Tulisan ini berasal dari :
Joe F. Hair, Christian M. Ringle, and Marko Sarstedt (2011), Journal of Marketing Theory and Practice, vol. 19, no. 2 (spring 2011), pp. 139–151.
dengan Judul: PLS-SEM: Indeed a Silver Bullet
CB‑SEM develops a theoretical covariance matrix based on a specified set of structural equations. The technique focuses on estimating a set of model parameters in such a way that the difference between the theoretical covariance matrix and the estimated covariance matrix is minimized (e.g., Rigdon 1998). The CB‑SEM model estimation requires a set of assumptions to be fulfilled, including the multivariate normality of data, minimum sample size, and so forth (e.g., Diamantopoulos and Siguaw 2000).
----------------------------------------------------------------------------------------
Analisis SEM Kovarians (Lisrel, AMOS, dan lainnya) didasarkan pada matrik kovarians yang disusun dari model persamaan yang dihipotesiskan oleh peneliti. Teknis analisisnya memfokuskan pada estimasi sejumlah parameter model dengan suatu cara tertentu sehingga menghasilkan matrik kovarians taksiran yang meminimumkan antara matrik kovarians model teori dengan matrik kovarians hasil taksiran. Analisis SEM kovarians membutuhkan sejumlah asumsi yang harus dipenuhi yaitu data berdistribusi normal multivariat, minimum ukuran sampel dan lainnya.
-----------------------------------------------------------------------------------------
But if CB‑SEM assumptions cannot be met, or the research objective is prediction rather than confirmation of structural relationships, then variance-based PLS‑SEM is the preferred method. In comparison with CB‑SEM results, which can be highly imprecise when the assumptions are violated, PLS‑SEM often provides more robust estimations of the structural model (e.g., Lohmöller 1989; Reinartz, Haenlein, and Henseler 2009; Ringle et al. 2009; Wold 1982).
-----------------------------------------------------------------------------------------
Akan tetapi bila asumsi SEM Kovarians tidak dapat terpenuhi atau tujuan penelitian bergeser menjadi prediksi dibandingkan konfirmasi hubungan struktural antara variable laten maka analisis SEM PLS dapat menjadi alternatif yang dapat digunakan. Bila menggunakan analisis SEM Kovarians yang tentu akan menghasilkan taksiran model yang "kurang tepat" maka alternatif penggunaan SEM PLS lebih baik digunakan. Selain itu SEM PLS menghasilkan taksiran parameter yang lebih "robust" dalam persamaan model.
-----------------------------------------------------------------------------------------
Kesimpulan:
- Asumsi SEM Kovarians (Lisrel, Amos) adalah data berdistribusi normal multivariat dan ada ketentuan jumlah sampel minimal.
- Apabila aumsi SEM kovarians tidak terpenuhi dan tujuan penelitian bergeser menjadi prediksi dibandingkan konfirmasi maka analisis SEM PLS dapat dilakukan.
- SEM PLS tetap menghasilkan taksiran parameter yang "robust" meskipun data tidak berdistribusi normal atau jumlah sample terbatas.
0812 1825 2356
ditulis di Bandung
Desember 2017
