data dan Konsultasi Statistik, serta Review Materi Statistika berdasarkan Referensi Statistika yang Ada.

Selasa, 01 April 2014

Partial Least Square

Partial Least Square (PLS) adalah suatu metode yang berbasis keluarga regresi yang dikenalkan oleh Herman O.A Wold untuk penciptaan dan pembangunan model dan metode untuk ilmu-ilmu sosial dengan pendekatan yang berorientasi pada prediksi. PLS memiliki asumsi data penelitian bebas distribusi (Distribution-Free), artinya data
penelitian tidak mengacuh pada salah satu distribusi tertentu (misalnya distribusi normal). PLS merupakan metode alternatif dari Structural Equation Modeling (SEM) yang dapat digunakan untuk mengatasi permasalahan hubungan diantara variabel yang kompleks namun ukuran sampel datanya kecil (30 sampai 100), mengingat SEM memiliki ukuran sampel data minimal 100 (Hair et.al., 2010).

PLS digunakan untuk mengetahui kompleksitas hubungan suatu konstrak dan konstrak yang lain, serta hubungan suatu konstrak dan indikator-indikatornya. PLS didefinisikan oleh dua persamaan, yaitu inner model dan outer model. Inner model menentukan spesifikasi hubungan antara konstrak dan konstrak yang lain, sedangkan outer model menentukan spesifikasi hubungan antara konstrak dan indikator-indikatornya. Konstrak terbagi menjadi dua yaitu konstrak eksogen dan konstrak endogen. Konstrak eksogen merupakan konstrak penyebab, konstrak yang tidak dipengaruhi oleh konstrak lainnya. Konstrak eksogen memberikan efek kepada konstrak lainnya, sedangkan konstrak endogen merupakan konstrak yang dijelaskan oleh konstrak eksogen. Konstrak endogen adalah efek dari konstrak eksogen (Yamin dan Kurniawan, 2009).

PLS dapat bekerja untuk model hubungan konstrak dan indikator-indikatorya yang bersifat reflektif dan formatif, sedangkan SEM hanya bekerja pada model hubungan yang bersifat reflektif saja (Ghazali, 2006). Model hubungan yang bersifat reflektif berarti bahwa
1.      arah hubungan kausalitas dari konstrak menuju indikator.
2.      diantara hubungan indikator diharapkan saling berkorelasi.
3.      menghilangkan salah satu indikator dari model pengukuran tidak akan mengubah makna konstrak.
4.      menentukan measurement error (kesalahan pengukuran) pada tingkat indikator.
Sedangkan, model hubungan yang bersifat formatif berarti bahwa
1.      arah hubungan kausalitas dari indikator menuju konstrak.
2.      diantara hubungan indikator diasumsikan tidak saling berkorelasi.
3.      menghilangkan salah satu indikator dari model pengukuran akan berakibat mengubah makna dari konstrak.
4.      menentukan measurement error (kesalahan pengukuran) pada tingkat konstrak.

Sebagai tambahan, hubungan yang bersifat reflektif menggambarkan indikator-indikator yang terjadi di dalam suatu konstrak yang bersifat laten (tidak bisa diukur secara langsung sehingga membutuhkan indikator-indikator untuk mengukurnya), sedangkan hubungan yang bersifat formatif menggambarkan indikator-indikator yang menyebabkan suatu konstrak yang bersifat emergen (ukurannya secara tiba-tiba muncul karena pengaruh indikator-indikatornya) (Vinzi et.al., 2010).

Evaluasi model PLS dibagi menjadi 2 evaluasi berikut.
1.      Evaluasi outer model (model pengukuran), meliputi nilai outer loading (valid ketika outer loading > 0,5 dan idealnya outer loading > 0,7),  average variance extracted (valid ketika AVE > 0,5),  dan composite reliability (reliable ketika CR > 0,8).
2.      Evaluasi inner model (model struktural), meliputi nilai latent variable correlations (valid ketika r > 0,5), path coefficients (jika r valid, maka path coefficients signifikan), dan R-square (R2 mengartikan keragaman konstrak endogen yang mampu dijelaskan oleh konstrak-konstrak eksogen secara serentak).

[1]  Ghazali, G. 2006. Structural Equation Modeling: Metode Alternatif dengan Partial Least Square. Semarang: Badan Penerbit Universitas Diponegoro.
[2]  Hair, J.F., Black, W.C., Babin, B.J., dan Anderson, R.E. 2010. Multivariate Data Analysis, 7th edition. NJ: PearsonPrentice Hall.
[3]  Vinzi, V.E., Chin, W.W., Henseler, J., dan Wang, H. 2010. Handbook of Partial Least Squares : Concepts, Methods and Applications. Germany: Springer
[4]  Yamin, S. dan Kurniawan, H., 2009, Structural Equation Modeling: Belajar Lebih Mudah Teknik Analisis Data Kuesioner dengan LISREL-PLS, Buku Seri Kedua, Jakarta: Salemba Infotek.

Baca juga Artikel berikut:
Structural Equation Modeling

0 komentar:

Poskan Komentar