Friday, December 16, 2011

Uji Partial Least Square (PLS)


PLS
Analisis data dalam penelitian ini menggunakan Partial Least Square (PLS) merupakan metode analisis yang powerful karena dapat diterapkan pada semua skala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar. PLS selain dapat digunakan sebagai konfirmasi teori juga dapat digunakan untuk membangun hubungan yang belum ada landasan teorinya atau untuk pengujian proposisi (Ghozali,2008 :18).
Terdapat dua macam indikator dalam pendekatan PLS. Indikator pertama adalah indikator refleksif atau reflective indicator. Reflective indicator adalah indikator yang dianggap dipengaruhi oleh konstruk laten. Reflective indicator mengamati akibat yang ditimbulkan oleh variabel laten. Indikator kedua adalah indikator formatif atau formative indicator. Formative indicator adalh indikator yang dianggap mempengaruhi variabel laten. Formative indicator mengamati faktor penyebab dari variabel laten.
langkah-langkah PLS adalah sebagai berikut :
a.         Merancang model structural atau inner model. Inner model adalah model yang menspesifikasi hubungan antar variabel laten atau bisa juga dikatakan inner model menggambarkan hubungan antar variabel laten berdasarkan substantive theory (Ghozali,2008:22).
b.         Merancang model pengukuran atau outer model. Outer model adalah model yang menspesifikasi hubungan antara variabel laten dengan indikator-indikatornya atau bisa dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya (Ghozali,2008:22).
c.         Mengkontruksi diagram alur
d.        Mengkonversi diagram jalur ke persamaan
e.         Melakukan estimasi atau pendugaan parameter. Pendugaan parameter dilakukan untuk menghitung data variabel laten
f.          Goodness of fit. Dalam hal ini dibagi menjadi dua yaitu outer model dan inner model.
1)          Outer model terbagi menjadi dua yaitu reflektif dan formatif. Outer model formatif dievaluasi berdasarkan substantive content yaitu dengan melihat tingkat signifikansi dari weight.
2)         Inner model diukur dengan menggunakan beberapa criteria yaitu
a)        Runtuk variable laten endogen.
b)                  Estimasi koefisien jalur. Hal ini merupakan nilai estimasi untuk hubungan jalur dalam model struktural yang diperoleh dengan prosedur bootstrapping dengan nilai yang harus signifikan.
c)        funtuk effect size.
d)       Relevansi prediksi (Q2). Apabila diperoleh nilai Qlebih dari nol hal tersebut memberikan bukti bahwa model memiliki predictive relevance namun apabila diperoleh nilai Qdibawah nol maka terbukti bahwa model tidak memiliki predictive relevance

No comments:

Post a Comment