Tag: PLS

Download SmartPLS 3.0

Salah satu software SEM berbasis varian atau PLS-SEM yang cukup populer saat ini yaitu SmartPLS. Software ini populer karena sangat mudah untuk digunakan. Selain itu, software ini memiliki beberapa keunggulan. Keunggulan pertama dari SmartPLS adalah software ini mampu melakukan estimasi walaupun jumlah sampel hanya sedikit. Keunggulan kedua yaitu software ini juga tetap bisa melakukan estimasi walaupun terdapat data yang hilang (missing). Keunggulan lainnya yaitu SmartPLS mampu mengakomodasi konstruk reflektif maupun formatif. Selain itu, SmartPLS mampu mengakomodasi model penelitian yang kompleks.

Saat ini versi terbaru dari SmartPLS adalah versi 3.0. Softwarenya bisa Anda download di website resminya di sini. Terdapat beberapa pilihan di website resminya maupun ketika Anda melakukan instalasi software SmartPLS 3.0 di komputer Anda. Pilihan pertama adalah versi student. Versi ini bisa kita gunakan secara gratis. Namun versi ini memiliki beberapa keterbatasan. Ya namanya juga gratisan. Keterbatasan pada versi student ini yaitu jumlah maksimal sampel atau responden hanya sebanyak 100, pembatasan fitur algoritma, dan terbatasnya pilihan untuk mengeksport file hasil olahan. Pilihan kedua adalah versi profesional. Untuk bisa menggunakan versi ini kita harus membayar sebesar 400 euro per tahun. Namun kita bisa mencoba versi ini secara gratis selama 30 hari (trial). Pada versi profesional, tidak ada pembatasan fitur seperti pada versi student. Pilihan ketiga adalah versi enterprise dimana kita harus membayar sebesar 3200 euro per tahun untuk bisa menggunakan versi ini.

Apa itu SEM?

SEM (Struktural Equation Modeling) adalah teknik statistik yang menggabungkan analisis faktor dan analisis jalur dalam melakukan pengujian dan estimasi hubungan antar variabel. Pemodelan dalam SEM dibagi menjadi dua tahapan. Tahapan pertama yaitu validasi model pengukuran. Tahapan kedua yaitu pengujian model struktural. Pemodelan SEM lebih cocok digunakan untuk pengujian yang bersifat konfirmatori dibandingkan dengan pengujian yang bersifat eksploratori.

SEM mampu mengukur variabel laten. Variabel laten merupakan variabel yang tidak dapat diukur, misalnya tingkat kepuasan dan tingkat loyalitas. Variabel tersebut tidak dapat diukur secara langsung, namun diukur melalui estimasi indikator. SEM juga mampu melakukan analisis faktor, analisis jalur, dan analisis regresi.

SEM dapat dibagi menjadi dua, yaitu SEM yang berbasis varian dan SEM yang berbasis kovarian. SEM berbasis varian menggunakan varian dalam proses iterasinya sehingga tidak perlu mengkorelasikan indikator-indikator pada variabel laten. SEM berbasis varian ini kemudian disebut sebagai PLS-SEM (Partial Least Square). Sedangkan SEM berbasis kovarian mengestimasi variabel laten dengan mengkorelasikan indikator-indikator variabel laten dalam satu model penelitian. SEM berbasis kovarian ini kemudian disebut CB-SEM (Covariance Based). Contoh software PLS-SEM yaitu SmartPLS dan WarpPLS. Sedangkan contoh software CB-SEM yaitu Lisrel dan AMOS.

Perbedaan SEM berbasis varian dan kovarian

Secara umum, CB-SEM dan PLS-SEM memiliki tujuan penggunaan yang berbeda. CB-SEM digunakan untuk melakukan estimasi model yang didasarkan pada teori yang kuat dalam menguji hubungan kausalitas antar konstruk dan mengukur kelayakan model yang dikonfirmasikan dengan data empirisnya. Konsekuensinya, CB-SEM menuntut dasar teori yang kuat, pemenuhan berbagai asumsi parametrik, dan memenuhi kelayakan model (goodness of fit). Sedangkan PLS-SEM digunakan untuk menguji hubungan prediktif antar konstruk. Konsekuensinya, pengujian PLS-SEM dapat dilakukan tanpa dasar teori yang kuat, mengabaikan beberapa asumsi dan parameter ketepatan model prediksi dilihat dari nilai koefisien determinasi (R-square). Oleh karena itu, CB-SEM sangat cocok jika digunakan untuk penelitian yang melakukan pengujia teori, sedangkan PLS-SEM sangat cocok jika digunakan untuk penelitian yang bertujuan untuk mengembangkan teori.

Referensi:

Ghazali, I., dan Latan, H. 2015. Partial Least Square: Konsep, Teknik dan Aplikasi Menggunakan Program SmartPLS 3.0 untuk Penelitian Empiris. Semarang: Badan Penerbit UNDIP.

Jogiyanto, H.M., dan Abdillah, W. 2016. Konsep dan Aplikasi PLS untuk Penelitian Empiris. Yogyakarta: BPFE Yogyakarta.

Design a site like this with WordPress.com
Get started