Partial Least Square Dalam Analisis Kuantitatif

Partial Least Square atau disingkat PLS merupakan salah satu metode analisis data dengan teknik SEM (Structural Equation Model). SEM termasuk dalam metode kuantitatif selain analisis regresi linear.

Teknik SEM sendiri merupakan salah satu metode analisis multivariat dengan tujuan menggambarkan hubungan linear secara simultan antara indikator atau variabel yang diamati dengan variabel yang tidak dapat diukur secara langsung (variabel laten). Variabel laten merupakan variabel yang tidak teramati atau tidak dapat diukur secara langsung namun harus diukur dengan beberapa indikator. Variabel laten dalam SEM dibagi menjadi 2 yaitu endogen dan eksogen.

PLS dapat menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara langsung. Pengembangan PLS bertujuan untuk sebagai alternatif jika teori yang digunakan lemah atau indikator yang tersedia tidak memenuhi model pengukuran reflektif. Metode ini juga termasuk metode analisis yang kuat karena tidak terlalu bergantung pada skala pengukuran (dalam skala interval atau rasio), ukuran sampel, distribusi dari residual. Indikator laten dapat dibentuk dengan 2 tipe yaitu refleksif atau formatif.

Indikator refleksif adalah indikator yang dianggap dipengaruhi konstruk laten, atau indikator yang dianggap merefleksikan/ mempresentasikan konstruk laten sehingga indikator refleksif mempengaruhi variabel laten dengan mengamati akibat yang ditimbulkan variabel laten. Indikator formatif mengamati faktor penyebab dari variabel laten.

Partial Least Square memiliki kelebihan dibanding metode SEM yang lain yang juga menggunakan pendekatan covariance based lain seperti LISREL, AMOS, EQS,COSAN, dan EZPATH. Kelebihan PLS yaitu menghindari dua masalah, yaitu:

  1. Solusi yang tidak dapat diterima (Inadmissible Solution). Artinya, dengan PLS yang berbasis varians maka masalah matriks singularity tidak akan pernah terjadi. PLS juga menerapkan model struktural yang bersifat rekursif sehingga masalah unidentified, under-identified, atau over-identified tidak akan terjadi.
  2. Factor Indeterminacy, adalah faktor yang tidak dapat ditentukan, artinya jika terjadi adanya lebih dari satu faktor yang terdapat dalam sekumpulan indikator sebuah variabel, khusus indikator yang bersifat formatif, tidak memerlukan adanya common factor, sehingga selalu diperoleh variabel laten yang bersifat komposit. Artinya, variabel laten merupakan kombinasi linier dari indikator-indikatornya.

Asumsi-asumsi pada model SEM dengan PLS yaitu:

  1. Tidak ada asumsi normalitas. Data dengan menggunakan analisis ini tidak perlu berdistribusi normal sehingga uji normalitas tidak berlaku.
  2. Dapat digunakan untuk sampel yang kecil. Ukuran sampel yang ditetapkan minimal 10 kali besarnya indikator formatif terbanyak yang digunakan untuk mengukur satu variabel laten atau 10 kali jumlah jalur struktural terbanyak yang ditujukan ke variabel laten tertentu dalam model struktural.
  3. Tidak mengharuskan randomisasi sampel sehingga pengambilan sampel dapat menggunakan pendekatan non-probabilitas seperti accidental sampling, purposive sampling, dan sebagainya.
  4. Model PLS mengijinkan indikator formatif digunakan untuk mengukur variabel laten.
  5. Tidak melarang adanya variabel laten dikotomi
  6. Tidak harus menerapkan skala pengukuran interval
  7. Distribusi residual tidak diharuskan pada SEM lainnya yang berbasis covarian dimana dalam SEM berlaku distribusi residual harus sekecil mungkin seperti regresi linear.
  8. Dapat digunakan sebagai prosedur untuk mengembangkan teori pada tahap awal
  9. Pendekatan regresi lebih tepat dibandingkan SEM berbasis covarian
  10. Hanya diijinkan model sebab akibat dan tidak boleh adanya model timbal balik seperti SEM berbasis covarian
  11. Memungkinkan model yang sangat kompleks dengan banyak variabel laten dan indikator.

Adapun langkah dalam analisis PLS adalah:

  1. Merancang Model Struktural (inner model), yaitu merancang hubungan antar variabel laten pada PLS dengan didasarkan pada hipotesis penelitian.
  2. Merancang Model Pengukuran (outer model), yaitu merancang hubungan variabel laten dengan indikatornya. Pada langkah ini sangat penting karena menentukan refleksif atau formatif.
  3. Konstruksi Diagram Jalur, yaitu mengkonstruksi diagaram jalur berdasarkan rancangan inner model dan outer model yang dinyatakan dalam bentuk diagram jalur agar agar lebih mudah dipahami.
  4. Konversi Diagram Jalur ke Sistem Persamaan

PLS dapat diolah dengan software seperti SmartPLS, Warp PLS, Tetrad, PLS-PM dan sebagainya.

Leave a Reply

Your email address will not be published. Required fields are marked *

Scroll to top
Open chat