Pemodelan Persamaan Struktural Dengan PLS

Pemodelan persamaan structural yang sering disebut dengan Structural Equation Modeling (SEM) atau Linear Structural Relationship (LISREL). SEM pendekatan terintegrasi antara Analisis Faktor, Model Struktural dan Analisis Path. LISREL sangat membantu penelitian dalam konfirmasi model penelitian yang melibatkan variabel laten. SEM banyak digunakan dalam berbagai bidang ilmu khususnya dalam ilmu-ilmu sosial untuk melihat keterkaitan antara variabel penelitian. Metode pendugaan yang umumnya digunakan adalah metode Maksimum Likelihood. Pendugaan parameter dengan metode ML dalam LISREL membutuhkan berapa asumsi kritis seperti ukuran sampel minimal 10 kali banyaknya indikaor atau lebih dari 100 unit pengamatan, data menyebar mengikuti sebaran normal multivariate. LISREL menyediakan beberapa pendekatan yang dapat digunakan dalam pendugaan paremeter model jika data tidak menyebar normal multivariate, diantaranya dengan Bootstrap ML atau menggunakan metode Weighted Least Square (WLS). Namun, kedua pendekatan ini tetap membutuhkan data yang relative besar sehingga untuk model yang kompleks dengan ukuran sampel yang relative kecil dibutuhkan suatu pendekatan baru. Salah satu pendekatan baru yang diperkenalkan oleh Herman Wold, adalah Partial Least Square (PLS) dan sering disebut soft modeling. Dengan menggunakan PLS dimungkinkan melakukan pemodelan persamaan structural dengan ukuran sampel relative kecil dan tidak membuhkan asumsi normal multivariate. Selain permasalahan asumsi sebaran dan banyaknya data, kendala lain yang dihadapi pemodelan structural menggunakan LISREL adalah indikator (variabel manifest) penelitian hanya dimungkinkan bersifat reflektif (variabel laten menjelaskan variabel manifest), tidak dimungkinkan untuk indikator bersifat formatif (variabel manifest menjelaskan variabel laten). Dengan menggunakan PLS dimungkinkan penelitian menggunakan indikator bersifat reflektif ataupun formatif.