ANALISIS STRUCTURAL EQUATIONMODELING(SEM) UNTUK SAMPEL KECIL DENGAN PENDEKATAN PARTIAL LEAST SQUARE (PLS)

Abstract

Analisis Structural Equation Modeling (SEM) sering diaplikasikan pada permasalahan sosial yang membutuhkan model yang relatif kompleks. Pendugaan parameter pada analisis SEM membutuhkan beberapa asumsi penting seperti ukuran sampel minimal 10 kali banyaknya indikator dan data harus berdistribusi normal. Pada prakteknya tidak mudah untuk memenuhi asumsi tersebut. Dalam perkembangannya terdapat sebuah metode SEM yang tidak membutuhkan asumsi tersebut yang dikenal dengan metode analisis Partial Least Square (PLS).Metode ini merupakan analisis SEM berbasis varian atau dikenal dengan SEM-PLS. Pendugaan parameter pada metode ini tidak membutuhkan ukuran sampel yang besar dan data tidak harus berdistribusi normal. Pada penelitian ini akan ditunjukkan perbandingan analisis data menggunakan metode SEM-PLS dengan metode CB-SEM. Perbandingan analisis data menggunakan data serdos yang berupa 4 variabel laten dan 24 variabel indikator yang sebelumnya sudah dianalisis menggunakan metode analisis CB-SEM dengan data ditransformasi ke z-score untuk memenuhi asumsi. Pada penelitian ini digunakan tiga macam ukuran sampel yaitu 35,55, dan 75yang diambil dari parent sample sebanyak160kemudian dilakukan tahap Bootstrapping sebanyak 50 kali. Tahap tersebut dilakukan padasetiap ukuran sampel untuk mengetahui seberapa minim ukuran sampel pada metode SEM-PLS yang representatif terhadap sample parent. Hasil penelitian menunjukkan bahwa ukuran sampel yang digunakan pada metode analisis SEM-PLS adalah sebanyak 55. Nilai R² pada ukuran sampel 55 sama baik dengan nilai R² pada parent sample dengan data tidak ditransformasi ke z-score sebagaimana metode CB-SEM.