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
----------------------------------------------------------------------------------
The desire to test complete theories and concepts is one of the major reasons authors conducting business research— particularly marketing—have embraced SEM (Henseler,Ringle, and Sinkovics 2009; Steenkamp and Baumgartner 2000). For many researchers, SEM is equivalent to carrying out covariance-based SEM (CB‑SEM) analyses using software such as Amos, EQS, LISREL, Mplus, and others. But SEM also needs to be thought of as including another unique and very useful approach—partial least squares SEM (PLS‑SEM).
----------------------------------------------------------------------------------
Intinya untuk pengujian teori atau konsep alat bantu statistik SEM banyak dilakukan. Software yang berkembang adalah Lisrel, MPlus, EQS, Amos. Software tersebut berdasarkan basis kovarians. Meskipun demikian ada alat bantu statistik lainnya yang tergolong dalam SEM yang sangat unik dan berguna yang disebut PLS - Partial Least Square SEM atau disingkat PLS-SEM
-----------------------------------------------------------------------------------
PLS-SEM is a causal modeling approach aimed at maximizing the explained variance of the dependent latent constructs. This is contrary to CB‑SEM’s objective of reproducing the theoretical covariance matrix, without focusing on explained variance. While far less popular than CB‑SEM, PLS‑SEM has been increasingly applied in marketing and other business disciplines (e.g., Henseler,
Ringle, and Sinkovics 2009), with more than 100 published studies featuring PLS‑SEM in the top 20 marketing journals (for the marketing journal ranking, see Hult, Reimann, and Schilke 2009).
-----------------------------------------------------------------------------------
Intinya: PLS-SEM adalah pendekatan model kausal yang bertujuan untuk memaksimumkan varians yang dijelaskan dari variable laten dependen. Ini berbeda tujuan dengan SEM Kovarians (Lisrel, Amos, dan lainnya) yang memproduksi matrik kovarians teori tanpa memfokuskan pada varians. Meski analisis ini pada awalnya kurang populer dibandingkan SEM Kovarians namun penggunaan analisis PLS SEM telah masuk dalam top 20 jurnal marketing dengan jumlah publikasi lebih dari 100.
------------------------------------------------------------------------------------Kesimpulan:
Perbedaan SEM Kovarians dengan SEM PLS adalah bagaimana peneliti mendesain tujuan penelitian yang akan dilakukan. SEM Kovarians lebih baik jika tujuan penelitian adalah pengujian model teori atau konsep tanpa memfokuskan pada seberapa jauh/besar varians variable laten dependen yang dijelaskan oleh variable laten independen. Sebaliknya SEM PLS bertujuan untuk memaksimalkan varians laten dependen.
Salam
Sofyan Yamin
0812 1825 2356
@15 Desember 2017
di Bandung
